Экспонента - [24]
К концу 2018 года вокруг Земли вращалось около 2000 действующих спутников. По данным Союза обеспокоенных ученых, в 1991–2000 годах было запущено 118 спутников, около десяти в год — четыре пятых из них были коммерческими, в основном для связи (остальные правительственные или военные)[80]. В 2018 году было запущено 372 спутника, более чем в двадцать раз больше, чем в начале века.
Рост количества спутников нового поколения, как вы уже догадались, произошел благодаря стандартизации. Стандартные компоненты сделали спутники дешевле, а космос — доступнее. Они позволяют создавать спутники стандартных размеров, например маленькие низкоорбитальные, известные как CubeSats. Затем ракеты поднимают спутники стандартных размеров, что значительно снижает затраты на выход из атмосферы Земли[81].
В программном обеспечении стандартизация тоже стала обычным делом. Она привела к распространению компонентизации: многие стандартные задачи, которые мы ставим перед ПО, теперь доступны в виде готовых блоков кода. Современный разработчик программного обеспечения может потратить столько же времени на соединение таких предподготовленных компонентов, сколько и на написание чего-то нового. Новое мобильное приложение может включать десятки тысяч или больше строк кода, но разработчикам, пишущим приложения, нет нужды набирать эти строчки самим. Скорее они найдут стандартизированные компоненты, разработанные другими. Такая унификация означает, что компании могут использовать опыт разных отраслей: некто, разрабатывающий приложение, предназначенное для путешественников и помогающее им бронировать жилье, может воспользоваться компонентом календаря, изначально разработанным для приложения, планирующего деловые встречи.
Все это говорит об изменении характера технологического развития. Современные технологии чаще комбинируются и рекомбинируются. И этот процесс приводит к появлению очередных инноваций.
Лаура О’Салливан училась в выпускном классе колледжа Маунт-Мерси в Корке (Ирландия), когда решила разработать автоматизированную систему, способную выявлять аномалии в мазках из шейки матки. Годом раньше произошел скандал: результат такого теста у двухсот ирландок был отрицательным, а потом у них все-таки обнаружили рак. Лауре было всего 16 лет, когда она поставила перед собой цель решить эту проблему. Она знала о недавнем прорыве в области машинного зрения — способности компьютеров идентифицировать объекты или узоры на изображениях, о которой мы говорили в главе 1. Лаура подумала, что эту технологию можно использовать для выявления злокачественных образований на снимках мазков.
У Лауры был лишь начальный опыт программирования — пару каникул она провела в лагерях для программистов — и никакой формальной подготовки. «Я прошла несколько онлайн-курсов по машинному обучению и глубокому обучению на сайтах Coursera и Стэнфордского университета. Мне необходимо было понять основы», — рассказывала она мне. Лаура начала свой проект во время летних каникул, изучая, как строить и настраивать свёрточные нейронные сети, как находить и очищать данные. К счастью, датская больница Herlev выложила в открытый доступ данные мазков, которые девушка могла использовать.
Это было непросто. Набор данных был, говоря языком специалистов по обработке и анализу данных, несбалансированным. В нем было слишком много, предположительно, аномальных, потенциально раковых изображений и недостаточно здоровых. В реальном мире все было бы наоборот: у большинства женщин мазки показали бы, что женщины здоровы, и лишь у немногих, что женщины больны. Такая несбалансированность данных могла вызвать проблемы в системе Лауры.
Она нашла способ искусственно создать больше данных, представляющих здоровые образцы. Так получился бы надежный набор, который позволил бы алгоритмам эффективно обучаться. Техника, которую она использовала (генеративно-состязательные сети, или GAN), была весьма актуальной. Первые результаты с помощью GAN исследователь из Калифорнии Ян Гудфеллоу получил всего четыре года назад[82]. Лаура смогла бесплатно загрузить код для работы GAN с сайта GitHub, на котором разработчики программного обеспечения сотрудничают и свободно делятся своими наработками. Все вычисления проводились на домашнем компьютере отца Лауры. У него было дополнение, которое Лауре очень нравилось, — два экрана: на одном она могла просматривать свой код, а на другом — руководства по вычислениям.
К декабрю 2018 года Лаура доработала свои результаты. Я встретился с ней в январе 2019 года во время финального этапа конкурса молодых ученых Ирландии — ее новая программа определяла аномалии на изображениях лучше любого врача. Неудивительно, что она получила приз.
Опыт Лауры — прекрасный пример третьей движущей силы экспоненциальных технологий: изобилия сетей. За последние пятьдесят лет появилось множество информационных и торговых сетей. Никогда еще не было так просто переслать денежные средства из одной части мира в другую. Никогда еще не было так просто переправить мем из Сантьяго в Сидней[83]. Никогда еще не было так просто перевезти часть электронного оборудования из Шэньчжэня в Стокгольм. И если уж на то пошло, никогда еще не было так просто за считаные недели распространить вирус из какого-то удаленного места в огромной стране по сотне других государств.
