Карл Маркс и большие данные

Революция как процесс

О больших данных сегодня очень много пишут и говорят в самых разных контекстах. В наши дни практически любой человек ежедневно сталкивается с большими данными — они исправляют наши опечатки в поисковой строке или текстовом редакторе, автоматически переводят текст, предлагают оптимальных партнеров на сайтах знакомств, с удивительной точностью предсказывают погоду, показывают оптимальный маршрут до дома, позволяют рационализировать производство, предвидеть и предотвратить заболевания... Несмотря на то, что сам термин «большие данные» в академической среде использовался и раньше, широкое распространение он стал получать начиная с 2008 года, а уже в 2011 году большинство крупных производителей информационных технологий, таких как Microsoft, Oracle, IBM, использовали это понятие в своих концепциях и исследованиях'. Суть его сводится к тому, что современные технологии по сбору, обработке и хранению данных достигли небывалых высот, благодаря чему анализ данных путем нахождения скрытых корреляций и закономерностей позволяет открывать новые, неочевидные на относительно малых объемах данных факты. Кроме того, большие данные позволяют рассматривать исследуемые процессы более конкретно, на уровне тысяч или даже миллионов мельчайших взаимодействий, подобно тому, как при помощи микроскопа можно рассматривать крохотные элементы веществ, невидимые невооруженным глазом.

Поясним, что под характеристикой «малые/боль-шие» понимается не только физический объем самих данных, но и их вариативность и многообразие, скорость их прироста и возможности обработки.

При этом нельзя точно сказать, где заканчиваются малые данные и в какой момент они становятся большими. Является ли миллион отдельных показателей малыми данными, а два миллиона уже большими? Или, может быть, большие данные — это только те, которые измеряются терабайтами, для обработки которых требуются суперкомпьютеры и продвинутый искусственный интеллект, а простой структурный анализ уже невозможен?

Посмотрев на происходящую революцию, связанную с резким увеличением данных, исторически, с высоты сотен и тысяч лет, мудрый читатель заметит, что люди испокон веков собирали и обрабатывали данные, пытаясь познать и подчинить себе окружающий мир.

Древние люди держали все собранные знания в голове, передавая важнейшие из них через различные табу, сказания и наскальные рисунки. В Месопотамии для хранения данных использовали глиняные таблички, а в Египте— папирус. Постепенное накопление данных и совершенствование способов их сохранения оказывали не последнее влияние на становление таких общественных институтов, как религия, государство, наука. С течением времени человечество собирало все больше данных и стремилось извлечь из них максимальную пользу. От ранних веков до нового времени и наших дней разнообразные разведки и статистические службы старательно занимались сбором всевозможных данных — начиная с подсчета количества овса, потребного для кавалерии, и заканчивая перлюстрацией любой личной переписки, до которой могли дотянуться. Данные накапливались до того объема, чтобы называться «большими», и в докомпьютерную эпоху даже анализировались без помощи искусственного интеллекта. Так, авторы бестселлера «Большие данные. Революция, которая изменит то, как мы живем, работаем и мыслим» приводят в пример Мори Мэтью Фонтейна, служившего руководителем Картографического департамента ВМС США: исследовав старые, десятилетиями пылившиеся на складе корабельные книжки и дополнив их данными из формы, заполняемой вновь прибывшими кораблями, он еще в первой половине XIX века составил фундаментальную карту морского пространства, позволяющую капитанам судов экономить сотни часов и дней своих плаваний, используя наиболее оптимальные маршруты с учетом течений и ветров². В массовости данных также нет ничего нового — еще в 1924 году у Евгенического учетного бюро в Колд-Спринг-Харбор было более 750 000 записей, описывающих «врожденные физические, умственные и темпераментные свойства» американских семей³. Или же другой пример — применение больших данных в спорте. Много говорят о том, что победа профессиональной спортивной команды сегодня — это во многом победа стоящей за ее спиной команды математиков⁴. Анализ игры, поведения соперников, многочисленных разнообразных показателей позволяет спортсменам существенно улучшить результат и добиться успеха. Впрочем, подобные методы в большом спорте применялись в Советском Союзе как минимум с семидесятых годов прошлого века⁵.

Можно привести еще много примеров того, как накопленное количество информации, ее разнообразие и скорость обработки в один момент позволяли извлекать из нее новые качественные свойства. Периодическое перетекание количества в качество есть свойство информации.

Невозможно сказать, когда точно заканчиваются «малые» данные и начинаются «большие». В некоторых отраслях, где ранее невозможно было без огромного труда собрать и записать данные, теперь благодаря современным технологиям такая возможность появилась, а их даже относительно небольшой объем порой дает потрясающий результат и описывается в публикациях и статьях в качестве примера использования технологии «больших данных». В иных же сферах объем может исчисляться терабайтами и миллиардами записей — и также хранить в себе скрытые качества. Но даже это не значит, что революция больших данных для них уже пройдена: дальнейший рост объемов, вариативности и возможностей по обработке данных рано или поздно откроет их владельцам новые полезные факты, не очевидные при анализе данных меньшего количества. Например, внедрение банком HSBC системы анализа хранящихся у него больших данных (денежных транзакций, геоданных, поведения клиентов и т.д.) за первые же две недели выявил криминальные группы и мошеннические схемы более чем на 10 миллионов долларов⁶.

Как уже говорилось, это является лишь этапом перетекания количества информации в качество — с увеличением объема данных (а также их количества, вариативности, точности, скорости обработки) из них можно будет извлекать все больше новой информации. В какой-то момент «большие данные» могут стать «очень большими данными», а потом «очень-очень большими» и так далее — их «размер» ограничивают лишь возможности сбора и обработки, определенные рамками технологического прогресса той или иной исторической эпохи.

В наше время созрели материальные предпосылки для целой революции больших данных. Кардинально сократилось историческое время, требуемое для перехода количества информации в качество. Революция больших данных, начавшаяся на наших глазах, состоит из множества качественных скачков перетекания «малых данных» в «большие» (а тех, что уже «большие», рано или поздно в «очень большие» и так далее) и приобретения ими новых полезных качеств. Говоря о трактовке определения больших данных, современных людей иногда сравнивают с индейцами племени пихара, живущих в лесах Бразилии. Они используют всего три числительных: одно означает «один-два», другое — «несколько», а третье — «много» или «гораздо больше».

