Развитие алгоритмов машинного обучения привело к тому, что наши цифровые следы стали открытой книгой для анализа человеческой психики. Доктор Сандра Матц, профессор Колумбийской бизнес-школы, в беседе с Кевином Колдироном в рамках подкаста Ideas Lab для канала Top Traders Unplugged, объясняет, как данные превращаются в психологические портреты и почему это одновременно несет в себе угрозу потери индивидуальности и колоссальный потенциал для медицины.
🏘️ От немецкой деревни до «цифрового посерьезья» 3:19
Сандра Матц проводит параллель между своим детством в крошечной немецкой деревне на 500 человек и современной жизнью в окружении алгоритмов . В деревне каждый знал о соседях всё: от музыкальных вкусов до деталей личной жизни. По словам Матц, это создавало два противоположных эффекта:
- Поддержка через понимание: когда тебя знают, тебе могут дать по-настоящему ценный совет в трудную минуту, так как понимают твои истинные мотивы и страхи .
- Бесцеремонное вмешательство: соседи не просто наблюдали, но и пытались влиять на выбор партнера или карьеры, ограничивая свободу .
Сегодня роль «всезнающего соседа» перешла к алгоритмам. Однако, по мнению доктора Матц, масштаб и методы изменились: теперь вмешательство происходит на уровне подсознательных манипуляций, часто незаметно для человека .
🧠 Насколько хорошо алгоритм знает вас? 8:34
Одним из самых резонансных утверждений в исследованиях Матц является тезис о том, что Facebook может знать человека лучше, чем его супруг, имея всего лишь несколько сотен «лайков» .
Ведущий Кевин Колдирон задается вопросом: что именно означает «знать» в цифровом смысле? Матц поясняет, что ученые сопоставляют предсказания машины с ответами самих людей в психологических анкетах (например, по модели «Большой пятерки» личностных качеств: экстраверсия, доброжелательность, добросовестность, нейротизм и открытость опыту) .
Алгоритм работает по принципу Шерлока Холмса:
- Он анализирует тысячи людей и выявляет корреляции. Например, подписчики определенных страниц на Facebook в среднем могут быть более экстравертными или открытыми новому .
- На основе этих «пазлов» строится модель личности конкретного пользователя.
- Результаты показывают, что компьютерные модели не просто копируют слова человека о себе, но иногда точнее предсказывают его реальное поведение (например, выбор профессии или удовлетворенность жизнью), чем признания в анкете .
Матц подчеркивает, что Google знает о наших тайных страхах больше, чем близкие друзья, так как поисковой строке люди задают вопросы, которые побоялись бы озвучить вслух .
🎭 Утрата сложности и «эффект посредственности» 14:11
Современные системы способны определять не только базовый тип личности, но и текущее эмоциональное состояние. Используя датчики смартфона (GPS, уровень шума, физическая активность), алгоритм понимает, находится ли экстраверт сейчас в подавленном «интровертном» состоянии .
Это ведет к двум серьезным проблемам, которые обсуждают участники:
- Риск упрощения личности: Алгоритмы оптимизированы для минимального риска, а значит, они всегда предлагают то, что вам, скорее всего, понравится на основе прошлого опыта . Матц называет это «эффектом посредственности» (basic effect): вместо того чтобы поощрять сложность и развитие человека, алгоритмы подталкивают его оставаться в рамках «среднестатистической» версии самого себя .
- Деградация социальных навыков: По мнению Матц, если следующее поколение будет общаться преимущественно с «вежливыми» и подстраивающимися под них чат-ботами, дети потеряют способность справляться с конфликтами в реальном мире, где сверстники на игровой площадке не всегда добры и конструктивны .
🖼️ Можно ли прочитать характер по лицу? 25:15
Обсуждая физиогномику 21 века, Кевин Колдирон упоминает исследования Михала Косински, которые утверждают, что алгоритмы могут предсказать сексуальную ориентацию и политические взгляды человека по одной фотографии .
Доктор Матц признается, что поначалу была настроена крайне скептически, считая это псевдонаукой, напоминающей попытки прошлых веков связывать черты лица с характером . Однако теперь она допускает наличие биологических связей:
- Социальная обратная связь: симметричное и привлекательное лицо ребенка вызывает больше улыбок и позитива у окружающих, что формирует более экстравертный и доверчивый характер .
- Гормональный фон: уровень тестостерона влияет как на агрессивность поведения, так и на формирование костей лица (например, челюсти) .
Несмотря на это, Матц предостерегает от этических рисков: в отличие от аккаунта в соцсетях, лицо нельзя оставить дома, что делает этот вид таргетинга потенциально опасным для приватности .
🏥 Светлая сторона: цифровая медицина и психотерапия 32:01
Несмотря на риски, Сандра Матц видит в аналитике данных спасение для системы здравоохранения. Основная проблема диагностики депрессии сегодня — она требует от человека инициативы, которая при этой болезни часто отсутствует .
Алгоритмы могут работать как «датчик дыма» (smoke alarm):
- Пассивный мониторинг: Смартфон замечает, что пользователь перестал выходить из дома, реже звонит близким или меньше двигается .
- Раннее предупреждение: Система может отправить уведомление доверенному лицу (члену семьи или врачу), чтобы тот проверил состояние человека до того, как он окажется в глубоком кризисе .
- Персонализация лечения: Вместо того чтобы пробовать все методы подряд, ИИ может подсказать, кому поможет прогулка на природе, а кому — социальная активность, основываясь на данных о тысячах подобных случаев .
Матц приводит статистику: в мире на каждые 100 000 человек, нуждающихся в помощи, приходится всего 13 профессиональных психотерапевтов . В таких условиях ИИ-помощники могут стать единственным доступным инструментом поддержки .
🛡️ Путь к защите: «умное согласие» и федеративное обучение 40:17
В заключительной части разговора участники обсуждают, как вернуть контроль над данными пользователям. Доктор Матц предлагает изменить саму философию сбора информации:
- Принцип Opt-in: Сейчас данные собираются «по умолчанию» (opt-out), и пользователи слишком ленивы, чтобы читать условия и отключать слежку . Матц предлагает систему, где сбор данных отключен изначально, а компания должна убедительно доказать пользователю, какую выгоду он получит, если разрешит доступ к своей цифровой жизни .
- Федеративное обучение (Federated Learning): Вместо того чтобы отправлять личные данные на сервера Google или YouTube, алгоритм (интеллект) сам «приходит» на ваш смартфон. Обучение и персонализация происходят локально . На сервер возвращается не история ваших поисков, а обновленный «коэффициент» модели — чистый математический опыт без привязки к личности .
- Данные кооперативы: Модель объединения людей (например, беременных женщин или пациентов с рассеянным склерозом), где данные хранятся в организации с юридической («фидуциарной») обязанностью действовать только в интересах членов союза .
Матц резюмирует, что личная ответственность пользователя в нынешних условиях почти не работает: даже будучи экспертом, она сама не успевает контролировать все настройки приватности . Поэтому спасение должно прийти через новые технологии, которые встраивают защиту прав человека в сам код программ.
