Текст книги "Просчитать будущее. Кто кликнет, купит, соврёт или умрёт"

Доставка динамита

Когда химики синтезируют новый нестабильный элемент, они должны обращаться с ним предельно осторожно.

Модель прогнозирования риска ухода внедряется в HP с величайшей осторожностью. Бо, Халдер и Дей разработали систему доставки отчетов, где только несколько высокопоставленных менеджеров (которые были обучены интерпретации этих прогнозных оценок и понимают все ограничения, последствия и аспекты конфиденциальности) имеют доступ к оценкам конкретных сотрудников, являющихся их непосредственными подчиненными. Но даже если такой отчет попадет в руки посторонних лиц, они не найдут там никаких имен, никаких сведений, позволяющих идентифицировать перечисленных в нем людей, – там указаны только зашифрованные идентификаторы, расшифровать которые может только авторизованный менеджер, имеющий специальный ключ. Все системы безопасности имеют уязвимые места, но эта кажется почти пуленепробиваемой.

Отчет по группе GBS, состоящей из 300 сотрудников, видят только три менеджера. В этом отчете в легкой для восприятия форме представлены оценки вероятности ухода, выставленные прогнозной моделью, в сопровождении текстовой информации, объясняющей, почему оценка является высокой или низкой. Пользователей этого аналитического продукта предварительно обучают тому, как интерпретировать эти оценки с точки зрения сопровождающих их объяснений (т. е. какие именно факторы способствовали такой оценке сотрудника), чтобы эти цифры не казались непреложной истиной или обязательным руководством к действию.

Выданную любой прогнозной моделью оценку следует воспринимать со здоровой долей скептицизма. Эти оценки говорят о тенденциях и вероятностях в рамках большой группы; одна единичная вероятность по своей природе чрезмерно упрощает реальный феномен, который описывает. Если я пропустил платеж по кредитной карте, вероятность того, что я пропущу еще один в этом году, может учетвериться, если брать во внимание один этот фактор. Но если вы примете во внимание, что в этом месяце в моем доме обвалилась крыша, ваше мнение изменится. В целом реальная история любого человека – это гораздо больше того, чем мы когда-либо можем о нем узнать. Здесь можно провести параллель с другой практикой, также построенной на доскональном исследовании, – диагностированием человека с психическим расстройством и назначение подходящего лечения.

Со временем отчеты с оценками риска ухода сотрудников из компании направляют управленческие решения в продуктивное русло. Они служат сигналами раннего предупреждения, помогающими руководству заранее планировать свои действия в связи с потерей работников, которой нельзя избежать, и принимать меры для удержания ключевых сотрудников, когда это возможно. Система информирует менеджеров о факторах, влияющих на уход сотрудников, и дает им возможность разработать более грамотные стратегии для удержания персонала, чтобы сократить связанные с его заменой расходы и обеспечить непрерывное функционирование бизнеса.

Результаты

Результаты не заставили себя ждать. Текучесть кадров в пилотной группе GBS по вопросам вознаграждения менеджеров по продажам, превышавшая в некоторых регионах 20 %, снизилась до 15 % и продолжает идти вниз. Этот успех в значительной степени приписывают отчетам с оценками риска ухода и хорошо продуманной системе их представления руководителям, принимающим решения о дальнейших действиях.

Проект получил широкую известность внутри HP. Сам вице-президент HP по вопросам вознаграждения менеджеров по продажам восторженно приветствовал его. Отчеты с оценками риска ухода сотрудников продолжают оказывать положительное влияние, а лежащие в их основе прогнозные модели обновляются ежеквартально на основе последних данных, чтобы поддерживать их актуальность.

Возможно, даже сами пионеры этого подхода не осознают, насколько это значительный шаг вперед с культурной точки зрения. Компьютер не просто подчиняется обычным механическим приказам, чтобы сохранять факты и цифры. Он производит новую информацию, причем настолько важную, что с ней нужно обращаться с особой осторожностью. Отныне мы живем в новом мире, где системы не только создают новую значимую информацию, но и должны ею управлять с большой осмотрительностью.