Прежде чем приступить к описанию материальных предпосылок начавшейся революции, объясняющих данный феномен, и приводить конкретные примеры использования больших данных, отметим еще кое-что.

Революция больших данных в способах производства тесно связана с четвертой технологической революцией, о которой сейчас активно пишут многие экономисты и на пороге которой, судя по всему, уже стоит человечество. Первые три произошли в результате массового использования техники в производстве, изобретения парового двигателя и машинных способов генерации энергии, появления компьютеров. Обычно, говоря о новой технологической революции, в первую очередь подразумевают развитие искусственного интеллекта и роботизации экономики, способной в ближайшие годы заменить десятки традиционных профессий. В свою очередь искусственный интеллект очень близок с большими данными, поскольку он обучается, анализируя и интерпретируя данные. Позже мы постараемся доказать, что именно данные и феномен информации являются основной составляющей в процессе изменения типа производства и именно их нужно рассматривать в качестве главного элемента четвертой технологической революции.

Более того, как мы увидим во второй и третьей главе, начавшаяся революция в скором времени принесет человечеству новые возможности коммуникации подобно тем, какие однажды подарили нам книгопечатание, телефон или Интернет. Такие кардинальные изменения в средствах передачи информации, каждый раз изменявшие общество и ход истории до неузнаваемости, получили название информационных революций.

Таким образом, революция больших данных, заключающаяся в безостановочном перетекании количества (вариативности, валидности, скорости получения и обработки)

данных в качество, при котором они приобретают новые полезные свойства, несет в себе изменения для общества, включающие в себя одновременно технологическую и информационную революцию. А значит, вероятно, приведет к изменению производственных отношений и всей нашей жизни. Подобно тому, как в разные исторические периоды на смену аграрному производству приходила индустриализация, а позже научнотехническая революция, сегодня владение большими данными постепенно становится ведущим фактором развития экономики. Разберемся с этим поподробнее.

Материальные предпосылки революции

Рассмотрим, благодаря чему революция больших данных началась и почему не прервется в ближайшие десятилетия. В ее основе лежат три фактора.

Первый — это стремительная датификация, то есть резкое изменение объемов получаемой и хранимой человечеством информации. Под датификацией в целом понимается представление процессов жизнедеятельности и окружающего нас мира в виде данных, будь то исписанные глиняные таблички, книги, граммофонные пластинки или современные цифровые носители. Конечно, резкий рост объемов датификации во второй половине двадцатого века связан с изобретением первых компьютеров и цифрового способа хранения и обмена информации. Уже в 2002 году объем цифровых данных, накопленных в мире, превысил объем данных на аналоговых носителях. При этом датификацию неправильно отождествлять с цифровизацией, поскольку это более широкий процесс описания окружающего мира языком эмпирических данных. Например, алгоритмы современных нейронных сетей позволяют анализировать изображения и описывать их содержание, рассматривать цифровые изображения как данные или анализировать миллионы сообщений в социальных сетях, обобщая их совокупность в виде данных, то есть как бы датифицировать уже существующую цифровую информацию, извлечь из нее новые показатели.

Многие еще помнят дискеты, распространенные в конце двадцатого века и вмещающие до 3 мегабайт, а бортовой компьютер современного автомобиля с автопилотом обрабатывает до гигабайта данных в секунду⁷. Широкое развитие Интернета, компьютеров и смартфонов, ежедневно создающих и передающих огромные массивы информации, не позволяет процессу датификации замедлиться, а, наоборот, с каждым годом увеличивает его темпы.

Наиболее датифицированной сферой общественной жизни сейчас является поведение человека в Интернете, где действия каждого пользователя сохраняются, соотносятся с другими данными и анализируются — в первую очередь для предоставления релевантной рекламы, уже невозможной в наши дни без больших данных. Датификация распространяется и на остальной мир — перемещения, покупки, датчики в автомобилях, умная бытовая техника и многое другое. Ежедневно мы создаем и взаимодействуем с огромным количеством данных. Это при том, что период активной датификации только начался и пока что затрагивает далеко не все аспекты нашей жизни. Процесс датификации все новых сфер окружающего мира неумолимо продолжается. Если в 2018 году весь объем хранимой человечеством цифровой информации был равен чуть более 20 зеттабайтам,

то уже к 2025 году он вырастет более чем в 8 раз и достигнет 160 зеттабайт⁸. Датификация производства или любой другой сферы жизнедеятельности позволяет обрабатывать полученную информацию в системе больших данных — извлекать прибыль, упрощать некоторые процессы, лечить людей, обманывать их... Все мы плаваем в море данных, и с каждым годом это море становится все больше. Именно датификация по-своему является основным локомотивом революции больших данных, каким в начале ХХ века была электрификация, позволяющая существенно увеличить производительность труда и облегчить жизнь человека. Кстати, второй по величине производитель программного обеспечения, корпорация Oracle, так и назвала большие данные: «Электричество двадцать первого века — новый вид энергии, которая трансформирует все, к чему прикасается, в бизнесе, правительстве и в личной жизни»⁹.

Источник: IDC's Data Age 2025 study, sponsored by Seagate, April 2017

Вторым фактором революционных изменений является рост вычислительной мощности компьютеров. Давид Хаус из Intel, анализируя рост количества транзисторов

и увеличение тактовых частот процессоров, сформулировал закон, в целом продолжающий работать и сегодня, согласно которому производительность процессоров удваивается каждые 18 месяцев.

Кроме того, уже в обозримом будущем прогнозируется внедрение полноценного квантового компьютера¹⁰, использующего явления квантовой суперпозиции и квантовой запутанности для обработки данных, что позволит сделать резкий рывок в производительной мощности вычислительной техники. Так, корпорация Google, выпустившая недавно 72-кубитный квантовый процессор, уже заявила, что ее открытия позволяют в самом ближайшем будущем достичь квантового превосходства¹¹.

