Капитализм и большие данные

МЕНЮ


Главная страница
Поиск
Регистрация на сайте
Помощь проекту
Архив новостей

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика

Авторизация



RSS


RSS новости


Каждая эпоха развития человеческой цивилизации определяется существующими в обществе производственными отношениями. Экономике различных исторических периодов, в свою очередь, свойственны индивидуальные, обусловленные временем и технологическим прогрессом, факторы развития.

Наиболее прогрессивные и интенсивные методы производства постепенно начинают преобладать над старыми и в один момент становятся фундаментом для коренной трансформации самих производственных отношений, определяющих всю эпоху и жизнь каждого человека.

Начиная с конца ХХ века (а ярко выраженно — с 10-х годов XXI века), мы являемся свидетелями новой революции — революции больших данных. Развитие передовых способов производства, а за ними и всей экономики начинает определяться владением информацией и большими объёмами данных, доступными для обработки и анализа; сами данные встраиваются в систему товарно-денежных отношений, большее влияние получает информационный капитал (например, это корпорации Facebook и Google, на которые приходится 85% рынка интернет-рекламы; а в США, например, Google и Facebook, вместе с Amazon, за время пандемии увеличили свою долю на рынке цифровой рекламы с 80% в 2019 году до 90% в 2020 году).

Большие данные имеют широкие возможности для применения, но в рамках капиталистической системы часто служат инструментом для увеличения прибыли и рыночной власти. Но обо всём по порядку.

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 путём нахождения скрытых корреляций и закономерностей позволяет открывать новые, неочевидные на относительно малых объёмах 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/большие» понимается не только физический объём самих данных, но и их вариативность и многообразие, скорость их прироста и возможности обработки.

Рассмотрим, благодаря чему революция больших данных началась и почему не прервётся в ближайшие десятилетия.

В её основе лежат три фактора. Первый — это стремительная датификация, под которой понимается представление процессов жизнедеятельности и окружающего нас мира в виде данных. Уже в 2002 году объём цифровых данных, накопленных в мире, превысил объём 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 неё новые показатели.

Наиболее датифицированной сферой общественной жизни сейчас является поведение человека в Интернете, где действия каждого пользователя сохраняются, соотносятся с другими данными и анализируются частными корпорациями — 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 (если брать сферу производства, то та же компания Rolls Royce на рынке реактивных двигателей обеспечивает себе конкурентное преимущество следующим: все двигатели компании оснащаются сенсорами, и по каждому рейсу собирается множество данных, которые затем, в сочетании с данными о погодных условиях и информацией от диспетчерских служб, отправляются в «центр управления» в Великобритании. Эти данные оказываются чрезвычайно полезными для вытеснения соперников и обеспечивают защиту от любой сторонней фирмы, которая попытается войти на рынок техобслуживания реактивных двигателей).

Если в 2018 году весь объём 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 зеттабайт.

Датификация производства или любой другой сферы жизнедеятельности позволяет обрабатывать полученную информацию в системе больших данных — извлекать прибыль, упрощать некоторые процессы, лечить людей, манипулировать... 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.

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 компьютера использующего явления квантовой суперпозиции и квантовой запутанности для обработки данных, что позволит сделать резкий рывок в производительной мощности вычислительной техники.

Третий фактор представляет собой совокупность открытий в области искусственного интеллекта и машинного обучения, сокращающих сложность обработки большого количества информации.  Классическим примером здесь является беспилотный автомобиль, получающий всё большее распространение в странах первого мира, чьё обучение обеспечено результатами анализа данных, полученных с датчиков автомобилей навигационных систем и других источников.

Но это всё техническая сторона вопроса. Давайте же перейдём к проблемам применения больших данных в рамках капиталистической системы.

Вышедший в 2014 году на Всемирном форуме, посвящённом приватности, доклад (Dixon, Р. The Scoring of America: How Secret Consumer Scores Threaten Your Privacy and Your Future) 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.

Каждый лайк в социальных сетях или заказ в интернет-магазине тщательно обрабатывается и добавляет новые штрихи к портрету пользователя.

Стоит также отметить, что невозможность продажи эффективной интернет-рекламы без больших данных показывает, что они заняли ключевое и неотъемлемое место в одной из ниш, связанных с регулированием спроса.

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, даёт 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 время отдыха, увеличивают интенсивность работы, выполняемой их сотрудниками. Как здесь не вспомнить Маркса, в своё время описавшего машину как «средство производства прибавочной стоимости».

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 её на три составляющих: присвоение капиталом добавочных рабочих сил, удлинение рабочего дня и интенсификация труда.

