Виталий Мальцев - Карл Маркс и большие данные

Постепенная фокусировка информационного капитала на практически всех областях научной деятельности наблюдается уже сегодня. И если, например, в сфере теоретической физики традиционные государственные или частные научные институты еще могут проводить закрытые контролируемые эксперименты и считаться передовиками научной мысли, то в гуманитарных науках, особенно связанных с изучением поведения людей, они уже фундаментально отстали от представителей информационного капитала. Традиционные массовые опросы, интервью или различные глубинные исследования уже не отвечают вызовам современной науки и не дают и толики той информации, которую дает анализ больших данных. Может ли сегодня Институт социологии РАН или ВЦИОМ знать о российском обществе больше, чем корпорация Mail.Ru Group или Yandex? Как может короткий опрос нескольких тысяч человек сравниться с десятками миллионов страниц в социальных сетях, содержащих подробную информацию об интересах и запросах пользователей, данными об их передвижениях, покупках, мировоззрении, активных контактах и многому другому?

Проще говоря, большие данные являются важнейшим, по-своему революционным эмпирическим материалом для практически любого рода исследований и важнейшим компонентом новейших изобретений, включающих в себя, например, технологию развитого искусственного интеллекта. В тех отраслях, куда пока не добралась тотальная датификация, это ощущается в меньшей степени, но со временем и в них передовые исследования потребуют применения больших данных: «Информации стало настолько много, что на любой вопрос можно получить статистически обоснованный ответ. Удивительно, но это делает научный метод в том виде, в каком мы его привыкли применять, неработоспособным, потому что существенным становится все подряд! Многовековые традиционные исследовательские методологии, построенные на лабораторном анализе, отныне нельзя считать адекватными... Научный метод, что сейчас практикуется в сфере общественных наук, неэффективен и недостаточно силен, чтобы выжить в эпоху больших данных», — пишет Алекс Пентленд 61.

Технология применения больших данных не исключает использования результатов исследований прошлых лет. Но происходящие революционные изменения ставят науку в зависимое положение от объема, вариативности и качества имеющихся у исследователя больших данных.Сельское хозяйство в процессе промышленной революции подчинилось индустриальному производству с его тракторами и заводами — вопрос эффективности и конкурентоспособности сельского хозяйства стал во многом определяться качеством и количеством техники. Индустриальное производство, в свою очередь, в процессе научно-технической революции стало определяться уровнем развития науки, а борьба за конкурентоспособность техники благодаря ускоряющемуся технологическому прогрессу переместилась из заводских цехов в научные институты и лаборатории. Главным игроком здесь становятся информационные корпорации.

Нужно сказать, что некоторые из них, понимая потенциал исследования имеющихся у них данных, предоставляют их в обобщенном виде всем желающим посредством, например, api или таких сервисов, как Google Trends. Данные других зачастую могут быть «запарсены» и обработаны специалистами самостоятельно — но и в этих случаях речь идет лишь о крохах общей информации, которую представитель информационного капитала по каким-то причинам решает не оставлять в единоличном пользовании.

Конечно, всегда остаются определенные области науки, не нуждающиеся в эмпирических данных, а у традиционных научных институтов, простых ученых-одиночек или небольших стартапов всегда есть возможность самостоятельно собирать эмпирическую информацию, используя современные технические средства, придумывать свои ноу-хау и совершать научные открытия. Тем не менее информационный капитал по своей сущности, по качеству данных, по их объему и прочим параметрам будет оставаться далеко впереди, тогда как небольшие частные исследовательские проекты лишь в редких случаях будут преуспевать (и, вероятнее всего, выкупаться информационным капиталом), гораздо чаще проваливаясь или маргинализируясь и претендуя максимум на роль поставщика — но в любом случае находясь в зависимости от информационного капитала, владельца больших данных. В последние годы на глобальном рынке появилась целая уже упоминавшаяся нами профессия data miner (копателя данных): специалисты в этой области ищут источники больших объемов данных и сферы применения результатов их обработки для Дальнейшей продажи или использования.

Приведенные тезисы позволяют выделить революцию больших данных как принципиально новую ступень глобальной модели экономического развития, а не части очередного этапа научно-технической революции. Ведь развитие передовых областей науки (в особенности связанных с материальным производством и общественными дисциплинами) становится сильно затруднено (зачастую невозможно) без доступа к большим данным и информации как результату их обработки.Определение направлений научной деятельности оказывается в зависимости от больших данных как ведущего фактора производства. Сам по себе процесс неуклонной миграции передовых центров науки из университетов в крупные корпорации происходит в течение достаточно продолжительного периода. Революция больших данных лишь способствует ускорению монополизации науки в руках корпораций, перехода этого процесса на новый уровень.

Сет Стивенс-Давидовиц в упомянутой выше работе 62приводит пример помешанного на лошадиных скачках ученого, стремящегося посредством больших данных предсказать эффективность того или иного скакуна. В процессе своих многолетних поисков он датифицирует всё новые и новые аспекты лошадиных гонок, пока с помощью самодельного лошадиного УЗИ-аппарата не находит рабочую причинно-следственную связь между размером конкретных внутренних органов лошади и ее успехами в скачках, что в конце концов позволяет ему точно предсказать триумф Американского Фараона, выигравшего тройную корону. Этот пример еще раз демонстрирует, что вариативность данных имеет не меньшую роль, чем их количество. То есть в процессе дальнейших исследований данные информационных корпораций, которые могут на первый взгляд не иметь никакого отношения к исследуемому вопросу, рано или поздно будут находить свое применение и становиться важной частью научного исследования.

В наши дни использование больших данных производителем зачастую ограничивается лишь сугубо релевантными источниками информации, но в ходе революции больших данных требования к передовым конкурентоспособным товарам будут возрастать и скоро поставят его в зависимость от данных, имеющихся у информационных корпораций. Технологическая рента, которая получит определяющее значение, будет постепенно возникать и взиматься не на уровне базовых технологий, а на уровне сбора и обработки больших данных.