Третий фактор представляет собой совокупность открытий в области искусственного интеллекта и машинного обучения, сокращающих сложность обработки большого количества информации. Параллельно с развитием мощностей вычислительной техники учеными создаются все более совершенные модели обработки информации, которые упрощают работу с данными, ускоряющими процесс и уменьшающими затраты на обработку больших объемов информации. Например, произошедший в 2012 году перелом, связанный с переосмыслением подхода к свёрточным нейронным сетям, позволил в разы увеличить скорость и улучшить качество машинного распознавания изображений, видео- и аудиоинформации, текста и т.д. Подобные нейронные сети сегодня находят применение в самых разных областях и показывают крайне высокую эффективность, позволяют по-новому рассмотреть, разобрать на составляющие и обработать изображения, видеозаписи, текст и многое другое. К примеру, уже в 2016 году нейронные сети научились распознавать изображения эффективнее человека¹². Развитие искусственного интеллекта позволяет заменить множество профессий¹³ и кардинально изменить сложившиеся в обществе социальные отношения. Искусственный интеллект позволяет быстро обрабатывать большие данные. А большие данные, в свою очередь, почти всегда необходимы для работы искусственного интеллекта. Классическим примером здесь является беспилотный автомобиль, получающий все большее распространение в развитых странах, чье обучение обеспечено результатами анализа данных, полученных с датчиков автомобилей навигационных систем и других источников. Здесь же стоит упомянуть «наукастинг» — технологию распознавания паттернов и анализа данных в реальном времени. Анализ больших данных позволяет предсказывать будущее с высокой долей вероятности. Сегодня наукастинг обычно ассоциируют со сверхточным прогнозом погоды, вроде системы погодного анализа Deep Thunder, которая позволяет дать тщательно локализованный анализ осадков в Нью-Йорке и Рио-де-Жанейро на несколько дней вперед, прогнозируя не только погоду, но и, например, где именно могут рухнуть линии электропередачи в результате снегопада или какие этажи пострадают от грядущего наводнения¹⁴. Погода — это лишь одна из областей «наукастинга», находящаяся на самом виду. Опираясь на современный анализ данных, в перспективе наукастинг позволит предвидеть различные события практически в любой области, где датификация достигла необходимых для этого объемов.

Несмотря на невероятные достижения, совершенные нами в XXI веке, некоторые ученые со скепсисом относятся к техническому прогрессу — экспоненциальное развитие технологий не будет длиться вечно или следоватьчеткому графику. События, происходящие в мире, невероятная череда случайностей, каждый раз определяющая жизнь поколений, могут на время притормозить технологический прогресс. Однако такие изменения затронут в основном скорость его развития, но не изменят его вектор, направленный на усиление производительной мощности вычислительных машин, датификацию всех сфер человеческой жизни, внедрение искусственного интеллекта. Различные общественные события или технологические коллапсы могут лишь на непродолжительное время отсрочить и растянуть ход начавшейся революции.

Революция больших данных протекает на наших глазах и будет определять социальные отношения, политическое устройство, образ жизни всей эпохи. Сегодня мы наблюдаем лишь первые лучики ее рассвета (о которых речь пойдет дальше), но и они уже поражают общество своей новизной, ученых — своей глубиной, а бизнес — своей ценностью.

Данные и информация

Чтобы окончательно разобраться с пониманием революции больших данных, нужно определиться с ее ключевыми понятиями, какими являются данные и информация. Информация является одним из наиболее дискуссионных феноменов последних пятидесяти лет, ввиду чего имеет огромное множество определений в зависимости от подхода, контекста, научной парадигмы и прочих факторов. Поэтому, прежде всего, стоит оговориться, что описываемые определения информации и данных не претендуют на роль строгого и универсальногопонятия, а нужны нам для полноты и наглядности описания революции больших данных и ее социальных последствий.

Итак, данные сами по себе в общем смысле являются набором зафиксированных на бумаге, в человеческой памяти, на цифровом носителе или еще каким-либо образом фактов. При этом любой факт сам по себе имеет смысл только в системе фактов.

Например, сам по себе факт того, что вес Проксимы Центавра составляет 2,446Е29 килограмма, ничего не скажет человеку, мало интересующемуся астрономией. Если же мы включим описанный факт в систему фактов, например, что вес этого красного карлика и ближайшей к нашему Солнцу звезды составляет 0,123 солнечной массы, эти данные обретут смысл и станут информацией. Теперь читатель может сделать вывод о том, что Проксима Центавра примерно в девять раз меньше Солнца и является не такой уж крупной звездой. При этом, чтобы сделать подобный вывод, читатель также прежде включит новые сведения в собственную систему данных, базирующуюся на представлениях о размере Солнца, школьных знаниях математики и астрономии, рассказах родителей, популярных фильмах и многом другом.

Информация, таким образом, есть данные, включенные в систему фактов и потому обретшие смысл. Иногда описанную нами схему также дополняют «знанием» как результатом обработки и структурирования информации и глубинными знаниями (или мудростью) как вершиной пирамиды информации. Подобный подход к определению информации был сформулирован в конце 80-х годов прошлого века и называется моделью DIKW (data, information, knowledge, wisdom). Впрочем, В.И. Ленин еще в 1908 году писал, что «в теории познания, как и во всех других областях науки, следует рассуждать диалектически, т.е. не предполагать готовым и неизменным наше познание, а разбирать, каким образом из незнания является знание, каким образом неполное, неточное знание становится более точным и более полным»¹⁵.

На протяжении всей своей жизни человек оценивает происходящее и принимает решение, опираясь на информацию, получаемую в результате включения новых данных в систему «больших данных», собранных нашим мозгом за весь предшествующий период. Обобщая информацию, человеческий мозг находит в ней корреляции и зависимости, например, ребенок замечает, что плачем он привлекает к себе внимание. Как мы уже говорили, с развитием цивилизации появились средства накопления, обработки и обмена информации, люди научились сохранять ее для потомков. Например, развитие науки в широком смысле включает в себя сбор данных, включение их в релевантную систему информации (научных знаний) и закрепление их в качестве новой информации в системе научных знаний.

Человеческий мозг обладает и рядом недостатков: способен забывать и терять информацию, может ошибаться в расчетах и найденных зависимостях, хранит относительно небольшие массивы информации. В нашем веке на помощь ему приходят технологии и компьютеры, имеющие возможность хранить огромные объемы данных и обрабатывать их в миллионы раз быстрее человека. Однако для использования компьютером информация обязательно должна быть записана в цифровом формате, т.е. внешний мир должен быть сперва датифицирован и сохранен в виде набора цифровых данных.

В начале научно-технической революции середины ХХ века компьютер помогал человеку в основном в узкоспециализированных направлениях науки, люди собирали необходимые данные и вводили их в компьютер. С началом новой информационной эры количественный объем собираемых и накопленных данных и технологические возможности их обработки вышли на новый уровень, войдя в повседневную жизнь, став составляющей жизни каждого человека.

