Эндрю Макафи - Машина, платформа, толпа. Наше цифровое будущее

• Можно собирать большие толпы, чтобы создавать очень полезные продукты, например Linux. Такие усилия требуют гиковского руководства, которое следует принципам открытости, отсутствия креденциализма, самоорганизации участников, проверяемости промежуточных результатов и ясности целей.

• Использование только части этих принципов, похоже, срабатывает не слишком хорошо, как показывает пример «Нупедии», предшественника «Википедии». Их баланс может быть непредсказуемым, часто его поиск требует проб, ошибок и удачи.

1. Как и насколько эффективно вы используете толпу?

2. В каких случаях, если это бывает, вы разрешаете и поощряете открытую, проверяемую, самоорганизующуюся работу, основанную на отсутствии креденциализма и управляемую по гиковской модели?

3. Во многих организациях принятие решений и распределение ресурсов по-прежнему сильно напоминают процессы, характерные для плановой экономики. Как вы можете встроить в свою компанию механизмы, более соответствующие рыночной экономике?

4. Есть ли в вашей отрасли новые способы применять технологию для децентрализации, которые не обязательно включают рынки?

5. Готово ли ядро вашей организации уступить часть своих прав и полномочий?

В по-настоящему сложной ситуации не ищите экспертов – зовите дилетантов. Такой вывод из своего потрясающего исследования сделали ученые Карим Лакхани, Кевин Будро и их коллеги [616]. Они хотели найти кратчайший путь к секвенированию геномов большого количества человеческих лейкоцитов – основной защиты нашего тела от бактерий, вирусов и других антигенов.

Это была весьма важная работа, поскольку стояла задача лучше понять, как работает иммунная система, но невероятно трудная, поскольку лейкоциты должны обладать огромным арсеналом для борьбы с постоянно эволюционирующими антигенами человеческого тела. Хорошее решение для тела – располагать антителами и другими средствами, закодированными генами внутри каждого лейкоцита, однако сами эти гены состоят из большого набора соединенных вместе сегментов, иногда с мутациями. Точная последовательность активных сегментов меняется от клетки к клетке, а это означает, что разные клетки производят разное оружие. Его количество огромно. По одной оценке, сто (или около того) сегментов в человеческом лейкоците можно соединять и рекомбинировать по-разному, что дает 10 30молекулярных видов оружия. Это примерно в триллион раз больше числа песчинок на нашей планете.

Естественная и важная задача, стоящая перед учеными, – аннотация гена лейкоцитов, то есть правильная и последовательная идентификация всех сегментов. Как вы догадываетесь, эту работу делают компьютеры. Однако тут можно действовать разными способами, и непонятно заранее, какой из них даст наилучший, то есть самый быстрый и точный результат. Популярный алгоритм MegaBLAST [617], разработанный Национальными институтами здравоохранения США, может аннотировать один миллион последовательностей примерно за 4,5 часа с точностью 72 процента. Алгоритм idAb [618], созданный доктором Рами Арнаутом [619]из бостонского Beth Israel Deaconess Medical Center, значительно превышает эти показатели, делая тот же объем аннотации менее чем за 48 минут с точностью 77 процентов.

Чтобы узнать, насколько сильно можно улучшить ситуацию, Лахани, Будро и их коллеги разработали двухэтапный процесс и привлекли к работе толпу. На первом этапе они преобразовали узкоспециальную иммуногенетическую проблему аннотации генных сегментов в общую алгоритмическую задачу. Это дало возможность намного большему числу участников присоединиться к эксперименту, поскольку теперь от них не требовалось обладать познаниями в генетике, биологии и других науках.

На втором этапе исследователи опубликовали эту обобщенную задачу на Topcoder, сетевой платформе для решения вычислительно трудоемких задач. На момент проведения исследования в 2013 году Topcoder располагала сообществом из примерно 400 тысяч разработчиков программного обеспечения по всему миру, которые присоединились к этой платформе, в частности, потому, что им нравилось работать над сложными проблемами. Исследовательская группа сообщила потенциальным вычислителям, что их предложения получат оценку, учитывающую скорость и точность, и предоставила им массив данных для работы. Данные делились на две части: один набор был в открытом доступе для всех вычислителей, а ко второму, закрытому, они подключались на сайте Topcoder; участники не видели этих данных и не имели к ним прямого доступа, но могли применить к ним свои алгоритмы и получить оценку (для создания итоговых оценок использовался третий набор данных, тоже закрытый).