Стивен Строгац - Удовольствие от Х

Анализ независимых экспертов, пришедших практически к такому же заключению, опубликован в 1995 году в работе J. F. Merz and J. P. Caulkins, Propensity to abuse — propensity to murder? Chance, Vol. 8, № 2 (1995), р. 14.

99. Каким образом Дершовиц пришел к выводу, что среди лиц, избивающих своих партнеров, менее 1 из 2500 убивают их? На странице 104 его книги Reasonable Doubts приведены следующие цифры: в 1992 году в США от 2,5 до 4 миллионов женщин подвергались избиению со стороны мужей, любовников и бывших любовников. В том же году, согласно отчетам ФБР об уровне преступности (http://www.fbi.gov/about-us/cjis/ucr/ucr), 913 женщин были убиты своими мужьями, а еще 519 — своими любовниками или бывшими любовниками. Если разделить общее количество убийств 1432 на 2,5 миллиона избитых женщин, то выйдет 1 убийство на 1746 избиений, а если принимать во внимание верхний порог числа избиений в 4 миллиона, то в результате получим одно убийство на 2793 избиений. Очевидно, что среди этих крайних показателей Дершовиц выбрал значение 2500.

Однако остается неясным, какая доля убитых женщин подвергалась при жизни избиениям со стороны этих мужчин. Вероятно, Дершовиц предполагал, что практически всех жертв убийств при жизни избивали, и, скорее всего, сделал вывод, что даже если эти цифры несколько преувеличены, они все равно «бесконечно малы».

100. Согласно отчетам ФБР об уровне преступности, 4936 женщин были убиты в 1992 году. Среди них 1432 (около 29%) убиты мужьями или любовниками. Оставшиеся 3504 пострадали от рук кого-то другого. Следовательно, принимая во внимание, что в США на тот период проживало около 125 миллионов женщин, доля тех, кто стал жертвами убийства со стороны лиц, не являвшихся их партнерами, составила 3504 на 125 миллионов, или 1 убийство на 35 673 женщин в год.

Предположим, что эта доля убийств одинакова для всех женщин независимо от того, избивали их при жизни или нет. Тогда делим 100 тысяч избиваемых женщин из нашей гипотетической выборки на 35 673 и в результате получаем 2,8 женщин, то есть столько убито лицами, которые не являлись их партнерами. Округлив 2,8 до 3, получаем оценку, приведенную в данной работе.

24. Распутывание всемирной паутины

101. Введение в поиск в интернете и анализ ссылок см. D. Easley and J. Kleinberg, Networks, Crowds, and Markets (Cambridge University Press, 2010). Популярное изложение истории поиска в сети, рассказ о его основных действующих лицах и компаниях ищите в J. Battelle, The Search (Portfolio Hardcover, 2005). Тем, кто хорошо знаком с линейной алгеброй, будет интересна история развития анализа ссылок в статье S. Robinson, The ongoing search for efficient Web search algorithms, SIAM News, Vol. 37, № 9 (2004).

102. Если вас смутило использованное мной слово «кузнечик», поясню, что этим ласковым именем называют ученика, которому еще предстоит многому научиться у мастера дзен. В телесериале «Кунг-фу» слепой монах По учит мудрости своего ученика Кэйна и на первом уроке называет его кузнечиком.

Мастер По. Закрой глаза. Что ты слышишь?

Юный Кэйн. Я слышу воду. Я слышу пение птиц.

По. Слышишь ли ты, как бьется твое сердце?

Кэйн. Нет.

Мастер По. Слышишь ли ты кузнечика, что стрекочет у твоих ног?

Кэйн. Старик, как тебе удается слышать все это?

По. Юноша, как ты умудряешься этого не слышать?

103. Признание существования проблемы замкнутого круга для ранжирования веб-страниц, а также ее решение с помощью линейной алгебры вылилось в два направления исследований, опубликованных в 1998 году. Одно было проведено моим коллегой по Корнуолльскому университету Джоном Клейнбергом, который впоследствии стал экспертом исследовательского центра IBM Almaden Research Center. Его исследование посвящено алгоритму HITS (альтернативной форме анализа ссылок, появившейся немного раньше, чем алгоритм PageRank от Google), см. J. Kleinberg, Authoritative sources in a hyperlinked environment, Proceedings of the Ninth Annual ACM-SIAM Symposium on Discrete Algorithms (1998).

