В своем последнем блоге я упомянул, что не совсем уверен, в какой отрасли я хочу работать, и что технологическая отрасль является таким же подходящим местом, как и все остальные, поскольку именно там происходит большая часть приема на работу. Я высказал некоторые сомнения по поводу присоединения к этой отрасли из-за неблагоприятного воздействия технологий на общество. Я хотел бы подробнее рассказать о своих мыслях по этому поводу в этом сообщении в блоге. Чтобы быть ясным, я люблю технологии, потому что они обладают огромным потенциалом для улучшения нашей жизни, если их использовать с умом. С учетом вышесказанного, я думаю, что источником наших социальных бедствий является наша неспособность достаточно быстро адаптироваться к постоянно меняющейся среде, в которой оказались технологии.

С тех пор, как я начал заниматься наукой о данных, я начал осознавать его силу и возможность злоупотребления. Для читателей, которые не знают, что такое наука о данных, позвольте мне кратко рассказать вам об этом. Науку о данных можно рассматривать как пересечение программирования, статистики и бизнеса. Это довольно новая область, которая резко выросла в последнее десятилетие из-за необходимости для крупного бизнеса анализировать огромные объемы данных, которые они собирают. Работа специалиста по данным - собрать необработанные данные и превратить их в практические бизнес-знания. За кадром специалист по данным использует свои навыки и знания в области программирования, статистики и машинного обучения, чтобы делать прогнозы на основе больших данных.

Область науки о данных, которая, как правило, привлекает внимание большинства людей, - это область машинного обучения, которая представляет собой широкий термин, охватывающий множество различных типов алгоритмов, которые могут делать, казалось бы, умные или умные вещи. Например, вы можете обучить алгоритм нейронной сети классифицировать рукописные числа с невероятной точностью 99%. Некоторые из более сложных алгоритмов используются в беспилотных автомобилях, в вашем мобильном телефоне или в устройстве заказа Amazon под названием Alexa. Но для того, чтобы алгоритм стал хорош в том, что он делает, он должен «учиться» на огромном количестве данных. Чем больше данных вы скармливаете машинам, тем умнее они становятся.

Крупные технологические компании, такие как Google, Youtube и Netflix, любят собирать много данных по этой причине: чтобы их алгоритмы могли стать умнее при изучении того, что вам нравится, и о том, как более эффективно привлекать ваше внимание. Хотя это хорошо для технологических компаний, получающих огромную прибыль, это происходит, помимо прочего, за счет конфиденциальности данных потребителей. Большая часть собираемых данных часто переупаковывается и продается другим компаниям с целью получения прибыли, и вы, как потребитель, мало что можете сказать о том, кто получает ваши данные и как они их используют. Помимо соображений конфиденциальности, есть причина, по которой приложения для социальных сетей называются слотами для допамина. Алгоритмы постоянно доставляют новые видео, которые вам нравятся, уведомления о том, кто прокомментировал ваш пост, и новые статьи в вашей ленте, чтобы вы продолжали прокручивать, доставляя дозу дофамина в ваш мозг, чтобы укрепить привычку возвращаться каждый раз. Если подумать так, неудивительно, что некоторые люди буквально пристрастились к своим телефонам. Я имею в виду, что это даже не совсем телефон, потому что никто не использует его для звонков людям. Мы всегда на связи, постоянно засыпаем информацией, уведомлениями и контентом без значимого взаимодействия, которое делает нас более тревожными, неуверенными и, в конечном итоге, менее удовлетворенными. И мы не можем уйти от всего этого, потому что сейчас это неотъемлемая часть нашей жизни. Он нужен нам для работы и учебы, и теперь это огромный источник нашего развлечения, когда пандемии стали явлением. Я не говорю, что мы должны избавляться от технологий. Но использовать это нужно ответственно. Прямо сейчас нет никаких стимулов для получения прибыли для изменения этой системы. Из-за этого мы, как общество, должны осознавать, что это делает с нами, особенно с нашими детьми и молодыми людьми.

Интернет также оказал очень пагубное влияние на нашу социальную жизнь, что связано с нашим обсуждением социальной депрессии. Мне кажется очевидным, что постоянное взаимодействие с социальными сетями через телефоны сделало нас менее социальными в реальной жизни. Телефоны - это то, что мы используем по умолчанию, когда в разговоре наступает пауза. Проблема в том, что это сейчас почти все время. У всех сейчас более короткая продолжительность концентрации внимания, потому что мы постоянно чрезмерно стимулируемся социальными сетями. Видео стали короче, твиты - короче, оставляя меньше места для любых нюансов. Больше нет тихой рефлексии или настоящей скуки. Я говорю о скуке, которую испытывают, когда мы остаемся без особого дела. Скука может быть хорошей вещью, потому что заставляет нас искать новые занятия, которые мы действительно найдем удовлетворяющими. Социальные сети держат нас на грани скуки, в то же время стимулируя нас ровно настолько, чтобы постоянно заниматься этим. Всегда есть чем заняться, что почитать и о чем написать в Твиттере.

С годами становится все труднее общаться с людьми в реальной жизни, даже до пандемии. Кажется, что ни у кого больше нет ничего общего, и я думаю, что большая часть этой причины связана с Интернетом. Существует так много разных типов телешоу, фильмов, игр и музыки, что люди в конечном итоге просто потребляют то, что им рекомендовано алгоритмом. Это приводит к созданию множества культурных пузырей в онлайн-сообществе, которые не имеют абсолютно никакого отношения к физической географии. Помимо нашей культурной раздробленности, Интернет также не сделал нас умнее. Некоторые эксперты считают, что возрождение плоской Земли можно списать на систему рекомендаций Youtube. Вы могли бы подумать, что больший доступ ко всей информации в мире искоренит эти убеждения, но это как раз наоборот. К сожалению, люди склонны читать и смотреть контент, подтверждающий их собственные системы убеждений. Это становится еще сложнее, когда люди начинают читать только те новости, которые им рекомендуют, что может объяснить, почему Америка так поляризована в политическом отношении. Алгоритм просто дает вам больше того, что вы хотите, оставляя мало места для интеллектуального роста или понимания различных идей.

Если вы думаете, что будущее недостаточно страшно, подождите, пока вы не услышите о дипфейках. Дипфейк использует машинное обучение, чтобы преобразовать лица на изображениях или видео в чьи-то изображения. Возможно, вы уже видели некоторые из них и видели, насколько убедительны некоторые из них. Приятно видеть, как Билл Хейдер плавно превращается в Арнольда Шварценеггера, пока он производит на него впечатление. Но я не преувеличиваю, когда говорю, что эта технология может разрушить целые цивилизации, и люди должны знать об этом. К счастью, мы все еще можем обнаруживать дипфейки с помощью алгоритмов машинного обучения. Тем не менее, существует тонкий порог, который не позволяет этой технологии полностью захватить общество. Это порог, когда мы не можем отличить факты от вымысла. Для читателей, которые не видели дипфейка, посмотрите его на Youtube и скажите мне, что вы не испуганы и не напуганы одновременно.

Теперь, когда я вас напугал, читатель, есть повод для оптимизма. Хотя технологии могут абсолютно уничтожить нас, они также могут сделать мир лучше. Это одна из причин, по которой я увлекся технологиями. Другая причина в том, что я ленивый человек, которому нравится, когда что-то делают за меня. Потому что, как только машины встанут, единственное, что они возьмут на себя, - это все наши рабочие места. Я, например, был бы счастлив потягивать мартини, пока робот-слуга косит лужайку. Возможно, я расскажу больше о преимуществах технологий в одном из будущих постов в блоге.