Текст книги "Вторая эра машин. Работа, прогресс и процветание в эпоху новейших технологий"

Технологии второй половины доски

Наш быстрый расчет удвоений помогает понять, почему прогресс в области цифровых технологий все ускоряется и почему так много идей из области научной фантастики становятся реальностью бизнеса. Дело в том, что устойчивый и быстрый экспоненциальный рост закона Мура дошел до точки, с которой вычисления переходят в другой режим: мы теперь на второй половине шахматной доски. Инновации, описанные нами в предыдущей главе, – машины, способные самостоятельно передвигаться в дорожном потоке, суперкомпьютеры – чемпионы Jeopardy!, автоматически формируемые новости, дешевые и удобные фабричные роботы, а также недорогие потребительские устройства, представляющие собой одновременно коммуникаторы, «трикордеры» и компьютеры, – возникли после 2006 года, так же как и бесчисленное количество других диковин, совершенно непохожих на устройства прежних эпох.

Рис. 3.3. Множество измерений закона Мура

Одна из причин появления этих гаджетов состоит в том, что цифровой «движок», на котором они построены, наконец-то стал достаточно быстрым и при этом достаточно дешевым. Десять лет назад все было совсем иначе. Как выглядит цифровой прогресс на логарифмической шкале? Давайте посмотрим.

График на стр. 74 показывает, что закон Мура реализуется последовательно и широко; он действует в течение долгого времени (в некоторых случаях – десятилетия) и вполне применим к разным типам цифрового прогресса. Глядя на него, помните, что при использовании стандартной линейной шкалы на вертикальной оси все эти почти прямые линии напоминали бы первый график семейства трибблов Энди – они почти все время шли бы горизонтально, а затем, ближе к концу, взмывали бы вверх. И, конечно же, у вас не было бы никакой возможности изобразить их все вместе – все случаи описываются слишком разными по масштабу цифрами. Логарифмическая шкала принимает все это во внимание и позволяет нам получить более четкую общую картину изменений, связанных с цифровыми устройствами.

Вполне ясно, что многие существенно важные строительные блоки процесса вычислений: плотность микрочипов, скорость обработки, емкость запоминающего устройства, энергоэффективность, скорость загрузки и так далее – улучшались по экспоненте в течение долгого времени. Чтобы понять важность закона Мура для реального мира, давайте сравним возможности компьютеров, разделенных лишь несколькими периодами удвоений. Машина ASCI Red (1996), первый плод Ускоренной стратегической компьютерной инициативы (Accelerated Strategic Computing Initiative) правительства США, была на момент своего появления самым быстрым из когда-либо существовавших суперкомпьютеров. Для его создания потребовалось 55 миллионов долларов, а сотня его серверных шкафов занимала площадь почти в 150 квадратных метров в Национальной лаборатории Сандиа в штате Нью-Мексико.[73]73
  Lonut Arghire, “The Petaflop Barrier Is Down, Going for the Exaflop?”, Softpedia, 10 июня 2008 г., http://news.softpedia.com/news/The-Petaflop-Barrier-Is-Down-Goingfor-the-exaflop-87688.shtml.


[Закрыть] Этот компьютер, предназначенный для расчета ресурсоемких задач типа имитации ядерных испытаний, был первым устройством, которое показало скорость выше одного терафлопа – то есть триллиона операций с плавающей запятой[74]74
  Примером операции с плавающей запятой может служить умножение 62,34 на 24358,9274. Знак, отделяющий целую часть от дробной, в обоих числах может «плавать», а не оставаться в одной и той же позиции.


[Закрыть] в секунду – в ходе стандартных тестов. Чтобы достичь такой скорости, компьютеру требовалось более 800 киловатт в час, что сопоставимо с мощностью, потребляемой 800 домами. К 1997 году скорость ASCI Red достигла 1,8 терафлопа.

Через девять лет этой же скорости достиг другой компьютер. Однако он был сконструирован не для имитации ядерных испытаний, а для создания сложной реалистичной трехмерной графики в режиме реального времени. И сделан он был не для физиков, а для игроков в видеоигры. Этим компьютером был Sony PlayStation 3, который был вполне сопоставим с ASCI Red с точки зрения результативности, однако стоил около 500 долларов, занимал площадь менее одной десятой квадратного метра и потреблял 200 ватт.[75]75
  “TheTopsinFlops”, Scribd, http://www.scribd.com/doc/88630700/The-Topsin-Flops (по состоянию на 26 июня 2013 г.).


[Закрыть] Иными словами, за неполных 10 лет экспоненциальный цифровой прогресс дал нам возможность использовать мощные устройства, работавшие невероятно быстро, не только в единственной правительственной лаборатории, но и в гостиных и студенческих общежитиях по всему миру. Всего в мире было продано около 64 миллионов устройств PlayStation 3. А ASCI Red был демонтирован в 2006 году.

Экспоненциальный прогресс многое значил для достижений, которые мы обсуждали в предыдущей главе. Компьютер Watson производства IBM запускает массу умных алгоритмов, однако он не смог бы быть конкурентоспособным без компьютерного «железа», в сто раз более мощного, чем у его предшественника, шахматного компьютера Deep Blue, победившего в 1997 году чемпиона мира Гарри Каспарова. Приложения для распознавания речи типа Siri требуют немалых вычислительных мощностей, которые стали доступными лишь на мобильных телефонах типа iPhone 4S производства Apple (первый телефон с установленной в нем программой Siri). Фактически по своей мощности iPhone 4S был вполне сопоставим со знаменитым ноутбуком Powerbook G4, выпущенным той же компанией всего десятью годами ранее. Как показывают все эти инновации, экспоненциальный прогресс позволяет технологиям стремиться вперед и превращать научную фантастику в реальность на второй половине шахматной доски.

Дело не ограничивается компьютерами, или Насколько широки пределы закона Мура

Еще одно сравнение между поколениями компьютеров позволяет выявить не только силу закона Мура, но и его масштабность. Как и в случае с ASCI Red и PlayStation 3, суперкомпьютер Cray-2 (появившийся в 1985 году) и планшет iPad 2 (появившийся в 2011-м) имели почти одинаковые характеристики. Однако в iPad также имелись динамик, микрофон и гнездо для наушников. У него было две камеры; первая, на лицевой стороне устройства, имела уровень качества Video Graphics Array (VGA), а камера на задней стороне могла снимать видео в высоком разрешении. Обе камеры могли делать обычные фотографии, а задняя камера имела к тому же пятикратный цифровой зум. Планшет способен подключаться и к мобильным телефонным, и к Wi-Fi-сетям, у него есть приемник GPS-сигнала, цифровой компас, акселерометр, гироскоп и сенсор, оценивающий степень освещенности. Вместо клавиатуры у планшета – тачскрин с высоким разрешением, который может одновременно обрабатывать до 11 прикосновений.[76]76
  Matt Gemmell, “iPad Multi-Touch”, 9 мая 2010 г., http://mattgemmell.com/2010/05/09/ipad-multi-touch/.


[Закрыть] И все эти опции содержит устройство, более тонкое и легкое, чем обычный глянцевый журнал, и стоящее при этом меньше тысячи долларов. По сравнению с этим гаджетом Cray-2, стоивший более 35 миллионов долларов (в ценах 2011 года), был совершенно глухим, немым и совсем немобильным.[77]77
  “Company News; Cray to Introduce a Supercomputer”, New York Times, 11 февраля 1988 г., http://www.nytimes.com/1988/11/02/business/company-news-cray-tointroduce-a-supercomputer.html (по состоянию на 26 июня 2013 г.).


[Закрыть]

Впихнуть весь этот функционал в iPad 2 удалось благодаря значительным переменам, произошедшим в последние десятилетия: из аналогового мира в цифровой перекочевали такие сенсорные устройства, как микрофоны, камеры и акселерометры. По сути, они стали компьютерными чипами. И, соответственно, их развитие подчинилось закону Мура.

