Сегодня идея предотвращения преступлений представляется не такой уж и фантастической – только место экстрасенсов на этом пути к утопии заняли машинные алгоритмы.
Эрик Сигель, автор книги «Просчитать будущее. Кто кликнет, купит, соврет или умрет», выпущенной издательством «Альпина Паблишер», именно борьбу с преступностью приводит в качестве одного из ярких примеров действия прогнозной (или предиктивной) аналитики (predictive analytics).
Так, в штате Мэриленд аналитические инструменты используются для оценки заключенных: кто из них может совершить убийство, а кто, напротив, может стать жертвой. В Орегоне и Пенсильвании оценки прогнозных моделей влияют на решение комиссии и судей о досрочном освобождении преступников, определяя, кто может быть отпущен на свободу, а кто и на какой срок должен остаться в тюрьме. В некоторых американских городах прогнозы об активизации уличной преступности в отдельных районах служат основанием для усиления там полицейского патрулирования.
Разумеется, криминальная сфера – пусть и яркий, но не единственный пример использования прогнозной аналитики, которой и посвящена книга.
Эрик Сигель, редактор журнала Predictive Analytics Times и основатель конференции Predictive Analytics World, описывает прогнозную аналитику как могущественную силу, способную изменить наш мир, и рассказывает об ее происхождении, основных возможностях и особенностях, а также о существующих способах применения.
В основе прогнозной аналитики лежат большие данные и алгоритмы машинного обучения. Первые служат необходимым сырьем, источником знаний о прошлых состояниях того или иного объекта изучения (например, потребительских предпочтений человека). Вторые – позволяют обнаружить закономерности и повторяющиеся паттерны, с помощью которых можно строить различные предположения о будущем объекта и оценивать вероятность их реализации.
Согласно автору, возникновение прогнозной аналитики связано с появлением кредитного скоринга (которое датируется 1941 годом) в виде прогнозных моделей, позволяющих определить платежеспособность потенциального заемщика. Банковский скоринг стал первым коммерческим успехом предиктивной аналитики. Дальнейшему ее развитию способствовало постепенное накопление все возрастающих массивов информации.
Конечно, в первую очередь инструменты прогнозной аналитики нашли коммерческое применение. Они позволяют добиваться большего эффекта от директ-маркетинговых программ и рекламных рассылок, способны предотвратить отток клиентов, предсказать исход торговых переговоров и даже сроки заключения сделки. А казино в Лас-Вегасе даже прогнозирует, какую сумму потратит клиент в течение всей своей жизни (lifetime value).
Также Сигель рассказывает об использовании предиктивной аналитики не только для прогнозирования поведения человека, но и для управления поведением (сам автор использует менее пугающий и более социально приемлемый термин «управление влиянием»).
Если простое прогнозирование позволяет оценить вероятность совершения человеком того или иного действия, то прогнозная аналитика более высокого уровня позволяет определить группы лиц, чьи поведение и выбор можно изменить посредством того или иного воздействия. В качестве примера такого «управления влиянием» с помощью прогнозной аналитики Сигел приводит американские выборы 2012 года, завершившиеся переизбранием на второй срок Барака Обамы. Использование аналитического инструментария позволило сорок четвертому президенту США сэкономить усилия волонтеров и денежные средства, не затрачивая их на тех, кто уже определился с выбором, и направить основные ресурсы на колеблющихся избирателей.
Многие эксперты отмечают, что и следующий американский президент, Дональд Трамп, обязан своей победой команде работающих на него аналитиков, которые умело использовали данные об избирателях для таргетирования рекламных кампаний в социальных сетях.
Увлекательным детективом предстает в авторском изложении история компьютерной системы Watson компании IBM. Именно появление Watson-а, названного в честь одного из отцов-основателей компании Томаса Уотсона, позволило сотрудникам IBM объявить о наступлении новой, когнитивной, эры в развитии вычислительных технологий.
Одно из оснований для столь громкого заявления – победа Watson-а в популярной игре Jeopardy! (отечественному телезрителю известен ее аналог – викторина «Своя игра»).
Поединок Watson-а с многократными победителями в Jeopardy! продолжил историю противостояния продукции компании IBM и человека. В 1997 году компьютер IBM Deep Blue одержал победу над чемпионом мира по шахматам Гарри Каспаровым (их первый матч годом ранее закончился победой человека). Новое противостояние обладало рядом особенностей. Вопросы в викторине задавались в свободной форме на английском языке, и компьютеру требовалось сначала понять и перевести их. Обыграв игроков-людей, победу одержал Watson. Это можно рассматривать и как величайшее достижение прогнозной аналитики, и как квинтэссенцию используемого ею инструментария. В ходе подготовки к игре было обработано огромное количество информации, а победить Watson-у помог целый ансамбль прогнозных моделей.
Об этом эффекте, так называемом «эффекте ансамбля», а также и о других эффектах – прогнозирования, данных, индукции и воздействия, – важных для понимания прогнозной аналитики, подробно рассказано в книге.
Конечно, издание не сделает читателя профессиональным аналитиком, но автор на это и не претендует, справедливо указывая в предисловии на существование множества специальных пособий. А вот с задачей рассказать непосвященному, но любознательному читателю о прогнозной аналитике Сигель справился превосходно.
Написана книга просто, а читается увлекательно. Способствует чтению то обстоятельство, что тема раскрыта автором не в сухих математических формулах, а посредством нескольких увлекательных историй – о победе проекта Watson в телешоу, о конкурсе компании Netflix с призовым фондом в миллион долларов и об ученом, который разработал модель, способную предсказывать поведение фондового рынка, и поставил все свое состояние на то, чтобы убедиться в ее работоспособности.
Каждая из этих историй демонстрирует, как использование прогнозной аналитики меняет наш мир.
По мере распространения носимой электроники, медицинских браслетов, Интернета вещей, то есть по мере того, как большие данные будут становиться все больше и больше, возможности для применения предиктивной аналитики также будут расширяться. Способствовать этому будет и совершенствование вычислительных технологий.
В начале книги Сигель сравнил проект внедрения прогнозной аналитики с проектом запуска ракеты в космос. Метафора подходящая – за пределами неоцифрованной реальности нас ждет новый удивительный мир будущего.
Автор: Сергей Максимов
Источник if24.ru