Huffington Post запущен в 2005 году, но если бы его запуск произошел десятью годами ранее, он встретил бы совершенно иную аудиторию. К 2005 году средний читатель разбирался в цифровом мире, проводя много времени онлайн, общаясь в основном посредством электронной почты, мобильных телефонов и социальных сервисов. Так было до появления Siri, Google Now и Waze. Сегодня мы более чем когда-либо зависимы от интеллектуальных машин. Компьютеры, появившиеся как линейные инструменты для выполнения дискретных инженерных задач, развились в универсальные устройства, помогающие каждому в решении повседневных задач.

Впереди нас ждут еще более захватывающие времена.

Мы считаем, что в ближайшие 10 лет компьютеры выйдут за границы своих нынешних возможностей. Из их нынешней роли в качестве наших помощников они перейдут в разряд консультантов. С помощью машин мы будем бороться с самыми сложными вопросами, стоящими сегодня перед миром.

Давным-давно компьютеры были созданы с особой целью. Оперирование массивами данных, решение конкретных узкоспециализированных поисковых, и не только, задач. Они занимаются этим до сих пор, только на более высоких скоростях и уровнях сложности. Мощность data science и machine learning позволили нам делегировать большое число ресурсоемких задач, освобождая нас для более ценных занятий.

Рассмотрим FitBit. Мы могли бы, конечно, отслеживать нашу физическую активность вручную, но нам не удастся это так точно и последовательно, как специально спроектированный и запрограммированный носимый прибор. Если вспомнить о вождении автомобилей, то страшно подумать, сколько времени можно было бы освободить для работы, учебы или общения, используя авто с автопилотом. К тому же, наверняка повысилась бы безопасность движения, так как компьютерный водитель не устает, не выпивает и не отвлекается на разговоры.

Преимущества цифровых инструментов не ограничиваются малым и уникальностью приложений. Рыбаки у берегов Африки в настоящее время используют мобильные телефоны, чтобы найти где подороже продать свой улов. Студенты, которые когда-то делили один учебник на весь класс, теперь могут получить доступ к любой информации через Интернет.

Тем не менее, мы считаем, что компьютеры будут играть еще большую роль. Их способность к анализу данных постоянно растет, и с каждым днем все больше данных переводится в цифровую форму. Они станут оказывать широкое общественное воздействие, и помогут нам решить такие насущные проблемы, как здравоохранение и климатические изменения.

По некоторым оценкам, в течение следующих нескольких десятилетий транспортные потоки в городах вырастут до 60 миллионов человек в год. Это повлечет за собой такие вопросы, как организация управления движением, топливный дефицит, увеличение выбросов углекислого газа и городское планирование.

В следующем десятилетии, количество сводных информационных показателей будет расти в геометрической прогрессии — владельцы автомобилей, расход топлива, среднее время ожидания на каждом светофоре и т.д. Мы не сможем проанализировать все эти данные сами. Но с machine learning компьютеры будут в состоянии делать это. Бесчисленные отношения и зависимости будут обнаружены, и городское планирование станет более научным, решая некоторые потенциальные проблемы прежде, чем они даже могут возникнуть.

Data science преобразует медицину. Суперкомпьютер IBM (Watson) уже может определять лучшие курсы лечения для пациентов исходя из записей в историях болезни. В будущем машинное обучение (machine learning) станет воздействовать на более широкий спектр заболевания. Мы представляем все биологически значимые данные в базы данных для расширенного компьютерного анализа. Проницательность компьютеризированных методов распознавания уже ошеломляет. Наше понимание лечения и профилактики могут быть преобразованы полностью. Сегодня мы рассматриваем данные уже больных людей и медицинские исследования сосредоточены на конкретной выборочной совокупности лечащихся пациентов. Представьте себе расширение сферы нашего анализа на скрытое понимание всей генеральной совокупности и общих данных, выходящих за рамки болезни и включающих такие факторы, как воздействие окружающей среды, детского питания и фитнеса.

Что, если анонимные данные, собранные из фитнес-трекеров, приведут к пониманию профилактики заболеваний? Что если компьютеризированные методы распознавания смогут найти генетические зависимости рака? Представьте себе, что также как деньги на исследования рака, мы могли бы пожертвовать свои анонимные данные FitBit, собираемые для спасения жизни.

Мы считаем, что цель компьютеров — расширение возможностей людей путем дополнения их способностей. В следующем десятилетии мы будем учиться строить машины, выходящие за рамки простого выполнения задач. И это захватывающее время для жизни.

P.S.

Этот пост является частью серии, посвященной 10-летнему юбилею The Huffington Post.

Эрик Шмидт — исполнительный председатель Google. Джаред Коэн — основатель и директор научного центра Google Ideas и советник исполнительного председателя. Вместе написали книгу — «Новый цифровой мир: Как технологии меняют жизнь людей, модели бизнеса и понятие государств».

В статье я намеренно использовал не переведенные термины data science и machine learning, поскольку, на мой взгляд, простой перевод как наука о данных и машинное обучение не отражают полностью их сущность.

Эрик Шмидт и Джаред Коэн. Революция Data Science