Цифровые устройства для записи звука использовались уже в 1960-е годы, а в 1975-м один инженер из компании Eastman Kodak сконструировал первую современную цифровую камеру.[78]78
  Thomas Fine, “The Dawn of Commercial Digital Recording”, ARSC Journal 39 (Spring 2008): 1–17; Jurrien Raif, “Steven Sasson named to CE Hall of Fame”, Let’s Go Digital, 18 сентября 2007 г., http://www.letsgodigital.org/en/16859/ce-hall-of-fame/.


[Закрыть] Первые устройства такого рода были дорогими и неуклюжими, однако их качество быстро улучшалось, а цены падали. Первая цифровая однообъективная зеркальная фотокамера компании Kodak, DCS 100 на момент выхода на рынок в 1991 году стоила около 13 000 долларов; она обладала максимальным разрешением в 1,3 мегапикселя и хранила изображения на отдельном диске весом около 4,5 кг, который пользователю приходилось носить в сумке на плече. Однако количество пикселей в расчете на доллар стоимости цифровой камеры удваивалось почти каждый год (это явление известно под названием «закона Хэнди» – в честь работника австралийского офиса Kodak Барри Хэнди), а сами камеры и аксессуары становились со временем, в согласии с экспоненциальным законом, меньше, легче, дешевле и лучше.[79]79
  “Hendy’s Law”, Nida Javed, 7 декабря 2012 г., http://prezi.com/v-rooknipogx/hendys-law/.


[Закрыть] Цифровые сенсоры улучшились настолько, что Apple через 20 лет после появления DCS 100 добавила в iPad 2 две крошечные камеры, способные снимать фото и видео. А когда компания на следующий же год представила новую модель iPad, разрешение задней камеры улучшилось более чем в 7 раз.

Глаза машины

Закон Мура работает для развития процессоров, памяти, сенсоров и многих других элементов компьютерного оборудования (заметным исключением являются батареи, рабочие показатели которых не улучшились по экспоненте, поскольку, в сущности, они представляют собой химические устройства, а не цифровые). Однако согласно этому закону вычислительные устройства становятся не только быстрее, дешевле, меньше по размеру и легче. Они также начинают делать прежде недоступные вещи.

Исследователи искусственного интеллекта уже давно увлекались (чтобы не сказать – были одержимы) проблемой одновременной локализации и картографирования (simul-taneous localization and mapping, SLAM). Это процесс создания ментальной карты незнакомого здания непосредственно в момент, когда вы перемещаетесь по нему – где находятся двери? а лестницы? обо что тут можно споткнуться? – и отслеживания, в каком месте здания вы находитесь (что позволяет найти путь к выходу). У подавляющего большинства людей процессы SLAM происходят при минимальном участии сознания. Однако научить этому машину было значительно сложнее.

Исследователи много думали о том, какими сенсорами снабдить робота (камерами? лазерами? сонарами?) и каким образом интерпретировать массу данных, которые он передает, однако прогресс в этой работе был достаточно медленным. В одном из обзоров работы в этом направлении, сделанном в 2008 году, утверждалось, что SLAM «представляет собой одну из фундаментальных проблем робототехники… [однако] нам представляется, что почти все нынешние подходы неспособны привести к созданию достаточно точных карт для обширных территорий, в основном из-за увеличения стоимости вычислений и роста уровня погрешности, что в случае расширения сценария делает работу невозможной».[80]80
  Josep Aulinas et al., “The SlAM Problem: A Survey”, in Proceedings of the 2008 Conference on Artificial Intelligence Research and Development: Proceedings of the 11th International Conference of the Catalan Association for Artificial Intelligence (Amsterdam: IoS Press, 2008), стр. 363–371, http://dl.acm.org/citation.cfm?id=1566899.1566949.


[Закрыть] Если говорить коротко, то основные проблемы, мешавшие развитию машинного SLAM, заключались в том, что было невозможно быстро собрать данные о достаточно большой территории и немедленно обработать их. Точнее, было невозможно – до тех пор, пока всего через два года после публикации этого обзора на рынке не появился новый гаджет для видеоигр стоимостью 150 долларов.

