Глава 11. Почему знакомый специалист — это вовсе не тот, кто вам нужен
Я не мог без усмешки думать, в каких захолустных уголках гений порождает своих детей! И музы, те своенравные дамы, которые воистину часто не желают появляться во дворцах и отказывают в единственной улыбке энтузиастам в великолепных кабинетах и позолоченных гостиных, — какие дыры они часто посещают, чтобы одарить своей благосклонностью какого-нибудь оборванного ученика!
Вашингтон Ирвинг, 1824 г.
* * *
В по-настоящему сложной ситуации не ищите экспертов — зовите дилетантов. Такой вывод из своего потрясающего исследования сделали ученые Карим Лакхани, Кевин Будро и их коллеги. Они хотели найти кратчайший путь к секвенированию геномов большого количества человеческих лейкоцитов — основной защиты нашего тела от бактерий, вирусов и других антигенов.
Новички превосходят специалистов в биологии
Это была весьма важная работа, поскольку стояла задача лучше понять, как работает иммунная система, но невероятно трудная, поскольку лейкоциты должны обладать огромным арсеналом для борьбы с постоянно эволюционирующими антигенами человеческого тела. Хорошее решение для тела — располагать антителами и другими средствами, закодированными генами внутри каждого лейкоцита, однако сами эти гены состоят из большого набора соединенных вместе сегментов, иногда с мутациями. Точная последовательность активных сегментов меняется от клетки к клетке, а это означает, что разные клетки производят разное оружие. Его количество огромно. По одной оценке, сто (или около того) сегментов в человеческом лейкоците можно соединять и рекомбинировать по-разному, что дает 1030 молекулярных видов оружия. Это примерно в триллион раз больше числа песчинок на нашей планете.
Естественная и важная задача, стоящая перед учеными, — аннотация гена лейкоцитов, то есть правильная и последовательная идентификация всех сегментов. Как вы догадываетесь, эту работу делают компьютеры. Однако тут можно действовать разными способами, и непонятно заранее, какой из них даст наилучший, то есть самый быстрый и точный результат. Популярный алгоритм MegaBLAST, разработанный Национальными институтами здравоохранения США, может аннотировать один миллион последовательностей примерно за 4,5 часа с точностью 72 процента. Алгоритм idAb, созданный доктором Рами Арнаутом из бостонского Beth Israel Deaconess Medical Center, значительно превышает эти показатели, делая тот же объем аннотации менее чем за 48 минут с точностью 77 процентов.
Чтобы узнать, насколько сильно можно улучшить ситуацию, Лахани, Будро и их коллеги разработали двухэтапный процесс и привлекли к работе толпу. На первом этапе они преобразовали узкоспециальную иммуногенетическую проблему аннотации генных сегментов в общую алгоритмическую задачу. Это дало возможность намного большему числу участников присоединиться к эксперименту, поскольку теперь от них не требовалось обладать познаниями в генетике, биологии и других науках.
На втором этапе исследователи опубликовали эту обобщенную задачу на Topcoder, сетевой платформе для решения вычислительно трудоемких задач. На момент проведения исследования в 2013 году Topcoder располагала сообществом из примерно 400 тысяч разработчиков программного обеспечения по всему миру, которые присоединились к этой платформе, в частности, потому, что им нравилось работать над сложными проблемами. Исследовательская группа сообщила потенциальным вычислителям, что их предложения получат оценку, учитывающую скорость и точность, и предоставила им массив данных для работы. Данные делились на две части: один набор был в открытом доступе для всех вычислителей, а ко второму, закрытому, они подключались на сайте Topcoder; участники не видели этих данных и не имели к ним прямого доступа, но могли применить к ним свои алгоритмы и получить оценку (для создания итоговых оценок использовался третий набор данных, тоже закрытый).
Соревнование на Topcoder продолжалось 14 дней. За это время 122 участника (отдельные люди или команды) как минимум по одному разу использовали свои алгоритмы для получения оценки, а многие сделали это по нескольку раз. Всего организаторы эксперимента зафиксировали 654 предложения. Состав участников был крайне неоднородным: они представляли 69 стран, а возраст колебался от 18 до 44 лет; большей частью они не обладали нужной квалификацией, по крайней мере в традиционном смысле. Приблизительно половина еще где-то училась, и, как указывали исследователи, «там не было теоретических или практических специалистов по вычислительной биологии, и всего пятеро сообщили, что занимаются какими-либо исследовательскими работами или имеют отношение к медико-биологическим наукам».
Были ли все предложенные решения хорошими? Разумеется, нет. Большинство из них давали меньшую точность, чем MegaBLAST или idAb (хотя почти все были быстрее обоих этих алгоритмов). Тем не менее тридцать оказались точнее, чем MegaBLAST, а шестнадцать — точнее, чем idAb. Восемь предложений от толпы давали точность 80 процентов, которая, по оценке исследователей, была теоретическим максимумом для этого набора данных. Те предложения, точность которых была как минимум не хуже, чем у idAb, работали в среднем 69 секунд, то есть в тридцать с лишним раз быстрее эталона. Три самых быстрых решения работали всего 16 секунд, то есть почти в 180 раз быстрее.
И еще одна важная деталь: общий призовой фонд конкурса составлял шесть тысяч долларов.
Что не так с экспертами?
Типичны эти результаты или необычны? Мы обратились с таким вопросом к Кариму Лахани, поскольку он считается ведущим специалистом в сфере соревнований, затрагивающих толпу, и провел множество исследований помимо того, что мы только что описали. Он сказал:
За последние пять лет мы поставили перед толпой более 700 проблем для NASA, медицинских институтов, компаний и других организаций, и только один раз потерпели неудачу, когда толпа не собралась и не решила задачу. Во всех остальных случаях мы либо достигли уже существовавших результатов, либо значительно их превзошли.
Это кажется невероятным, не так ли? Ведь компании и организации вроде Национальных институтов здравоохранения или Beth Israel потратили огромное количество времени, средств и сил на создание ресурсов для инноваций и решения проблем, задействовав при этом научно-исследовательские лаборатории, научно-технический персонал, технические отделы и многие другие. Эти ресурсы, по сути, «ядро ядра». Так почему же толпа так легко превзошла их именно в тех задачах, с которыми они должны справляться?
Может быть, эксперты ядра на самом деле не так уж хороши? В конце концов, в главе 2 мы представили множество подтверждений того, что специалисты в определенной области, как и все люди, страдают от когнитивных искажений, которые ухудшают качество их работы. Может оказаться, что чем выше и известнее становятся люди в своих областях, тем сильнее проявляются слепые пятна — например, хорошо известные эффект сверхуверенности и склонность к подтверждению своей точки зрения (фактическое рассмотрение только той информации, которая соответствует тому, что вы думаете); это должно вести к ухудшению результатов.
Может даже оказаться, что многие эксперты на самом деле вовсе не эксперты, что они обманывают себя и нас в отношении своих умений и качества работы. В сегодняшнем сложном, быстро меняющемся, технологически изощренном мире весьма трудно выделить тех, кто действительно знает, о чем говорит.
Несомненно, такие «недоэксперты» существуют, но мы не думаем, что в них кроется основная причина того, почему толпа часто показывает себя лучше ядра. Мы уверены, что подавляющее большинство нынешних ученых, инженеров, технических специалистов и других сотрудников организаций в самом деле имеют достаточную квалификацию для своей работы и заинтересованы в том, чтобы выполнять ее хорошо. Почему же толпа почти всегда их побеждает?
СЕРЬЕЗНОЕ НЕСООТВЕТСТВИЕ
У организаций много добродетелей, но часто они мешают сами себе, делая то, что неэффективно и что ухудшает их работу в области инноваций, НИОКР и практически во всех других областях. К сожалению, организационные кризисы — это реальность, а не только темы для бесчисленных мультфильмов «Дилберт», и они мешают ядру работать так, как оно могло бы. Между тем более серьезная причина гораздо тоньше, чем простое нарушение функций: ядро часто не соответствует тем видам проблем и возможностей, с которыми оно сталкивается, в то время как с толпой такого не случается практически никогда в силу ее громадности. Но почему же ядро так часто бывает рассогласовано и разрегулировано? Разве научно-исследовательские лаборатории и технические отделы создаются не для того, чтобы соединять ресурсы, необходимые для решения поставленных задач? Это же не тот случай, когда лаборатория генетики нанимает по ошибке группу металлургов, а потом удивляется, что те не могут раскрыть тайны ДНК. Откуда такое частое рассогласование?
Кажется, здесь прослеживается влияние сразу нескольких факторов. Почти во всех дисциплинах постоянно создается важное новое знание, но оно может поступать в ядро весьма медленно. Например, в 2003 году было завершено полное секвенирование генома человека; это достижение должно оказать огромное влияние на медицину, фармацевтику, биотехнологию и другие отрасли науки. По мере того как технология секвенирования распространялась, а ее стоимость экспоненциально снижалась, оно затронуло сельское хозяйство, животноводство и другие отрасли. Если бы новаторы, исследователи и специалисты по решению проблем, которые работают в организациях в этих секторах экономики, не старались бы поддерживать свои знания и умения в актуальном состоянии, толпа, особенно более молодые ее участники, получившие образование недавно, легко бы превзошла их. Современные средства генной инженерии совершенно отличаются от того, чем мы располагали всего пять лет назад. Причиной является разработанный в 2012 году инструментарий CRISPR, полученный с помощью стрептококковых бактерий, который обеспечивает беспрецедентную точность в нахождении, вырезании и замещении любого желаемого сегмента очень длинной двойной спирали молекулы ДНК.
Мы также видели недавние изменения в искусственном интеллекте и машинном обучении (речь о которых шла в ), в производстве энергии (благодаря гидравлическим разрывам пласта при добыче нефти и газа и очень резкому снижению стоимости солнечной энергии) и во многих других отраслях. При таком быстром прогрессе знания ядра легко устаревают. Между тем среди участников толпы, по всей вероятности, хоть некоторые люди (или их ученики) способствовали появлению последних достижений, поэтому вполне знакомы с ними. Короче говоря, ядро может устаревать, тогда как толпа — фактически нет.
ПОЛЬЗА «ЛЮДЕЙ С ПЕРИФЕРИИ»
Вероятно, более важна другая причина того, что толпа часто превосходит ядро. Многим проблемам, возможностям и проектам (если не большинству из них) идет на пользу, когда люди и группы рассматривают их с разных ракурсов — с позиций разного опыта, образования, подходов к решению задач, интеллектуального и технического инструментария, гендера и тому подобных. Это в точности соответствует определению толпы, и воспроизвести подобное в рамках ядра очень трудно, практически невозможно. Например, маловероятно, что в научно-исследовательских лабораториях в какой-нибудь фармацевтической компании найдется пара астрофизиков или криптографов на тот случай, если они вдруг понадобятся для решения какой-нибудь сложной задачи. Это противоречит практике бизнеса, но, если вдруг возникнет работа, требующая квалификации астрофизика или криптографа, делать ее будет некому.
