Не лги себе. Почему Big Data знает тебя лучше, чем ты сам, и как использовать это, чтобы добиться успеха

Революция датаизма, которая только началась и, по словам Харари, может завершиться только через десятки лет, поставила под вопрос мировоззрение гуманистов, в центре которого находятся наши чувства. Тот квазирелигиозный статус, которым они были наделены, был поставлен под сомнение биологами. Они открыли, что организмы – это алгоритмы, а наши чувства – просто «процессы биохимических вычислений» [28] .

Более того, такие легендарные специалисты в области человеческого поведения, как Амос Тверски и Даниэль Канеман, открыли, что чувства часто вводят нас в заблуждение. Наш ум, говорят они, глубоко поражен разного рода когнитивными искажениями [29] .

28

Yuval Noah Harari. “Organisms Are Algorithms. Body Is Calculator. Answer = Sensation~Feeling~Vedan?”, YouTube, uploaded by Rashid Kapadia, June 13, 2020, https://www.youtube.com/watch?v=GrQ7nY-vevY.

29

Daniel Kahneman, Thinking, Fast and Slow (New York: Farrar, Straus & Giroux, 2011).

Вы считаете собственную интуицию надежным проводником? Это совсем не так. Зачастую мы излишне оптимистичны, переоцениваем значимость легко запоминающихся историй, отбираем только информацию, согласующуюся с тем, во что нам хотелось бы верить, ложно заключаем, что могли бы объяснить события, считавшиеся непредсказуемыми на момент, когда они произошли, и так далее.

Фраза «прислушиваться к себе» могла звучать освобождающе и романтично для гуманистов. Но, честно говоря, «прислушиваться к себе» звучит просто страшно после прочтения последнего выпуска Psychological Review или великолепной статьи «Список когнитивных искажений» в Википедии.

Наконец, революция больших данных предлагает нам альтернативу тому, чтобы прислушиваться к себе. Наша интуиция или советы таких же людей, как мы, могли казаться гуманистам единственными источниками мудрости, оставшимися нам в лишенной Бога вселенной. Но сейчас ученые, работающие в области анализа данных, формируют и анализируют огромные массивы информации, способные освободить нас от когнитивных искажений.

Еще процитирую Харари: «В XXI веке чувства утратили положение лучших алгоритмов в мире. Мы создаем новые, превосходящие их алгоритмы, опирающиеся на беспрецедентную вычислительную мощность и гигантские базы данных». Согласно датаизму, теперь ответы на вопросы «на ком жениться, чем заняться и начинать ли войну» заключаются в «алгоритмах, которые знают нас лучше, чем мы сами знаем себя».

Я не настолько дерзок, чтобы утверждать, будто книга «Не лги себе» – библия датаизма, и не пытаюсь написать новых десять заповедей. (Хотя мне бы очень хотелось, чтобы вы воспринимали тех исследователей, о работе которых я буду говорить, как пророков датаизма: их работа носит новаторский характер именно до такой степени.)

Но я надеюсь, что эта книга покажет, каково новое мировоззрение датаизма, и предложит вам несколько алгоритмов, которые помогут принять значительное решение. «Не лги себе» состоит из глав; каждая из которых посвящена тому, что данные могут сказать нам о какой-то одной важной области жизни. И первая касается, вероятно, самого важного решения в жизни [30] .

30

https://www.wesmoss.com/news/why-who-you-marry-is-the-most-important-decision-you-make/.

Итак, приверженцы датаизма и потенциальные новообращенные, давайте посмотрим, помогут ли вам алгоритмы с ответом на вопрос: «На ком жениться?»

Глава 1 Брак с участием искусственного интеллекта

С кем вам следует вступить в брак?

Может быть, именно этот вопрос – самый важный в жизни с точки зрения последствий ответа на него. Инвестор и миллиардер Уоррен Баффет, во всяком случае, считает именно так. Он называет выбор супруга «самым важным решением из всех, что вам предстоит принять».

