Насколько эффективны персональные прогнозы? Криминалисты и спецслужбы по понятным причинам не расскажут вам, окупается ли профилирование в их работе. Да и влияние компании Cambridge Analytica на выборы президента США скорее всего было сильно преувеличено.

Оценить эффективность инфоцыган и хакерской «социальной инженерии» легче, поскольку тут есть статистика потерь – и они огромны. В отчёте ФБР о кибер-преступности за 2018 год на первом месте по потерям находится Business Email Compromise ($1,297,803,489), на втором месте – Confidence Fraud/Romance ($362,500,761). В обоих случаях речь идёт о персонально-заточенных атаках: деньги выманивают либо через фишинговые письма от фальшивых бизнес-партнёров, либо через романтическую переписку с немолодыми одинокими женщинами [17].

Что касается эффективности рекомендательных технологий, она зависит от многих параметров. В 2009 году сервис проката фильмов Netflix наградил призом в миллион долларов разработчика, чей алгоритм улучшил точность рекомендаций компании на 10%. Однако они не стали внедрять этот алгоритм, потому что перешли на другую бизнес-модель: вместо почтовой рассылки DVD занялись интернет-стримингом, а там победивший алгоритм был невыгоден.

С другой стороны, история «Имхонета» показывает, что создание подробных вкусовых профилей – процесс долгий, затратный, требующий активного участия пользователя и не гарантирующий практического результата (человек может смотреть совсем другие фильмы просто «за компанию»). Можно предположить, что для массового сервиса выгоднее создавать некие групповые прогнозы вместо персональных.

И действительно, Netflix с 2016 года использует гибридный подход к рекомендациям. На основе коллаборативной фильтрации выделено около 2.000 кластеров – сообществ людей со сходными вкусами. А фильмы в каталоге Netflix размечены на 27.000 микро-жанров (одних только страшилок про зомби – более ста видов). Сопоставляя кластеры и микро-жанры, система создаёт новые рекомендации для целых групп. Более того, Netflix начал выпускать собственные фильмы, используя всю собранную «вкусовую аналитику», чтобы предсказывать наиболее востребованные жанры для съёмки.

Первая часть этой книги должна была называться «Древние методы предсказаний». Вроде логично: рассказ о прогнозировании нужно начинать с далёкого прошлого, там же полно всяких чудес на эту тему. Вот смотрите, что писал Тит Лукреций Кир, живший в I веке до нашей эры:

«Не мудрено, наконец, что двигаться призраки могут,

Мерно руками махать да и прочие делать движенья,

Как это часто во сне, нам кажется, делает образ.

Что же? Лишь первый исчез, как сейчас же в ином положеньи

Новый родится за ним, а нам кажется – двинулся первый.

Скорость, с которой идёт эта смена, конечно, огромна:

столь велика быстрота и столько есть образов всяких…»

Очевидно, что перед нами – предсказание кинематографа, сделанное более двух тысяч лет назад. И можно набросать ещё сотню страниц подобных историй, свидетельствующих о провидческом даре разнообразных нострадамусов прошлого.

Но если нам хочется видеть футурологию как нечто близкое к точным наукам, придётся признать, что многие древние предсказания и их сбыча сами по себе являются мифами, и мы не можем анализировать их всерьёз. А когда речь идёт о реальных исторических событиях, «сбывшиеся» пророчества чаще всего представляют собой «ошибку выжившего» на фоне многих несбывшихся. Тот же Лукреций в своей огромной поэме «О природе вещей» написал много странного о призраках: кажется, он пытался объяснить и световые волны, и сны, и работу памяти, и все прочие нематериальные явления с помощью «маленьких частиц». А я вытащил лишь одну короткую цитату оттуда, не показывая вам все остальные фантазии из этого произведения.