Убийственные большие данные. Как математика превратилась в оружие массового поражения

Итак, в нашем алгоритмическом путешествии по жизни мы чудом продрались наверх, получили какое-то образование и работу (даже если на последней приходится работать по совершенно хаотическому расписанию). Мы набрали кредитов и увидели, что наша кредитоспособность стала заменой всех наших достоинств и недостатков. Теперь настало время защитить самое ценное, что у нас есть: дом, машину и здоровье семьи, – и оставить распоряжения для тех, кого мы однажды покинем.

Страхование выросло из актуарной науки – дисциплины, корни которой уходят в XVII век. Это был период, когда растущая буржуазия в Европе сколачивала огромные состояния. Это позволило многим из них впервые в истории задуматься о будущих поколениях.

В то время как достижения математиков предоставляли необходимые инструменты для предсказаний, первые поколения информационных ищеек искали всё новые вещи, которые можно было бы посчитать. Одним из них был галантерейщик из Лондона Джон Гронт. Он изучил приходские записи о рождениях и смертях за много лет и в 1682 году опубликовал первое исследование уровня смертности, касающееся большого сообщества людей. Например, он подсчитал, что риск умереть для ребенка в Лондоне составляет 6 % в каждый из первых шести лет жизни (заодно он с помощью статистики смог развенчать миф о том, что эпидемия чумы якобы прокатывается по стране каждый раз, когда на трон восходит новый монарх). Впервые в истории математики смогли обсчитать самый ранний период человеческой жизни. Конечно, это не срабатывало для отдельных людей, но если числа были достаточно большими, то среднее арифметическое и диапазон отклонений вполне можно было предсказать.

Математики не притворялись, что могут предсказать судьбу каждого человека. Это было невозможно. Но они могли предсказать частоту несчастных случаев, пожаров и смертей по другим причинам в больших группах людей. За следующие три столетия на основе этих предсказаний возникла мощная страховая индустрия. Эта новая индустрия впервые в истории дала людям возможность объединить свои риски в общий коллективный риск, чтобы защитить каждого отдельного человека от ударов судьбы.

Сегодня, по мере развития науки о данных и объединения компьютеров в глобальную сеть, страховая индустрия вступила в эпоху фундаментальных изменений. Получая все большее количество информации – включая сведения о наших геномах, паттернах нашего сна, спортивных упражнениях и диете, о том, насколько хорошо мы водим машину, – страховщики все более эффективно подсчитывают риски для каждого отдельного человека и избавляются от групповых обобщений. Для многих клиентов это означает изменение к лучшему. Сторонница здорового образа жизни теперь легко может доказать, что спит не меньше восьми часов в сутки, ежедневно проходит пешком по десять миль и ест практически только зеленые овощи, орехи и рыбу. Почему бы ей не получить медицинскую страховку на самых лучших условиях?

Впрочем, движение в сторону индивидуализации страхования, как мы увидим, пока только начинается, но страховщики уже сегодня используют данные, чтобы разделить нас на все более мелкие группы, чтобы предложить нам разные продукты и услуги по различным ценам. Некоторые могут это назвать индивидуализированными услугами. Проблема заключается в том, что на самом деле они не индивидуализированы. Модели помещают нас в невидимые для нас группы людей, чье поведение лишь кажется им похожим на наше. Независимо от качества анализа, непрозрачность подобного разделения может привести к обману.

Возьмем, к примеру, автомобильное страхование. В 2015 году авторитетное издание «Отчеты для потребителей» (Consumer Reports) провело обширное, в масштабах всей страны исследование, посвященное разнице в ценах. Эксперты издания проанализировали более двух миллиардов ценовых предложений от всех основных страховых компаний, обращенных к потенциальным клиентам из всех уголков страны. И обнаружили огромную несправедливость, корни которой, как мы уже видели в предыдущей главе, таятся в кредитном скоринге.

Страховые компании берут этот скоринг из кредитных историй, а затем, используя алгоритмы собственной разработки, создают собственные рейтинги, которые, в сущности, представляют собой подмены (прокси) критерия ответственного вождения. В Consumer Reports обнаружили, что эти прокси содержат множество различных данных, и отнюдь не только «послужной список» водителя. Оказывается, то, как вы управляете своими деньгами, может иметь гораздо большее значение, чем то, как вы водите свою машину. В штате Нью-Йорк, например, снижение кредитного рейтинга водителя с «отличного» до просто «хорошего» увеличивает стоимость годовой страховки на 225 долларов. А во Флориде водитель с совершенно безупречной историей вождения, но с плохим кредитным рейтингом заплатит в среднем на 1522 доллара больше, чем водитель с отличной кредитной историей, но имеющий в прошлом предъявление обвинений в пьяном вождении.