И тем не менее люди редко искали помощи у науки в этом отношении. Честно признаться, здесь наука не могла помочь практически ничем.

Ученые, занимающиеся человеческими отношениями, пытались найти ответы. Но найти большие выборки пар оказалось трудной и дорогостоящей задачей. Исследования в этой области, как правило, опирались на очень маленькие выборки и зачастую приходили к противоречащим друг другу выводам. В 2007 году выдающийся ученый Гарри Рейс из Университета Рочестера сравнил науку о человеческих отношениях с подростком, назвав ее «растущей, временами непокорной – а может, и более таинственной, чем хотелось бы» [31] .

31

Harry T. Reis, “Steps toward the ripening of relationship science”, Personal Relationships 14 (2007): 1–23.

Но несколько лет назад молодая, энергичная, сверхлюбопытная и блестяще талантливая ученая из Канады Саманта Джоэл задалась целью изменить такое положение вещей. Джоэл, как и многих ее коллег, интересовало, что же предсказывает удачные отношения. Но ее подход был необычным. Она не стала строить очередную скудную выборку пар – вместо этого она решила свести вместе данные прежних исследований. Джоэл рассуждала так: если ей удастся объединить небольшие массивы данных из научных работ прошлого, может получиться один большой массив. И его будет достаточно, чтобы надежно определить, что предсказывает успех отношений, а что нет.

План Джоэл сработал [32] . Она собрала в свою группу всех профессоров, располагавших данными об отношениях. В конечном счете ее группа состояла из 85 ученых и смогла аккумулировать массив данных об 11 196 парах [33] .

Размер массива был впечатляющим, как и содержащаяся в нем информация.

Для каждой пары у Джоэл и ее группы были результаты опросов, где каждый из партнеров давал численную оценку степени удовлетворенности отношениями. При этом данные у них были практически по всем вообразимым аспектам совместной жизни пары [34] , в частности:

32

Samantha Joel et al., “Machine learning uncovers the most robust self-report predictors of relationship quality across 43 longitudinal couples studies”, PNAS 117(32): 19061–71.

33

Исследование рассматривало только гетеросексуальные пары.

34

Переменные, по которым проводилось исследование, можно найти здесь:Соответствующий файл – Master Codebook With Theoretical Categorization, Final.xlsx, который находится в разделе “Master Codebook with Theoretical Categorization”. Выражаю благодарность Джоэл, указавшей мне на него.

• демографические сведения (например, возраст, образование, доход, раса);

• внешний вид (например, насколько высоко они оценивали привлекательность своего партнера);

• предпочтения в сексе (например, насколько часто каждый из партнеров хочет секса? Насколько традиционным должен быть этот секс?);

• интересы и хобби;

• умственное и физическое здоровье;

• ценности (например, взгляды на политику, отношения и воспитание детей);

• и многое-многое другое.

Кроме того, у Джоэл и ее группы не просто было больше данных, чем у других полевых исследователей. Они использовали более прогрессивные статистические методы. Джоэл и некоторые ее коллеги превосходно овладели машинным обучением – подмножеством искусственного интеллекта, позволяющим современным исследователям обнаруживать неочевидные закономерности в больших массивах данных. Проект Джоэл можно было бы назвать браком с участием искусственного интеллекта: он был одним из первых, где на службу задаче прогнозирования успешных отношений были поставлены столь современные методики.

Если вам нравятся викторины и другие игры на отгадывание, можете попытаться предсказать ее результаты. Как вам кажется, какой фактор лучше всего предсказывает успешные отношения? Действительно ли общие интересы важнее общих ценностей? Насколько важна сексуальная совместимость в долгосрочном плане? Будете ли вы счастливее в союзе с человеком одного с вами происхождения?

Джоэл подобрала людей в исследовательскую группу, собрала данные и проанализировала их – и наконец была готова предъявить миру один из самых важных результатов в науке об отношениях.