Спектор и его коллеги работают с верой в то, что у каждой единицы информации есть окно возможностей, срок существования которого ограничен, и нужно суметь завладеть этими данными в правильное время в соответствующем контексте, чтобы извлечь из них пользу. Руководящим принципом для таких, близких к реальному времени технологий, как Google Maps, является непрерывная оптимизация. «Сейчас мы получаем очень эффективные сведения о дорожном движении в Нью-Йорке с красными, бордовыми, зелеными и желтыми индикаторами; и они целиком отражают реальную картину, – рассказывает Спектор. – Так что мы вполне можем снизить интенсивность движения в часы пик на дорогах Нью-Йорка, указывая людям на более удачные варианты проезда».
Идея влиять на дорожное движение в случае заторов или дорожных происшествий отнюдь не нова. Исследователи операций классифицируют это как проблему перераспределения ресурсов, которая особенно актуальна при чрезвычайных ситуациях: нужно предоставить маршрут эвакуации, чтобы люди смогли легко и быстро покинуть опасную зону, и обеспечить маршруты для доступа в нее представителей службы экстренного реагирования. Новаторство Google заключалось в том, что компания поставила мощь информации на службу пользователям, чтобы те могли принимать решения, подкрепленные данными, и варьировать их в зависимости от ситуации.
Коллеги Спектора пишут, что при попытках создать что-то новое наподобие Google Maps они «вместо длительных дискуссий о том, как лучше всего поступить… сразу берутся за дело, а потом уже повторяют и совершенствуют подход». Это призвано подкрепить ключевую миссию компании: «Решать по-настоящему большие проблемы». Вот, к примеру, одна из фундаментальных задач: в совокупности в 195 странах примерно 80 млн км мощеных и грунтовых дорог. «Один раз проехать по ним всем – это все равно что обогнуть земной шар 1250 раз. Даже для Google это устрашающие масштабы», – написали инженеры проекта.
Они начали проект с получения видеоданных со всего мира благодаря последним разработкам в области панорамных изображений на уровне улиц и фотографиям пользователей. Следующим шагом стало создание масштабной модели систем, которая «включает подробные сведения об улицах с односторонним движением и ограничениях поворотов (например, запрещен поворот направо или разворот)». Затем с помощью этой информации Google преобразовывал позицию сенсора, вмонтированного в камеру – а сегодня и в наши телефоны, – в точные данные о расположении на дороге посредством метода под названием оптимизация позы. За этим процессом стоял не какой-то один алгоритм, а группа связанных между собой инструментов.
Инженеры Google обратились к алгоритмам аукциона, которые обычно применяются для определения наилучшего предложения цены лота при одновременном участии нескольких покупателей. Это было нужно для прогнозирования спроса на использование дорог среди людей, заинтересованных в одном и том же маршруте. Инженеры компании применили методы обработки изображений для создания «карт глубин», чтобы закодировать 3D-данные о расстоянии, направлении и прочую местную информацию: дороги, тротуары, здания и строительные работы. Они прибегали к дистанционному зондированию и анализу спутниковых снимков на уровне пикселей, чтобы получить несколько видов любого места, будь то Эйфелева башня или заброшенный шахтерский городок в пустоши Аляски. Инженеры сообща использовали эти инструменты, а сейчас продолжают применять другие, чтобы повысить ценность Google Maps для пользователей.
«Мысль проехать по каждой улице мира, делая снимки всех зданий и обочин, сначала казалась нелепой, – добавляют инженеры, – но анализ показал, что это вполне реализуемо при организованных усилиях и в масштабах, которые мы могли себе позволить, в течение нескольких лет». Спектор считает, что это был, по сути, вопрос эффективности затрат. Google Maps возникли как инженерный компромисс, касающийся эффективной логистики (то есть можно ли составить такие карты?), но за этим последовал экономический аргумент о потенциальном рынке для данного приложения.
«Оказалось, что это осуществимо», – говорит Спектор.
* * *
Ориентация на данные – предварительное условие оптимизации. Эта идея повлияла на каждый промышленный сектор. «Например, в отрасли телекоммуникаций за последние годы объемы, проходящие по нашим сетям мобильных данных, возросли на 25 тыс. процентов и до сих пор ежегодно удваиваются», – отмечает Рэндалл Стивенсон, СЕО
[7]
AT&T. А если взять пример из отрасли авиаперевозок, то самолет «Боинг», летящий из Лондона в Нью-Йорк, выдает 10 терабайтов оперативных данных каждые полчаса в течение полета.
Но ориентация на данные – лишь часть оптимизации; понимание потребностей пользователей – еще один ее существенный компонент. Рассмотрим сценарий, предложенный Норманом Огастином, ушедшим в отставку СЕО компании Lockheed Martin: допустим, вы провели опрос пассажиров, чтобы выяснить, чего бы они хотели от нового самолета, и обнаружили, что их желание – быстрее добираться до пункта назначения. В связи с этим у эксперта по аэродинамике, возможно, появится задача – увеличить скорость самолета. У специалиста по системной инженерии иной подход.
Применяя модульное мышление, специалист по системной инженерии наверняка разделил бы весь процесс путешествия на составляющие. Полет на самолете – одна из многих частей системы, а остальные – приезд в аэропорт, поиск места для парковки, проход по аэровокзалу, регистрация на рейс, сдача багажа, прохождение контроля, ожидание посадки, посадка и полет. Все эти составляющие и несколько других влияют на скорость, эффективность и работу системы в целом. Специалист по системной инженерии может попытаться оптимизировать отдельные компоненты, уделяя внимание компромиссам и ограничениям. При модульном мышлении решения могут свестись к тому, как быстрее пройти контроль безопасности, улучшить процесс посадки на самолет и оперативно получить багаж.
Ситуация усложняется, когда нужно принимать в расчет природу – сложнейшую систему систем. Например, в случае с авиацией погода – колоссальный непредсказуемый фактор при оптимизации. По той же причине поначалу недостаток измерений и данных вынуждал инженеров, занятых проектированием труб и канализации, делать непосредственные предположения и заключения. «Когда вы хотите построить тоннель, приходится иметь дело с постоянно изменяющейся и взаимодействующей с другими системами геологической средой, – говорит инженер-геотехник Уэйн Клаф, секретарь Смитсоновского института и бывший президент Технологического института Джорджии. – Вам нужен обоснованный системный подход, который поможет адаптироваться к меняющимся условиям». Современные технологии позволяют собирать невероятное количество данных о природе. Но использование этой информации для оптимизации любого типа всегда будет проблемным.
Мы можем сделать все от нас зависящее, применяя технологии, но в конечном итоге побеждает мать-природа.
4
Я учился в бизнес-школе и одновременно работал над диссертацией по биомедицинской инженерии. Я планировал открыть компанию по производству медицинского оборудования. Но одним бодрящим утром 2008 года все изменилось.
