Литмир - Электронная Библиотека
Содержание  
A
A

2. Средства производства: производственный процесс Google эпохи интернета – критически важный компонент беспрецедентного. Его конкретные технологии и методы, которые я обобщенно называю машинным интеллектом, постоянно развиваются, и легко испугаться их сложности. Один и тот же термин может означать сегодня одно, а через год или через пять лет – нечто совсем другое. Например, по крайней мере с 2003 года велись разговоры о том, что Google разрабатывает и использует «искусственный интеллект», но сам этот термин не стоял на месте, по мере того как возможности эволюционировали от примитивных программ, способных играть в крестики-нолики, к системам, управляющим целыми парками беспилотных автомобилей.

Производственные мощности Google в области искусственного интеллекта питаются поведенческим излишком, и чем больше излишка они потребляют, тем точнее выдаваемые ими прогнозные продукты прогнозирования. Редактор и основатель журнала Wired Кевин Келли однажды предположил, что, хотя кажется, что Google стремится развивать свои возможности в сфере искусственного интеллекта для улучшения поиска, более вероятно, что Google разрабатывает поиск как средство непрерывного обучения своих развивающихся мощностей искусственного интеллекта[216]. В этом суть проекта искусственного интеллекта. Как чудовищный ленточный червь, машинный интеллект зависит от того, сколько данных он поглощает. В этом важном отношении новые средства производства принципиально отличаются от таковых в промышленной модели, когда существует определенное противоречие между количеством и качеством. Машинный интеллект – синтез, снимающий это противоречие, поскольку он достигает своего полного потенциала в плане качества только тогда, когда приближается к всеохватности.

По мере того как все больше компаний хотят заработать на надзоре в стиле Google, значительная часть мировых талантов в области науки о данных и смежных областей посвящают себя изготовлению прогнозных продуктов, которые повышают показатели кликабельности для таргетированной рекламы. Так, китайские исследователи, работающие в исследовательском отделе принадлежащего Microsoft поисковика Bing в Пекине, в 2017 году опубликовали сенсационные результаты. «Точная оценка показателей кликабельности (CTR) рекламы оказывает решающее влияние на доходы поисковых компаний; даже повышение точности наших продуктов на 0,1 % принесло бы сотни миллионов долларов дополнительного дохода», – утверждают они. Затем они демонстрируют новый способ применения сложных нейронных сетей, который обещает улучшение на 0,9 % по одному показателю идентификации и «значительный прирост количества кликов в онлайн-трафике»[217]. Аналогичным образом команда исследователей Google разработала новую модель глубоких нейронных сетей, с единственной целью учесть «взаимовлияния прогнозирующих факторов» и обеспечить «передовую производительность» для повышения показателей кликабельности[218]. Тысячи таких исследований – и рутинных, и революционных – в сумме создают дорогие, сложные, непрозрачные и эксклюзивные «средства производства» XXI века.

3. Продукты: Машинный интеллект перерабатывает поведенческий излишек в прогнозные продукты, предназначенные для предсказания наших чувств, мыслей и действий: прямо сейчас, чуть позже, или в более отдаленном будущем. Эта методология – среди самых тщательно охраняемых секретов Google. Характер его продуктов объясняет, почему Google раз за разом заявляет, что не продает личные данные. Что? Никогда! Руководство Google любит говорить о своей чистоте в отношении конфиденциальности, потому что компания действительно не продает свое сырье. Вместо этого компания продает прогнозы, которые только она и может изготовить из своих исторически рекордных частных запасов поведенческого излишка.

Прогнозные продукты снижают риски для клиентов, советуя им, на что и когда ставить. Качество и конкурентоспособность такого продукта напрямую зависит от того, насколько он близок к точному знанию: чем надежнее прогноз, тем ниже риски для его покупателей и тем выше объем продаж. Google сумел стать гадалкой цифрового века, которая полным ходом заменяет интуицию наукой, чтобы за деньги погадать на наши судьбы, но не нам, а своим клиентам. С самого начала прогнозные продукты Google были в основном нацелены на продажи таргетированной рекламы, но, как мы увидим, реклама была началом надзорного проекта, а не его концом.

