Новые темные века полностью

Начиная с 1960-х годов убыстряющееся развитие возможностей интегральных схем поменяло всю компьютерную отрасль: каждый год появлялись новые модели чипов, отчего развитие компьютеров стало тесно связано с развитием полупроводников. Производители «железа» и разработчики программного обеспечения не могли позволить себе создать собственную архитектуру и всецело зависели от нескольких поставщиков все более мощных и компактных чипов. Создатели чипов полностью определяли архитектуру устройств, которые получали конечные потребители. В результате возник рост в сфере программного обеспечения. Когда программное обеспечение обрело независимость от производителей «железа» и поставщиков чипов, стремительно выросли такие гиганты, как Microsoft, Cisco и Oracle, а затем произошли экономические, политические и идеологические изменения – значимым игроком на мировой арене стала Кремниевая долина. Еще одним следствием, по мнению многих специалистов из сферы компьютерных технологий, стал конец старой культуры программного обеспечения, при которой ценились уникальность, продуманность и продуктивность электронных программ. Если на ранних этапах разработчики должны были выжимать все возможное из ограниченных ресурсов, постоянно оптимизируя код и придумывая элегантные и экономичные решения сложных вычислительных проблем, то быстрое развитие компьютерных возможностей привело к тому, что каждые полтора года появлялось устройство в два раза мощнее предыдущего – оставалось только подождать. К чему рачительность и экономия ресурсов, если райское изобилие наступит уже в следующем торговом цикле? Вскоре за новым универсальным правилом закрепилось имя самого основателя Microsoft. Речь о так называемом законе Гейтса, согласно которому скорость программного обеспечения уменьшается вдвое каждые полтора года из-за нерационального и неэффективного кода и устаревшего функционала.

Вот действительное следствие закона Мура: по мере того как программы прочно обосновались в жизни общества, то же произошло с их постоянно повышающейся мощью, которая стала буквально олицетворять прогресс – изобильное будущее, для которого не требуется никакой подготовительной работы в настоящем. Закон вычислительных технологий превратился в экономический, а затем и в этический закон. Мур приветствовал расширенную интерпретацию названного его именем закона и даже в разговоре с представителями журнала The Economist отметил, что «закон Мура – исключение из закона Мёрфи. Все становится лучше и лучше»(4).

Сегодня, совсем по закону Мура, мы живем в мире повсеместной компьютеризации, среди облаков бесконечных вычислительных мощностей; этическое и когнитивное подтверждения закона Мура ощущаются сегодня в любом аспекте жизни. Однако, несмотря на все усилия и самые передовые открытия специалистов по квантовому туннелированию и нанобиологии, развитие технологий все больше упирается в философские вопросы. То, что на данный момент справедливо в исследованиях полупроводников, оказывается неприемлемым в другом случае: ни в научном, ни в естественном, ни в моральном отношении. И если мы решим критически взглянуть на то, что подсказывают нам технологии, мы увидим, в чем ошиблись. Если присмотреться к данным, ошибка станет очевидна, но сами данные слишком часто используются как аргумент.

В статье 2008 года в журнале Wired вышла статья Криса Андерсона «Конец теории», в которой утверждалось, что из-за огромного объема данных, доступных современным исследователям, традиционные научные процессы устарели(5). Больше не нужно строить модели мира и проверять их на ограниченной выборке. Сегодня вычислительные кластеры из многих компьютеров могут обработать сложные массивы всеобъемлющих данных и выдать истину: «Если данных достаточно, то цифры говорят сами за себя». В качестве примера Андерсон привел алгоритмы перевода Google, которые даже без знания глубинных лингвистических структур могли установить соответствия между языками, основываясь на массиве уже переведенных текстов. Андерсон расширил этот подход на геномику, неврологию и физику, в которых ученые все чаще обращаются к обширным вычислениям, чтобы разобраться в больших объемах собранной информации о комплексных системах. В статье говорилось, что в век больших данных «корреляции достаточно, можно больше не искать модели».

В этом и заключается магия больших данных. Теперь необязательно знать или понимать все о предмете изучения, чтобы докопаться до истины, достаточно положиться на цифровую информацию. В смысле ошибка больших данных – логичное следствие научного редукционизма, согласно которому сложные системы можно понять, если разбить их на составляющие и изучить каждый из компонентов в отдельности. И такой редукционистский подход был бы оправдан, если бы действительно поспевал за нашим опытом, но практика показывает, что простого анализа недостаточно.