Морис Стаки - Виртуальная конкуренция. Посулы и опасности алгоритмической экономики

Другой пример – компания Facebook, для которой сочетание умных алгоритмов и огромной базы пользователей может расширить адресность рекламы и продвижения. В 2016 г. на ежегодной конференции разработчиков компании обсуждалось, каким образом искусственный интеллект (ИИ) мог бы взаимодействовать с обильным потоком данных от ее пользователей. Главный исполнительный директор Facebook Марк Цукерберг обозначил, каким образом «ИИ и обработка естественного языка (natural language processing) при участии пользователей дадут людям возможность общаться с ботами Messenger 59точно так же, как они общаются с друзьями» 60. Дэвид Маркус, вице-президент Facebook по коммуникационным продуктам, рассказал, каким образом компания в настоящее время «проверяет, способны ли бизнес-боты вернуть пользователей к обсуждениям, содержащим спонсируемые сообщения» 61. Неудивительно, что Apple, Amazon, Google и Microsoft также инвестируют в разработку голосовых помощников, которые «обучаются» принимать решения, а не просто следовать инструкциям 62. Будущее средств мгновенного и онлайнового общения будет весьма серьезно зависеть от развития усиливающих и дополняющих друг друга больших данных и аналитики больших данных.

Другое недавнее значимое событие связано со способностью компьютеров действовать в условиях ограниченной информации. Компьютерные алгоритмы давно находили решения в играх с полной информацией (таких, как настольные шашки), когда игроки знают всё, что происходило ранее. В 2015 году произошло знаменательное событие. Несколько специалистов по информатике объявили о появлении нового компьютерного алгоритма, способного находить решения в «играх с неполной информацией», допускающих развернутую форму представления, – значительно более сложных, чем прежде. Их новый алгоритм «слабо решает» одну из популярных разновидностей покера.

Посмотрим на ценность таких достижений. В шашках оба игрока знают все прошлые ходы и текущее состояние партии (зависящее от положения на доске каждой шашки). В покере игроки не обладают полным знанием о прошлых событиях (ненаблюдаемых картах соперника в предыдущих раундах) и текущем раунде (ненаблюдаемых картах) 63. Таким образом, найти решение игры в покер намного сложнее: в ней 3,16 х 10 17состояний и 3,19 х 10 14точек принятия решений (в которых тот или иной игрок должен принять решение). Обсуждаемый алгоритм, однако, вычислил стратегию для одной из разновидностей покера – лимитного техасского холдема с двумя игроками (two-player limit Texas Hold ’Em poker). В итоге эта стратегия оказывается беспроигрышной при сохранении статистического уровня значимости в течение человеческой жизни 64. Для поклонников покера мы упомянем, что этот алгоритм подтвердил, что дилер обладает существенным преимуществом, а оптимальная стратегия второго игрока чаще состоит в том, чтобы играть (play), а не пасовать (fold) 65. В результате достигнутого прогресса компьютер стал способен справляться со свойственной реальному миру проблемой неполной информации, тем самым получив техническую возможность сложного «человекоподобного» взаимодействия и принятия решений.

По мере роста в следующем десятилетии широты охвата (breadth) и качества данных положительная обратная связь между машинным обучением и большими данными будет усиливаться. Свой вклад внесут разработки в области облачных вычислений.

Например, в 2015 г. облачное подразделение компании Amazon ввело службу машинного обучения – Amazon Machine Learning. Алгоритмы компании Amazon помогают клиенту находить закономерности (patterns) в существующих данных 66. Затем Amazon создает модели, которые обрабатывают клиентские входные данные и генерируют прогнозы. Эти модели могут вычислять для своих клиентов вероятные мошеннические покупки, предпочтения потребителя и тенденции покупательского поведения. По мере роста обработки данных эти прогностические модели совершенствуются. Аналогично, компании Google and Microsoft в составе своих услуг по облачным вычислениям предоставляют алгоритмы машинного обучения для анализа данных и прогнозирования будущих результатов 67. В результате может возникнуть положительная обратная связь: клиенты будут иметь еще больший стимул собирать данные и использовать службы облачных вычислений, если они смогут получить конкурентное преимущество при помощи указанных прогностических моделей. А доступ к данным большого числа клиентов, естественно, улучшает алгоритмы компаний Amazon, Microsoft и Google.