ЭРИКТОПОЛ
Профессор трансляционной геномики Исследовательского института Скриппса, кардиолог, сотрудник Клиники Скриппса
Анализ предпосылок – многообещающая концепция для решения проблем в сферах промышленности, инженерии и контроля качества. Его классическое применение – определение причины аварии самолета с помощью «черного ящика», который записывает информацию и защищен от проникновения. Хотя обычно «черный ящик» оранжевого цвета, термин является отсылкой к темной материи: в контейнере содержится критически важная информация, которая помогает пролить свет на случившееся. Получение аудиозаписи из «черного ящика» – важная часть анализа предпосылок и непосредственных причин катастрофы.
Благодаря нашим цифровым личностям и активности в Интернете все мы постепенно превращаемся в регистраторы информации. Информацию о себе размещаем не только мы сами – иногда весьма неосмотрительно, – но информацию о нас размещают и другие, и все это сохраняется на долгие годы, в результате чего эти данные по‑своему «защищены от вскрытия». С ростом популярности биосенсоров, методов визуализации высокого разрешения (только подумайте о современных камерах, не говоря уже о цифровых методиках медицинской визуализации) и технологий секвенирования ДНК информация о нас будет все более обширной.
В нашей насыщенной жизни с постоянным общением, разнообразной деятельностью и обилием отвлекающих факторов стремление к пониманию предпосылок и причин явно отошло на второй план. Это особенно хорошо заметно в здравоохранении. Врачи редко ищут первопричину. Если у пациента какое‑то распространенное нарушение – гипертония, диабет или астма, ему назначают лекарства, не пытаясь разобраться, почему он заболел. А ведь наверняка можно выяснить, чем вызвано хроническое нарушение. Все нарушения имеют причины, но их никто не выясняет. Или крайний случай: когда человек внезапно умирает, сегодня редко проводят аутопсию. Врачи не стремятся искать причину, и в этом они похожи на всех остальных. По иронии, это происходит сегодня, когда найти объяснение стало проще, чем когда бы то ни было. Но мы слишком заняты для этого.
В цифровую эпоху, когда вокруг полно информации, нужно ее использовать для наиболее полного понимания причины какого‑то неожиданного неприятного события (или исчезновения чего‑то хорошего). Это базовая научная концепция, о которой слишком часто забывают. Каждый человек стал небывалым регистратором информации, частью Интернета. Так давайте копать глубже. Ни одно необъясненное событие в наши дни не должно остаться незамеченным.
Анализ личных данных
ДЭВИД РОУЭН
Редактор британского издания журнала Wired
Как любит говорить бывший председатель совета директоров Google Эрик Шмидт, с самого начала цивилизации до 2003 года человечество создало пять эксабайт информации. Сегодня мы создаем пять эксабайт за два дня, и темпы все ускоряются. В наш век вездесущих социальных сетей, системы глобального позиционирования (GPS), мобильных телефонов, беспроводных технологий, систем распознавания лиц, пользовательских профилей и бесконечного множества иных способов занесения себя в различные списки люди редко пользуются преимуществами всей этой информации для более эффективного принятия решений. Пора вспомнить концепцию анализа данных, которую используют индустрия маркетинга, компании по выпуску кредитных карт и государственная программа полной информационной прозрачности. Нужно больше думать о собственной личной информации, чтобы превратить ее из сырого набора данных в основу для прогнозов и принятия решений. От этого выиграют все.
Компания Microsoft поняла это еще в сентябре 2006 г., когда получила патент номер 20.080.082.393 на систему обработки личной информации. Устав от ситуации, когда личная информация предоставлялась самими пользователями или собиралась третьей стороной, компания создала технологию, которая позволяет анализировать данные и «определять возможности и/или составлять рекомендации для повышения продуктивности пользователей и/или улучшения качества жизни». Вы можете сами решить, предоставлять личные данные или нет, но вряд ли вызывает сомнение тот факт, что анализ данных позволяет получить релевантную информацию, которая иначе могла бы остаться незамеченной.
И я, и все общество в целом очень выиграем, если наши персональные данные проанализируют и извлекут из них полезную информацию, позволяющую нам планировать свое поведение. Например, ее можно будет использовать, чтобы предсказать настроение, повысить эффективность, улучшить здоровье, выявить пробелы в знаниях и раскрыть творческий потенциал. Я хотел бы знать обо всех неожиданных корреляциях, тенденциях и факторах риска, о которых я и не подозреваю. В эпоху взаимосвязанности всего нужно больше думать о самоанализе с помощью доступной информации.
Пока еще слабое, но все более набирающее обороты движение в этом направлении уже показывает потенциал подобного подхода под влиянием работ Кевина Келли и Гэри Вольфа. Они используют мобильные сенсоры и технологии визуализации для регистрации самых разных показателей: физиологических параметров во время выполнения физических упражнений, сна и бодрствования; показателей производительности; реакции на препараты; сердцебиения; режима питания; финансовых затрат – и затем обнародуют и обсуждают эту информацию. С помощью доступных инструментов данные классифицируются
и анализируются, но большей частью речь идет просто об извлечении смысловых сигналов из общего шума.
Подобное мышление – проявление альтруизма: личная информация раскрывается для пользы науки, а пользовательские данные предоставляются для изменения чужого поведения. Действительно, как показывают работы Даниэля Канемана, Дэниела Гилберта, Кристакиса и Фаулера, точное отслеживание данных на индивидуальном уровне крайне важно для понимания таких явлений, как уровень человеческого счастья, влияние социальных сетей и распространение болезней в определенных группах.
Информации вокруг полно. Нужно лишь побудить людей ее организовывать, ею делиться и переводить ее в знания.
