Убийственные большие данные. Как математика превратилась в оружие массового поражения

В какой-то момент «страховые трекеры» в машинах, скорее всего, станут нормой. А клиентам, которые захотят страховаться по старинке, поделившись со страховой компанией лишь самой необходимой информацией, придется платить по самому дорогому тарифу – и, возможно, отрыв от остальных будет все время увеличиваться. В мире ОМП неприкосновенность частной жизни чем дальше, тем больше становится роскошью, которую могут позволить себе только богатые.

В то же время слежка может изменить саму суть страхования. Страхование – это индустрия, которая традиционно основывается на том, что большинство платит за меньшинство, которому не повезло. В деревнях, где все мы жили сотни лет назад, семьи, приходы и соседи помогали членам общины в случае пожара, несчастного случая или болезни. В рыночной экономике мы отдаем эту заботу на аутсорсинг страховым компаниям, которые оставляют часть денег у себя и называют это своей прибылью.

По мере того как страховые компании узнают о нас все больше, они смогут определять клиентов с наивысшей степенью риска и либо поднимать стоимость страховки до стратосферных высот, либо (там, где это законно) вообще отказывать им в страховании.

Это очень далеко отстоит от изначальной цели страхования: помочь обществу по возможности уравнять риски. В нашем мире мы больше не платим по среднему тарифу. Вместо этого нас обременяют прибавочными издержками. Вместо сглаживания жизненных ударов страховые компании будут требовать оплаты этих ударов заранее. Это зачеркнет подлинную цель страхования, причем ударит больнее всего по тем, кому и так сложнее всего пережить несчастье.

* * *

Как только страховые компании внимательно изучат особенности наших жизней и наших тел, они рассортируют нас по группам нового типа. И эти группы не будут основаны на традиционных показателях, таких как возраст, пол, состояние или почтовый индекс. Это будут поведенческие группы, почти полностью сформированные машинами.

Чтобы убедиться в том, как будет развиваться подобное ранжирование, давайте взглянем на нью-йоркскую компанию Sense Networks, работающую с Большими данными. Десять лет назад исследователи Sense научились анализировать информацию о перемещениях людей, полученную с их мобильных телефонов. Эта информация, которую предоставили ученым несколько телефонных провайдеров из Европы и Америки, была анонимной: всего лишь точки, перемещающиеся по картам. Конечно, не нужно было обладать задатками гениального сыщика, чтобы связать какую-нибудь точку с адресом, куда она прибывала каждый вечер. Но Sense интересовалась не отдельными людьми, а их группами.

Ученые заложили данные по Нью-Йорку в самообучающуюся систему, но при этом дали ей довольно специфические инструкции: машина не должна была группировать «жителей пригорода», или «миллениалов», или объединять людей по их покупательским предпочтениям. Она должна была находить сходства самостоятельно. Многие из этих критериев в результате оказались довольно бессмысленными: скажем, «люди, проводящие больше 50 % своего времени на улицах, названия которых начинаются на букву D» или «люди, проводящие большую часть своих перерывов на обед вне офиса». Но если система перелопачивает данные о миллионах людей, то неизбежно появятся какие-то осмысленные паттерны и корреляции, включая и такие, над которыми никому из нас не пришло бы и в голову задуматься.

Шли дни, компьютеры Sense продолжали обрабатывать огромный объем информации – и точки начали приобретать разные цвета. Какие-то покраснели, какие-то пожелтели, посинели и позеленели. Появлялись разные группы.

Что они собой представляли? Об этом знала только машина, но она ничего не объясняла. «Мы не всегда можем распознать, что общего у этих людей, – говорит один из основателей и бывший генеральный директор Sense Грег Скибицки. – Они не совпадали с традиционными группами, по которым мы бы их разбили». Когда точки закончили менять цвет, команда Sense начала отслеживать их перемещения по Нью-Йорку. Днем определенные районы были преимущественно синими, а вечером они становились красными с вкраплениями желтого. Одна группа, вспоминал Скибицки, постоянно посещала одно и то же место поздно вечером. Что это – ночной клуб? Наркопритон? Взглянули на адрес – оказалось, больница. Выходит, люди в этой группе чаще болеют или получают травмы? А может быть, они врачи или другие медицинские работники?

Компанию Sense в 2014 году купил оператор мобильной рекламы YP, отколовшийся от AT&T. По-видимому, результаты всей этой сортировки пока что будут использоваться для таргетированной рекламы. Но легко представить себе, как системы машинного обучения, которым скармливают самые разные потоки поведенческой информации, вскоре научатся размещать нас по сотням и тысячам групп. Члены этой группы будут сходным образом откликаться на одну и ту же рекламу. Эта группа демонстрирует сходство политических взглядов, члены вот этой чаще оказываются в тюрьме, а те – предпочитают фастфуд.