При грамотном использовании ПА-система, прогнозирующая вероятность ухода сотрудников, может принести организации весомую пользу, не вызывая при этом сильного раздражения среди персонала. Учитывая отношения, которые у вас сложились с боссом, возможно, вы даже будете рады, если он получит отчет с оценкой риска вашего ухода – разумеется, при условии, что она будет интерпретирована правильным образом. И, возможно, это разумная и приемлемая практика для работодателя – прибегать к анализу данных о своих сотрудниках для выявления важных закономерностей и тенденций, не обязательно ставя об этом в известность их самих. В этой области пока нет общепризнанных этических норм – приговор по новому делу еще не вынесен.

Но давайте перейдем из трудовой сферы в криминальную. Что, если в вашу дверь постучатся сотрудники правоохранительных органов с отчетом о риске совершения преступления в руках?

Прогнозирование преступлений с целью их предотвращения

Что, если бы мы могли изменить нашу парадигму с «наблюдать, делать предположения, реагировать» на «прогнозировать, планировать, действовать»?

Сержант Кристофер Фулчер, старший офицер по вопросам технологий в департаменте полиции Вайнленда, штат Нью-Джерси

Полиция никогда не останется без работы. Уровень преступности может то расти, то падать, но правоохранительные органы в силу своей природы всегда будут сталкиваться с проблемой оптимизации использования ограниченных ресурсов, таких как патрульные полицейские или грамотные аудиторы.

Сегодня полиция поставила прогнозную аналитику себе на службу. Задача – предсказать места совершения преступлений и обеспечить усиленное патрулирование этих районов. Одна система, протестированная на двухлетних исторических данных в Санта-Круз, штат Калифорния, правильно предсказала место совершения 25 % краж со взломом. Сегодня эта система используется на практике, ежедневно выделяя в этом небольшом городке 10 горячих точек, куда следует направить полицейские машины. В 2011 году журнал Time включил ее в список 50 лучших изобретений года.

1. Предмет прогнозирования: место совершения будущего преступления.

2. Цель прогнозирование: усиленное патрулирование этого района с целью предотвращения преступлений.

Другая система прогнозирования, которой в 2011 году на конференции по ПА был посвящен доклад старшего офицера по вопросам информации Стивена Холлифилда из полицейского департамента Ричмонда, штат Вирджиния, отмечает на карте места с высокой вероятностью совершения преступлений и составляет список полицейских участков, районов и видов преступлений с указанием уровней риска. После внедрения этой системы уровень преступности в Ричмонде снизился. Аналогичные системы сейчас внедряют в Чикаго, Лос-Анджелесе, Вайнленде (Нью-Джерси), а также в Мемфисе, где, по оценкам, они способствовали уменьшению количества преступлений на 31 %. В 2009 году американский Национальный институт юстиции выделил гранты семи департаментам полиции на разработку систем прогнозирования преступлений.

Подход может быть разным. Прогнозные модели, подобные той, что используется в Санта-Крузе, опираются на выявленные ими тенденции и иные закономерности, позволяющие предсказать, какие преступления с наибольшей вероятностью могут произойти в подконтрольных районах. В Ричмонде прогнозная модель предсказывает места будущих преступлений на основе таких факторов, как сегодняшние события в городе, день выдачи зарплаты, праздник, день недели и погода.

Что здесь может не нравиться? Правоохранительные органы получают в руки новый мощный инструмент, позволяющий предотвращать преступления. Такое применение ПА практически не вызывает споров. Даже Американский союз защиты гражданских свобод дал добро. Никакого вреда, никаких нарушений гражданских прав.

Существует один вид преступлений, в связи с которым постоянно слышны громкие жалобы, когда прогнозная модель терпит неудачу в его выявлении, – это мошенничество. Чтобы больше узнать о проблеме выявления мошенничества, прочитайте специальную вставку, посвященную этой теме. Или можете ее пропустить и перейти к следующему разделу, где я расскажу вам, как компьютерные прогнозные модели используются для определения того, сколько времени осужденному следует провести в тюрьме.

