€ 70.94
$ 64.22
Ханна Фрай: Жизнь действительно так сложна?

Лекции

Саморазвитие 130 Лидерство 53 Будущее 0 Свой бизнес 35 Образ жизни 15 Экономика 69 История 6

Ханна Фрай: Жизнь действительно так сложна?

Может ли алгоритм предсказать место следующего бунта? В этом выступлении математик Ханна Фрай показывает, как сложное социальное поведение можно анализировать и, возможно, предсказывать через аналогии с естественными явлениями, такими как узоры пятен на шкуре леопарда или распределение хищников и добычи в дикой природе

Ханна Фрай
Саморазвитие

Я Ханна Фрай, та самая задира, задающая сегодня вопрос: жизнь реально так сложна? У меня только девять минут, чтобы дать вам ответ, так что я разделила его на две части: первая часть — «да», и потом вторая часть — «нет». Или точнее: «Нет?» Итак, сначала давайте определимся с тем, что я называю сложным.

Я могла бы дать вам ряд формальных определений, но, проще говоря, задача высокой сложности — это то, чего не могут решить Эйнштейн и его коллеги. Итак, давайте представим — если пульт заработает, идем дальше, — Эйнштейн играет в снукер. Он умный и потому знает, что, когда кий ударяет по шару, можно написать уравнение и точно определить, где красный шар ударится о бортики, с какой скоростью покатится и где остановится. Теперь, если увеличить шары снукера до размеров солнечной системы, Эйнштейн еще сможет помочь.

Конечно, физика изменится. Но если вы хотели знать о пути Земли вокруг Солнца, Эйнштейн мог бы написать вам уравнение, вычисляющее, где оба объекта будут в любой момент времени. Далее, на удивление сильно усложнив задачу, Эйнштейн мог бы еще добавить в свои вычисления Луну, но с последующим добавлением планет, скажем, Марса и Юпитера, задача будет слишком сложна для Эйнштейна, чтобы решить ее на бумаге. Однако, если вместо нескольких планет у вас были бы миллионы объектов, даже миллиарды, задача на самом деле становится гораздо проще. И Эйнштейн снова в игре.

Я объясню, что я имею в виду, снова уменьшив эти объекты до размера молекул. Если вы хотите отследить хаотичный путь отдельной молекулы воздуха, у вас совсем не будет шансов, но если у вас будут миллионы молекул воздуха, их общее поведение будет вычисляемо, предсказуемо и стабильно. И слава богу, что воздух стабилен, потому что в противном случае самолеты падали бы с неба. Даже в большем масштабе, в масштабе всего мира, идея точно та же, как со всеми молекулами воздуха. Действительно, невозможно по одной капле дождя сказать, откуда она и куда попадет, но можно с большой вероятностью сказать, будет ли облачно завтра. Вот и все. Это и было пределом науки во времена Эйнштейна.

Мы могли решать небольшие задачи с несколькими объектами с простым взаимодействием или могли решать сложные задачи с миллионами объектов и их простым взаимодействием. Но как же все то, что посередине?

Только за семь лет до смерти Эйнштейна американский ученый по имени Уоррен Уивер указал именно на это. Он сказал, что научная методология прошла от одной крайности к другой, оставив нетронутым огромное поле посередине. Именно в этой средней области находится наука сложности, и это то, что я называю сложным.

К сожалению, почти любая задача, о которой можно думать в связи с поведением человека, лежит в этой области посередине. Эйнштейн совершенно не представлял, как моделировать движение толпы: там слишком много людей, чтобы рассматривать их отдельно, и слишком мало, чтобы изучать их подобно газу. Также людям свойственны такие досадные моменты, как нежелание пересекаться друг с другом, что делает задачу еще сложнее. Эйнштейн не мог бы сказать, когда в следующий раз обвалится рынок акций, Эйнштейн не мог бы сказать вам, как сократить безработицу, Эйнштейн не смог бы даже сказать, ожидает ли новый iPhone успех или провал.

Итак, по итогу первой части мы полностью запутались, у нас нет к этому подходов, и жизнь слишком сложна. Но, возможно, есть надежда, потому что в последние несколько лет мы наблюдаем зачатки новой эры науки, использующей математику для моделирования наших социальных систем. И я говорю не только о статистике и компьютерном моделировании. Я говорю о составлении уравнений о нашем обществе, которые помогут нам понять, что происходит, так же как с шарами для снукера или предсказанием погоды. И это появилось потому, что люди начали понимать, что мы можем принимать и применять аналогии между нашими человеческими системами и физическим миром вокруг нас.

Возьмем для примера невероятно сложную проблему миграции в Европе. Фактически получается, когда вы смотрите на всех людей сразу, что коллективно они ведут себя, как бы следуя законам гравитации. Но вместо планет, которые притягиваются одна к другой, люди притягиваются к областям с лучшими перспективами работы, высокой оплатой, лучшим качеством жизни и низкой безработицей. И так же, как людей больше привлекают возможности, близкие к местам их проживания, например, Лондон для Кента в противовес Лондону для Мельбурна, гравитационное воздействие удаленных планет чувствуется гораздо меньше.

Другой пример: в 2008 году группа ученых в Университете Калифорнии в Лос-Анджелесе изучала, какие места популярны для грабежей в городе. Одно из свойств грабежей — это идея повторения виктимизации. То есть, если группа грабителей успешно действует в районе, они обычно возвращаются в тот район и продолжают ограбления там. Так, они узнаю́т расположение домов, пути отхода и меры безопасности в этом месте. И это будет продолжаться до тех пор, пока местные жители и полиция не усилят охрану, из-за чего грабители переместятся куда-то еще.





И именно такой баланс между ограблениями и охраной создает эту динамику опасных мест в городе. Получается, что это такой же процесс, как появление пятен у леопарда, с той разницей, что в случае леопарда это не грабежи и безопасность, а химический процесс, который создает эти образы, и нечто, называемое морфогенез. Мы действительно знаем ужасно много о морфогенезе пятен леопарда. Возможно, мы могли бы использовать это для предупреждений о грабежах, а также создать лучшие стратегии для предотвращения преступлений. И есть группа здесь, в Университетском колледже Лондона, которая работает прямо сейчас с полицией West Midlands над этим самым вопросом.

Я могла бы привести вам много подобных примеров, но мне хотелось дать вам один из моего исследования о бунтах в Лондоне. Наверно, нет нужды говорить вам о событиях прошлого лета, когда Лондон и вся страна пережили самый длительный период мародерства и поджогов за последние 20 лет. Понятно, что как общество мы хотим попытаться точно понять, что вызвало эти беспорядки, но также, возможно, дать полиции лучшие стратегии для их более оперативного разрешения в будущем. Я не хочу огорчать социологов, поэтому я вовсе не стану говорить о личных мотивациях каждого бунтовщика. Но если вы посмóтрите на всех бунтовщиков вместе, математически вы можете разделить этот процесс на три стадии и провести соответствующие аналогии.

Первый шаг: скажем, у вас есть группа друзей, и никто из них не участвует в бунтах, но один из них проходит мимо ограбленного Foot Locker, заходит и берет пару новых кроссовок. Потом он пишет одному из своих друзей: «Поучаствуем в погромах». Этот друг присоединяется к нему, потом они пишут своим друзьям, которые присоединяются к ним и пишут своим друзьям все больше и больше, и это продолжается. Этот процесс идентичен процессу распространения вируса среди популяции. Если подумать об эпидемии птичьего гриппа пару лет назад, чем больше людей было инфицировано, тем больше людей заражалось и тем быстрее распространялся вирус, пока власти не смогли разобраться в происходящем. И точно такой же процесс здесь.

Скажем, бунтовщик решил участвовать в бунте. Следующее, что он должен сделать, это найти место бунта. Надо знать, что участники беспорядков… Ой, пульт заело. Продолжаем. Надо знать, что участники беспорядков не особенно готовы к поездкам, далеким от мест их проживания, если только это не привлекательное место. На этом графике вы видите, что множество участников беспорядков проехали менее километра до того места, куда они ехали. Этот же образец поведения наблюдается в моделях розничной торговли, то есть там, куда мы ходим за покупками. Конечно, люди любят ходить в магазины поблизости, но вы бы согласились пройти немного дальше ради по-настоящему хорошего магазина. Эта аналогия уже отмечалась в некоторых газетах, в бульварной прессе, называющей эти события «Покупки с насилием», что, пожалуй, может служить выводом для нашего исследования.

Ой, я иду обратно. Шаг третий: наконец, бунтовщик на месте и теперь не хочет быть пойман полицией. Бунтовщики всегда стремятся избежать полиции, но можно брать количеством, а, с другой стороны, полиция с ее ограниченными ресурсами пытается защитить в городе столько, сколько возможно, арестовать бунтовщиков, где это возможно, и создать сдерживающий эффект.

Фактически выходит, что механизм между двумя видами, так сказать, бунтовщиками и полицией, идентичен хищникам и добыче в дикой природе. То есть, если вообразить кроликов и лис, кролики пытаются избежать лис всеми способами, а лисы патрулируют пространство, пытаясь найти кроликов. Мы ужасно много знаем о динамике между хищником и его добычей, мы также много знаем о потоках расходов потребителей, и мы много знаем о том, как вирусы распространяются в популяции.

Итак, если взять эти три аналогии и проанализировать их, можно вывести математическую модель того, что на самом деле происходит, что можно воспроизвести в общих закономерностях самих бунтов.

Когда мы это получим, мы сможем использовать это как чашку Петри и начать рассуждать о том, какие части города были более уязвимы, чем другие, и какую тактику использовать полиции, если это повторится в будущем. Даже 20 лет назад не слышали вообще о таком моделировании, но я думаю, такие аналогии служат исключительно важным инструментом определения проблем в нашем обществе и, возможно, в конечном счете улучшения состояния общества в целом.

Итак, подведем итог: жизнь сложна, но возможно, ее понимание не должно быть таким уж и сложным.

Перевод: Ольга Мансурова
Редактор: Юлия Каллистратова

Источник

Свежие материалы