Отсечение потенциальной пользы, которая может исходить от источников, выглядящих в целом бесполезными, — это безобразие, потому что очень часто бывают нужны знания и опыт далеких, на первый взгляд, дисциплин. Эрик Рэймонд, сторонник программного обеспечения с открытым кодом, заметил: «При достаточном количестве глаз все ошибки лежат на поверхности». Иными словами, любые проблемы решаются проще, если увеличить число и разнообразие занимающихся ими людей. Это продемонстрировал конкурс по секвенированию генома: ни одно из тех решений, что оказались одновременно точнее и быстрее эталона, не было предложено специалистами по вычислительной биологии. Такое превосходное качество работы неквалифицированных людей не кажется чем-то необычным. Когда Лахани и Ларс Бо Йеппесен изучили 166 научных проблем, опубликованных в InnoCentive — еще одном сетевом координационном центре, — они обнаружили, что успешному решению с большей вероятностью поддавались задачи, привлекавшие «людей с периферии», то есть технически или социально далеких от организаций, которые публиковали эти задачи.
Толпа имеет такую ценность в основном потому, что она в значительной части «периферийна» по составу: она представляет собой определенную комбинацию мыслительных способностей, хорошего образования, опыта, дотошности и мотивации, при этом люди, обладающие этими качествами, довольно далеки географически, интеллектуально или социально от любого организационного ядра. По мере того как взаимосвязанные вычислительные мощности распространяются по миру и повсюду возникают полезные платформы, толпа, несомненно, становится жизнеспособным и ценным ресурсом.
Ядро замечает толпу
Разумные руководители организаций начинают интересоваться, как можно использовать преимущества толпы для решения своих проблем и для многих других целей. Эта деятельность пребывает пока на ранних стадиях, но мы уже видим множество заманчивых путей взаимодействия ядра и толпы.
Выполнение работы. Как в случае «Википедии» и Linux, толпа может собираться и создавать вещи огромной важности, особенно если выполняется ряд принципов, например открытости и отсутствия креденциализма. Некоторые организации претворяют эти принципы в жизнь и предлагают бизнесу услугу, которую можно назвать конструированием толпы. Одним из первых таких примеров была платформа Amazon Mechanical Turk, начало которой положила попытка компании найти и удалить дублирующиеся страницы продуктов; эта задача была передана сторонним участникам в ноябре 2005 года. Сегодня толпа Mechanical Turk используется для решения самого широкого спектра задач, таких как преобразование текста с визитных карточек в электронные документы, участие в опросах для психологических исследований и маркировка изображений для программ искусственного интеллекта. Дополнения к базовой платформе Mechanical Turk работают по шаблону «найди — исправь — проверь»; эта схема программирования разработана Майклом Бернштейном и его коллегами из Массачусетского технологического института, а шаблон позволяет участникам делать выбор — выполнять какую-либо задачу или отыскивать и исправлять ошибки.
Платформа Topcoder, которая была задействована в эксперименте по секвенированию генома лейкоцитов, описанном в , применяет аналогичный подход. Она проводит конкурсы для поиска талантливых программистов по всему миру, а затем действует как интегратор и посредник между этими талантами и компаниями, желающими поручить стороннему разработчику создание какого-нибудь крупного приложения или проект по интеграции систем. В мировое сообщество участников Topcoder входят не только программисты, но и проектировщики, студенты, специалисты по анализу данных и физики. Topcoder предлагает этой толпе ряд корпоративных проектов, позволяет самостоятельно организоваться в команды и распределить роли, связывает воедино всю их работу и следит за качеством. Чтобы обеспечить активность вроде той, что проявляют разработчики Linux, компания предлагает участникам денежные вознаграждения и контролирует их довольно поверхностно. Такие же соревнования, только в области математического анализа данных, проводит платформа Kaggle.
Поиск нужных ресурсов. Иногда вам незачем собирать целую толпу; вы просто желаете максимально быстро и с минимальными затратами найти нужного человека или команду. Шансы встретить кого-то подходящего повышаются по мере увеличения числа людей, просматривающих ваш запрос; это объясняет, почему такими популярными стали платформы, которые подбирают людей под задачи. Среди них можно назвать 99designs и Behance — для графического дизайна и других творческих задач, Upwork — для заданий по информационным технологиям и обслуживанию клиентов, — для оказания личных услуг, TaskRabbit — для широкого спектра разовых работ (например, провести свадебную церемонию, доставить торт из мороженого чьему-либо дедушке или постоять в очереди в магазине Apple перед выходом нового iPhone). Общим для этих стартапов является то, что Всемирная паутина и смартфон обеспечивают беспрецедентные возможности связать спрос и предложение различных услуг, как мы подчеркивали в части II книги, посвященной взаимодействию продуктов и платформ; мы уже говорили, что один из способов добиться этого — показать запрос максимально возможному количеству людей.
Анализ рынка. Как мы описывали в главе 1, General Electric, одна из крупнейших, старейших и самых успешных промышленных компаний мира, обратилась к толпе, чтобы оценить пользовательский спрос на свою машину для льда. Это была не первая крупная организация, осознавшая, что платформы, задействующие толпу, могут предоставить ценные сведения об уровне заинтересованности потребителей в некоторых видах предложений, особенно относящихся к нишевой аудитории. Например, американский телесериал «Вероника Марс» (Veronica Mars) о юной девушке-детективе, которую играла Кристен Белл, при показе в 2004-2007 годах имел преданных, но относительно немногочисленных поклонников. Когда сериал закончился, его фанаты не исчезли. Они продолжали обсуждать его в сети и на конвентах.