В ноябре 2010 года Microsoft впервые предложила в качестве дополнения к игровой платформе Xbox сенсорное устройство Kinect, которое могло отслеживать движения двух активных игроков, сканируя при этом движения примерно 20 суставов. Если один игрок становился перед другим, устройство самостоятельно оценивало скрытые от него движения второго игрока и сразу же находило все его суставы, как только он вновь оказывался на виду. Kinect мог также распознавать лица, голоса и жесты в самых разных условиях освещенности и при разном уровне шума. Достигалось это с помощью цифровых сенсоров, внешнего микрофона (способного находить источник звука лучше, чем встроенный микрофон), стандартной видеокамеры и системы глубинного восприятия, умевшей одновременно и излучать, и принимать сигнал в инфракрасном спектре. Несколько встроенных процессоров и огромное количество проприетарных программ позволяли конвертировать данные, поступавшие с этих сенсоров, в информацию, которую могли бы использовать разработчики игр.[81]81
  Dylan McGrath, “Teardown: Kinect has Processor After All”, EE Times, 15 ноября 2010 г., http://www.eetimes.com/electronics-news/4210757/Teardown – kinecthas-processor-after-all.


[Закрыть] На момент выхода продукта на рынок все эти возможности были упакованы в устройство высотой 10 см и шириной менее 30 см, которое продавалось в рознице за 149,99 доллара.

В течение 60 дней после выпуска продукта было продано более 8 миллионов устройств Kinect (намного больше, чем айфонов или айпадов). В настоящее время Kinect удерживает рекорд «Книги Гиннеса» как самое быстро продаваемое компьютерное устройство на потребительском рынке.[82]82
  “Microsoft Kinect Sales Top 10 million, Set New Guinness World Record”, Mashable, 9 марта 2011 г., http://mashable.com/2011/03/09/kinect-10-million/ (по состоянию на 26 июня 2013 г.).


[Закрыть] Поначалу семейство Kinect позволяло играть в дартс, заниматься физическими упражнениями, гулять по виртуальным улицам и произносить заклинания на манер Гарри Поттера.[83]83
  “Xbox Kinect’s Game launch lineup revealed”, Mashable, 18 октября 2010 г., http://mashable.com/2010/10/18/kinect-launch-games/ (по состоянию на 26 июня 2013 г.).


[Закрыть] Однако система была способна на большее. В августе 2011 года на конференции SIGGRAPH (специальной группы по графическим и интерактивным методам Ассоциации вычислительных устройств) в Ванкувере команда сотрудников Microsoft и ученых использовала Kinect, чтобы наконец-то решить одну из самых сложных проблем в области роботехники.

SIGGRAPH – самый крупный и престижный конгресс в области теории и практики цифровой графики. Его посещают исследователи, разработчики игр, журналисты, предприниматели и другие профессионалы, интересующиеся этой темой. Словом, это самое подходящее место для того, чтобы компания Microsoft могла представить здесь то, что сайт Creators Project назвал «самовзломом, который может изменить буквально все»[84]84
  “KinectFusion: The Self-hack that Could Change Everything”, The Creators Project, 18 августа 2011 г., http://thecreatorsproject.vice.com/blog/kinectfusion-the-selfhack-that-could-change-everything (по состоянию на 26 июня 2013 г.).


[Закрыть].[85]85
  В данном контексте под словом «взлом» (hack) понимаются попытки проникновения внутрь какого-либо элемента программного обеспечения, чтобы использовать его для решения непредусмотренных задач. «Самовзлом» (self-hack) – это такая же попытка, предпринятая по заказу компании-производителя для обнаружения уязвимостей в системе безопасности.


[Закрыть] Речь идет о Kinect Fusion, проекте, в котором Kinect использовался для решения проблемы SLAM.

В видеофильме, показанном на SIGGRAPH-2011, демонстратор поднимал Kinect и водил им вдоль стен типичного кабинета – со стульями, растением в горшке, настольным компьютером и монитором.[86]86
  Sarah Kessler, “KinectFusion HQ – Microsoft Research”, http://research.microsoft.com/apps/video/dl.aspx?id=152815 (по состоянию на 26 июня 2013 г.).