Специальная вставка

Выявление мошенничества

Преступники могут быть такими милыми людьми… Я подружился с одним таким в 1995 году. В то время я работал над диссертацией в Нью-Йорке, а он был новым бойфрендом сестры моей подруги. Очень обаятельный, якобы бывший профессиональный спортсмен, этот парень всеми правдами и неправдами пробирался в наши сердца и наши дома. Я никогда не забуду по-настоящему превосходный ужин, которым он угостил нас в знаменитом итальянском ресторане Carmine’s. Поэтому у меня не возникло никаких сомнений, когда я позволил ему пожить в своей квартире, уехав на летние каникулы.

Год или два спустя я обнаружил, что он украл мои персональные данные, мой номер социального страхования и испортил мой безупречный кредитный рейтинг. Он начал небольшой бизнес по розливу воды под Лос-Анджелесом, выдавая себя за меня. Несмотря на то что он был на десять лет старше меня, находился на другом побережье и даже не пытался скопировать мою подпись, он открыл на мое имя множество кредитных карт и взял в лизинг оборудование для розлива воды. Когда у него накопилась гора долгов, он бросил бизнес и прекратил платежи.

Кредиторы нашли меня, и мне потребовалось несколько лет бумажной волокиты, чтобы очистить свое имя и, главным образом, свою кредитную историю – хотя я по сей день не могу получить кредитную карту American Express (если вдруг вы работаете в этой компании, не могли бы вы замолвить за меня словечко?). Чтобы очистить мое имя от подозрений, большинство кредиторов требовали полицейского отчета. Но я не мог найти ни одного офицера, ни в одном отделе или участке, который взял бы на себя ответственность за его составление. Они просто выставляли меня за дверь под предлогом, что это не их юрисдикция. Где было совершено преступление – по месту нахождения кредитора, месту нахождения преступника или там, где был украден мой номер социального страхования? Наконец в один прекрасный день я был вынужден изобразить на лице широкую улыбку и сказать: «Офицер, для меня это вопрос жизни и смерти! Вы окажете мне огромную услугу!» Этот мягкосердечный полицейский уступил, но, как это ни смешно, составляя отчет, так и не потребовал у меня удостоверения личности.

Где была хорошая прогнозная модель, когда она была так нужна? Почему, ну почему все эти кредитные заявки не были отмечены как подозрительные или отправлены на проверку, учитывая расхождение между предоставленной информацией и той, что содержалась в моем кредитном досье? В конце концов, когда все доказательства были собраны и представлены, большинство кредитных инспекторов признало, что это был очевидный случай мошенничества.

Если в одних областях применение прогнозной аналитики вызывает озабоченность, то в других ничуть не меньшую озабоченность вызывает ее полное отсутствие[9]9
  Но спасибо тебе, Citibank! В декабре 2010 года вы выявили незаконный платеж по моей кредитной карте на сумму $4522 в магазине Apple в Нью-Йорке (где я не жил с 2003 года). По словам представителей Citibank, номер моей кредитной карты, скорее всего, был украден во время одной из транзакций, которую я провел во время предыдущего визита в Нью-Йорк, после чего преступники изготовили поддельную пластиковую карту. Их усилия окупились: тревога была поднята только после того, как преступник покинул магазин Apple с полными руками товара.


[Закрыть].

Волк в овечьей шкуре

Мошенничество определяется как «сознательный обман, предпринятый с целью извлечения личной выгоды». Другими словами, это действия волка, одетого в овечью шкуру. Мошенничество – это когда один человек выдает себя за другого или делает то, что не имеет права делать. Студент копирует чужую домашнюю работу, боксер намеренно проигрывает бой, игрок в азартные онлайн-игры жульничает, использует инсайдерскую информацию, фальшивые аккаунты в Twitter распространяют ложную информацию об участвующем в выборах кандидате, или человек инсценирует собственную смерть для получения страховки. Все эти преступления могут быть выявлены при помощи прогнозной аналитики.

Сегодня для мошенников настали хорошие времена, поскольку у них появилось новое, огромное, все увеличивающееся пастбище – Интернет, транзакционная инфраструктура глобальной коммерции. Подключая нас к миру, Всемирная паутина также подключает нас к миру людей с преступными намерениями. Чем больше упрощается проведение онлайн-транзакций, тем проще становится их фальсифицировать. Когда покупатель, продавец, товар и деньги физически находятся в четырех разных местах, существует масса уязвимых мест, которые могут быть использованы для мошенничества.