Такой неослабевающий интерес заинтриговал киностудию Warner Brothers, Белл и создателя телесериала Роба Томаса. Они задались вопросом, не означает ли это, что спрос на полнометражный фильм «Вероника Марс» будет достаточным, даже если он выйдет через несколько лет после окончания сериала. Чтобы выяснить это, они запустили кампанию на популярной краудфандинговой площадке Kickstarter. Кампания включала короткий трейлер для предполагаемого фильма, видеообращение Белл и Томаса и предложение о вознаграждении за тот или иной уровень материальной поддержки, . Заявленной целью кампании было привлечение двух миллионов долларов. Эту сумму удалось собрать за первые 12 часов, а общий объем привлеченных таким образом средств составил 5,7 миллиона. Премьера фильма состоялась 14 марта 2014 года — как в кинотеатрах, так и в сервисах, предоставляющих видео по запросу. Он получил в целом положительные отзывы и был признан финансово успешным.
Марк Андриссен, начинавший свою карьеру в качестве главного программиста самого успешного из ранних браузеров и с тех пор ставший известным венчурным инвестором, считает, что краудфандинг мог бы быть одним из главных способов разработки новых предложений. Марк поделился с нами соображениями: «Можно сказать, что путь, которым появлялись продукты и услуги, включая развлекательные средства, обувь, еду и все остальное, — путь, которым на рынке появлялось что угодно в течение последних двух тысяч лет, был неправильным. Все определялось предложением. Но к тому времени, когда вы узнавали, нравится что-то рынку или нет, вы уже успевали вложить кучу денег. Краудфандинг переворачивает эту модель. Вы не будете выходить на рынок с продуктом, если люди не сделали предварительных заказов. К тому же он обеспечивает и предварительное финансирование… Краудфандинг позволяет собрать финансовый капитал с помощью социального капитала. Вы пытаетесь создать определенное движение вокруг чего-либо и стараетесь сделать так, чтобы люди авансом заплатили за это».
В начале 2016 года Indiegogo отвела часть своей площадки и создала набор инструментов для «Корпоративного краудфандинга», обещая крупным компаниям получение «обратной связи от клиентов в реальном времени перед инвестированием в производство» и превращение «исследований из затрат в возможность предварительных продаж и приобретение заказчиков».
Приобретение новых заказчиков. Помимо платформ для краудфандинга в последние годы появились и стали популярными платформы для краудлендинга. Многие из них, если не большинство, первоначально предназначались для равноправного предоставления займов — для связывания людей, желающих инвестировать, с людьми, которым нужен личный заем или ссуда для коммерческого предприятия, но которые не могут или не желают получать деньги у традиционных кредиторов. Со временем многие институциональные инвесторы, включая некоторые крупнейшие мировые хедж-фонды, осознали наличие благоприятных возможностей внутри этих крупных групп охотников за ссудами. Уровень невозврата был, по крайней мере, отчасти прогнозируемым, а процентные ставки конкурентоспособными; это означало, что соотношение риска и вознаграждения часто было привлекательным. По мере роста платформ они создавали массу благоприятных возможностей — достаточно много, чтобы привлечь серьезных инвесторов. В 2014 году на двух крупнейших платформах в США, Prosper и Lending Club, значительно больше половины общего объема средств поступило от институциональных инвесторов, которые нередко использовали специализированное программное обеспечение, чтобы разобраться в имеющихся возможностях. В реальности равноправное предоставление займов часто превращалось в нечто более традиционное: крупные, хорошо известные кредиторы предлагают личные займы и ссуды для малого бизнеса, просто своих клиентов они находили новыми способами.
Однако важно не только то, что крупные хедж-фонды находят новых клиентов благодаря платформам, ориентированным на толпу. Важны также особо громкие голоса, исходящие из самой толпы. Марк Андриссен рассказал нам о стартапе Teespring, который в 2011 году основали Уолтер Уильямс и Эван Стайтс-Клейтон. Вот что Андриссен объяснил нам:
Teespring представляет собой современный метод обратить социальный капитал в финансовый. Это одна из тех вещей, которые сначала ошарашивают вас своей абсурдностью, но после того, как глотаете красную таблетку, вы осознаете, что происходит. Именно этот способ позволяет группам в Facebook и звездам YouTube или Instagram торговать футболками. Сначала вроде продаешь что-нибудь по мелочи — кажется, ерунда. Но потом вдруг оказывается — вся суть в том, что у тебя есть эти группы в Facebook или что ты звезда YouTube с миллионами подписчиков… [и] социальный капитал становится реальностью. Твои подписчики или почитатели ценят то, что ты делаешь, но у них нет способа платить тебе. Они тебя любят и хотят тебя поддержать. Так вот, я хочу сказать, что футболки — это только начало. Вместо них может быть что угодно, за что бы вы ни взялись. Это фактически сувениры, вы увлечены работой над ними и сообщаете что-то о себе… Это как тотем, как своеобразный психологический якорь для того, что вас волнует.
Освоение инноваций. Долгое время считалось, что большие солидные компании должны быть новаторами, ведь именно они располагают ресурсами для открытия масштабных лабораторий и содержания научно-исследовательского персонала. Выдающийся австрийский экономист Йозеф Шумпетер оспорил такую точку зрения. Он утверждал, что более вероятными создателями действительно новых продуктов и услуг будут компании помельче, помоложе и попредприимчивее — те, что не заинтересованы в поддержании существующего положения дел. Он заметил: «Железные дороги, как правило, строят не владельцы дилижансов». В самом деле, эпохальная работа Клейтона Кристенсена о подрывных инновациях показала, что причиной таких подрывов редко становятся успешные участники отрасли, — напротив, происходящее очень часто застает их врасплох.