Сущность технологии Big Data и перспектив ее развития заключается в превращении практически любых данных в информацию. Такое превращение становится возможным благодаря накопленному количеству данных как общей системы, возможности их автоматической обработки и получения новой информации путем, например, нахождения корреляций, зависимостей и закономерностей.

Несмотря на то, что сегодня полноценно датифицирована лишь небольшая часть жизни среднего гражданина (его действия в Интернете и социальных сетях, платежи и переводы, телефонные разговоры и перемещение, больничная карточка, выражение лица перед камерой смартфона и т.д.), этого уже достаточно, чтобы, включив данные сведения в общую систему фактов, знать об индивиде намного больше, чем он знает о себе сам. Точно так же, как один человек, обладающий большими знаниями, может, посмотрев на какую-нибудь математическую формулу, узнать фундаментальные законы мироздания, а для другого эти же данные окажутся всего лишь набором непонятных символов, так и для компаний, владеющих и использующих большие данные, на первый взгляд не имеющие смысл наборы данных после обработки в общей системе обретают конкретное значение и становятся информацией. Например, изменение средней скорости гражданки по пути на работу, сегодня фиксируемой в хронологии гугл-карт каждого владельца смартфона, не скажет ей самой ничего, кроме того, что ей вдруг захотелось идти на работу чуть медленнее. Однако анализ ее недавнего времяпрепровождения, покупок, состояния погоды и нескольких тысяч других факторов, а также данных и корреляций о поведении миллионов других людей, оказавшихся в подобной ситуации, позволит точно установить, к примеру, ее беременность, даже если она еще не сообщила никому о столь важном событии, а то и вовсе сама о нем не знает. Подобное использование данных, кстати, не является фантастикой, а реальным случаем, произошедшим в США в 2012 году: отец беременной девушки узнал о ее беременности позже маркетинговой компании. Этот прецедент принято считать символическим началом эпохи больших данных. Для раннего определения беременности маркетинговой компании даже не потребовалась высокая вариативность данных, основой послужили лишь производимые девушкой покупки.

Многие данные, пока еще не нашедшие своего применения, сегодня сохраняются и будут использоваться в дальнейшем, рано или поздно создавая информацию в соединении с новыми данными. Здесь можно заметить еще одно фундаментальное и по-своему уникальное свойство данных и информации. При сложении собранных данных объем информации, который можно из них извлечь, больше, чем можно извлечь из каждой базы данных по отдельности. Пауло Коэльо говорил, что радость идет против основ математики: она умножается, когда мы ею делимся. Так вот данные, оказывается, обладают примерно таким же свойством. Подробнее об этом мы поговорим во второй главе. А сейчас пришло время рассмотреть несколько серьезных примеров применения больших данных и оценить влияние, которое они уже оказывают на экономику и нашу жизнь.

Как большие данные меняют мир

Итак, автоматизированная обработка огромных массивов данных, даже в отдельно взятых отраслях, уже сегодня дает невообразимые в недавнем прошлом результаты. Это направление активно развивают многие передовые корпорации, государства и научные сообщества, выделяя большие данные в качестве одного из ключевых векторов своего развития. Нахождение значимых корреляций и построение на основе алгоритмов причинно-следственных связей позволяет решать самые разные задачи, оптимизировать многие процессы.

Так, использование технологии больших данных в здравоохранении¹⁶ массово реализуется в развитых странах. К примеру, в США более 94% больниц уже применяют электронные карты¹⁷, ведется массовая оцифровка старых рукописных больничных карт и совмещение полученной информации в системе больших данных. Датификация электронных карт пациента позволяет по неявным корреляциям вычислять заболевания на ранних стадиях: так, система обработки больших данных, разработанная в 2013 году членами консорциума Kaiser Permanente, позволяет производить профилактику возможного развития слабоумия у некоторых пациентов с сахарным диабетом¹⁸. Получение и обработка данных с носимых устройств пациентов (пульсометры, специальные часы и т.д.) в сочетании с электронными медицинскими карточками дает возможность заранее предсказывать различные заболевания до проявления симптомов. Запись показателей человеческого организма в цифровом виде и анализ собранных больших данных является одним из наиболее перспективных направлений развития системы здравоохранения, способных защитить человечество от многих болезней, спасти миллионы жизней. Скажем, исследования одних лишь поисковых запросов позволили аналитикам компании Microsoft в 15% случаев выявлять рак поджелудочной железы на ранних стадиях¹⁹. По словам консалтинговой компании McKinsey, если американское здравоохранение по-настоящему эффективно научится использовать данные, то сможет сэкономить около $300 млрд в год, а колоссальные расходы страны в этой области снизятся на 8%²⁰. Качественный сбор данных позволит отслеживать состояние и обслуживание пациентов, выявлять и пресекать врачебные ошибки, сократит число эпидемий и их опасность, поможет создавать новые лекарства. Оптимизация существующей системы при помощи анализа больших данных снизит затраты на работу больниц, устранит множество злоупотреблений и лишних расходов в государственных системах здравоохранения.

Разумеется, большие данные используются и в отраслях, напрямую связанных с производством.

Так, в российском сельском хозяйстве²¹, по прогнозам Фонда развития интернет-инициатив и ряда государственных структур, уже к 2020 году более трети аграрных предприятий будут использовать в своей работе большие данные, что позволит им сократить издержки производства до 40%. При принятии решений относительно организации производства предприниматель, работающий в области сельского хозяйства, должен руководствоваться огромным количеством факторов, таких как погода, состояние посевов и почвы, история болезней, эксплуатационные особенности техники и многое другое. Большую часть из этих данных нужно собирать и хранить годами, с объемом накопленных данных будет увеличиваться и эффективность информации, полученной в результате их обработки. Датчики современной сельскохозяйственной техники, анализирующие физические факторы, и компьютеры, совмещающие их с показателями снимков со спутников, прогнозом погоды и рядом других релевантных данных, сегодня не модная причуда, а порой единственная возможность конкурировать в сфере сельского хозяйства. Подобно тому, как индустриальный трактор, заменив собой лошадь, в свое время облегчил жизнь крестьян, многократно увеличив производительность труда, новый «информационный трактор», опирающийся на анализ больших данных (а значит, знающий, что, где и сколько сеять, поливать и собирать), выводит аграрное производство на новый уровень и делает простые индустриальные тракторы неконкурентоспособными перед их усовершенствованными при помощи больших данных аналогами. Так же, как пахотная скотина не смогла когда-то конкурировать с трактором во времена индустриальной революции.

