Карл Маркс и большие данные - [13]

Часто приводимым примером ценовой дискриминации является использование больших данных в крупных казино. Изучая особенности своих клиентов на основе анализа больших данных, владельцы казино знают, когда вовремя вывести игрока из игры (например, предложением бесплатного обеда), чтобы он не проиграл слишком много своих денег и вернулся в казино опять, в сумме принеся заведению еще большую прибыль, оставаясь при этом его постоянным клиентом²⁶. Вышедший в 2014 году на Всемирном форуме, посвященном приватности, доклад²⁷ описывает то, как компании, собирая большие данные о поведении американцев, в результате их обработки формируют потребительские профили, позволяющие понять, сколько каждый конкретный гражданин готов заплатить за тот или иной товар, характеристику его покупательной способности — извлекать из каждого человека максимальную прибыль, используя созданные им же самим данные.

Другим примером применения больших данных в погоне за прибылью является их использование при составлении расписания работников. Основанный на статистических моделях анализ данных, включающий множество факторов вроде исторических тенденций продаж, интересов клиентов, прогноза погоды, наличия товаров, дает возможность компаниям в режиме реального времени планировать деятельность своих сотрудников вплоть до минуты. Рабочие смены разбиты на пятнадцатиминутные блоки и пересматриваются каждый день, чтобы гарантировать достаточное количество работников для удовлетворения предполагаемого спроса. Корпорации усиливают эксплуатацию труда, сокращают часы, одновременно увеличивая интенсивность работы, выполняемой их сотрудниками^28,29. Как здесь не вспомнить Маркса, в свое время описавшего машину как «средство производства прибавочной стоимости»³⁰. Другими словами, в условиях капитализма достижение прогресса никоим образом не нацелено на уменьшение трудовых усилий рабочих, а напротив, ставит задачу оптимизации их эксплуатации. Маркс описывает эту функцию «системы машин» в тринадцатой главе «Капитала», где подразделил ее на три составляющих: присвоение капиталом добавочных рабочих сил, удлинение рабочего дня и интенсификация труда.

Нужно понимать, что глобальная датификация характеристик и жизни индивида, ее моментальная обработка в системе больших данных позволяют дополнить картину, открыть те стороны человеческой жизни, которые пока что нельзя записать в виде цифровых показателей. Например, далеко не факт, что наука в обозримом будущем сумеет датифицировать человеческие мысли до такого уровня, чтобы их можно было прочитать и сохранить. Однако фиксация и перевод в цифру изображений с камеры в общественном месте или на личном телефоне, анализ эмоций на лице человека, ритм его сердцебиения, скорость движения его курсора мышки в Интернете и другие факторы рано или поздно позволят предугадывать поведение индивида не хуже, чем прочтение его мыслей. Что уж тут говорить, если даже сам Марк Цукерберг, опасаясь за неприкосновенность своей частной жизни, заклеивает камеру и микрофон на своем ноутбуке. Эта же особенность больших данных уже поставила под сомнение возможность пользовательской анонимности в перспективе, сделав ее математически невозможной. Современные алгоритмы позволяют даже по мельчайшим крохам данных воссоздать недостающую информацию о человеке. Владельцы больших данных теперь могут узнать всё не только о тех, кто предоставляет им свои данные, но и о тех, кто не контактирует с ними или специально скрывает производимую им информацию.

Профессор Массачусетского технического университета и один из ведущих мировых специалистов в области больших данных Алекс Пентленд, на чьи работы мы еще не раз будем ссылаться, последние десятилетия вместе со своими учениками опубликовал массу трудов с экспериментами над людьми в области изучения больших данных. Одним из распространенных типов его исследований являются так называемые «живые лаборатории». Данный подход во многом сводится к опережающей датификации исследуемой группы при помощи специальных устройств вроде запрограммированных смартфонов, датчиков, социометрических бейджей. «Представьте, что можно поместить целое сообщество в комнату с камерами слежения, а затем описать и отобразить все грани и ракурсы поведения, общения и социального взаимодействия между участниками. Теперь представьте, что этот эксперимент длится в течение нескольких лет, пока члены сообщества живут своей повседневной жизнью. Это и есть живая лаборатория», — пишет Пентленд³¹. В многочисленных живых лабораториях проходили тестирования самых разных аспектов индивидуальной и коллективной жизни, поведения индивидов, начиная от вопроса набора лишнего веса до электоральных предпочтений. «Мы смогли использовать связь между восприятием и поведением в прогнозировании результатов нескольких различных ситуаций и даже проводить манипуляции с окружением, чтобы вызвать поведенческие изменения»³². Конечно, живые лаборатории проводились в рамках законодательства, а их участники были в курсе эксперимента и оказываемого на них влияния. Однако вместе с датификацией нашей жизни, массовым использованием смартфонов, интернет-сервисов, электронных платежей и многого другого все общество шаг за шагом, само того не замечая, превращается в живую лабораторию. Во многих странах мира строятся «умные города», чья инфраструктура рассчитана на постоянный сбор и анализ больших данных горожан, а также динамичные изменения в зависимости от потребностей общества. Подобные города также по сути представляют собой территорию опережающей датификации, их создатели собирают все возможные данные городской среды (от денежных переводов и коммуникаций жителей до показателей сбора мусора), в большинстве случаев пока что не имея представления о том, каким именно образом будут использовать их в дальнейшем.