По мере того как онлайн-транзакции становятся все более многочисленными и автоматизированными, расширяются и возможности для преступлений. Мошеннические действия с кредитными картами, налоговыми декларациями, страховыми требованиями, претензиями по гарантии, банковскими чеками и даже кликами по платной интернет-рекламе наносят огромные убытки. По данным Национального бюро по преступлениям в сфере страхования, страховые мошенники ежегодно незаконно присваивают более $30 млрд, что делает этот вид мошенничества второй самой дорогостоящей категорией преступлений «белых воротничков» в Соединенных Штатах – после уклонения от уплаты налогов. Это выливается в дополнительные $200–300 страховых премий в расчете на домохозяйство, т. е. мы оплачиваем эти преступления из собственных карманов.

«По оценкам, американские банки ежегодно сталкиваются с попытками мошенничества с чеками на общую сумму свыше $10 млрд», – говорит бывший вице-президент Citizens Bank Джей Чжоу, ныне консультант по интеллектуальному анализу данных. Убытки от мошенничества по кредитным картам приближаются к $5 млрд в год в масштабах страны, а мошенничество по программе государственной бесплатной медицинской помощи малоимущим Medicaid обходится в такую же сумму в одном только штате Нью-Йорк. Согласно отчету, опубликованному Федеральной комиссией по торговле, в 2011 году было зарегистрировано 1,8 млн жалоб в связи с мошенничеством, кражей персональных данных и другими случаями умышленного обмана в бизнесе, что на 40 % больше, чем в 2010 году.

Оценки совокупных убытков от мошенничества в США варьируются от $100 млрд до $1 трлн в год.

Прогнозная аналитика приходит на помощь. Прогнозная оценка и классификация транзакций существенно повышают эффективность выявления мошенничества. Команды инспекторов способны проверять лишь ограниченное количество подозрительных транзакций в день. Например, страховая компания Progressive Insurance использует для выполнения этой задачи около 200 «специалистов по специальным расследованиям». ПА-системы обеспечивают такие команды более точно отобранным пулом подозрительных транзакций, содержащим меньше ложных сигналов тревоги, что позволяет им более эффективно использовать свое время, выявляя больше попыток мошенничества и предотвращая больше убытков.

Применение ПА: выявление мошенничества

1. Предмет прогнозирования: какие транзакции или заявки на выдачу кредитов, предоставление льгот, пособий, возмещений и т. п. являются мошенническими.

2. Цель прогнозирования: повысить эффективность работы инспекторов за счет более точного отбора подозрительных транзакций и заявок.

Большинство крупных и многие средней величины финансовые организации прибегают к помощи математики для борьбы с мошеннической деятельностью. Например, Citizens Bank разработал специальную прогнозную модель, оценивающую каждый чек с точки зрения вероятности мошенничества. Благодаря ее применению банку удалось сократить убытки от поддельных чеков на 20 %. Одна компания по автострахованию сообщила, что после внедрения ПА-системы стала выявлять в 6,5 раза больше попыток мошенничества со страховыми требованиями. Платежная интернет-система PayPal в первое время после запуска столкнулась с невероятно высоким количеством мошеннических операций – порядка 20 % от общего числа, что ставило под угрозу само ее существование. Внедрение ПА-систем позволило снизить эту цифру до менее 1 %. Люди, стоящие за каждой из этих историй, делятся своими достижениями на международной конференции Predictive Analytics World. С похожими историями здесь выступают представители службы доставки цветов 1–800-FLOWERS, Почтовой службы США, Налогового управления и ведущих технологических компаний, которые, в частности, занимаются выявлением фиктивных гарантийных рекламаций от ремонтных мастерских, которые на самом деле не осуществляли никакого ремонта или обслуживания. Даже сама конференция время от времени подвергается атакам мошенников, которые оплачивают участие с поддельных кредитных карт, а затем требуют возвращения взносов.

