# Сандра Матц: «Алгоритмы предсказывают ваш характер точнее, чем супруг» Источник: https://www.youtube.com/watch?v=KirNxYlzfLg Канал: Top Traders Unplugged Опубликовано: 14.09.2025 --- 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» [[JUMP:03:19]] Сандра Матц проводит параллель между своим детством в крошечной немецкой деревне на 500 человек и современной жизнью в окружении алгоритмов [03:33]. 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 [05:43]. * **Бесцеремонное вмешательство:** соседи не просто наблюдали, но и пытались влиять на выбор партнера или карьеры, ограничивая свободу [05:55]. 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 [06:20]. ## 🧠 Насколько хорошо алгоритм знает вас? [[JUMP:08:34]] 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» [08:46]. 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) [10:42]. Алгоритм работает по принципу Шерлока Холмса: 1. Он анализирует тысячи людей и выявляет корреляции. Например, подписчики определенных страниц на Facebook в среднем могут быть более экстравертными или открытыми новому [10:56]. 2. На основе этих «пазлов» строится модель личности конкретного пользователя. 3. 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 [12:39]. 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 [09:50]. ## 🎭 Утрата сложности и «эффект посредственности» [[JUMP: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 [18:10]. 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 [20:10]. 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 [22:33]. * **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 [12:26]. ## 🖼️ Можно ли прочитать характер по лицу? [[JUMP: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 [25:29]. Доктор Матц признается, что поначалу была настроена крайне скептически, считая это псевдонаукой, напоминающей попытки прошлых веков связывать черты лица с характером [28:17]. 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 [29:09]. * **Гормональный фон:** уровень тестостерона влияет как на агрессивность поведения, так и на формирование костей лица (например, челюсти) [29:38]. 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 [25:55]. ## 🏥 Светлая сторона: цифровая медицина и психотерапия [[JUMP: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 [35:16]. Алгоритмы могут работать как «датчик дыма» (smoke alarm): 1. **Пассивный мониторинг:** Смартфон замечает, что пользователь перестал выходить из дома, реже звонит близким или меньше двигается [36:08]. 2. **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 [36:33]. 3. **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 [37:39]. Матц приводит статистику: в мире на каждые 100 000 человек, нуждающихся в помощи, приходится всего 13 профессиональных психотерапевтов [38:35]. В таких условиях ИИ-помощники могут стать единственным доступным инструментом поддержки [39:13]. ## 🛡️ Путь к защите: «умное согласие» и федеративное обучение [[JUMP: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 [41:50]. 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 [42:42]. * **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 [47:28]. На сервер возвращается не история ваших поисков, а обновленный «коэффициент» модели — чистый математический опыт без привязки к личности [50:42]. * **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 [52:39]. Матц резюмирует, что личная ответственность пользователя в нынешних условиях почти не работает: даже будучи экспертом, она сама не успевает контролировать все настройки приватности [57:24]. Поэтому спасение должно прийти через новые технологии, которые встраивают защиту прав человека в сам код программ.