CC BY
11Интеллектуальные технологии в городской среде: возможности и пределы применения
Расходчиков А. Н., кандидат социологических наук, председатель правления Фонда «Московский центр урбанистики "Город"», Москва
В статье рассматриваются противоречия, возникающие в процессе внедрения цифровых сервисов и интеллектуальных систем в городскую среду. Обсуждаются особенности использования методов анализа данных и моделирования в зависимости от специфики различных городских систем. На основе исследований информационной среды формулируются основные характеристики аналитических систем, необходимых для создания инструментов предиктивной аналитики.
• интеллектуальные технологии • социальные изменения • городская среда • анализ данных • информационные потоки • семантическая среда •
Внедрение цифровых сервисов в различные сферы человеческой жизнедеятельности становится обыденной практикой, вызывая острые споры между сторонниками «цифровизации» и защитниками «прав на приватность». Сторонники оцифровки всего, от архивов до человеческой личности, видят в развитии интеллектуальных систем новые возможности для роста экономики, прогнозирования будущих событий, привнесения дополнительных удобств в жизнь человека. Противники задают неудобные вопросы о защищенности систем, принадлежности данных и возможности их использования в корыстных целях, пугая широкую общественность перспективой формирования «цифрового концлагеря». Широкий резонанс данная проблема получила в период пандемии COVID-19, когда попытки правительств ограничить распространение вируса при помощи электронных пропусков и сервисов отслеживания контактов с больными натолкнулись на мощное сопротивление общественности [1]. Не менее острая полемика периодически возникает по вопросам внедрения цифровых денег, а совсем недавно законопроект об «электронных повестках» вызвал заметную критику со стороны ряда экспертов. Можно предположить, что проблема внедрения цифровых технологий в различные сферы жизнедеятельности будет актуальной в ближайшие годы.
В данной статье предпринята попытка рассмотреть проблему с позиции социальных наук, что кажется оправданным, так как именно в общественных движениях формируется основной фронт сопротивления цифровизации. В качестве объекта исследования мы выбрали города как одно из направлений внедрения интеллектуальных технологий. С позиции социологии управления проблема видится как естественное противоречие между желанием органов власти и управления ускорить внедрение новых технологий и не всегда прогнозируемыми социальными последствиями массового использования инноваций. Даже полезные, назревшие нововведения, изменяющие общественный уклад, часто сопровождаются насилием (принуждением) и разрушениями. Так, отмена крепостного права породила масштабный социальный и экономический кризис второй половины
XIX в., индустриализация начала XX в. сопровождалась продразверсткой и массовым голодом, о трагических последствиях экономических реформ 90-х написаны сотни книг и статей. Сложность социальных систем, нелинейность связей и отношений, многомерность происходящих в них процессов делает предвидение последствий социальных изменений чрезвычайно сложной задачей как минимум. Казалось бы, что плохого было в отмене крепостного права? Наоборот, реформа давно назрела, рабское положение крестьян было изжившим себя архаизмом, новые производственные возможности требовали высвобождение рабочей силы. Многие современники критиковали власть за слишком медленное внедрение новых порядков, реформы называли незаконченными, полумерами. Однако уже спустя 20 лет Ф. М. Достоевский в своих дневниках зафиксировал начавшиеся процессы разложения крестьянской общины, разительной деградации системы низового самоуправления, предвидя катастрофические последствия происходящих изменений для власти и страны.
Немало подобных примеров можно наблюдать в наши дни на примере последствий распространения интернет-технологий: проблемы негативного влияния социальных сетей на воспитание подростков, возникновение новых опасных зависимостей от онлайн игр и мобильных приложений, появление таких феноменов, как клиповое сознание, фейковые новости, кибер-шпионаж и электронные преступления [2]. Разрушительные последствия многих прогрессивных реформ заставили социологов задуматься о пределах возможностей общественных изменений, той черте, когда негативные последствия начинают превышать позитивные достижения. Так, В. Щербина довольно лаконично формулирует главную мысль такого подхода: «...вопрос об эффективности социальных изменений переносится с ориентиров этих изменений на то, в каком масштабе и в каких темпах они должны протекать, чтобы не создавать рисков для существования социума» [3]. Применяя данный подход к проблеме использования интеллектуальных технологий в управлении различными системами и процессами, стоит отметить, что эффективность методов анализа и моделирования во многом зависит от сложности самих систем, их предсказуемости и наличия четких правил.
