Впечатление, что скорость оглупления человечества быстро нарастает, становится все более распространенным. На это сетуют уже не только старые университетские профессора, но и вполне современные техно-продвинутые яппи.
Под оглуплением здесь, в первую очередь, подразумевается рост доминирования мнений и предпочтений большинства при выдаче нам всевозможной информации, потребляемой нами через Интернет.
Не без оснований считается, что в основе этого процесса лежат кардинальные изменения инфо-среды обитания человечества за последние пару десятков лет:
• лавинообразное нарастание объемов информации,
• смена способов и механизмов взаимодействия людей с информацией.
В результате этого:
• количество потребляемой информации увеличивается,
• а качество решений, принимаемых потребителями этой инфы, не только не растет, но и, вроде как, падает.
В свете вышеизложенного, становится все более важен поиск ответов на три сакраментальных вопроса:
• Как развернуть вектор нарастающего оглупления мира?
• Можно ли, в принципе, избежать падения качества принимаемых решений при лавинообразном росте входной информации?
• Если возможно, то что конкретно нужно изменить в нашем мире в практическом плане?
✔️ Как работает механизм тотального оглупления.
Любое получение информации по интернету потенциально оглупляет. Люди черпают информацию из глобальных источников, приоритетность контента в которых определяется деятельностью этих же самых людей (их поисковыми запросами и сетевыми переходами, выказанными сетевыми предпочтениями, лайками, разшариванием, покупками и т.д.)
Происходит это из-за следующего:
• Большинство сетевых сервисов (поисковики, социальные медиа, всевозможные рекомендательные сервисы онлайн торговли, развлечений и т.д.) сегодня ориентируются на интересы, вкусы и потребности большинства. И не просто ориентируются, а постоянно подстраиваются под большинство (и накакая персонализация здесь не в силах что-либо изменить).
• Так уж по жизни получается, что интересы, вкусы и потребности большинства, мягко говоря, не первосортные. А при наличии положительной обратной связи между предпочтениями большинства и приоритетностью контента, картина становится совсем тухлой.
В итоге — порочный круг:
• сетевые сервисы, идя на поводу у большинства, все более глупеют, и как результат — все менее достойный контент занимает все более высокие позиции;
• потребляющие этот контент люди незаметно для себя снижают планку своих интересов, вкусов и потребностей, тем самым стимулируя сетевые сервисы следовать за этим снижением.
Победить тотальное сетевое оглупление кажется невозможным. И нам лишь остается констатировать — глупеем все и во всем, и ничего не поделаешь — таков наш новый дивный инфо-сетевой мир.
Но вот появилась надежда. Исследование «Modular structure within groups causes information loss but can improve decision accuracy» наводит на интересные мысли о том, как разработать лекарство от тотального сетевого оглупления. Исследуя вопросы группового принятия решений в природе, авторы раскрыли принципиально новое понимание преимуществ структуризации больших групп разумных агентов.
Вы наверное читали про «мудрость толпы» — повышение точности коллективных решений при увеличении размера группы, благодаря преимуществу агрегирования все большего числа мнений участников группы. На этой «мудрости толпы», собственно, и стоит весь краудсорсинг решения интеллектуальных задач.
Не секрет, что у коллективного принятия решений с помощью краудсорсинга есть, как минимум, два крайне негативных момента, катастрофически снижающих точность коллективных решений с увеличением размера групп:
• Снижение точности из-за доминирования коррелированных мнений участников группы. Причины таких корреляций могут быть разные: от использования одних и тех же источников информации до социального и психологического влияния других участников группы.
• Снижение точность из-за т.н. «безумия толпы» — невежественного большинства, легко забивающего своими воплями мнение умного и потому сдержанного меньшинства.
Важно понимать, что механизмы коллективного принятия решений — практически одни и те же у всех разумных существ (людей, животных, птиц, рыб).
Задачи могут быть разные:
• обнаружение присутствия хищников,
• определение направление миграции,
• поиск энергоэффективного маршрута передвижения,
прогнозирование будущих событий,
• вынесение медицинского диагноза,
• принятие стратегического решения в бизнесе и т.д. и т.п.
Миллионы лет эволюции доказали, что коллективные решения более эффективны, чем индивидуальные, поскольку агрегируют куда больший объем информации, чем доступно любому из индивидов.
✔️ Лирическое отступление.
Именно это преимущество коллективного принятия решений легло в основу формирования биологического мозга — органа, состоящего из очень большого числа нейронов, чья функциональность основана на изменении паттернов связности, основанных на взаимодействиях с окружающей средой, опосредованных сенсорными интерфейсами.
Паттерны связности описываются синаптическими весами, которые определяются в динамике паттернами взаимодействия с окружающей средой.
Однако, еще задолго до развития сложных нейронных сетей микроорганизмы уже собирались в то, что теперь называют «жидким мозгом» — коллективные структуры, которые могли реагировать на стрессовую среду, представляющую угрозу для отдельных клеток.
Выживание таких коллективных структур было связано с сотрудничеством, а сотрудничество требовало новых форм общения в коллективах.
Хорошо известным примером такого уровня коллективного поведения является определение кворума — процесса, в котором участвуют популяции клеток, работающих совместно, и позволяющий группам бактерий контролировать присутствие других бактерий в масштабах всего «бактериального населения», что приводит в некоторых случаях к появлению скоординированных ответов на уровне колоний.
