Карл Маркс и большие данные - [8]

Наиболее датифицированной сферой общественной жизни сейчас является поведение человека в Интернете, где действия каждого пользователя сохраняются, соотносятся с другими данными и анализируются — в первую очередь для предоставления релевантной рекламы, уже невозможной в наши дни без больших данных. Датификация распространяется и на остальной мир — перемещения, покупки, датчики в автомобилях, умная бытовая техника и многое другое. Ежедневно мы создаем и взаимодействуем с огромным количеством данных. Это при том, что период активной датификации только начался и пока что затрагивает далеко не все аспекты нашей жизни. Процесс датификации все новых сфер окружающего мира неумолимо продолжается. Если в 2018 году весь объем хранимой человечеством цифровой информации был равен чуть более 20 зеттабайтам,

то уже к 2025 году он вырастет более чем в 8 раз и достигнет 160 зеттабайт⁸. Датификация производства или любой другой сферы жизнедеятельности позволяет обрабатывать полученную информацию в системе больших данных — извлекать прибыль, упрощать некоторые процессы, лечить людей, обманывать их... Все мы плаваем в море данных, и с каждым годом это море становится все больше. Именно датификация по-своему является основным локомотивом революции больших данных, каким в начале ХХ века была электрификация, позволяющая существенно увеличить производительность труда и облегчить жизнь человека. Кстати, второй по величине производитель программного обеспечения, корпорация Oracle, так и назвала большие данные: «Электричество двадцать первого века — новый вид энергии, которая трансформирует все, к чему прикасается, в бизнесе, правительстве и в личной жизни»⁹.

Источник: IDC's Data Age 2025 study, sponsored by Seagate, April 2017

Вторым фактором революционных изменений является рост вычислительной мощности компьютеров. Давид Хаус из Intel, анализируя рост количества транзисторов

и увеличение тактовых частот процессоров, сформулировал закон, в целом продолжающий работать и сегодня, согласно которому производительность процессоров удваивается каждые 18 месяцев.

Кроме того, уже в обозримом будущем прогнозируется внедрение полноценного квантового компьютера¹⁰, использующего явления квантовой суперпозиции и квантовой запутанности для обработки данных, что позволит сделать резкий рывок в производительной мощности вычислительной техники. Так, корпорация Google, выпустившая недавно 72-кубитный квантовый процессор, уже заявила, что ее открытия позволяют в самом ближайшем будущем достичь квантового превосходства¹¹.

Третий фактор представляет собой совокупность открытий в области искусственного интеллекта и машинного обучения, сокращающих сложность обработки большого количества информации. Параллельно с развитием мощностей вычислительной техники учеными создаются все более совершенные модели обработки информации, которые упрощают работу с данными, ускоряющими процесс и уменьшающими затраты на обработку больших объемов информации. Например, произошедший в 2012 году перелом, связанный с переосмыслением подхода к свёрточным нейронным сетям, позволил в разы увеличить скорость и улучшить качество машинного распознавания изображений, видео- и аудиоинформации, текста и т.д. Подобные нейронные сети сегодня находят применение в самых разных областях и показывают крайне высокую эффективность, позволяют по-новому рассмотреть, разобрать на составляющие и обработать изображения, видеозаписи, текст и многое другое. К примеру, уже в 2016 году нейронные сети научились распознавать изображения эффективнее человека¹². Развитие искусственного интеллекта позволяет заменить множество профессий¹³ и кардинально изменить сложившиеся в обществе социальные отношения. Искусственный интеллект позволяет быстро обрабатывать большие данные. А большие данные, в свою очередь, почти всегда необходимы для работы искусственного интеллекта. Классическим примером здесь является беспилотный автомобиль, получающий все большее распространение в развитых странах, чье обучение обеспечено результатами анализа данных, полученных с датчиков автомобилей навигационных систем и других источников. Здесь же стоит упомянуть «наукастинг» — технологию распознавания паттернов и анализа данных в реальном времени. Анализ больших данных позволяет предсказывать будущее с высокой долей вероятности. Сегодня наукастинг обычно ассоциируют со сверхточным прогнозом погоды, вроде системы погодного анализа Deep Thunder, которая позволяет дать тщательно локализованный анализ осадков в Нью-Йорке и Рио-де-Жанейро на несколько дней вперед, прогнозируя не только погоду, но и, например, где именно могут рухнуть линии электропередачи в результате снегопада или какие этажи пострадают от грядущего наводнения¹⁴. Погода — это лишь одна из областей «наукастинга», находящаяся на самом виду. Опираясь на современный анализ данных, в перспективе наукастинг позволит предвидеть различные события практически в любой области, где датификация достигла необходимых для этого объемов.

Несмотря на невероятные достижения, совершенные нами в XXI веке, некоторые ученые со скепсисом относятся к техническому прогрессу — экспоненциальное развитие технологий не будет длиться вечно или следоватьчеткому графику. События, происходящие в мире, невероятная череда случайностей, каждый раз определяющая жизнь поколений, могут на время притормозить технологический прогресс. Однако такие изменения затронут в основном скорость его развития, но не изменят его вектор, направленный на усиление производительной мощности вычислительных машин, датификацию всех сфер человеческой жизни, внедрение искусственного интеллекта. Различные общественные события или технологические коллапсы могут лишь на непродолжительное время отсрочить и растянуть ход начавшейся революции.