Еще одно мощное направление исследований в области инноваций возникло из работ нашего коллеги из Массачусетского технологического института Эрика фон Хиппеля. Он подчеркнул важную роль «лидеров среди пользователей» при появлении инноваций в разных областях. Это те пользователи существующих продуктов и услуг, которые обнаруживают в них недостатки и начинают не только представлять себе улучшения, но и создавать эти улучшения и рассказывать о них. Фон Хиппель активно документировал пользовательские инновации в различных областях — от хирургических инструментов до оборудования для кайтсерфинга, — да и мы тоже наблюдаем стремительный рост количества таких примеров в современных сферах высоких технологий. Оказывается, многие видные компании в этом секторе были основаны людьми, разочарованными в сложившейся ситуации, — людьми, которые сказали себе: «Должен быть путь получше», и взялись за дело.
Сервис для повседневных задач TaskRabbit, например, придумала Лия Бюск; ей тогда было 28 лет, она работала инженером в IBM и жила в Массачусетсе. Однажды холодной ночью 2008 года ей понадобилась еда для собаки (желтого лабрадора по имени Коби), и Леа подумала: «Как было бы здорово, если бы в сети существовало место, куда вы могли бы пойти… Место, где вы могли бы указать цену, которую готовы заплатить за какую-либо работу. По соседству наверняка нашелся бы кто-то, согласный доставить еду для собаки за те деньги, что я готова заплатить».
Многие из сегодняшних технологических гигантов, очевидно, учли уроки Шумпетера, Кристенсена и фон Хиппеля и постоянно следят за толпой в поисках новаций, способных подорвать их положение. Когда же они находят такую идею, то часто стараются не задушить ее или сделать нерентабельной, а, напротив, покупают и осваивают. В промежутке между 2011 и 2015 годами Apple приобрела 70 компаний, Facebook — более пятидесяти, а Google — почти двести.
Часто в таких случаях покупатель уже имеет сходное предложение. Скажем, компания Facebook уже создала сама функцию обмена сообщениями и фотохостинг к тому моменту, когда купила WhatsApp и Instagram. В обоих случаях было легко убедить себя, что стартап-выскочка не представляет угрозы. Однако определенный сигнал от толпы — что появилась другая новация и что она была быстро принята — убедил руководителей более крупной и давно существующей на рынке компании приобрести то, что создали «лидеры среди пользователей» или другие новаторы. Нередко это бывает весьма затратно; Facebook заплатила миллиард долларов за Instagram и больше 20 миллионов за WhatsApp. Однако все же лучше отдать такие деньги, чем потерпеть крах.
ИСПОЛЬЗОВАНИЕ ТОЛПЫ ДЛЯ ВЛИЯНИЯ НА ТОРГИ
Мы прогнозируем, что в ближайшие годы немалому количеству традиционных компаний, многие из которых весьма успешны, бросят вызов соперники, опирающиеся на толпу. Такой пример можно увидеть в загадочной и очень странной сфере автоматизированного инвестирования.
В течение долгой истории инвестиций в какие-либо активы — акции компаний, государственные облигации, драгоценные металлы и другие продукты, недвижимость и прочее — фактически все решения, что именно нужно покупать, принимались людьми. Были созданы значительные технологические ресурсы, позволяющие автоматизировать работу по реальной покупке активов (с последующим отслеживанием курсов) после принятых решений, но сами эти решения почти всегда принимались разумом, а не машиной.
Изменения появились в 1980-х, когда первопроходцы Джеймс Саймонс, один из наиболее квалифицированных математиков своего поколения, и Дэвид Шоу, специалист по компьютерам, основали компании Renaissance Technologies и D. E. Shaw соответственно, чтобы использовать машины для принятия инвестиционных решений. Эти компании просеивали огромные объемы данных, строили и тестировали количественные модели поведения цен на активы в различных условиях и работали над тем, чтобы решения о покупке принимали не люди, а программный код и математика.
Лучшие компании такого рода добились впечатляющих результатов. В управлении D. E. Shaw в октябре 2016 года находилось свыше 40 миллиардов долларов, а ее Composite Fund за десятилетие перед 2011-м обеспечивал годовую доходность в 12 процентов. Компания Two Sigma, созданная бывшим специалистом по искусственному интеллекту и участником математических олимпиад Джоном Овердеком, управляет 6-миллиардным Compass Fund, который в течение десятилетия обеспечивал годовую доходность 15 процентов. Доходность почти всех фондов затмевается характеристиками Medallion Fund, существующего внутри Renaissance и открытого почти исключительно для ее работников. В течение двадцати с лишним лет после своего появления в середине 1990-х годов он обеспечивал средний годовой доход, превышающий 70 процентов (до вычетов). За время существования он принес более 55 миллиардов прибыли и на сайте Bloomberg был назван «вероятно, величайшей в мире машиной по зарабатыванию денег».
Джон Фосетт, программист и предприниматель, который занимался финансовыми услугами, был впечатлен успехами количественного анализа, но его беспокоило, что в ядре инвестиционной отрасли анализ используется недостаточно. По оценкам Фосетта, к 2010 году в мире имелось всего от трех до пяти тысяч профессиональных инвесторов, использующих статистический анализ. Он рассказывал нам: «Мне эти числа казались слишком малыми. Меня беспокоило, что [у многих инвесторов] нет достаточного доступа к тому, что я считал современной практикой инвестиций. В какой области вы поставили бы на людей, действующих самостоятельно, а не на комбинацию человека и машины? В каждом конкретном случае вы предпочтете более автоматизированную версию».
