Обратная разработка великих свершений. Реверс-инжиниринг как путь к мастерству - [16]

В последние годы алгоритмы типа Tinder используются во многих сферах деятельности благодаря возможности быстро выявлять шаблоны и закономерности. Их способность извлечь из тысяч кликов, скроллов и свайпов некую формулу, а затем применить ее для предсказания поведения человека в будущем играет огромную роль в сферах бизнеса, технологий и даже романтических отношений.

И данный процесс обладает очевидными сходствами с методом обратного инжиниринга. Превращение интересной истории, симфонии или фотографии в некую формулу успеха точно так же предполагает экстраполяцию за пределы той информации, которую можно получить из какого-либо одного примера. Для этого нужно сделать шаг назад, вывести сначала некую закономерность, а затем формулу.

Способность выявлять закономерности и формулы отличает человека от животных. Более того, в течение многих лет это было фундаментальным требованием для выживания людей.

На протяжении всей истории человечества наши предки полагались на умение обнаруживать наличие закономерностей, чтобы предвидеть, где они смогут найти пищу, какого цвета растения вероятнее всего окажутся ядовитыми и в какое время суток можно безопасно бродить по саванне. Для выживания во враждебной среде нужно научиться читать ее и предвидеть, что может произойти в следующий момент. И хотя в наше время подобное умение перестало быть вопросом жизни и смерти, психологи полагают, что оно продолжает играть важную роль с точки зрения предсказания успеха и является одной из граней высокоразвитого интеллекта.

Однако, как отмечают специалисты, благодаря развитию науки и техники мы достигли такого момента, когда способность компьютеров устанавливать закономерности далеко превзошла человеческие возможности. В связи с этим возникает несколько интересных вопросов: что именно позволяет алгоритмам, о которых идет речь, так эффективно выявлять закономерности и чему это может научить с точки зрения повышения эффективности обратного инжиниринга?

Лаконичный ответ: многому.

Начнем с азов. Механизм распознавания закономерностей состоит из четырех главных этапов. Первый из них — это сбор образцов. Прежде чем начать предсказывать, каких именно мужчин Алиса находит привлекательными, нужно отобрать и претендентов, которым она симпатизирует, и тех, которые ей не нравятся. Вы сможете получить данную информацию, анализируя реакцию девушки на профайлы разных мужчин.

Второй шаг заключается в систематизации собранных сведений и определении важных отличительных особенностей. Что в этих мужчинах влияет на предпочтение Алисы? Очевидно, что существуют некие физические параметры, такие как возраст, рост и вес. Но есть и особенности в профайлах претендентов: много ли фотографий они размещают на своей странице, насколько подробно рассказывают о себе и на какой тип личности указывает их характеристика самих себя. Чем больше факторов вы сумеете идентифицировать на второй стадии, тем больше у вас шансов выявить именно тот из них, который пробуждает в Алисе интерес.

Третий шаг — это обнаружение схожих черт. Что общего у мужчин, которых Алиса находит привлекательными? В чем они похожи внешне? А как насчет тех, которых Алиса отвергла? Какие качества отличают их от мужчин, которым она симпатизирует? Сравнивая характеристики, присущие обеим группам, алгоритм может начать идентифицировать те основные факторы, которые предопределяют выбор Алисы.

Последний, четвертый, шаг — это попытка системы на основе проведенного анализа предсказать, каких мужчин Алиса найдет привлекательными. Именно их она будет предлагать девушке в первую очередь. И чем больше свайпов делает Алиса, тем эффективнее становится алгоритм, поскольку он использует обратную связь для уточнения и совершенствования своих предсказаний.

Скрытая формула, которая делает ваше любимое блюдо неотразимым

Когда число переменных невелико, люди достаточно хорошо справляются с задачей выявления закономерностей. Но если уровень сложности повышается, то наших способностей уже не хватает. И вот здесь на помощь приходят компьютерные алгоритмы.

Такие системы способны оценивать гигантские базы данных и анализировать множество факторов одновременно, а также корректировать свои прогнозы в режиме реального времени по мере получения новой информации. Кроме того, они не подвержены разного рода бессознательным ожиданиям и социальному давлению, из-за которых мы во многих случаях избегаем предсказаний, идущих вразрез с общепринятыми представлениями.

И эти преимущества накапливаются. В качестве примера давайте рассмотрим, как компания IBM подняла на новые высоты мир кулинарии. Некоторое время назад программисты из IBM загрузили в суперкомпьютер Watson, названный так в честь первого руководителя компании и снабженный искусственным интеллектом, данные исследований относительно того, какие продукты люди находят приятными на вкус (этим вопросом занимается область науки, известная как гедонистическая физика), а также архив рецептов с сайта Bon Appetit. Кроме того, они создали программу под названием Chef Watson, которая систематизирует всю полученную информацию и предлагает новые рецепты на основе выявленных принципов и закономерностей.