[Закрыть] В ходе этого процесса видео разделялось на несколько экранов, на которых было показано все, что способен почувствовать Kinect. Сразу же становится ясно, что если Kinect и не полностью решает проблему SLAM для комнаты, то достаточно близок к этому. В режиме реального времени Kinect создает трехмерную карту комнаты и всех объектов в ней, включая сотрудников. Он распознает слово DELL, выдавленное в пластике на задней панели компьютерного монитора, хотя эти буквы не раскрашены и имеют глубину всего 1 мм. Устройство знает, где именно в комнате оно находится, и даже способно рассчитать, как будут отскакивать виртуальные шарики для пинг-понга, если их бросить в комнату сверху. В статье технологического блога Engadget, написанной после проведения SIGGRAPH, говорилось: «Kinect сделал трехмерное восприятие достоянием мейнстрима и более того: из обычного потребительского продукта сотворили нечто такое, от чего просто крышу срывает».[87]87
  “Microsoft’sKinectFusionResearch Project offers Real-time 3D Reconstruction, Wild at Possibilities”, Engadget, 9 августа 2011 г., http://www.engadget.com/2011/08/09/microsofts-kinectfusion-research-project-offers-real-time-3d-re/ (по состоянию на 26 июня 2013 г.).


[Закрыть]

В июне 2011 года, незадолго до SIGGRAPH, Microsoft выпустила комплект разработки программного обеспечения для Kinect, дав разработчикам все необходимое, чтобы они могли писать программы под PC, с помощью которых можно было бы управлять устройством. После конференции возник огромный интерес к использованию Kinect для целей SLAM. Многие команды, занимавшиеся робототехникой и исследованиями искусственного интеллекта, загрузили себе SDK и принялись за работу.

Менее чем через год команда ирландских и американских исследователей во главе с нашим коллегой Джоном Леонардом из лаборатории компьютерных наук и искусственного интеллекта МТИ анонсировала Kintinuous – «пространственно расширенную» версию Kinect. С помощью Kintinuous пользователи могли использовать Kinect для маппинга крупных объектов, например домов и даже улиц и площадей (которые команда сканировала, высовывая Kinect из открытого окна машины во время ночных поездок по городу). В конце статьи, описывающей их работу, создатели Kintinuous обещали: «В будущем мы расширим систему, чтобы она могла в полной мере осуществлять SLAM-подход».[88]88
  Thomas Whelan et al., “Kintinuous: Spatially Extended KinectFusion”, n. d., http://dspace.mit.edu/bitstream/handle/1721.1/71756/mIT-cSAIl-Tr-2012–020.pdf?sequence=1.


[Закрыть] Мы думаем, что нам не придется долго ждать очередного известия об успехе от этой группы. В руках способных инженеров экспоненциальная сила закона Мура со временем позволяет решать самые сложные проблемы.

Некоторые из технологий, которых мы касались в предыдущей главе, используют недорогие и мощные цифровые сенсоры. Так, у робота Baxter есть несколько цифровых камер и датчиков силы и положения. Совсем недавно все эти устройства были чудовищно дорогими, неуклюжими и неточными. Беспилотный автомобиль Google тоже использует несколько сенсорных технологий, однако самый важный из его «глаз» – устройство под названием LIDAR (от слов light («свет») и radar), размещенное на крыше машины. Этот прибор, разработанный компанией Velodyne, содержит 64 отдельных лазерных луча и такое же количество детекторов, заключенных в корпус, совершающий 10 оборотов в секунду. Устройство ежесекундно генерирует около 1,3 миллиона единиц данных, а бортовые компьютеры превращают их в трехмерную картинку в режиме реального времени, покрывающую до 100 метров во всех направлениях. Ранние коммерческие системы LIDAR, появившиеся на рынке около 2000 года, стоили до 35 миллионов долларов, однако в середине 2013 года появилось устройство Velodyne для беспилотной автомобильной навигации стоимостью около 80 000 долларов, и ожидается, что цена будет снижаться и дальше. Дэвид Холл, основатель и исполнительный директор компании, полагает, что массовое производство позволит цене продукта «сократиться до цены видеокамеры – то есть нескольких сотен долларов».[89]89
  Brett Solomon, “Velodyne cCreating Sensors for China Autonomous Vehicle Market”, Technology Tell, 5 июля 2013 г., http://www.technologytell.com/in-car-tech/4283/velodyne-creating-sensors-for-china-autonomous-vehicle-market/.