Вторая линия исследований проводилась основателями Google Ларри Пейджем и Сергеем Брином. В основе их алгоритма PageRank лежало количество времени, которое случайный пользователь сети будет проводить на каждой странице. Этот процесс описывается по-иному, но приводит все к той же проблеме замкнутого круга. Обоснования метода PageRank даны в статье S. Brin and L. Page, The anatomy of a large-scale hypertextual Web search engine, Proceedings of the Seventh International World Wide Web Conference (1998), рр. 107–117.

Как это часто случается в науке, поразительно похожие предвестники этих идей уже были открыты в других ее областях. С предысторией появления PageRank в библиометрике, психологии и социологии можно ознакомиться в статье М. Franceschet, PageRank: Standing on the shoulders of giants, Communications of the ACM, Vol. 54, № 6 (2011), доступной на http://arxiv.org/abs/1002.2858, а также S. Vigna, Spectral ranking, на http://arxiv.org/abs/0912.0238.

104. Введение в линейную алгебру и способы ее применения в различных областях науки прекрасно изложены в книге G. Strang, Introduction to Linear Algebra, 4th edition (Wellesley-Cambridge Press, 2009).

105. Некоторые наиболее впечатляющие области применения линейной алгебры описаны в работе D. James, М. Lachance, and J. Remski, Singular vectors’ subtle secrets, College Mathematics Journal, Vol. 42, № 2 (March 2011), рр. 86–95.

106. Согласно Google, термин PageRank происходит от имени Ларри Пейджа, а не от английского слова webpage (веб-страница). См. http://web.archive.org/web/20090424093934/http://www.google.com/press/funfacts.html.

107. Эта идея основана на том, что лицо человека представляет собой комбинацию небольшого числа его основных компонентов. Впервые линейная алгебра была применена для распознавания лиц в работе L. Sirovich and М. Kirby, Low-dimensional procedure for the characterization of human faces, Journal of the Optical Society of America A, Vol. 4 (1987), рр. 519–524 и получила дальнейшую разработку в исследовании М. Turk and A. Pentland, Eigenfaces for recognition, Journal of Cognitive Neuroscience, Vol. 3 (1991), рр. 71–86, доступном на http://cse.seu.edu.cn/people/xgeng/files/under/turk91eigenfaceForRecognition.pdf.

Полный список работ, посвященных этой проблеме, см. на главной странице сайта Face Recognition (http://www.face-rec.org/interesting-papers/).

108. См. L. Sirovich, A pattern analysis of the second Rehnquist U.S. Supreme Court, Proceedings of the National Academy of Sciences, Vol. 100, № 13 (2003), рр. 7432–7437. Этому исследованию посвящена статья N. Wade, A mathematician crunches the Supreme Court’s numbers, New York Times (June 24, 2003). Следующая работа предназначена для специалистов в области права и написана математиком и профессором права: P. H. Edelman, The dimension of the Supreme Court, Constitutional Commentary, Vol. 20, № 3 (2003), рр. 557–570.

109. Историю приза компании Netflix, а также интересные подробности о первых претендентах на него читайте в статье C. Thompson, If you liked this, you’re sure to love that — Winning the Netflix prize, New York Times Magazine (November 23, 2008). Победитель был определен в сентябре 2009 года, через три года после начала соревнования, см. S. Lohr, A $1 million research bargain for Netflix, and maybe a model for others, New York Times (September 22, 2009). Применение метода разложения матрицы по собственным значениям для определения приза Netflix описано в работе B. Cipra, Blockbuster algorithm, SIAM News, Vol. 42, № 4 (2009).

110. Для простоты я представлю только базовую версию алгоритма PageRank. Для обработки сетей с некоторыми другими структурными свойствами его необходимо изменить. Предположим, в сети есть страницы, которые ссылаются на другие, но те, в свою очередь, на них не ссылаются. В процессе обновления эти страницы потеряют свой PageRank. Они отдают его другим, и он больше не восполняется. Таким образом, в конце концов они получат значения PageRank, равные нулю, и с этой точки зрения становятся неразличимыми.