Фосетт увлекся идеей открыть количественное инвестирование для толпы и для этого в 2011 году вместе с Жаном Бредашем основал компанию Quantopian. Она столкнулась с пугающей задачей создания технологической платформы для статистического анализа, сравнимой с теми, что имеются у ведущих компаний отрасли. Такая платформа должна была давать инвесторам возможность загружать собственные алгоритмы, затем быстро тестировать их в различных рыночных условиях: подъемах и спадах деловой активности, периодах высоких и низких процентных ставок и прочем. Для это требовалась проверка алгоритмов на исторических данных. Фосетт и его коллеги стремились к тому, чтобы их тестирование так же надежно давало результаты, как аналоги у институциональных инвесторов.
Кроме того, стартап должен был давать инвесторам возможность точно оценивать влияние их торгов на рынок, чтобы понять, как покупка или продажа какого-либо актива высокой стоимости меняет его рыночную цену. Определение влияния на рынок — сложное упражнение, и оно требует немало времени. Разумеется, платформа также должна автоматически осуществлять сделки, сгенерированные алгоритмами, вести документацию, следить за соблюдением соответствующих нормативов и так далее.
Фосетт знал, что если Quantopian сумеет создать надежную платформу, а в перспективе и «алгоритмических трейдеров» для нее, компания получит важное преимущество: она сможет пользоваться хорошими идеями, которые генерирует толпа, а не одиночки. Нередко попытки привлечь толпу характеризуются стремлением найти единственное решение — наилучший проект машины для льда или наилучший алгоритм для секвенирования генома лейкоцитов. Предложения, занявшие на таких соревнованиях второе или третье место, могут быть почти так же хороши, как и победитель, однако для устроителя этот факт часто не имеет значения.
Инвестиционные алгоритмы — дело другое. Если лучшие из них отличаются друг от друга (не являются простыми копиями лидера), их можно продуктивно комбинировать, чтобы обеспечить более высокий доход для инвесторов, чем в случае использования одного алгоритма, независимо от того, насколько он хорош. Идея о том, что важно скомпоновать оптимальный инвестиционный портфель, была такой значимой, что принесла ее автору Гарри Марковицу Нобелевскую премию по экономике. Она также идеально подходит для сред на базе толпы, которые могут генерировать множество хорошо работающих, но различных алгоритмов количественного инвестирования. Фосетт сказал нам: «Я очерчиваю проблему для Quantopian таким образом: “Как мы максимизируем вероятность обнаружения множества стратегий с низкой корреляцией и хорошей структурой?”»,
Один из способов — иметь массу людей, которые будут придумывать и предлагать стратегии количественных инвестиций. К середине 2016 года Quantopian привлекла к своей платформе более 100 тысяч перспективных трейдеров из 180 стран и рассмотрела свыше 400 тысяч алгоритмов. Кто эти трейдеры? Согласно Фосетту, «общим для них часто является либо наличие степени бакалавра или более высокой, либо многолетний опыт в области, где им приходилось строить модели. Скажем, это астрофизики или специалисты по вычислительной гидродинамике. В целом они новички в финансах; возможно, работают в области рекламных технологий или нефтегазовой отрасли. У нас есть учащиеся и профессионалы. Мне кажется, что возрастной диапазон — от студентов до двух совместно работающих братьев-пенсионеров, которые ранее были весьма успешными учеными».
В целом в группе преобладают мужчины, и один из приоритетов Quantopian — привлечь больше женщин, поскольку, как говорил нам Фосетт, «мы стараемся, чтобы наше сообщество давало разнообразные стратегии, а много исследований показывают, что мужчины и женщины воспринимают риск по-разному. Женщины думают об инвестициях совершенно иначе. Поэтому было бы чудесно [если бы в сообществе оказалось больше женщин]… Вы получите преимущество, поскольку рынок платит за поток дохода, отличающийся от других потоков дохода».
Каковы же успехи толпы Quantopian по сравнению с ядром из профессиональных инвесторов? К концу 2016 года компания провела 19 соревнований. В четырех победили специалисты по статистическому анализу, еще в одном — профессионал в сфере инвестиций, который не был алгоритмическим трейдером. Остальные четырнадцать оказались абсолютно посторонними для этой сферы людьми. Настоящая проверка умений профессионалов и непрофессионалов, а также тестирование концепции инвестиций с помощью алгоритмов толпы произойдут в 2017 году: компания планирует предложить квалифицированным инвесторам свой фонд для инвестиций с использованием статистического анализа. Сравнение его работы с результатами других хедж-фондов, особенно тех, что используют статистический анализ, поможет нам понять, кто истинный эксперт в этой области и насколько мощной может быть толпа.
По меньшей мере один приверженец ядра инвестиционного сообщества верит в Quantopian достаточно сильно, чтобы отдать ему собственные деньги. В июле 2016 года Стивен Коэн, один из наиболее известных управляющих хедж-фондов всех времен, объявил, что он сделал инвестицию в Quantopian, а также предоставил 250 миллионов своей семейной компании для инвестирования в портфель статистических алгоритмов на базе толпы. Мэттью Гранейд, научный руководитель Коэна в исследованиях и венчурных инвестициях, сказал, что «в количественном инвестировании талант — редкий ресурс, [и] Quantopian продемонстрировала инновационный подход к нахождению такого таланта».