Большие данные используются или активно внедряются практически на любом передовом промышленном предприятии. Анализ собираемых десятилетиями показателей выявляет слабые стороны товаров, предотвращает поломку продукции и средств производства. Например, в автомобильной промышленности большие данные как основу используют навигаторы и системы автопилота, за внедрение которых идет конкурентная

борьба ведущих корпораций. Компании, не использующие технологию больших данных, а главное, не собирающие и не хранящие данные со своих автомобилей, рискуют навсегда потерять конкурентоспособность и производство.

Прогноз продаж автономных автомобилем в мире, млн ед. в год.

Источник: J'son & Partners Consulting, 2017

Программа Министерства промышленности и информатизации Китая, одного из ведущих государств по применению технологий больших данных, указывает на необходимость скорейшего их внедрения в промышленное производство: «Планируется, что к 2020 году продукты и услуги, связанные с большими данными, принесут стране 1 трлн юаней, при этом совокупный прирост дохода будет в среднем увеличиваться на 30% в год... Между тем в Министерстве отмечают, что технологии больших данных еще недостаточно распространены на производстве. По словам аналитиков, большие данные могут оптимизировать работу производственного конвейера и предупредить неисправности, помочь менеджерам принимать мотивированные управленческие решения и интеллектуализировать хозяйственную деятельность»²². А по оценке General Electric, оптимизация работы оборудования за

счет анализа данных на базе Big Data в перспективе 20 лет обеспечит экономию для населения до 30%²³.

В гуманитарных областях науки так же, как и в технических, передовые исследования все реже обходятся без больших данных. В науках, связанных с изучением людей и общества, традиционные опросы нескольких тысяч респондентов или узкие фокус-группы не дают и десятой доли той информации, которой располагают, к примеру, владельцы больших данных о миллионах пользователей Интернета, на чем полностью строится современная таргетинговая интернет-реклама. Во многом это обусловлено характером мировой экономики (о чем мы поговорим в следующей главе), а также тем, что Интернет является полностью датифицированной сферой, где каждое действие пользователя оставляет свой след, записывается и бережно хранится. Система интернет-рекламы, реализуемая в первую очередь информационными корпорациями Google и Facebook, и анализ больших данных тысяч характеристик пользователей позволяет рекламодателям предложить свою рекламу наиболее релевантной аудитории. В июне 2018 года конгресс США опубликовал письмо от корпорации Facebook, содержащее ответы на вопросы, которые ее глава Марк Цукерберг не смог или не успел дать во время пристрастных слушаний в Капитолии Вашингтона, вызванных скандалом с использованием этой социальной сети как инструмента для манипуляций мнением избирателей во время президентских выборов. В письме перечисляются типы данных, собираемых социальной сетью со своих пользователей. К ним относятся время, частота и длительность действий в окне с вкладкой соцсети (в том числе открыто ли оно или находится в фоновом режиме); покупки на сторонних сайтах; установленные в браузере пользователя плагины; движения мыши на устройстве пользователя; использование камеры, встроенной в приложение Facebook; метаданные фотографий (в том числе время и место съемки); установленные на устройстве пользователя приложения; имена и типы файлов на устройстве пользователя; идентификаторы из игр, приложений и других учетных записей; доступное место на диске устройства пользователя; контакты из адресной книги пользователя; в случае с Android-устройствами — журнал звонков и история SMS; ближайшие к пользователю точки доступа Wi-Fi и сотовой связи; информация мобильных и стационарных провайдеров через компьютеры, телефоны, сопряженные телевизоры и другие устройства в сети; информация об уровне заряда устройства пользователя, настройках и разрешениях; информация и фотографии других пользователей, а также частота взаимодействия и общения с ними²⁴. И это не считая данных партнеров и другой информации, которую Facebook покупает в офлайне. Как видим, социальная сеть обладает серьезными массивами данных о каждом своем пользователе и благодаря этому имеет возможность продавать качественную нацеленную рекламу наравне с Google.

Революционное свойство больших данных состоит в том, что даже абсолютное знание о предмете не дает таких возможностей, как знание о предмете в системе больших данных.

Американский социолог Сет Стивенс-Давидович, длительное время проработавший в компании Google на должности аналитика больших данных и выпустивший известную, насыщенную яркими примерами книгу

«Все Лгут. Поисковики, Big Data и Интернет знают о вас всё», посвященную возможностям больших данных в изучении общества и его отдельных индивидов, выделяет 4 могущественных особенности больших данных:

- способность предложить новые типы фактов;

- предоставление самых правдивых фактов;

- возможность проводить многочисленные причинно-следственные эксперименты;

- возможность рассматривать самые мелкие подмножества людских сообществ.

Недостатком или, скорее, особенностью применения технологии анализа больших данных является то, что, с одной стороны, она позволяет дать ответы на самые трудные вопросы и показать скрытую информацию, а с другой, часто существует сложность в объяснении причин выявления той или иной полученной информации. Проще говоря, анализ больших данных в нынешних условиях (с существующими компьютерами и алгоритмами) в основном отвечает на вопрос «что?», но не «почему?». Это, кстати, стало одной из причин отказа китайских властей от массового использования системы борьбы с коррупцией Zero Trust: алгоритм крайне эффективно находил коррупционеров, но не мог объяснить или доказать их причастность к экономическим преступлениям²⁵.

Сегодня мы находимся лишь на заре новой революции. Многочисленные примеры эффективного использования больших данных имеются еще как минимум с начала ХХ века, но задача получения максимально быстрого и точного ответа на поставленные вопросы диктует мировой экономике и обществу необходимость массового внедрения современных технологий — в первую очередь систем сбора и обработки данных, получения максимально быстрого и точного ответа на поставленные вопросы.

Вместе с тем в наши дни обработка больших данных сопряжена с огромным количеством сложностей. Для того чтобы в наши дни найти ответ на любой поставленный вопрос, в подавляющем большинстве случаев не хватает данных, представляющих различные аспекты исследуемого предмета. Датификация по-прежнему охватывает лишь определенную, не столь значительную часть нашей жизни. Когда же набирается большой объем данных, из них порой становится еще сложнее выделить релевантные значения, отсеяв малозначимые сведения. В итоге решение принимается на основе лишь малой толики реально существующей информации. Ошибки датчиков или других инструментов сбора данных могут остаться незамеченными и испортить целые информационные системы. Наконец, существует проблема ложных корреляций, когда найденные закономерности не всегда могут говорить о реальности взаимосвязей между предметами (вроде корреляции между ежегодным количеством фильмов с Томом Хэнксом и жертв транспортных происшествий), что ставит под угрозу целесообразность всех принятых на основе анализа больших данных решений.

