Сценарии будущего. Как жить и работать в мире, захваченном нейросетью и роботами - Руслан Геннадьевич Юсуфов
На пути к паноптикону
Ты просто еще один клон, Так что сбрось свою кожу.
The Kovenant «Mannequin», альбом «Animatronik», студия Nuclear Blast, 1999
В моем детстве самыми ходовыми были дискеты 3,5 дюйма (на них помещалось 1,44 мегабайта данных). Пятидюймовые дискеты (до 1200 килобайт данных) уже тогда казались мне архаичными, а про перфоленту и перфокарты я слышал только от старших товарищей, обычно в роговых очках с толстыми линзами. Прошло всего несколько десятилетий, и человечество преодолело серьезный рубеж.
По мнению некоторых экспертов, в том числе из американской военно-промышленной компании Northrop Grumman, где-то в середине 2010-х мы перешли в так называемую «зеттабайтную[16] эру», когда объем данных растет даже не в цифрах, а в математических порядках. По некоторым оценкам, к 2025 году совокупные объемы генерируемых, потребляемых, копируемых и хранимых данных должны составлять около 180 зеттабайт, но ученые уже предвещают, что в течение десятилетия нам придется измерять данные во всем мире йоттабайтами[17].
Бизнес много лет повторял мантру о том, что «данные – это новая нефть», но лишь недавно пришло осознание, что речь не о бесконечном складировании данных, чтобы чахнуть над ними как Кощей. Они дают возможность принимать решения быстрее, точнее и дешевле, чем конкуренты. Сегодня собраны огромные массивы данных и появились алгоритмы, которые позволяют извлекать из них решения. От их корректного использования зависит способность компании к адаптации.
С внедрением современных технологий появляются новые формы и виды данных: снимки или сканы лица и сетчатки глаза, записи голоса, видеозаписи походки и иных рутинных движений, отпечатки пальцев, ДНК и другие виды биометрии. Данные становятся фундаментом множества технологий, внедрение которых улучшает методы и инструменты для работы с ними, что ускоряет появление новых данных. Благодаря им становятся возможными новые бизнес-процессы и появляется необходимость в новых партнерствах.
Данные нужны, чтобы точнее оценивать динамику различных параметров предприятия и эффект от внедряемых инициатив в реальном времени: коэффициент удержания, стоимость покупателя, ключевые показатели эффективности можно наблюдать на протяжении всего существования предприятия. Данные также позволяют бизнесу мониторить особенно важные или рискованные сферы деятельности. Наконец, они помогают разрабатывать и совершенствовать продукты и сервисы, адаптируя их под потребителя для повышения конкурентоспособности компании и выхода на новые рынки. Поэтому данные собираются повсюду – их легко монетизировать и производить: даже информация о том, в какую видеоигру вы играете, может пригодиться при анализе поведения.
В опубликованном в 2022 году патенте Bank of America описана система, обрабатывающая данные о клиенте (из базы банка или внешних источников, например социальных сетей) и создающая на их основе персонализированные по содержанию и времени отправки уведомления. Алгоритм также способен корректировать свою работу, анализируя историю реакций пользователя на уведомления: стал ли он больше или меньше пользоваться приложением, игнорирует ли оповещения или кликает на них и т. п. То есть даже если пользователь не взаимодействует с системой, он все равно кормит ее данными об эффективности подходов.
Безусловно, существуют и более глубокие модели персонализации, которые возможны благодаря обилию данных и достижениям в области алгоритмов. Например, одни компании предлагают разные версии одного и того же продукта в зависимости от поведения клиента, а другие – адаптируют кредитные ставки и стратегии управления активами согласно клиентским предпочтениям.
Скорость увеличения объема данных становится постоянным вызовом для техногигантов. С ростом объемов и видов данных потребуется новая инфраструктура и другие подходы к их обработке, нормализации и анализу. С каждым новым видом данных усложняются алгоритмы их анализа и увеличиваются требования к вычислительным мощностям и пропускной способности оборудования и сетей. Операции с этими данными требуют постройки и последующей поддержки центров обработки, крупнейшие из которых уже потребляют столько электроэнергии, что хватило бы на целый город, а также аппаратуры и программного обеспечения для их функционирования.
Одно из перспективных направлений в этой области связано с синтетическими данными, созданными искусственно, а не в результате реальных событий. Они генерируются с помощью компьютерных алгоритмов или моделирования, что позволяет получать столько данных, сколько требуется. Кроме того, это помогает создавать данные, которые опасно или затруднительно собирать в реальности. Как скоро мы достигнем точки, когда машины смогут сами учить друг друга, обходясь без услуг жителей Ганы или Кении по разметке датасетов?
Разумеется, с большими объемами и разнообразием данных приходят и новые угрозы. Предпочтения, психологические особенности, доходы и иные элементы персональной тайны могут использовать злоумышленники для подбора ключей к наиболее уязвимым или богатым гражданам. При достаточной глубине анализа взломщик может скорректировать свой подход под конкретного человека. И чем больше логинов, паролей и личной информации о человеке есть на руках у преступника, тем проще взломать его аккаунты или создать качественную подделку документов. Поэтому каждая новая утечка данных от корпораций пополняет арсенал хакеров. А получив доступ к данным клиентов организации, преступники не всегда атакуют самих людей – нередко они угрожают компании, у которой произошла утечка, опубликовать эту информацию и требуют выкуп.
Данные открывают возможности для принципиально новых атак. Например, глубокий анализ значительных объемов утекших или опубликованных данных может позволить получить конфиденциальную информацию, которая вовсе не подвергалась утечке. Если будет украден достаточный объем индустриальных данных «умного» завода, то злоумышленники получат производственные секреты, включая чертежи, параметры товаров и сырья, последовательность сборки на конвейере и т. д.
Наконец, большой объем генетических и медицинских данных позволяет разрабатывать штаммы бактерий, вирусов или грибков, которые будут вредить только определенной группе людей (например, отобранной по этническому признаку) либо атаковать конкретные сорта растений и породы животных, связанные с рыночными конкурентами или продовольственной безопасностью неприятеля.
В 2021 году компания Ford подала заявку на регистрацию патента, описывающего способы и технологии возврата автомобиля законному владельцу. Так, в случае просрочки по автокредиту система заблокирует пилотируемый автомобиль, а беспилотный – направит на парковку банка. В патенте обозначены точки взаимодействия с банками, страховыми компаниями, правоохранительными органами, коллекторскими агентствами и медицинскими организациями. В подобной системе заинтересован вовсе не среднестатистический водитель, а именно эти организации, получающие дополнительную степень надежности операций и транзакций. Учитывая объемы информации, которой будет обмениваться эта система, Ford получает не только новых партнеров в лице, скажем, страховых компаний, но и новую роль: агрегатора данных о финансовых операциях в индустрии автомобилей.
Не нужно быть пророком, чтобы предсказать, что хакеры воспользуются этой «системой восстановления в имущественных правах» для угона автомобилей, и за взломом банка или лизинговой компании последует не просто
