The Volume Game: Recenzija knjige Big Data – Je li veličina bitna i mali podaci

Varljivo lagan uvod u Big Data, gdje umjetna inteligencija čini teško razmišljanje

Sve što je logično povezano s bilo čim drugim generira podatke i što je gospodarstvo oskudnije u gotovini, to su te veze bogatije.

Veliki podaci: je li veličina važna?
Autor: Timandra Harkness
Izdavač: Bloomsbury Sigma
Stranice: 304
Cijena: 499

Mali podaci: Sićušni tragovi koji otkrivaju ogromne trendove
Autor: Martin Lindstrom
Izdavač: Hachette Indija
Stranice: 245
Cijena: 399

imena i slike narančastog cvijeća

Kratak odgovor na pitanje postavljeno na naslovnici knjige komičara i matematičarke Timandre Harkness je: naravno, veličina nije važna. Nikad nije važno, osim u filmovima King Konga i Godzile. U svim ostalim stvarima bitan je pristup. Pristupi velikim podacima definirani su široko distribuiranim i paraleliziranim strategijama pohrane i obrade. Veličina skupa podataka je sekundarna, ali stvari stvarno počinju zujati kada se volumen poveća.

Harkness, koja ima divno lagan dodir, ističe da količina podataka vani – koju ona vizualizira kao terabajtne tvrde diskove spakovane u kofere na kolicima za prtljagu u zračnoj luci – raste tako brzo da su brojke zastarjele do trenutka kada su Objavljeno. Sve što je logično povezano s bilo čim drugim generira podatke i što je gospodarstvo oskudnije u gotovini, to su te veze bogatije. Ako se putna kartica nadopunjuje putem elektroničkog novčanika koji je povezan s bankovnim računom i brojem mobitela (koji stalno javlja podatke o pozivima i lokaciji), generira se dovoljno podataka za profiliranje vlasnika.

Krivulja će postati strmija kako se Internet stvari pokrene. Automobili povezani s internetom, hladnjaci, oznake za prtljagu, transportne palete i slično će generirati podatke poput pjene, a algoritmi se pišu za njihovo rudarenje. Ovdje leži glavna operativna razlika između tradicionalnih statističkih metoda i pristupa velikim podacima: potonji u potpunosti ovise o umjetnoj inteligenciji koja uči kako ide. Najprije ga podučavate o osnovama prepoznavanja uzoraka i kako se on sam popravlja, teoretski bi trebao doći do točke u kojoj će proći kroz uzorke traženja podataka koje niste očekivali, ali bi vas zanimali.

Zanimljivo je da ljudska inteligencija gurua brendiranja Martina Lindstroma traži prilično slične obrasce. Budući da su izvučeni iz prilično malih skupova uzoraka, njegovi se zaključci mogu tretirati kao anegdotski ili kao uvid, ovisno o njihovoj korisnosti. U prvoj kategoriji je njegovo izvanredno zapažanje da poslovni putnici u odijelima i čizmama u zračnim lukama obično imaju svoje ukrcajne karte okrenute prema dolje u džepovima. Jer žele prikriti činjenicu da su leteća ekonomija. Ovo ima izvrsnu zabavnu vrijednost, ali ne koristi. Ta čast pripada Lindstromovom zapažanju koje se očito okrenulo oko Lego-a, koji je gubio tlo pod nogama zbog trenutnog zadovoljstva koje nudi digitalno igranje. Pitao je 11-godišnjeg obožavatelja Legoa koji mu je najcjenjeniji predmet. Ispostavilo se da je to par starih tenisica izgrebanih pod točno pravim kutom kako bi svijetu objavile da je njihov vlasnik prvak na skateboardu. Od zadovoljstva, Lego je svoj fokus usmjerio na vidljivi dokaz postignuća, poput skupih modela Millennium Falcona s kojima se igraju čak i odrasli.

slika lista platane

Pronicljivo, Lindstrom ne vjeruje Big Data. Jer jednog od ovih dana AI će zamijeniti ljudske gurue. Prepoznavanje uzoraka puno je pouzdanije od uvida. To je urođena ljudska vještina koju strojevi sada uče. Harkness aludira na revolucionarni rad britanskog epidemiologa Johna Snowa, koji je statističkim tehnikama pratio izbijanje kolere 1854. u Londonu do jedne ručne pumpe u Sohou. Danas umjetna umjetna inteligencija zaustavlja Googleove pretrage za medicinskim savjetima, iz kojih mapiraju valne fronte približavanja epidemija, dajući zdravstvenim službama stratešku dubinu. Velike podatke već koriste korporacije i vlade i utjecat će na naš svijet na još nezamislive načine. Ako je ljubazan, ostat će prostor za ljudski uvid.