Строительство железных дорог в свое время также проходило с большими трудностями: скептики могли считать, что пройдет год-другой и люди бросят прокладку дорогущих рельсов протяженностью тысячи километров и вернутся к старым добрым лошадям. Однако эффективность новых технологий, огромные прибыли и само время неминуемо ломали старые каноны, изменяя привычный уклад жизни каждого человека до неузнаваемости. В области обработки больших данных прогресс мчится вперед с огромной скоростью, возможно, опережая наше о нем представление. Всего десять лет назад сам термин big data встречался в основном в узкоспециализированной литературе (и в другом значении), тогда как сегодня подобный подход к получению информации и связанные с ним возможности развития экономики и общества вызывают все больший интерес и широко обсуждаются. Совсем недавно обработка больших данных казалась сложным процессом, доступным лишь серьезным ученым и крупным компаниям, а в наши дни уже создан широкий общедоступный инструментарий, позволяющий любому человеку освоить азы работы с большими данными, собирать данные, извлекать из них информацию для продажи или личной пользы. Информационные корпорации вроде Google создают общедоступные интерфейсы, предоставляющие пользователям конечную информацию как результат обработки больших данных (например Google Trends, Correl и т.д.).

Новорожденный ребенок, открывая глаза, получает огромное количество новой информации; для выработки системы ее обработки уходят дни, пока он не научится в полной мере пользоваться новым инструментарием. Так же и человек, получивший доступ к большим данным и компьютеру, еще не в полной мере может разобраться в них, однако с каждым годом их обработка и анализ становятся возможны все более широкому кругу, а инструментарий постоянно упрощается.

Мы можем представить, как в недалеком будущем с развитием технологий и общедоступных инструментов обработки данных человек сможет взглянуть на предмет и сразу получить ответ на многие вопросы, сегодня кажущиеся нам нерешаемыми.

Человек и большие данные

Как знание о бездушном предмете или процессе позволяет угадывать его дальнейшие изменения и развитие, так и простое знание индивида позволяет предугадывать и управлять его поведением. «Алгоритмы знают вас лучше, чем вы знаете сами себя», — говорит Ксавье Аматриэн, бывший специалист по сбору данных в Netflix. Знание модели человеческого поведения, сильных и слабых сторон индивида, о которых он сам, вероятно, и не догадывается, дает возможность не только высвободить его скрытый потенциал, рационализировать и улучшить его жизнь, но и открывает обратные возможности — незаметно для него самого манипулировать человеком, заставлять делать вещи, противоречащие его интересам, зарабатывать меньше, тратя на работу больше времени, провоцировать на покупку зачастую не нужных ему товаров и так далее.

Большие данные позволяют предсказывать поведение людей лучше, чем когда-либо. Взрослый человек, обладающий богатым жизненным опытом (и гораздо большими, чем у детей, данными в голове), может легко предугадывать поведение ребенка, направлять и учить его, или же без труда обмануть, обидеть. В новую эпоху мы, взрослые люди, не владеющие большими данными о нас и о социуме, ежедневно получаемые агрегаторами крупных корпораций и государств, по сути становимся для них такими же управляемыми детьми.

Современные компьютерные игры, социальные сети, мобильные приложения, контекстная реклама — все это использует большие данные для извлечения из человека максимальной прибыли, заставляя его уделять больше времени их продукту. Владельцы больших данных и ресурсов для их обработки используют их возможности самостоятельно, другие вынуждены покупать результаты обработки у корпораций вроде Google или Facebook и платить маркетинговым или информационным компаниям за их внедрение.

Часто приводимым примером ценовой дискриминации является использование больших данных в крупных казино. Изучая особенности своих клиентов на основе анализа больших данных, владельцы казино знают, когда вовремя вывести игрока из игры (например, предложением бесплатного обеда), чтобы он не проиграл слишком много своих денег и вернулся в казино опять, в сумме принеся заведению еще большую прибыль, оставаясь при этом его постоянным клиентом²⁶. Вышедший в 2014 году на Всемирном форуме, посвященном приватности, доклад²⁷ описывает то, как компании, собирая большие данные о поведении американцев, в результате их обработки формируют потребительские профили, позволяющие понять, сколько каждый конкретный гражданин готов заплатить за тот или иной товар, характеристику его покупательной способности — извлекать из каждого человека максимальную прибыль, используя созданные им же самим данные.

Другим примером применения больших данных в погоне за прибылью является их использование при составлении расписания работников. Основанный на статистических моделях анализ данных, включающий множество факторов вроде исторических тенденций продаж, интересов клиентов, прогноза погоды, наличия товаров, дает возможность компаниям в режиме реального времени планировать деятельность своих сотрудников вплоть до минуты. Рабочие смены разбиты на пятнадцатиминутные блоки и пересматриваются каждый день, чтобы гарантировать достаточное количество работников для удовлетворения предполагаемого спроса. Корпорации усиливают эксплуатацию труда, сокращают часы, одновременно увеличивая интенсивность работы, выполняемой их сотрудниками^28,29. Как здесь не вспомнить Маркса, в свое время описавшего машину как «средство производства прибавочной стоимости»³⁰. Другими словами, в условиях капитализма достижение прогресса никоим образом не нацелено на уменьшение трудовых усилий рабочих, а напротив, ставит задачу оптимизации их эксплуатации. Маркс описывает эту функцию «системы машин» в тринадцатой главе «Капитала», где подразделил ее на три составляющих: присвоение капиталом добавочных рабочих сил, удлинение рабочего дня и интенсификация труда.

