Фантом BigData в комментарии Антиоха Эсторского к "Надзорному капитализму" Шошана Зубоффа
Сам комментарий там https://anti0h.livejournal.com/124936.html а тут я приведу лишь суть идеи (или теории или центрального тезиса) в виде цитаты из комментария сена Антиоха:
"...большинство пользователей не очень представляет масштабы сбора данных, развернувшегося в последние десятилетия: [далее много-много примеров, как корпорации BigTech собирают данные о людях] Всё это преследует одну цель – предсказание реакций и формирование поведения. Нашего с вами поведения"
Эту идею можно представить в виде классического силлогизма:
1-я посылка: обладая BigData о предпочтениях и действиях людей, можно предсказать поведение людей (а значит и сформировать такое поведение путем сравнительно малых точечных воздействий на общество).
2-я посылка: корпорации BigTech собирают BigData о предпочтениях и действиях людей.
Вывод: корпорации BigTech будут предсказывать поведение людей (и сформировать такое поведение путем сравнительно малых точечных воздействий на общество), или уже делают это.
...На этом силлогизме построена философия визионеров BigTech.
...Точнее, она построена на НФ-цикле https://fantlab.ru/work40954 Майкла Флинна «Общество Бэббиджа» (1990 год). Уже смешно.
1-я посылка этого силлогизма (хоть и выглядит интуитивно-убедительной) на самом деле ложна.


Дело в том, что ни отдельный человек, ни (тем более) ансамбль из большого числа людей, ни его вторичная система (например, экономика) не является детерминированной системой. Все это - сильно нелинейные частично-детерминированные системы, в которых области более-менее предсказуемых моделей окружены областями бифуркаций, в которых та или иная параметрическая траектория моделей реализуется случайным образом.
Соответственно, даже теоретически (собрав все-все данные в моменте и построив сверхмощный обработчик этих данных) невозможно достичь целей, которые поставлены визионерами BigTech.
Если же учесть ограниченность собираемых данных, квалификации программистов и возмоджностей компьютерной техники - то окажется, что эта гора данных и обработчиков будет рожать только мышей и не более.
Именно такие рождения мышей в товарных количествах мы наблюдаем с 2008-го, когда началась цепь событий, известных, как "скандал Cambridge Analytica"
https://ru.wikipedia.org/wiki/Cambridge_Analytica
Разумеется, анализ BigData позволяет достигать более высоких (по сравнению с докомпьютерной эрой) результатов в каких-то секторах маркетинга товаров, услуг и политических идей (партий, президентов и т.п.). Но не более того.
С другой стороны: эти объективно скромные (хотя относительно высокие) результаты разрушают субстрат, благодаря которому они достигнуты.
Механизм такого разрушения излагался ранее в этом журнале:
https://alex-rozoff.livejournal.com/165957.html Закон Донды: коллапс знаний при сверхкритической плотности информационного мусора.
https://alex-rozoff.livejournal.com/886443.html У разбитого медиа-корыта: закон Донды 1973 года срабатывает чуть иначе, чем предсказывал Лем
...Такие дела...
"...большинство пользователей не очень представляет масштабы сбора данных, развернувшегося в последние десятилетия: [далее много-много примеров, как корпорации BigTech собирают данные о людях] Всё это преследует одну цель – предсказание реакций и формирование поведения. Нашего с вами поведения"
Эту идею можно представить в виде классического силлогизма:
1-я посылка: обладая BigData о предпочтениях и действиях людей, можно предсказать поведение людей (а значит и сформировать такое поведение путем сравнительно малых точечных воздействий на общество).
2-я посылка: корпорации BigTech собирают BigData о предпочтениях и действиях людей.
Вывод: корпорации BigTech будут предсказывать поведение людей (и сформировать такое поведение путем сравнительно малых точечных воздействий на общество), или уже делают это.
...На этом силлогизме построена философия визионеров BigTech.
...Точнее, она построена на НФ-цикле https://fantlab.ru/work40954 Майкла Флинна «Общество Бэббиджа» (1990 год). Уже смешно.
1-я посылка этого силлогизма (хоть и выглядит интуитивно-убедительной) на самом деле ложна.


Дело в том, что ни отдельный человек, ни (тем более) ансамбль из большого числа людей, ни его вторичная система (например, экономика) не является детерминированной системой. Все это - сильно нелинейные частично-детерминированные системы, в которых области более-менее предсказуемых моделей окружены областями бифуркаций, в которых та или иная параметрическая траектория моделей реализуется случайным образом.
Соответственно, даже теоретически (собрав все-все данные в моменте и построив сверхмощный обработчик этих данных) невозможно достичь целей, которые поставлены визионерами BigTech.
Если же учесть ограниченность собираемых данных, квалификации программистов и возмоджностей компьютерной техники - то окажется, что эта гора данных и обработчиков будет рожать только мышей и не более.
Именно такие рождения мышей в товарных количествах мы наблюдаем с 2008-го, когда началась цепь событий, известных, как "скандал Cambridge Analytica"
https://ru.wikipedia.org/wiki/Cambridge_Analytica
Разумеется, анализ BigData позволяет достигать более высоких (по сравнению с докомпьютерной эрой) результатов в каких-то секторах маркетинга товаров, услуг и политических идей (партий, президентов и т.п.). Но не более того.
С другой стороны: эти объективно скромные (хотя относительно высокие) результаты разрушают субстрат, благодаря которому они достигнуты.
Механизм такого разрушения излагался ранее в этом журнале:
https://alex-rozoff.livejournal.com/165957.html Закон Донды: коллапс знаний при сверхкритической плотности информационного мусора.
https://alex-rozoff.livejournal.com/886443.html У разбитого медиа-корыта: закон Донды 1973 года срабатывает чуть иначе, чем предсказывал Лем
...Такие дела...
Published on October 13, 2025 12:49
No comments have been added yet.
Александр Александрович Розов's Blog
- Александр Александрович Розов's profile
- 13 followers
Александр Александрович Розов isn't a Goodreads Author
(yet),
but they
do have a blog,
so here are some recent posts imported from
their feed.