Прогнозная аналитика на службе правительства

Правительство также активно борется с мошенничеством. Но, в отличие от его борьбы с преступлениями, такими как кражи и физическое насилие, эти усилия направлены не на защиту людей или бизнеса – американское правительство стремится защитить свои деньги. На самом деле именно выявление мошенничества является главной целью применения прогнозной аналитики в государственной сфере как способа уменьшить потери в условиях сокращающихся бюджетов.

Компания Джона Элдера Elder Research помогла Налоговому управлению США разработать и внедрить прогнозно-аналитическую систему, которая позволила увеличить количество выявляемых мошеннических деклараций в 25 раз для некоторых целевых сегментов. Об аналогичных усилиях сообщает и Налоговая служба Мексики, которая имеет собственный отдел, занимающийся моделированием риска.

Служба финансов и бухгалтерии министерства обороны США, ответственная за распределение практически всего бюджета Пентагона, осуществляет миллионы платежей по счетам поставщиков. Дин Эбботт, ведущий консультант по ПА (бывший сотрудник Elder Research, ныне возглавляющий собственную компанию Abbott Analytics), также консультирующий Налоговое управление США, руководил разработкой прогнозной модели, способной выявлять 97 % известных случаев фиктивных счетов-фактур поставщиков. Модель оценивает счета-фактуры на основе таких факторов, как время, прошедшее с момента выставления последнего счета; наличие других получателей платежей по тому же почтовому адресу; не является ли адрес абонентским почтовым ящиком и не нарушал ли поставщик порядок выставления счетов.

Помимо этих возможных признаков мошенничества используются и другие инновационные индикаторы, значительно повышающие точность прогнозных моделей. Служба доставки цветов 1–800-FLOWERS существенно улучшила эффективность обнаружения мошенничества, начав учитывать такой параметр, как социальные связи между потенциальными преступниками. На самом деле существует одна мошенническая схема, которую невозможно выявить без такого рода социальных данных. Группа преступников открывает банковские счета и улучшает свои кредитные рейтинги путем перечисления денежных средств между ними. Поскольку денежные переводы происходят только между этими счетами, мошенникам не приходится тратить реальные деньги на проведение этих операций, и они ведут свою маленькую игру с нулевой суммой. После того, как каждый счет заработает себе якобы положительную финансовую репутацию, мошенники берут кредиты, снимают деньги и скрываются. Такая схема может быть выявлена только посредством анализа социальных данных, показывающего, что финансовые операции происходят в рамках замкнутой группы.

Естественно, преступники отвечают на это все большей изобретательностью.

Борьба с мошенничеством: гонка вооружений

Мошенники невероятно гениальны и споры в изобретении новых видов обмана, как только старые перестают работать.

Стивен Левитт и Стивен Дабнер, из книги «Суперфрикономика»

Аналогично тому, как конкурирующие между собой на свободном рынке компании заставляют друг друга самосовершенствоваться, усиление борьбы с мошенничеством вынуждает преступников совершенствовать свои схемы обмана. Действуя все более хитрыми способами, они ускользают от радаров прогнозных моделей. Как чрезмерное употребление антибиотиков может привести к возникновению супербактерии, так и мы, развивая наши методы обнаружения мошенничества, неумышленно создаем себе все более сильного врага.

Но есть и положительные новости. У хороших парней есть неоспоримое преимущество. Помимо творческих способностей, ни в чем не уступающих нашим врагам, у нас есть данные, на которых мы можем обучать и оттачивать наши прогнозные модели. Огромные массивы исторических данных с примерами как мошеннических, так и законных транзакций содержат в зашифрованном виде ключевые признаки, отличающие эти два вида операций друг от друга. И прогнозная аналитика является тем самым средством, при помощи которого можно эти различия выделить. Более того, помимо хранения и индексирования таблицы «сигнатур» (опознавательных признаков), позволяющих выявлять известные схемы мошенничества, прогнозное моделирование генерирует схемы обнаружения, забрасывающие куда более широкие сети. Опираясь на анализ существующих прецедентов, оно позволяет спрогнозировать, какие формы мошенничества могут появиться в ближайшее время. Это характерная особенность обучающейся системы.