[Закрыть]

Все эти примеры иллюстрируют первое из трех звеньев нашего объяснения, почему мы находимся во второй эре машин: устойчивый экспоненциальный рост позволил нам оказаться на второй половине шахматной доски – в эпохе, когда происходившее в прошлом больше не может служить надежным предиктором того, что случится дальше. Накопленное удвоение, описанное законом Мура (и этот процесс пока продолжается), привело нас в мир, где мощностью очередного суперкомпьютера всего через несколько лет после его появления обладает игрушка, где постоянно дешевеющие сенсоры позволяют экономично решать еще вчера неразрешимые задачи и где научная фантастика продолжает претворяться в реальность.

Иногда разница в количестве (то есть большее количество того же самого) превращается в качественные различия (появляется нечто, чего не было раньше). История второй половины шахматной доски напоминает нам о том, что экспоненциальный прогресс может привести нас в удивительные места. А множество недавних примеров убеждает в том, что мы уже там.

Глава 4. Дигитализация почти всего

Если вы можете измерить то, о чем говорите, и выразить это в числах – значит, вы что-то об этом знаете. Но если вы не можете выразить это в числах, ваши знания крайне ограничны и неудовлетворительны.

Лорд Кельвин

«Эй, а ты слышал о …?»

«Тебе надо бы взглянуть на …»

Вопросы и рекомендации такого рода часто встречаются в нашей повседневной жизни. Именно таким образом мы узнаем о чем-то новом от друзей, родных и коллег, и именно так мы рассказываем о вещах, которые чем-то нас заинтересовали. Обычно фразы, начинающиеся подобным образом, заканчиваются названием рок-группы, ресторана, достопримечательности, телевизионного шоу, книги или фильма.

В цифровую эру предложения такого рода часто завершаются названием веб-сайта или гаджета. А в последнее время – и названиями мобильных приложений. В общей сложности для двух основных технологических платформ на рынке – iOS (Apple) и Android (Google) – имеется свыше 500 тысяч доступных приложений.[90]90
  Nick Wingfield and Brian X. Chen, “Apple Keeps Loyalty of Mobile App Developers”, New York Times, 10 июня 2012 г., http://www.nytimes.com/2012/06/11/technology/apple-keeps-loyalty-of-mobile-app-developers.html.


[Закрыть] В Сети можно найти множество различных рейтингов этих приложений, однако «сарафанное радио» по-прежнему остается мощным коммуникационным инструментом.

Не так давно совет такого рода дал нам Мэтт Бин, докторант бизнес-школы Слоуна при МТИ и участник нашей команды Digital Frontier: «Присмотритесь к Waze; это что-то потрясающее». Но когда мы обнаружили, что речь идет о GPS-приложении, умеющем прокладывать маршруты движения, то на нас это не произвело большого впечатления. В наших машинах и так уже есть навигационные системы, а наши айфоны тоже умеют прокладывать маршруты с помощью приложения Maps. Мы просто не понимали, зачем нужна еще одна технология, показывающая, как добраться до нужного места.

Мэтт терпеливо объяснил нам, что использовать Waze для навигации – это все равно что состязаться в скорости с воловьей упряжкой на гоночном байке Ducati. В отличие от традиционной GPS-навигации, Waze не говорит вам, какой путь к нужной точке будет лучшим в принципе; это приложение сообщает, какой маршрут будет лучшим прямо сейчас. На сайте компании рассказывается, что:

идея Waze возникла много лет назад, когда Эхуду Шабтаю подарили наладонный компьютер с внешним GPS-устройством и предустановленной навигационной программой. Воодушевление Эхуда быстро уступило место разочарованию – программа была не в состоянии отразить все динамические изменения, характерные для реальных дорожных условий… Эхуд быстро взял дело в свои руки… Чего он хотел? Он хотел, чтобы программа точно отражала систему дорог, состояние трафика и всю прочую информацию, которая может потребоваться водителям в любой момент.[91]91
  “How Was the Idea for Waze created?”, http://www.waze.com/faq/ (по состоянию на 27 июня 2013 г.).


