Камень ломает ножницы. Как перехитрить кого угодно - [5]

Аналогично, научные звезды Bell Labs пользовались ограниченным набором приемов, чтобы имитировать случайный выбор. Применив их, они еще дальше уходили от случайности. И были бессильны помешать машине предсказать их поведение.

Исключение составлял Шеннон – перехитрить машину был способен только один человек. Свой секрет он раскрыл в 1953 г. в служебной записке. Подобно лучнику из дзенской притчи [4], Шеннон стал машиной. Он мысленно проделывал операции, которые совершает машина, вычисляя ее предсказания. Затем поступал наоборот. «Выполнять эту программу в уме очень трудно», – с напускной скромностью признавался Шеннон.

Конструкция машины позволяет тому, кто эмулирует ее работу, выигрывать в 75 процентах случаев (не в 100 процентах, потому что иногда и машина делает случайный выбор). Шеннону удавалось побеждать машину в 60 процентах случаев.

Говорят, некоторым гостям Bell Labs до начала игры описывали принцип действия машины, но даже это не помогало. На передней панели машины Шеннона появились одометры, показывающие общий счет. Под ними были прикреплены бумажные ленты с карандашными надписями: «Игрок» и «Машина». Окончательный счет, оставшийся для потомства, выглядит так: Игрок 3507 – Машина 5010.

Глядя в «лицо» машины, я наконец понял. Красный тумблер – это язык. Машина Шеннона показывает язык человечеству.

Сегодня устройства для предсказаний окружают нас со всех сторон. Возможно, одно из них есть в вашем смартфоне. Говорящие приложения наподобие Siri компании Apple выглядят более очеловеченными, чем это есть в действительности, поскольку действия человека более механистичны, чем кажется. Программа Siri способна предугадать многие запросы благодаря постоянно обновляемой статистике, фиксирующей, какие вопросы владельцы набирают на телефонах и в каких ситуациях. Это усиливает иллюзию, будто Siri понимает пользователя (название Siri происходит от SRI International, бывшего Стэнфордского научно-исследовательского института, некогда известного исследованиями в области физики, которые финансировались ЦРУ).

Но самая серьезная машина для предсказаний известна под названием «большие данные» – это всеобъемлющие алгоритмы, благодаря которым все наши действия отслеживаются в цифровой среде, чтобы предсказать, к какой покупке нас можно склонить. Вероятно, в устройствах Шеннона и Хагельбарджера впервые использовались куки-файлы или архивы предшествующих действий для предсказания следующих действий. Маленькая машина Шеннона с человеческим лицом предлагала игру, в которую вы могли играть или не играть; предсказания безликих «больших данных» трудно игнорировать.

Несколько лет назад один житель Миннесоты убедился в этом на собственном опыте. Вбежав в универмаг Target на окраине Миннеаполиса, он потребовал вызвать директора. «Моя дочь получила это по почте!» – кричал он. Директор посмотрел на то, что принес покупатель. Стандартная рассылка Target, подобная миллионам других почтовых рассылок, адресованная дочери клиента. Выглядел буклет вполне невинно – фотографии счастливых младенцев, детская мебель и одежда для будущих мам.

«Вы подталкиваете ее к тому, чтобы она забеременела?» – возмущался клиент. Его дочь училась в старших классах школы и, естественно, была не замужем.

Директор извинился и пообещал разобраться. Выяснилось, что Target использует упреждающий анализ. Компания собирает всю информацию о клиентах: посещения сайта в интернете, визиты в реальные, а не виртуальные магазины, звонки в службу поддержки, использование купонов или скидок. Затем программа анализирует весь этот «стог сена», чтобы отыскать «иголки» из чистого золота. Это позволяет продавцу делать конкретные, имеющие практическое значение прогнозы поведения каждого клиента.

Одна из секретных инициатив заключалась в прогнозе беременности клиентки. Будущим матерям требуется огромное количество товаров, которых они не покупали раньше. Поэтому беременные особенно восприимчивы к рекламе, скидкам и всему остальному, что может мотивировать их отправиться за покупками в Target. Покупательница, привыкшая рассчитывать на Target во время беременности, возможно, захочет и дальше пользоваться услугами магазина – и так десятилетиями.

Предсказания компании Target относительно беременности были гораздо более точными, чем при простом угадывании, но, разумеется, не на 100 процентов. Несколько ошибок считались вполне допустимыми. Неловкая ситуация возникала лишь в тех случаях, когда клиента действительно расстраивало неверное предсказание.

Несколько дней спустя директор снова позвонил раздраженному клиенту, чтобы еще раз извиниться.

«Я поговорил с дочерью, – ответил тот. – В моем доме произошли события, о которых я не знал. Ей рожать в августе. Это я должен извиниться».

Перед нами совершенно новая ситуация. Программное обеспечение универмага способно определить, что женщина беременна, а ее отец не способен. Как реагировать на это? Восхититься изощренностью алгоритмов или задуматься над своим неумением слышать и понимать друг друга?

Преимущество упреждающего анализа в том, что, используя программу, можно находить в больших базах данных соотношения, незаметные на первый взгляд. Они могут не иметь явной логики или причины. Алгоритм предсказания беременности компании Target основан на покупках 25 продуктов, в том числе лосьонов и мыла без запаха, пищевых добавок с кальцием, магнием и цинком, ватных тампонов и антисептика для рук. Ни один из этих товаров сам по себе ничего не значит. Пищевую добавку с цинком может покупать 50-летний холостяк. Но если женщина покупает несколько продуктов из списка, это указывает на высокую вероятность беременности. Компания Target не только способна предсказать беременность клиенток, но также с точностью до одной или двух недель вычислить дату родов.