Это война

Это война, как и любая другая. На самом деле кибервойны ведутся по тем же правилам, что и настоящие. ПА укрепляет информационную безопасность, помогая выявлять хакеров и вирусы, использующих слабые места онлайновых систем, такие как системные дефекты и прочие уязвимости. В конце концов, технология TCP/IP, лежащая в основе Интернета, изначально предназначалась только для взаимодействий между взаимно доверяющими сторонами. Превратившись сегодня в коммерческую систему с широким доступом, внутри Интернет с точки зрения безопасности представляет собой залатанную на скорую руку дырявую посудину. Как и хаотично застроенный город, он функционирует, но его уязвимые места очевидны.

Применение ПА: системы обнаружения вторжений в сеть

1. Предмет прогнозирования: какие низкоуровневые интернет-коммуникации исходят от злоумышленников.

2. Цель прогнозирования: блокирование таких взаимодействий.

ПА повышает эффективность обнаружения, позволяя сделать качественно новый шаг в гонке вооружений между хорошими и плохими парнями. В поле зрения прогнозных систем обнаружения попадает широкий спектр потенциальных атак, тогда как злоумышленники никогда не могут знать наперед, не будут ли раскрыты их действия, просто потому, что у них нет доступа к тем же данным, которые используются для разработки прогнозной модели. Таким образом, применение ПА выводит нас на новый уровень в войне с киберпреступниками.

Но будьте осторожны! Ежедневно каждый из нас подвергается атакам еще одной категории мошенников. Вы защищены?

Свинья в губной помаде

Интернет-услуга не может считаться действительно успешной, пока она не привлекла внимания спамеров.

Рейф Колберн, идеолог развития Интернета

В 1950 году английский математик Алан Тьюринг (1912–1954), отец информатики, задался целью установить, является ли компьютер «разумным» в человеческом смысле слова. Он предложил идею эмпирического теста, который проводится следующим образом: судья (человек) ведет переписку на естественном языке с двумя собеседниками, один из которых – человек, другой – компьютер, причем участники находятся в разных комнатах и не видят друг друга. Судья должен определить, кто есть кто. Этот, казалось бы, простой тест порождает сложный вопрос: если в ходе экспериментов судьи сумели правильно определить, кто скрывается за дверью – человек или машина, – не более чем в 50 % случаев (точность, которую можно получить и путем случайных догадок), можно ли сделать вывод, что компьютер прошел тест, сумев обмануть людей, и может считаться умеющим мыслить? Я дам вам подсказку: на эту философскую загадку нет правильного ответа.

На практике компьютеры разводят людей на деньги каждый день. Не верите? Вспомните о виагре, которую вам регулярно пытаются продать по электронной почте. Это называется спамом. Как и андроиды в фантастических фильмах типа «Чужой» и «Бегущий по лезвию», успешный спам создает иллюзию правдоподобия. Спам-сообщение по электронной почте стремится заинтересовать вас и заставить перейти по ссылке. Фишинг-сообщения пытаются выудить из вас идентификационные данные, в первую очередь касающиеся ваших финансов. Спам-боты выдают себя за людей в социальных сетях и на сайтах знакомств, чтобы привлечь ваше внимание. Содержащие спам сайты вводят в заблуждение поисковых роботов, чтобы завлечь вас на свои страницы.

Основанные на ПА спам-фильтры каждодневно проходят свою собственную разновидность теста Тьюринга – непосредственно в вашем почтовом ящике.

Применение ПА: фильтрация спама

1. Предмет прогнозирования: какие сообщения по электронной почте являются спамом.

2. Цель прогнозирования: направлять подозрительные сообщения в папку со спамом.

К сожалению, в области спама у хороших парней нет исключительного преимущества перед спамерами в гонке вооружений. Преступники также могут получить доступ к обучающим данным путем тестирования спам-фильтров и воссоздания посредством обратного инжиниринга лежащих в их основе прогнозных моделей, фильтрующих сообщения. Исследователи из Калифорнийского университета в Беркли показали, как это можно осуществить, сделав спам-фильтр абсолютно бесполезным.