[Закрыть]

Разочарование Шабтая вполне понятно каждому, кто когда-либо пользовался привычной системой GPS. Да, программа знает ваше точное местоположение благодаря сети из 24 геосинхронных GPS-спутников, которые построены и управляются правительством США. Система многое знает и о дорогах – какие из них представляют собой автострады, по каким разрешено лишь одностороннее движение и так далее, – поскольку у нее есть доступ к базе данных с этой информацией. Однако этим все и ограничивается. В ней не хватает того, что действительно хочет знать водитель: где впереди пробки, аварии, перекрытые улицы и другие вещи, влияющие на реальное время путешествия. Например, когда мы просим программу рассчитать путь от дома Энди до дома Эрика, она просто берет начальную точку (текущее местоположение машины Энди) и конечную точку (дом Эрика), а затем обращается к своей базе данных, чтобы рассчитать теоретический «самый быстрый» маршрут между этими точками. Этот маршрут будет проложен по главным дорогам и автострадам, поскольку там самая высокая разрешенная скорость.

Однако в часы пик этот теоретически самый быстрый путь перестает им быть; когда тысячи машин оказываются на крупных дорогах и шоссе, скорость дорожного потока становится намного ниже максимально допустимой. В таких ситуациях Энди придется искать обходные пути, небольшие дороги-дублеры, о которых знают лишь опытные водители. Конечно, GPS Энди знает и об этих дорогах (современные устройства знают обо всех дорогах), однако он не знает, что именно по ним пролегает лучший маршрут в 8:45 утра во вторник. И даже если начать движение с дублера, навигатор будет постоянно перенаправлять Энди на автостраду.

Шабтай понял, что по-настоящему полезная система GPS должна знать намного больше, чем просто расположение автомобиля на дороге. Ей нужно было знать и то, где находятся остальные автомобили, и насколько быстро они двигаются. Когда появились первые смартфоны, он воспользовался случаем и вместе с Ури Левиным и Амиром Шинаром основал в 2008 году компанию Waze. Гениальность программы состоит в том, что она превращает все смартфоны, на которых установлена, в сенсоры, постоянно передающие на серверы компании информацию о собственном местоположении и скорости. Таким образом, чем больше смартфонов одновременно используют это приложение, тем более точное представление о трафике в определенной области получает Waze. Вместо статичной карты дорог в ее распоряжении появляется карта со всеми текущими изменениями ситуации на дорогах. Серверы используют карту, обновления и набор сложных алгоритмов для расчета указаний для водителей. Если Энди хочет приехать к Эрику в 8:45 утра во вторник, Waze не потащит его на автостраду. Приложение поведет его по боковым улицам, на которых в это время сравнительно слабое движение.

Waze становится все более полезным для всех владельцев приложения по мере добавления новых пользователей, и это классический пример того, что экономисты называют сетевым эффектом – ситуацией, в которой ценность ресурса для каждого из пользователей повышается с каждым дополнительным пользователем. И количество пользователей Waze быстро растет. В июле 2012 года компания сообщила, что ей удалось удвоить за предыдущие 6 месяцев базу своих пользователей до 20 млн человек.[92]92
  Daniel Feldman, “Waze hits 20 million Users!”, 5 июля 2012 г., http://www.waze.com/blog/waze-hits-20-million-users/.


[Закрыть] Это сообщество в совокупности проехало более 5 млрд км и отправило компании десятки тысяч сообщений об авариях, внезапных пробках на дороге, полицейских радарах, закрытых дорогах, новых выходах с автострад, заправках с более дешевым бензином и других вещах, которые могут быть полезны другим водителям.

Waze превращает GPS в сервис, по-настоящему нужный водителю: теперь система позволяет вам попасть туда, куда вы хотите, максимально быстро и просто, вне зависимости от того, насколько хорошо вы знаете местные дороги и условия. Система мгновенно превращает вас в самого опытного водителя в городе.