Эпоха надзорного капитализма. Битва за человеческое будущее на новых рубежах власти - i_002.png

РИС. 2. Открытие поведенческого излишка

4. Рынок: Прогнозные продукты продаются на новых видах рынков, на которых торгуют исключительно будущим поведением. Прибыли надзорного капитализма имеют своим источником главным образом эти рынки поведенческих фьючерсов. Хотя на ранних этапах развития этой новой разновидности рынков основными игроками были рекламодатели, нет никаких оснований считать, что подобные рынки должны ограничиваться только этой группой. То, что новые системы прогнозирования связаны с рекламой, – это только стечение обстоятельств, как стечением обстоятельств было и то, что новая система массового производства Форда лишь случайно была связана с автомобилями. В обоих случаях эти системы могут быть применены во многих других сферах. Как мы увидим в следующих главах, уже различима тенденция, когда любой, кто заинтересован в том, чтобы приобрести вероятностную информацию о нашем поведении и/или повлиять на будущее поведение, может за определенную плату начать играть на рынках, где за деньги предсказываются судьбы людей, групп, тел и вещей (см. рис. 2).

Глава 4

Ров вокруг замка

И первая попытка удалась им.
Родясь, тем завершили курс наук —
И жили, не испытывая мук,
Полны и правотою, и согласьем.
У. Х. Оден, Сонеты из Китая, I[219]

I. Люди как полезные ископаемые

Бывший генеральный директор Google Эрик Шмидт считает, что именно проведенный Хэлом Вэрианом анализ рекламных аукционов фирмы привел к моменту истины, прояснившему подлинную природу бизнеса Google: «Мы внезапно поняли, что занимаемся аукционным бизнесом»[220]. Ларри Пейджу приписывают совершенно другой и гораздо более глубокий ответ на вопрос «Что такое Google?». Дуглас Эдвардс вспоминает об одном совещании с участием учредителей в 2001 году, на котором у них пытались получить ответ как раз на этот вопрос. Пейдж тогда размышлял:

Если бы нас можно было отнести к какой-то категории, то это была бы персональная информация <…> Места, которые вы видели. Коммуникации. <…> Датчики совсем дешевые. <…> Хранение дешево. Камеры дешевы. Люди будут генерировать огромные объемы данных <…> Все, что вы когда-либо слышали, видели или испытали, станет доступным для поиска. Вся ваша жизнь будет доступна для поиска[221].

Видение Пейджа точно отражает историю капитализма, для которого характерно прибирать к рукам вещи, обитающие за пределами рыночной сферы, и объявлять о начале их новой жизни в качестве рыночных товаров. В грандиозном повествовании историка Карла Поланьи о «великой трансформации» в направлении саморегулирующейся рыночной экономики, вышедшем в 1944 году, он описывает истоки этого переходного процесса в рамках трех поразительных ключевых ментальных изобретений, которые он назвал «фиктивными товарами» или «товарными фикциями». Первая фикция состоит в том, что человеческую жизнь можно подчинить динамике рынка и обратить ее в «труд», который можно купить и продать. Вторая – что можно перевести в рыночные отношения природу, с ее последующим перерождением в «землю» или «недвижимость». Третья заключалась в том, что обмен может начать новую жизнь в качестве «денег»[222]. Почти за восемьдесят лет до этого Карл Маркс описал захват земель и природных ресурсов как начальный «большой взрыв», который запустил современный процесс формирования капитала, названный им «первоначальным накоплением»[223].

вернуться

216

Kevin Kelly, “The Three Breakthroughs That Have Finally Unleashed AI on the World,” Wired, October 27, 2014, https://www.wired.com/2014/10/future-of-artificial-intelligence.

вернуться

217

Xiaoliang Ling et al., “Model Ensemble for Click Prediction in Bing Search Ads,” in Proceedings of the 26th International Conference on World Wide Web Companion, 689–98, https://doi.org/10.1145/3041021.3054192.

вернуться

218

Ruoxi Wang et al., “Deep & Cross Network for Ad Click Predictions,” ArXiv: 1708.05123 [Computer Science. Learning], August 16, 2017, http://arxiv.org/abs/1708.05123.

вернуться

219

Пер. В. Топорова.

вернуться

220

См.: Steven Levy, “Secret of Googlenomics: Data-Fueled Recipe Brews Profitability,” Wired, May 22, 2009, http://archive.wired.com/culture/culture reviews/magazine/17-06/nep_googlenomics.

вернуться

221

Douglas Edwards, I’m Feeling Lucky (Boston: Houghton Mifflin Harcourt, 2011), 291.

вернуться

222

Karl Polanyi, The Great Transformation: The Political and Economic Origins of Our Time, 2nd ed. (Boston: Beacon, 2001), 75–76; Карл Поланьи, Великая трансформация: политические и экономические истоки нашего времени (Санкт-Петербург: Алетейя, 2002), 96–97.

вернуться

223

Karl Marx, Capital, 3rd ed. (New York: Penguin, 1992), Ch. 26; Карл Маркс и Фридрих Энгельс, Сочинения, 2-е изд. Т. 23. (Москва: Издательство политической литературы, 1960), гл. 24.

31
{"b":"747251","o":1}