Η θεαματική ανάδυση των «μεγάλων δεδομένων»

Επιπλέον, τα δεδομένα ήταν ατελή. Από τη στιγμή που τα δεδομένα δεν προορίζονταν να χρησιμοποιηθούν κατ’ αυτόν τον τρόπο, η ανορθογραφία και οι μισοτελειωμένες φράσεις ήταν κάτι σύνηθες. Αλλά το μεγάλο μέγεθος των δεδομένων αντιστάθμιζε την ακαταστασία του. Το αποτέλεσμα, βεβαίως, ήταν απλώς μια συσχέτιση. Δεν έλεγε τίποτα για τους λόγους για τους οποίους κάποιος έκανε μια ορισμένη αναζήτηση. Ήταν άραγε διότι το πρόσωπο ένιωθε άρρωστο ή γιατί άκουγε κάποιον να φταρνίζεται στο διπλανό δωμάτιο ή γιατί ανησύχησε ακούγοντας τις ειδήσεις; Το σύστημα της Google ούτε το ξέρει και ούτε το νοιάζει να το μάθει. Πράγματι, τον περασμένο Δεκέμβριο, φαίνεται ότι το σύστημα της Google πρέπει να υπερεκτίμησε τον αριθμό των περιπτώσεων επιδημίας στις ΗΠΑ. Αυτό συνιστά μια υπενθύμιση ότι οι προβλέψεις είναι μόνο πιθανότητες και ότι δεν είναι πάντα σωστές, ειδικά όταν η βάση για την πρόβλεψη –οι αναζητήσεις στο Διαδίκτυο- βρίσκονται σε σταθερή κατάσταση αλλαγής και είναι ευάλωτες σε εξωτερικές επιρροές, όπως οι αναφορές των ΜΜΕ. Παρά ταύτα, τα «μεγάλα δεδομένα» μπορούν να υπαινιχθούν ποια είναι η γενική κατεύθυνση μιας εν εξελίξει κατάστασης, και το σύστημα της Google έκανε ακριβώς αυτό.

ΟΠΙΣΘΙΕΣ ΕΠΙΧΕΙΡΗΣΕΙΣ

Πολλοί άνθρωποι της τεχνολογίας πιστεύουν ότι οι απαρχές των» μεγάλων δεδομένων» εντοπίζονται στην ψηφιακή επανάσταση της δεκαετίας του ’80, όταν η πρόοδος στους μικροεπεξεργαστές και τη μνήμη των υπολογιστών κατέστησε δυνατή την ανάλυση και την αποθήκευση πληροφορίας όσο ποτέ στο παρελθόν. Αυτή είναι επιφανειακή ανάλυση. Οι υπολογιστές και το Διαδίκτυο βοηθούν ασφαλώς τα «μεγάλα δεδομένα» μειώνοντας το κόστος της συλλογής, της αποθήκευσης, της επεξεργασίας, του τρόπου με τον οποίο διαμοιράζονται οι πληροφορίες. Αλλά στον πυρήνα τους, τα «μεγάλα δεδομένα» είναι απλώς το πιο πρόσφατο βήμα στο αίτημα της ανθρωπότητας να κατανοήσει και να ποσοτικοποιήσει τον κόσμο. Θα μας βοηθήσει να το εκτιμήσουμε αυτό αν ρίξουμε μια γρήγορη ματιά σε όσα προηγήθηκαν.

Η εκτίμηση των νώτων των ανθρώπων είναι η τέχνη και η επιστήμη του Shigeomi Koshimizu, καθηγητή στο Advanced Institute of Industrial Technology του Τόκιο. Λίγοι θα σκέφτονταν ότι ο τρόπος που κάθεται ένας άνθρωπος αποτελεί πληροφορία, αλλά ισχύει. Όταν ένα άτομο είναι καθισμένο, η καμπύλη του σώματος, η στάση του και η κατανομή του βάρους του μπορούν όλα να ποσοτικοποιηθούν και να πινακογραφηθούν. Ο Koshimizu και η ομάδα των μηχανικών του μετατρέπουν τους γλουτούς σε δεδομένα μετρώντας, με αισθητήρες τοποθετημένους στο κάθισμα του αυτοκινήτου, την πίεση που ασκούν αυτοί σε 360 διαφορετικά σημεία, και καταλογραφούν κάθε σημείο σε μια κλίμακα από το 0 ως το 256. Το αποτέλεσμα είναι ένας ψηφιακός κώδικας που είναι μοναδικός για το κάθε άνθρωπο. Σε μια δοκιμή, το σύστημα ήταν ικανό να ξεχωρίσει μεταξύ αρκετών ανθρώπων με ακρίβεια της τάξης του 98%.