Нужно понимать, что глобальная датификация характеристик и жизни индивида, ее моментальная обработка в системе больших данных позволяют дополнить картину, открыть те стороны человеческой жизни, которые пока что нельзя записать в виде цифровых показателей. Например, далеко не факт, что наука в обозримом будущем сумеет датифицировать человеческие мысли до такого уровня, чтобы их можно было прочитать и сохранить. Однако фиксация и перевод в цифру изображений с камеры в общественном месте или на личном телефоне, анализ эмоций на лице человека, ритм его сердцебиения, скорость движения его курсора мышки в Интернете и другие факторы рано или поздно позволят предугадывать поведение индивида не хуже, чем прочтение его мыслей. Что уж тут говорить, если даже сам Марк Цукерберг, опасаясь за неприкосновенность своей частной жизни, заклеивает камеру и микрофон на своем ноутбуке. Эта же особенность больших данных уже поставила под сомнение возможность пользовательской анонимности в перспективе, сделав ее математически невозможной. Современные алгоритмы позволяют даже по мельчайшим крохам данных воссоздать недостающую информацию о человеке. Владельцы больших данных теперь могут узнать всё не только о тех, кто предоставляет им свои данные, но и о тех, кто не контактирует с ними или специально скрывает производимую им информацию.

Профессор Массачусетского технического университета и один из ведущих мировых специалистов в области больших данных Алекс Пентленд, на чьи работы мы еще не раз будем ссылаться, последние десятилетия вместе со своими учениками опубликовал массу трудов с экспериментами над людьми в области изучения больших данных. Одним из распространенных типов его исследований являются так называемые «живые лаборатории». Данный подход во многом сводится к опережающей датификации исследуемой группы при помощи специальных устройств вроде запрограммированных смартфонов, датчиков, социометрических бейджей. «Представьте, что можно поместить целое сообщество в комнату с камерами слежения, а затем описать и отобразить все грани и ракурсы поведения, общения и социального взаимодействия между участниками. Теперь представьте, что этот эксперимент длится в течение нескольких лет, пока члены сообщества живут своей повседневной жизнью. Это и есть живая лаборатория», — пишет Пентленд³¹. В многочисленных живых лабораториях проходили тестирования самых разных аспектов индивидуальной и коллективной жизни, поведения индивидов, начиная от вопроса набора лишнего веса до электоральных предпочтений. «Мы смогли использовать связь между восприятием и поведением в прогнозировании результатов нескольких различных ситуаций и даже проводить манипуляции с окружением, чтобы вызвать поведенческие изменения»³². Конечно, живые лаборатории проводились в рамках законодательства, а их участники были в курсе эксперимента и оказываемого на них влияния. Однако вместе с датификацией нашей жизни, массовым использованием смартфонов, интернет-сервисов, электронных платежей и многого другого все общество шаг за шагом, само того не замечая, превращается в живую лабораторию. Во многих странах мира строятся «умные города», чья инфраструктура рассчитана на постоянный сбор и анализ больших данных горожан, а также динамичные изменения в зависимости от потребностей общества. Подобные города также по сути представляют собой территорию опережающей датификации, их создатели собирают все возможные данные городской среды (от денежных переводов и коммуникаций жителей до показателей сбора мусора), в большинстве случаев пока что не имея представления о том, каким именно образом будут использовать их в дальнейшем.

Владельцы данных получают возможности изучать и влиять на общественное поведение. «Уже по прошествии нескольких лет мы, возможно, будем располагать невероятно богатым набором данных о поведении практически всего человечества— и причем постоянно», — замечает Алекс Пентленд. Сегодня многие ученые и политики утверждают³³, что возможности, открываемые революцией больших данных, создают для общества опасность построения новой информационной тоталитарной системы, контролирующей жизнь и поведение каждого человека.

Большие данные и управление обществом

Рассматриваемая нами технология используется сегодня в отдельных сферах и дает невиданные результаты. Вместе с тем государства и крупные корпорации ведут борьбу за владение новой информацией и большими данными, работают над созданием глобальных систем, объединяющих в единый механизм разрозненные информационные клади, создавая общие системы прогнозирования и управления общественным поведением на основе анализа больших данных. Приведем несколько примеров.

Американская система, разработанная по заказу спецслужб и Министерства обороны США компанией «Палантир», стоимость которой оценивается уже более чем в 20 миллиардов долларов, официально ставит своей основной задачей профилактику и борьбу с преступностью. Несмотря на предсказуемую закрытость системы, в СМИ и официальных отчетах часто фигурирует достаточно подробная информация о ее работе. После терактов 11 сентября правительство нацелилось на кардинальное усиление общественной безопасности. Работы по разбору, структурированию и анализу огромных массивов данных, создаваемых и имеющихся на тот момент в Соединенных Штатах (таких как записи десятков тысяч камер наблюдения, полицейские протоколы, финансовая деятельность и денежные переводы граждан, сведения о геолокации, поведение в Интернете и многое другое), выпала на долю «Палантира». Большую часть информации компания берет из государственных учреждений либо покупает у информационных корпораций. За полтора десятка лет своего существования «Палантир» выполнил задачу по анализу данных, предоставив спецслужбам и полиции США готовую систему общественного контроля на основе обработки больших данных. Каждое действие внесенных в базу субъектов (а внесены туда далеко не только преступники) цифруется и обрабатывается, а в случае, если анализ больших данных или явные действия наблюдаемого указывают на совершение им правонарушения, эта информация передается полиции или спецслужбам. К самым громким делам, раскрытым с применением анализа больших данных, относятся разоблачение группы азиатских хакеров³⁴ и ликвидация Усамы бен Ладена (но это не точно). По каждому занесенному в общую систему больших данных американцу составляется и постоянно ведется сводная база информации, содержащая большое количество самых разных цифровых следов человека. Постоянная обработка базы специальными алгоритмами позволяет выявлять корреляции и информировать полицейских или спецслужбы в случаях, когда поведение одного из наблюдаемых, описываемое вновь полученными данными, может указывать на совершение им преступления или планирования такового. «Палантир» учитывает условный «уровень доверия» к каждому гражданину, присваивая «штрафные баллы» в случае, к примеру, его задержания полицией или иных событий, свидетельствующих о его антиобщественной деятельности. Различные системы больших данных, ставящие целью предупреждение преступлений и помощь правоохранительным органам, используются и многими другими странами, например, индийская система NATGRID точно так же, как и система «Палантира», собирает и совмещает данные для защиты страны от террористических угроз.