Нередко информация и большие данные сами становятся товаром. Собираемые данные имеют стоимость, зависящую, в первую очередь, от необходимых затрат на их получение. А вот стоимость информации, которую можно из них извлечь, во многом зависит от уже имеющегося у экономического субъекта объёма больших данных.

Формольно бесплатные инициативы по раздаче интернета и т.д. тоже не избегают рыночных отношений. Так, компания «Максимателеком» — оператор бесплатного Wi-Fi в Москве и Санкт-Петербурге — самостоятельно монетизирует собираемые пользовательские данные, привлекает новых клиентов к своим партнёрам. А сеть кофеен Shiru в обмен на кофе берёт не деньги, а персональные данные своих клиентов.

Уже сегодня владение данными приносит невиданные доходы, а в ближайшей перспективе и в течение всего периода революции больших данных они будут расти галопирующими темпами. Например, мессенджер WhatsApp в 2014 году был продан её создателем корпорации Facebook за 19 миллиардов долларов. Для сравнения, капитализация эталона российской тяжелой промышленности Камского автомобильного завода (включающего в себя не только сам завод, но и научные исследовательские институты, сеть производств и прочее) с более чем 35 тысячами постоянных сотрудников на 2018 год оценивалась в 36 миллиардов рублей или чуть больше 0,5 миллиарда долларов.

Приложение, программный код которого за месяц мог бы написать талантливый студент, стоит почти в 40 раз больше создаваемого десятилетиями промышленного гиганта. Как же так вышло? Дело в том, что подобное популярное мобильное приложение — это доступ к данным сотен миллионов пользователей (даже если рассматривать только информацию, законно и добровольно передаваемую пользователями), которые пока что можно хранить и использовать в ограниченных направлениях, а со временем можно будет обработать и использовать по полной, включив данные в общую собранную корпорацией систему больших данных, в результате получая огромные прибыли и возможности влияния на общество.

Кстати, спустя два года Facebook в одностороннем порядке расширила перечень собираемых и передаваемых из приложения WhatsApp данных и включила туда, например, номера телефонов друзей пользователя и пересылаемые фотографии.

Кроме непосредственно прибыли, информация приносит власть. Одним из ярких примеров является работа компании Cambridge Analytic, внёсшей вклад в победу Дональда Трампа на выборах президента США ранее. Собрав данные 87 миллионов пользователей Facebook, компания смоделировала поведение миллионов американцев, чтобы показывать им релевантную политическую рекламу и мотивировать голосовать за нужного кандидата.

Информационный капитал, являясь неотъемлемым посредником и монополистом, владеющим персональными данными, получает колоссальные сверхприбыли. Выручка той же Facebook только от прямой легальной рекламы ещё до пандемии (в 2017 году) составляла почти 40 миллиардов долларов.

Итак, революция больших данных, включающая развитие датификации и искусственного интеллекта, катализирует значение данных и информации, вклинивается во все этапы экономической деятельности, способна кардинально увеличить производительность труда и прибыльность предприятий практически всех типов производств. Впрочем, исключением тут может являться сырьевой капитал — ведь, как правило, прибыль сырьевого капиталиста исходит из его права собственности на земные ресурсы, а эффективность средств производства (добычи) играет второстепенную роль. Проще говоря, нельзя добыть нефти больше, чем её есть в земной коре.

Этот фактор, возможно, является одной из основных причин, почему информационный капитал имеет наибольшее количество противоречий с сырьевым, что часто находит своё отражение в политике. В странах, где правящий класс представлен преимущественно сырьевым капиталом (Россия, ОАЭ и т.п.), ведётся наиболее враждебная политика по отношению к датификации и интересам информационных корпораций — в части регламентирования Интернета, государственного контроля трафика и контроля передачи данных.

В то же время информационный капитал активно вкладывается в поддержку и популяризацию возобновляемых источников энергии, постепенно уводя мир от зависимости от сырьевых корпораций и присвоенных ими земных ресурсов.

К примеру, Google является крупнейшим заказчиком возобновляемой энергии. Facebook, Apple, Amazon и другие также стараются не отставать от информационного флагмана, активно разрабатывая альтернативные источники энергии.

Интересным феноменом данного противостояния является неочевидное сходство сырьевого и информационного капитала — ведь прибыль информационного капитала исходит из его права собственности на создаваемые людьми данные, являющиеся самым ценным «сырьём» XXI века.

На основе книги «Карл Маркс и Большие Данные», В. Мальцев.

Комментарии: