LITMIR.BIZ

      Предисловие к русскому изданию

      История летит вперед. Темпы социально-экономического и технологического развития неумолимы и головокружительны. Звучит банально, но мы чувствуем это на себе каждый день. Писатель тут рискует: вот ты заканчиваешь книгу, а жизнь уже успела уйти вперед, настоящее положение дел изменилось, примеры и аргументы, которые ты приводил, стали нерелевантны, и их надо менять.

      «Принцип кураторства» я написал некоторое время назад, и перед выходом русского издания интересно посмотреть, что с тех пор изменилось. Когда я писал книгу, я надеялся, да и сейчас по-прежнему надеюсь, что она будет не узкорегиональной, а космополитичной, то есть одинаково острой везде – в Москве и в Лондоне, в России и в Америке, в Китае и во Франции. Я надеюсь, что она окажется настолько же полезной русскому читателю, насколько полезной оказалась для моих оксфордских штудий. Еще я рассчитывал, что коль скоро анализировал общую картину и неочевидные, скрытые от глаз тенденции, то книга до некоторой степени окажется ограждена от стремительных, сиюминутных новостей.

      В целом аргументация моя актуальности не утратила, тенденции, выявленные в книге, напротив, даже усилились, а основной посыл по-прежнему многим приходится вбивать в голову. Однако кое о чем стоит поговорить чуть подробнее. На фоне меняющихся обстоятельств некоторые элементы кураторской практики стали более значимы.

      С написания книги шествие алгоритмического, цифрового «кураторства» стало еще заметнее. В частности, машинное самообучение стало основной «дисциплиной» цифровых технологий, корпоративным и исследовательским приоритетом для крупных технологических компаний и кафедр, занимающихся вычислительными науками. Сила и изощренность машинного самообучения неуклонно растет, и алгоритмическое кураторство распространяется на все новые сферы жизни. Этот важнейший сдвиг начался лет десять назад, когда в мейнстримный научный обиход вновь попала одна из форм изучения искусственного интеллекта, известная как коннекционизм. Возникла она еще в 1950-е; это вообще один из старейших подходов к машинному самообучению. Его задача – воспроизвести в цифровой форме структуры головного мозга, создать «нейросети», способные обучаться методом, похожим на метод проб и ошибок.

      Нейросети впали в немилость к концу 1960-х годов и оказались надолго забыты. В последнее время, однако, мы наблюдаем небывалое увеличение объемов данных и вычислительных мощностей для работы с ними. Нейросети плохо работали, когда данных было мало, но теперь, когда Google и Facebook накопили их гигантские «резервы», стало в самый раз. Благодаря большим данным и облачным вычислениям нейросети вновь оказались востребованы. Коннекционизм снова вошел в моду и к 2015 году начал приносить серьезные дивиденды технологическим гигантам, в частности в сфере распознавания образов и автоматического перевода. Байесовские обучающие модели, в основе которых лежат труды в области вероятности английского статистика XVIII столетия Томаса Байеса, начали приносить большую выгоду. Так называемые методы поиска ближайшего соседа получили развитие в создании рекомендательных систем, в том числе системы компании Netflix, пример которой я привожу в этой книге.

      Год от года все это становится более убедительным и очевидным. Я не верю, однако, что из-за алгоритмов отомрет живое, человеческое кураторство. Любопытный факт: несмотря на то что технологические компании инвестируют в разработки, связанные с искусственным интеллектом, они же продолжают приглашать на работу живых редакторов и кураторов, причем в таких масштабах, которых раньше никогда не было. Это свидетельствует,

Скачать книгу