Оценивать людей по балльной системе решили и в Китае. Анализируя характеристики каждого гражданина, единая система больших данных присваивает ему «рейтинг благонадежности», от которого во многом будет зависеть его дальнейшая судьба. Гражданам с низким рейтингом благонадежности могут не выдать кредит, не допустить к учебе в хорошем заведении, не продать билет в другую страну и т.д. К поступкам, изменяющим рейтинг в глазах системы, относятся не только нарушения закона, но практически любые действия гражданина: асоциальное поведение, попытки обмануть налогового инспектора, нарушения правил планирования семьи и т.д. Особый шик системе добавляет связанность с камерами наблюдения, которых по всей стране уже установлено более 170 миллионов, а к 2020 году это число перевалит за 400 миллионов штук. Искусственный интеллект, анализируя большие данные, позволяет моментально найти и задержать нарушителя. Так, журналист ВВС, участвуя в эксперименте, сумел скрываться от китайского «Большого брата» всего 7 минут, после чего был задержан полицией³⁵. Или другой известный случай, когда китайские камеры нашли обвиняемого в финансовых преступлениях гражданина, выловив его лицо в пятидесятитысячной толпе зрителей концерта знаменитого китайского певца Джеки Чуна³⁶.

Приведенные примеры показывают, как массовая датификация, обработка больших данных позволяют государству и владеющими данными структурам выйти на новый уровень общественного контроля, эффективно борясь с любыми формами преступности и тотально регулируя общественное поведение.

Конечно, на протяжении всей истории, а особенно с начала двадцатого века специальные службы всего мира собирали данные на граждан с целью осуществления общественного контроля. Вместе с тем никакая Штази (считавшаяся наиболее продвинутой спецслужбой двадцатого века в плане установления массовой слежки и датификации ее результатов) и на десятую долю не владела данными, доступными корпорациям и государствам в начале двадцать первого века. Количество собранных ими данных раз за разом перерастает в качество, начавшаяся революция больших данных позволяет предугадывать преступления до их совершения, знать о человеке гораздо больше, чем он все еще знает о себе сам, а в перспективе— просчитывать вероятностные модели судьбы каждого отдельного человека на годы вперед и глобально регулировать общественное поведение.

Но помимо естественного тяготения государств и крупного бизнеса к контролю над обществом здесь присутствует еще один немаловажный фактор, непрерывно подталкивающий их к реализации модели «тоталитарного информационного концлагеря» в эпоху больших данных. Дело в том, что применять достижения науки во вред человеку могут не только государства или корпорации, но и простые преступники, мошенники, террористы. Например, авторы доклада «Вредоносная активность Искусственного интеллекта: Прогнозирование, и смягчение последствий»³⁷, подготовленного учеными Оксфордского университета и рядом других крупных исследовательских организаций, указывают на то, что искусственный интеллект в самом ближайшем будущем сможет имитировать голос и манеру общения определенного человека, сделав возможным принципиально новый уровень обмана и мошенничества, а самоуправляемые дроны могут доставлять не только товары, но и оружие, наркотики или даже взрывчатку на большие расстояния без прямого участия человека, существенно расширив возможности террористов. Поскольку приведенные примеры, а также множество других вариантов противоправного использования технологий подрывают основы государственности, естественным ответом государств видится развертывание репрессивного аппарата на основе больших данных — тотальная деанонимизация и надзор во имя установления стабильности и безопасности всего общества.

Подвижки в этом направлении наблюдаются и в самых разных странах, и внутри крупных корпораций, об угрозах мирового терроризма в новую эпоху говорят всё чаще. К примеру, сегодня мало кто помнит, что всего 5-7 лет назад для полноценного пользования крупнейшими социальными сетями достаточно было иметь электронный ящик и вовсе не требовалось привязывать к странице номер мобильного телефона. Подобные подвижки постепенно снижают возможности анонимного пребывания в Интернете, позволяют собирать все больше данных, привязанных к конкретному человеку. Важной проблемой здесь является и то, что используя пугало «мирового терроризма» или «кибермошенников», правящий класс имеет возможность регулировать процесс становления подконтрольного общества, постепенно смещая окно Овертона. Может получиться так, что очередной поджог Рейхстага или взрыв небоскребов в одночасье легитимируют в общественном сознании саму возможность установления тотального контроля.

На пороге революции

Практически любые общественные институты, создаваемые цивилизацией (например, религия, народное образование, частная собственность), из поколения в поколение влияли на поведение индивидуумов, делая его более похожим и предсказуемым. Объединенные общими идеями, знаниями, верой, законами люди могли объединяться в племена, нации, общности. В этом смысле все развитие классового общества представляло собой движение от разрозненных групп индивидов ко все более структурированной и управляемой модели, объединяющей целые народы и всех жителей земного шара.

Начавшаяся революция больших данных в плане управления обществом является не чем-то принципиально новым, а логическим развитием этапа мировой истории — с одной стороны требующего, а с другой предоставляющего технологические возможности к созданию общественного института нового уровня, призванного кардинально изменить мир.

Объединение различных источников и получение все большей информации о каждом отдельном человеке, ее автоматическая обработка позволит излечивать и сохранять жизни миллионов людей, предотвращать катастрофы и преступления, упростить жизнь каждого отдельного человека, невероятно увеличить производительность труда. Вместе с тем владельцы информации получат огромную власть над обществом — власть неконтролируемую и абсолютную, невиданную ранее ни одним диктатором, возможность управлять мыслями и судьбами миллионов людей, подавлять инакомыслие до его фактического появления.

На пути построения такого общества все еще много преград как технологических, так и социальных. К технологическим можно отнести недостаточность объемов датификации жизни общества, отсутствие мощностей для обработки данных и проверенных алгоритмов машинного обучения. Однако, рассматривая изменения, происходящие в последние десятилетия в этих областях, а также некоторые совершенно революционные возможности, открывающиеся перед нашей цивилизацией в самом ближайшем будущем, можно прогнозировать, что к концу века физические вопросы воплощения нового общества, где поведение и особенности каждого индивида полностью датифицированы, обрабатываются в онлайн-режиме и предугадывают на определенный период времени, будут разрешены.

К социальным преградам на пути построения нового общества в первую очередь относятся существующие общественные институты, одним из главных и наиболее общих (включающих в себя совокупность других) являются современные государства. Антиконсюмеристский журнал Adbusters недавно даже объявил о смерти национальных государств, «разбитых глобальной машиной финансов, вычислениями и всепроникающими алгоритмами больших данных»³⁸. На наш взгляд, списывать государства со счетов пока еще рано. Подробно взаимоотношение государства и общества мы и рассмотрим в следующих главах. Тем не менее уже сегодня мы наблюдаем их ломку и трансформацию в борьбе с зарождающимся новым миром. Этот процесс продолжится и примет невообразимые формы в ближайшие десятилетия.