Искусственный искусственный интеллект

В отличие от вышеописанной ситуации с маскирующимися под людей компьютерами иногда мы можем наблюдать полную смену ролей: человек выдает себя за машину. В XVIII веке большую популярность завоевал шахматный автомат под названием Механический турок. Он представлял собой восковую фигуру турка, сидящего за деревянным ящиком с шахматной доской на верхней крышке. У турка была подвижная механическая рука, которая переставляла фигуры на доске. На самом деле это было всего лишь «иллюзионное устройство» – внутри ящика сидел маленький человек, умеющий неплохо играть в шахматы и к тому же не страдающий клаустрофобией (шахматы – долгая игра), который и двигал руку манекена. Сам Наполеон Бонапарт и Бенджамин Франклин имели удовольствие проиграть этому чуду человеческого разума – я имею в виду скрючившегося в ящике обманщика.

В современном варианте этой истории живые люди выполняют низкоуровневые задачи для Механического турка Amazon – краудсорсинговый сайт компании Amazon.com, который координирует деятельность сотен тысяч привлеченных пользователей для выполнения «работы, с которой люди пока еще справляются намного лучше компьютеров, такой как распознавание объектов на фотографиях или транскрибирование аудиозаписей». Его девиз – «Искусственный искусственный интеллект». (Это напоминает мне вегетарианский ресторан с блюдом «имитация имитации утки» в меню. Клянусь, на вкус она ничем не отличается от просто «имитации утки».) Как сформулировали эту мысль в 1965 году в НАСА, отстаивая идею отправки человека в космос: «Человек – это самая дешевая, 150-фунтовая нелинейная универсальная компьютерная система, производимая в массовом порядке неквалифицированной рабочей силой».

Но для выполнения некоторых задач людям больше не нужно выдавать себя за компьютер. Все изменилось в 1997 году, когда созданный IBM компьютер Deep Blue обыграл чемпиона мира по шахматам Гарри Каспарова. В основе этой победы лежало прогнозное моделирование. Каким бы быстрым ни был компьютер, совершенство в шахматах невозможно, поскольку существует слишком много возможных сценариев, которые нужно рассмотреть. Ученые сходятся на том, что количество вариантов шахматных партий превышает количество атомов во Вселенной, что является следствием феномена экспоненциального роста. Таким образом, компьютер может заглянуть вперед лишь на ограниченное число ходов, после чего ему нужно прекратить перечисление сценариев и оценить каждую возможную позицию (положение фигур на доске) с точки зрения того, окажется ли она в конечном итоге более или менее выгодной.

Применение ПА: настольные игры

1. Предмет прогнозирования: какая позиция на игровом поле приведет к победе.

2. Цель прогнозирования: сделать ход, который приведет к такой позиции на игровом поле, которая в свою очередь приведет к победе.

После поражения в матче, фактически означавшего проигрыш человечества в противостоянии с машинами, Каспаров был настолько впечатлен продемонстрированными Deep Blue стратегиями игры, что обвинил IBM в мошенничестве, как если бы IBM состряпала современного Механического турка, спрятав где-то между материнской платой и жестким диском живого гроссмейстера. Таким образом, компьютер IBM прошел «мини-тест Тьюринга» (неумышленно, но компьютеру удалось обмануть весьма умного человека).

К сожалению, такой прогресс искусственного интеллекта привел к появлению еще одной формы мошенничества: люди, играющие в шахматных онлайн-турнирах, стали прибегать к помощи шахматных компьютерных программ. Началась еще одна гонка вооружений, поскольку администраторы турниров стараются выявлять таких нечестных игроков. Круг замыкается, возвращая нас к компьютерам, которые маскируются под людей, как и в случае со спамом.

Так компьютерный «интеллект» перевернул суть мошенничества с ног на голову. Вместо человека, выдающего себя за машину (Механического турка), теперь мы имеем машины, выдающие себя за людей (например, в шахматных турнирах). Это напоминает мне андроида командира Дейта из сериала «Звездный путь», который страдает синдромом Пиноккио, страстно желая «стать настоящим человеком», и даже устанавливает себе эмоциональный чип. Дайте наконец Железному человеку сердце!