По мере того как все больше компаний хотят заработать на надзоре в стиле Google, значительная часть мировых талантов в области науки о данных и смежных областей посвящают себя изготовлению прогнозных продуктов, которые повышают показатели кликабельности для таргетированной рекламы. Так, китайские исследователи, работающие в исследовательском отделе принадлежащего Microsoft поисковика Bing в Пекине, в 2017 году опубликовали сенсационные результаты. «Точная оценка показателей кликабельности (CTR) рекламы оказывает решающее влияние на доходы поисковых компаний; даже повышение точности наших продуктов на 0,1 % принесло бы сотни миллионов долларов дополнительного дохода», – утверждают они. Затем они демонстрируют новый способ применения сложных нейронных сетей, который обещает улучшение на 0,9 % по одному показателю идентификации и «значительный прирост количества кликов в онлайн-трафике»[217]. Аналогичным образом команда исследователей Google разработала новую модель глубоких нейронных сетей, с единственной целью учесть «взаимовлияния прогнозирующих факторов» и обеспечить «передовую производительность» для повышения показателей кликабельности[218]. Тысячи таких исследований – и рутинных, и революционных – в сумме создают дорогие, сложные, непрозрачные и эксклюзивные «средства производства» XXI века.
3. Продукты: Машинный интеллект перерабатывает поведенческий излишек в прогнозные продукты, предназначенные для предсказания наших чувств, мыслей и действий: прямо сейчас, чуть позже, или в более отдаленном будущем. Эта методология – среди самых тщательно охраняемых секретов Google. Характер его продуктов объясняет, почему Google раз за разом заявляет, что не продает личные данные. Что? Никогда! Руководство Google любит говорить о своей чистоте в отношении конфиденциальности, потому что компания действительно не продает свое сырье. Вместо этого компания продает прогнозы, которые только она и может изготовить из своих исторически рекордных частных запасов поведенческого излишка.
Прогнозные продукты снижают риски для клиентов, советуя им, на что и когда ставить. Качество и конкурентоспособность такого продукта напрямую зависит от того, насколько он близок к точному знанию: чем надежнее прогноз, тем ниже риски для его покупателей и тем выше объем продаж. Google сумел стать гадалкой цифрового века, которая полным ходом заменяет интуицию наукой, чтобы за деньги погадать на наши судьбы, но не нам, а своим клиентам. С самого начала прогнозные продукты Google были в основном нацелены на продажи таргетированной рекламы, но, как мы увидим, реклама была началом надзорного проекта, а не его концом.
РИС. 2. Открытие поведенческого излишка
4. Рынок: Прогнозные продукты продаются на новых видах рынков, на которых торгуют исключительно будущим поведением. Прибыли надзорного капитализма имеют своим источником главным образом эти рынки поведенческих фьючерсов. Хотя на ранних этапах развития этой новой разновидности рынков основными игроками были рекламодатели, нет никаких оснований считать, что подобные рынки должны ограничиваться только этой группой. То, что новые системы прогнозирования связаны с рекламой, – это только стечение обстоятельств, как стечением обстоятельств было и то, что новая система массового производства Форда лишь случайно была связана с автомобилями. В обоих случаях эти системы могут быть применены во многих других сферах. Как мы увидим в следующих главах, уже различима тенденция, когда любой, кто заинтересован в том, чтобы приобрести вероятностную информацию о нашем поведении и/или повлиять на будущее поведение, может за определенную плату начать играть на рынках, где за деньги предсказываются судьбы людей, групп, тел и вещей (см. рис. 2).
Глава 4
Ров вокруг замка
I. Люди как полезные ископаемые
Бывший генеральный директор Google Эрик Шмидт считает, что именно проведенный Хэлом Вэрианом анализ рекламных аукционов фирмы привел к моменту истины, прояснившему подлинную природу бизнеса Google: «Мы внезапно поняли, что занимаемся аукционным бизнесом»[220]. Ларри Пейджу приписывают совершенно другой и гораздо более глубокий ответ на вопрос «Что такое Google?». Дуглас Эдвардс вспоминает об одном совещании с участием учредителей в 2001 году, на котором у них пытались получить ответ как раз на этот вопрос. Пейдж тогда размышлял:
217
Xiaoliang Ling et al., “Model Ensemble for Click Prediction in Bing Search Ads,” in
220
См.: Steven Levy, “Secret of Googlenomics: Data-Fueled Recipe Brews Profitability,”