Человеческая физика: как точные науки изучали общество до эпохи big data
Ажиотаж вокруг понятия big data и всего с ним связанного, который мы наблюдаем, приводит к предсказуемым для человеческого общества последствиям: непонятное явление порождает страх. Все более важная часть жизни современного человека (соцсети, сервисы) проходит онлайн, и кажется, что возможности анализа огромных массивов данных, которые мы создаем, позволяют буквально все знать о наших желаниях и поступках и успешно манипулировать нами.
Основания вроде бы есть: взять хотя бы историю с компанией Cambrige Analytica, утечкой данных пользователей Facebook и возможной манипуляцией на президентских выборах в США в 2016 году.
Охрана персональных данных, безусловно, проблема, и ее надо решать. Но стоит помнить и о другом. Умение методами точных наук собирать, анализировать и моделировать данные о социуме в подавляющем большинстве случаев приносит людям не вред, а огромную пользу. И доказано это задолго до появления big data.
Универсальный метод
Применение методов точных наук — математики, физики, химии, — к предмету изучения общественных наук — экономики и социологии, называется социофизикой. Впервые идею «описать общество с помощью законов, схожих с законами физических и биологических наук», высказал в начале XIX века французский философ Анри Сен-Симон, а определил термин «социофизика» его ученик и коллега Огюст Конт. Современная трактовка термина еще шире — методы физики применяются в исторических, поведенческих, когнитивных и других науках о человеке и обществе. Очарование этой дисциплины в том, что поведение человеческого общества в определенном приближении показывает те же тенденции и зачастую подчиняется тем же законам, что и молекулы и атомы.
Так, распределение Пуассона одинаково правильно моделирует рост колонии бактерий и поломки оборудования, а сформулировал его Симеон Дени Пуассон в работе «Исследования о вероятности приговоров в уголовных и гражданских делах». Был ли он юристом? Нет, он был математиком и физиком.
Развитие социофизики, а точнее трансфер ее математических моделей в общественные науки, шло параллельно развитию самой физики. Усложнялись модели описания материи — теперь мы описываем строение атома с помощью квантовой физики, а не планетарной моделью Эрнеста Резерфорда, где электроны «летали» вокруг ядра, как планеты по орбитам вокруг Солнца. Обмен тепловой энергией, который изучает наука термодинамика, перешел от уровня измерений температуры на уровень статистического анализа движения молекул (которое и вызывает наблюдаемые нами изменения температуры). Во второй половине XX века физика научилась описывать неравновесные системы — не идеальные, а такие, как есть в жизни. Пришло понимание, что частицы не так просты и элементарны, а значит, уровень сложности изучаемых природных объектов приблизился к сложности самого большого и сложного объекта — человеческого общества.
Модельный ряд
Во что это выливается? Ученые научились, например, управлять транспортными потоками в городах. Эволюционная биология обзавелась собственным математическим аппаратом, предсказывающим развитие и взаимодействие популяций, а потом оказалось, что этот аппарат применим и далеко за пределами животного мира, например, в исследовании экономических процессов. Эволюционная экономика изучает процессы роста и развития компаний и целых отраслей.
Управление сложными системами — авиаперелетами, космическими группировками, атомными станциями, химическими или металлургическими заводами — ведется на основании физико-математических моделей. В России пионером этого подхода является Институт проблем управления, созданный в 1939 году и успешно транслировавший результаты теоретической науки очень высокого уровня в практическое промышленное применение.
Такие «субъективные» области, как ведение переговоров, тоже вполне успешно формализуются в рамках математической теории игр: один из ведущих в мире специалистов в этой области, Леон Петросян, работает в Санкт-Петербургском государственном университете.
Что нового социофизики принесли в понимание человека? Прежде всего — моделирование поведения больших групп людей, а затем — экспериментальная проверка моделей. Это позволяет понять, правда ли то, что мы сами о себе думаем? Попытки объяснить общество научными методами традиционно исходили из того, что человек действует рационально и разумно. Оказалось, что этот подход не работает — так же, как и не могла объяснить массу наблюдаемых явлений планетарная модель атома.
А еще ученые поняли, как физические и химические явления помогают объяснить происходящее в человеческих сообществах. Оказалось, что распространение инфекций (как и мнений) моделируется процессами перколяции, распространение инноваций — диффузией (теория диффузии инноваций стала широко известна благодаря книге социолога Эверетта Роджерса), кооперация во времени — теорией игр.
Данные для ума
Понятно, что с развитием интернета методы социофизики получили новое обширное поле для применения. Ученые изучают социальные сети как в узком понимании, так и в широком — сети взаимодействия ученых, технологические связи сложных предприятий. Очень эффективной при этом оказалась теория графов. Начало ей положил еще в XVIII веке великий математик Леонард Эйлер. Он решал задачу о возможности совершить непрерывную прогулку по всем семи мостам Кенигсберга, обойдя их все и не пройдя ни одного дважды. Оказалось, что связи между людьми можно описать так же, как и эти мосты (только людей куда больше). Например, широко известное «правило шести рукопожатий» — что каждый житель Земли связан с любым другим через не более чем пять-шесть «друзей друзей», — строгим образом объясняется через теорию графов и принципиальным образом меняет наше представление о размерах и устройстве социума.
Собранные данные делают интернет «умным»: сегодня за таргетированной рекламой зачастую стоит глубокая красивая математика. Она же помогает защищать персональные данные. Несмотря на все скандальные утечки, мало кто будет отрицать, что в подавляющем большинстве случаев сложнейшие онлайн-системы работают корректно.
Так что анализ dig data — лишь следующая ступень попыток измерить физикой общество. Большие данные о людях позволяют не только понять их политические взгляды и склонить на сторону того или иного кандидата. Большие данные о человеке и природе нужны, чтобы контролировать эпидемии, следить за эффективностью борьбы с раком, рассчитать оптимальные ресурсы для победы над бедностью, обеспечить безопасность авиационных перелетов и понять, как не разрушить экологическую систему, адаптируя ее под нужды человека. В конечном счете больше данных — больше устойчивого развития.