Мы восхищаемся компанией Quantopian, поскольку она иллюстрирует все три технологические тенденции, которые трансформируют мир бизнеса. Она по-новому соединяет разумы и машины, переосмысливая способ принятия инвестиционных решений, и заменяет человеческий опыт, суждения и интуицию данными и программным кодом. Она также создает платформу для количественного инвестирования, а не для введения конкретного продукта, такого как тестирование на основе исторических данных. Эта платформа открыта и свободна от креденциализма, нацелена на получение выгоды от сетевого эффекта (чем лучше имеющиеся у нее алгоритмы для инвестирования, тем больший капитал это привлечет; чем больше капитала в ее распоряжении, тем большему числу алгоритмических трейдеров она интересна) и предоставление удобного интерфейса и возможности получить опыт для своих трейдеров. А еще она собирает сетевую толпу, чтобы бросить вызов ядру и его экспертам в крупной и крайне важной отрасли.
Как это все сработает? Не терпится увидеть.
Голос мира
Приведенные нами в этой главе примеры могут создать впечатление, что толпа сегодня существует главным образом для того, чтобы либо обслуживать потребности ядра, либо бороться с ними. Однако это не так; очень часто толпа работает просто для того, чтобы помочь отдельным своим членам. Живут и здравствуют распределенные, часто некоммерческие сообщества с равноправными участниками, которые Роберт Райт описал в своем эссе 1993 года «Голос Америки».
Новостные группы в системе Usenet, существовавшей до Всемирной паутины, превратились в сотни тысяч сетевых пользовательских групп, форумов, электронных досок объявлений и других мест, где люди могут найти информацию, предоставленную их коллегами, задать вопрос и получить ответ. Они охватывают все мыслимые темы — от макияжа и ремонта автомобиля до анализа того, что произошло в последнем эпизоде популярного телесериала.
Как сторонников инноваций нас особенно интересует движение мейкеров — этот термин используется для обобщенного описания умельцев, самоучек, любителей мастерить в свободное время, инженеров и ученых, которые помогают друг другу в сети. Они делятся пошаговыми инструкциями, рецептами, чертежами, схемами электронных цепей, файлами для изготовления деталей на 3D-принтере и советами по поиску неисправностей для поразительно широкого спектра вещей — от картов с автоматическим управлением до самодельных счетчиков Гейгера.
Движение мейкеров продолжает расти. Сейчас можно приобрести недорогие наборы и материалы для синтетической биологии или «проектирования и конструирования новых искусственных биологических свойств, организмов и устройств или реконструирования существующих», как это определяет проект по синтетической биологии. Участники движения DIY bio по всему миру создают собственные полезные последовательности аминокислот, обозначаемых G, C, T и A и несущих код жизни, а затем делятся результатами в сети. Движение биохакеров получило значительный толчок в 2012 году, когда была создана технология для редактирования генома CRISPR-Cas9, которая обеспечила исследователей беспрецедентной точностью в модифицировании молекулы ДНК.
Бывший специалист NASA Джосайя Зейнер хочет, чтобы эта технология распространилась максимально широко. В 2015 году он запустил на Indiegogo кампанию для разработки домашнего набора для генной инженерии DIY Bacterial Gene Engineering CRISPR Kit. Кампания привлекла свыше 70 тысяч долларов (333 процента от необходимого для цели), что привело к созданию набора, который можно купить за 140 долларов у организации The Odin, занимающейся биохакингом. Работает ли это? В июне 2016 года автор блога Engadget, посвященного бытовой электронике, сообщил: «Я играл в Бога с набором DIY CRISPR от компании The Odin. И это было восхитительно».
Перестраивается даже такая древняя область человеческой деятельности, как сельское хозяйство. Калеб Харпер из медиалаборатории Массачусетского технологического института разработал «пищевые компьютеры» — замкнутые среды различных размеров для выращивания урожая. Система позволяет точно отслеживать и контролировать потребление энергии, воды и минеральных веществ для каждого компьютера, а также другие параметры, включая влажность, температуру, уровень углекислого газа и растворенного кислорода. Производители могут экспериментировать с различными «рецептами климата», чтобы создать желательные характеристики урожая, делятся своими рецептами и улучшают чужие. Цель инициативы Харпера под названием «Открытое сельское хозяйство» — эксперименты с климатом и инновации в масштабах от персонального «пищевого компьютера» величиной с десктоп до пространств складских размеров.
РУКА СВОИМИ РУКАМИ
На первый взгляд, медицинская техника принадлежит к той категории товаров, которую мы не хотели бы доверять толпе. Должны ли такие устройства создаваться ядром системы здравоохранения или хотя бы тестироваться и утверждаться им, чтобы гарантировать безопасность и качество? Оказывается, не всегда, и искусственные руки — великолепная иллюстрация того, что может создать толпа. Эта работа демонстрирует потенциальные преимущества ситуации, когда самоорганизующаяся толпа погружается в какую-нибудь проблему и занимается тем, что специалист по технологиям Адам Тирер называет «инновациями, не требующими разрешения».
В апреле 2011 года южноафриканский плотник Ричард ван Ас из-за неаккуратного обращения со станком потерял два пальца на правой руке. Имеющиеся в то время протезы стоили тысячи долларов, так что ван Ас начал искать более дешевую альтернативу. На YouTube он наткнулся на ролик, выложенный ранее Айвеном Оуэном, «специалистом по механическим спецэффектам», который сконструировал гигантское металлическое продолжение собственной руки в качестве части костюма для стимпанковского конвента.
Несмотря на разделяющее их огромное расстояние, ван Ас и Оуэн с помощью электронной почты и Skype принялись совместно работать над созданием функционирующего протеза для пальца. Дело значительно ускорилось, когда компания MakerBot, изготавливающая 3D-принтеры, подарила им два аппарата Replicator 2. Это позволило разработчикам быстрее проводить итерации и изготавливать прототипы, а в итоге создать работающие механические пальцы для ван Аса.