Этот пример наглядно показывает, как микробные колонии могут принимать коллективные решения.
Используя механизмы коллективного принятия решений, абсолютно безмозглые существа способны к шедевриально сложному поведению, обеспечивающему им выживание и репродукцию.
Коллективное принятие решений — крайне крутая штука, позволяющая строить не только привычный нам «твердый мозг», но и многочисленные разновидности «жидкого мозга».
Последние новости данного направления в сборнике «Liquid brains, solid brains: How distributed cognitive architectures process information».
✔️ Как оптимизировать коллективные решения.
И животные, и люди, следуя заложенным в них эволюцией нейро-алгоритмам, используют один и тот же метод борьбы против двух вышеназванных изъянов принятия коллективных решений большими группами:
• доминирование коррелированных мнений участников;
• проявления «безумия толпы» – они структурируют большую группу на более мелкие подгруппы.
Формирование у людей и животных групп с некоторой модульной структурой занимает промежуточное положение между «жидким мозгом» (в котором звенья, соединяющие компоненты, являются очень динамичными) и «твердым мозгом» (в котором звенья являются статическими), демонстрируя некоторые особенности обоих.
Чтобы понять и оценить влияние модульной структуры на качество коллективных решений, необходимо определить эффективный размер группы для каждой конкретной модульной структуры.
Эффективный размер группы — это размер группы, которая, принимая решение по правилу простого большинства, достигает той же точности, что и большая группа, содержащая некоторую модульную структуру.
Самым важным здесь является понимание того, что - любая модульность (структурирование большой группы на подгруппы) ведет к потере точности коллективного решения.
Три способа структурирования некой группы.
Самый правый пример структурирования демонстрирует, как меньшинство может определить коллективное решение при наличии модульности. В то время как большинство (5 из 9) индивидов проголосовали за один вариант (обозначен черным цветом), этот конкретный ассортимент индивидов в подгруппах привел к консенсусному решению по другому варианту (обозначен белым цветом).
В результате проведенного исследования, авторы доказали следующее два технических (количественных) вывода:
• Увеличение размера группы первоначально повышает коллективную точность благодаря преимуществу агрегирования мнений («мудрость толпы»), но при больших размерах групп коррелированный сигнал все больше доминирует в коллективном решении, снижая точность.
• Хотя все группы с модульной структурой страдают снижением общей точности по сравнению с группой без модульной структуры, самая высокая коллективная точность достигается либо с большим количеством небольших подгрупп, либо с небольшим количеством больших подгрупп (с некоторым преимуществом точности перед первой).
✔️ Теперь о самом важном — о стратегических (качественных) выводах исследования, применимых к любым процессам коллективного принятия решений при работе с информацией.
В литературе, посвященной принятию коллективных решений, распространено предположение, что большее количество информации ведет к лучшим решениям. Исследование модульной структуры групп показало, что это может быть не так. Неучет мнений некоторых индивидов (даже в случайном порядке) может оказать благотворное влияние на решения. Если существуют корреляции между мнениями или когда информация, доступная отдельным лицам, очень плохая ( т.е. вероятность выбора правильного варианта из двух доступных вариантов меньше 0,5), тогда больше информации может быть вредным. В этом случае нужно уменьшать количество информации, используемой в коллективном решении, и модульная структура является одним из эффективных механизмов для достижения этой цели. Итогом модульности может стать кардинальное повышение качества принимаемых решений.
Модульная структура обязательно вызывает потерю информации, не принимая в расчет мнения части участников группы. Однако влияние этой потери информации на коллективную точность зависит от информационной среды, в которой принимается решение.
• В простых инфо-средах потеря информации наносит ущерб коллективной точности.
• Напротив, в сложных инфо-средах модульность имеет тенденцию повышать точность.
Исходя из результатов исследования «Modular structure within groups causes information loss but can improve decision accuracy», менять нужно все основные механизмы ранжирования сетевой информации в поисковиках, социальных медиа, всевозможных рекомендательных сервисов онлайн торговли, развлечений и т.д.
• на смену ранжирования предпочтений одной неструктурированной гигантской группы всех пользователей интернета (в случае поисковиков) или меньших, но все равно огромных групп — пользователей соцсетей и т.д.,
• должны прийти алгоритмы ранжирования, настроенные на расчет коллективного мнения модулированных (структурированных) групп пользователей, что приведет к повышению качества коллективных решений о значимости (приоритетности) элементов контента во всех многочисленных смыслах используемых в сети: от последовательности элементов поисковых выдач и социальных лент до всевозможных рекомендаций.
Ответ на вопрос, как модулировать (структурировать) огромные группы пользователей еще предстоит решить.
• Во-первых, здесь, скорее всего, для каждого из инфо-сервисов может быть найден свой оптимальный способ.
• Во-вторых, как показало исследование, неучет мнений некоторых индивидов, даже в случайном порядке, может оказывать благотворное влияние на коллективные решения.
Так что, в качестве отправной точки, можно начать с того, чтобы просто ограничить размеры учитываемых при ранжировании «сетевых толп», рост которых множит коррелированные мнения и «безумие толпы», продолжая вести человечество по порочному кругу тотального сетевого оглупления.
/Источник/
Journal information