Η έρευνα δεν είναι άνευ νοήματος. Το σχέδιο του Koshimizu είναι να προσαρμόσει την τεχνολογία σε ένα αντικλεπτικό σύστημα αυτοκινήτων. Ένα όχημα με αυτό το μηχανισμό θα μπορούσε να αναγνωρίσει πότε κάποιος άλλος εκτός από τον εγκεκριμένο οδηγό κάθισε μπροστά στο τιμόνι, και θα μπορούσε να ζητήσει ένα συνθηματικό κωδικό για να λειτουργήσει. Ο μετασχηματισμός των τρόπων με που καθόμαστε σε ψηφιακά δεδομένα δημιουργεί μια σημαντική υπηρεσία και μια εν δυνάμει επικερδή επιχείρηση. Και η χρησιμότητά της μπορεί να επεκταθεί πολύ πέρα από τον εντοπισμό ενός κλέφτη αυτοκινήτων. Για παράδειγμα, τα συγκεντρωθέντα δεδομένα μπορεί να αποκαλύψουν στοιχεία για τη σχέση ανάμεσα στην θέση του οδηγού και την οδική ασφάλεια, όπως αποκαλυπτικές μετατοπίσεις θέσεων πριν από ένα ατύχημα. Το σύστημα μπορεί επίσης να είναι ικανό να αισθανθεί πότε ένας οδηγός κάμπτεται ελαφρώς λόγω κούρασης, και να στέλνει σήμα κινδύνου ή να πατάει αυτομάτως τα φρένα.

Ο Koshimizu αντιμετώπισε ως δεδομένα κάτι που ποτέ προηγουμένως δεν είχε αντιμετωπιστεί έτσι –ή που να έχει θεωρηθεί ποτέ ότι μπορούσε να δώσει τέτοιες ποιοτικές πληροφορίες- και το μετέτρεψε σε ψηφιακά ποσοτικοποιημένη μορφή. Δεν υπάρχει ακόμη καλός όρος για να ονοματιστεί αυτού του είδους η μετατροπή, αλλά η «δεδομενοποίηση» μοιάζει εύστοχη. Η δεδομενοποίηση δεν είναι το ίδιο με την ψηφιοποίηση, που παίρνει το αναλογικό περιεχόμενο –βιβλία, ταινίες, φωτογραφίες- και το μετατρέπει σε ψηφιακή πληροφορία, σε μια αλληλουχία του ενός και του μηδέν που μπορεί να διαβαστεί από τους υπολογιστές. Η δεδομενοποίηση είναι μια πολύ ευρύτερη διαδικασία: παίρνει όλες τις όψεις της ζωής και τις μετατρέπει σε δεδομένα. Τα ψηφιακά γυαλιά της Google δεδομενοποιούν το βλέμμα. Το Twitter δεδομενοποιεί τις ξεκάρφωτες σκέψεις. Το LinkedIn δεδομενοποιεί τα επαγγελματικά δίκτυα.

Μόλις δεδομενοποιήσουμε τα πράγματα, μπορούμε να αλλάξουμε το σκοπό της ύπαρξής τους και να μετατρέψουμε την πληροφορία σε μορφές άλλης αξίας. Για παράδειγμα, η ΙΒΜ κατοχύρωσε μια αμερικανική πατέντα το 2012 για να «ασφαλίσει χώρους που χρησιμοποιούν τεχνολογία υπολογιστών πάνω σε επιφάνειες» -ένας τεχνικός όρος να περιγράψεις ένα πάτωμα αφής, κάτι σαν μια γιγάντια οθόνη έξυπνου τηλεφώνου. Η δεδομενοποίηση του πατώματος μπορεί να ανοίξει κάθε είδους δυνατότητες. Το πάτωμα θα μπορούσε να ταυτοποιήσει τα αντικείμενα που είναι πάνω σε αυτό, έτσι ώστε να ξέρει πότε να ανοίξει τα φώτα ή να ανοίξει τις πόρτες όταν μπαίνει κάποιος άνθρωπος. Επιπλέον, μπορεί να ταυτοποιεί πρόσωπα με βάση το βάρος τους ή με βάση το πώς στέκονται και περπατούν. Θα μπορούσε να πει αν κάποιος έπεσε και δεν ξανασηκώθηκε, σημαντικό στοιχείο για τους ηλικιωμένους. Οι πωλητές θα μπορούσαν να αποτυπώνουν τη ροή δεδομένων των πελατών τους από τα μαγαζιά τους. Όταν θα γίνει εφικτό να μετατραπούν δραστηριότητες αυτού του είδους σε δεδομένα που μπορούν να αποθηκευτούν και να αναλυθούν, θα μπορούμε να μάθουμε περισσότερα για τον κόσμο –πράγματα που δεν γνωρίζαμε προηγουμένως επειδή δεν μπορούσαμε να τα μετρήσουμε εύκολα και φθηνά.

ΜΕΓΑΛΑ ΔΕΔΟΜΕΝΑ ΣΤΗ ΝΕΑ ΥΟΡΚΗ