Они загрузили видеоролик о своем творении на YouTube, где его увидела южноафриканка Йоланди Диппенаар — пятилетний сын женщины Лиам родился без пальцев на правой руке. Диппенаар попросила о помощи, и ван Ас с Оуэном с радостью откликнулись. Проводя в сети исследования по возможным решениям, они наткнулись на «кисть капрала Коулза» — потрясающее устройство, сконструированное в середине XIX века в австралийской Аделаиде стоматологом-хирургом Робертом Норманом.
Капрал Джон Коулз потерял все четыре пальца на правой руке во время несчастного случая с оружием на плацу. Норман изготовил для него протез из китового уса и кетгута, который не только выглядел похожим на руку, но и частично действовал как настоящая рука. Пальцы были способны сгибаться, и, согласно описанию современника, «капрал Коулз мог с приятной легкостью взять пуговицу или шестипенсовик». Норман добился такого впечатляющего достижения, с большой точностью вырезав сегменты пальцев из китового уса, зафиксировав их вместе и соединив с внутренней системой шкивов. Система управлялась через жильную струну, присоединенную к кольцу на большом пальце Коулза.
Работа Нормана вдохновила изобретателей, поскольку в Национальной библиотеке Австралии имелось ее точное описание, оцифрованное и доступное в интернете. Когда во время сетевых поисков Оуэн и ван Ас наткнулись на сведения о «кисти капрала Коулза», они осознали ее великолепие. Вскоре они сконструировали для Лиама собственный вариант под названием Робокисть. Создатели поняли, что благодаря 3D-принтерам и мощному программному обеспечению можно быстро и дешево проектировать и создавать бесчисленные варианты такой руки. Они не стали патентовать свою работу, а загрузили чертежи для деталей Робокисти на Thingiverse — сайт, где толпа делится файлами для трехмерной печати.
С тех пор было создано и собрано более 1800 пластиковых кистей, отпечатанных на 3D-принтерах; их получили люди из почти полусотни стран. Эта работа в высшей степени децентрализована; основные места координирования — сайт и документ Google, который могут редактировать все заинтересованные лица. Как отмечает экономист Роберт Грабойес, эти творения толпы и дешевые, и новаторские.
Стоимость работоспособного протеза за одну ночь упала более чем на 99 процентов. Отпечатанные на 3D-принтере модели отличались от тех, что стоили пять тысяч долларов, причем были функциональными и настолько дешевыми, что изготовители могли их предоставлять пользователям бесплатно.
Работая вместе, пользователи и изготовители меняли проекты. Кисть, которая изначально выглядела угловатой, стала более сглаженной. Отнимавшие много времени болты и гайки уступили место защелкивающимся шарнирам, а общая стоимость некоторых проектов уменьшилась до каких-то 35 долларов за материалы… Пользователи и изготовители поняли, что протезы не обязательно должны копировать человеческую кисть. Один отец, желая улучшить захват сына, сделал руку с двумя большими пальцами, по одному с каждой стороны. Его сын, по совпадению носящий имя Люк, стал Хладнокровным Люком. Другие люди создавали кисти, предназначенные для конкретных целей: езды на велосипеде, скалолазания, игры на трубе.
Как показывают все эти примеры, сетевая толпа растет и успешно развивается. Во многих случаях ядро взаимодействует с ней и содействует ей. Мы считаем эту тенденцию разумной и продуктивной, и нельзя сказать, что она отступает от первоначального духа Всемирной паутины. По мере того как все улучшающиеся устройства и сети будут открывать доступ в интернет все большему числу людей по всему миру, толпа начнет расти, становясь умнее и многоголоснее.
Мы с воодушевлением смотрим на развитие искусственного интеллекта, поскольку он изменит границы между разумом и машиной, но еще больше нас воодушевляет перспектива соединения миллиардов человеческих интеллектов в единое глобальное сообщество. Все люди могут протянуть руки друг другу.
Резюме
• Снова и снова признанных экспертов ядра превосходит толпа, члены которой не имеют специального образования и профильного опыта.
• Одна из причин такого успеха толпы состоит в том, что ядро часто не подходит для решения именно тех проблем, в каких оно сильнее всего заинтересовано.
• Такое несоответствие случается, поскольку сведения, необходимые для наиболее эффективного решения проблемы, нередко можно найти в далеких от нее областях. Очень трудно предсказать, где в действительности удастся почерпнуть знания для решения той или иной задачи.
• У ядра есть множество способов присоединиться к знаниям и опыту толпы; ядро и толпа не должны существовать отдельно друг от друга.
• Сегодня толпа способна добиться многого и без ядра. Технология помогает людям находить нужные знания, продуктивно взаимодействовать и с минимальной централизацией процесса создавать вещи.
• Традиционные компании находят новые способы работать с толпой. Одновременно с этим стартапы, опирающиеся на ее силу, бросают вызов многим успешным компаниям в сфере их основной деятельности.
Вопросы
1. Как и насколько часто вы обращаетесь за помощью к людям за пределами своей группы внутренних и внешних экспертов?
2. Какие эксперименты вы могли бы провести, чтобы узнать, нельзя ли заставить толпу работать на вашу организацию? Как оценивать результаты таких экспериментов?
3. Сколько раз за последние 5–10 лет вы меняли методы привлечения клиентов, оценки спроса и готовности людей платить за новые продукты?
4. Расширяли ли вы за последние 5–10 лет круг людей, с которыми вы или ваша организация регулярно взаимодействуете?
5. Если толпа предложит идею, превосходящую то, что у вас есть сейчас, как вы введете ее в свое ядро?