Рассмотрим данную проблему на примере такого важного для современного общества и одновременно сложного явления, как город. По мере роста городов, а также технологического развития цивилизации происходит постепенное усложнение городской жизни. Современный город — это некая система систем, где одновременно работают ЖКХ, транспорт, системы энергоснабжения, образования, медицинских и социальных служб, организации управления и общественной безопасности. Все эти системы функционируют не только одновременно, но и взаимосвязано, так что сбой или изменения в одном месте порождают нарушения в других. Сложность городской жизни в мегаполисах давно превзошла возможности человеческого мозга по отслеживанию, анализу происходящих процессов и управления ими. В результате интеллектуальные технологии, позволяющие фиксировать происходящие изменения,
12
анализировать их и строить модели управления в современных условиях не только важны, но и жизненно необходимы.
Однако нужно осознать, что городские системы имеют разную природу, их можно условно разделить на три очень различающиеся группы: первая — это технические системы (энергетика, коммунальные службы и т. д.), то есть то, что требует оценки рисков, контроля, это системы, которые так или иначе поддаются математическому моделированию [5]. Второй тип систем уже связан с человеческой деятельностью, сюда относятся производственные и деловые отношения. Эта область жизни, где человек работает, выполняет какие-то задачи, где большинство процессов структурированы, регламентированы, существуют правила, субординация и некий порядок. Данная область позволяет создавать автоматизированные системы управления и моделирования [6], стоит заметить, что данный тип интеллектуальных технологий уже гораздо сложнее. Третий тип систем — охватывает собственно человеческую жизнь, в свободное от работы время. Здесь уже гораздо меньше обязательных правил, значительно больше свободы выбора, деятельность человека в свободное время практически не регламентируется и ограничивается лишь нормами морали и законодательными запретами. Данная область практически не поддается моделированию, а существующие попытки создания интеллектуальных технологий по управлению политическими процессами (классический пример работы Cambridge Analytica) или поведением людей (системы социальных рейтингов) выглядят как минимум неэтичными.
Сложность прогнозирования и моделирования в системах, где участвует человек, связана с целым рядом факторов, неоднократно описанных в социальных науках: наличием неформальных связей, влиянием отношений и психологического климата в социальных группах, нерациональностью выбора и поведения часто присущего людям. К этому стоит добавить способность человека самообучаться и менять свое поведение в зависимости от обстоятельств. По справедливому замечанию А. В. Тихонова, эта способность человека к рефлексии в целом ставит под сомнение применимость кибернетических подходов к управлению человеческими общностями. Так, условный сигнал, поступающий от управляющей системы, будет по-разному интерпретироваться в зависимости от опыта человека, его темперамента и жизненных обстоятельств [7].
Таким образом, внедрение интеллектуальных технологий в городское управление становится естественным ответом на все возрастающую сложность городских систем. Однако возможности моделирования городских процессов, судя по всему, имеют свои пределы в виде свободы выбора и действий людей. Исторический анализ развития идей и технологий «умного города», приведенный в замечательной монографии И. Ильиной и М. Коно, демонстрирует явную тенденцию на все большее включение человека и сообществ в процессы интеллектуального развития городов [8]. Получается, что недостаточно разработать математическую модель, способную учитывать разнообразные процессы и множество переменных и неопределенностей. Необходимо создавать платформенные решения, способные отслеживать происходящие изменения, но позволяющие людям участвовать в управлении. Причем не только специалистам, но и пользователям, тем, кого непосредственно затрагивают принимаемые решения. В случае транспортных систем это пассажиры и автомобилисты, в городском планировании — жители и пользователи территорий, в интеллектуальных системах для образования — преподаватели, учащиеся, их родители и, возможно, потенциальные работодатели.
13
С появлением Интернета начала проявляться еще одна система, которую условно можно назвать Системой Семантической, она включает потоки информационных сообщений, общение пользователей в мессендже-рах и социальных сетях, взаимодействие с голосовыми помощниками и роботизированными системами, а также логистическую информацию и символические объекты, наполняющие городскую среду. Стоит отметить, что еще до появления Интернета исследователи выделяли информационную среду в отдельную значимую составляющую среды жизнедеятельности горожан [9]. Равно как и существовали журналистика и литература, возможности анализа дневниковых записей и переписки. Однако с распространением интернет-технологий и мобильных устройств произошел ряд качественных, даже революционных изменений: во-первых, информационная среда стала коммуникативной, человек смог не только воспринимать разнообразный контент, но и активно участвовать в обсуждениях, общении с другими пользователями. Сработал эффект вовлеченности, в результате массы людей, особенно представители нового поколения, оказались буквально погружены в информационную среду. По справедливому замечанию М. Кастельса, современный человек живет сразу в двух мирах: реальном мире вещей и виртуальном Интернета [10]. По данным ряда исследований, молодые люди проводят в Интернете более 8 ч в день, что уже превышает дневное время, обычно выделяемое для работы или сна. Во-вторых, в прежние времена область создания текстов и смыслов в большинстве случаев относилась к профессиональной деятельности и велась в рамках определенных стандартов и правил. С появлением социальных сетей грань между профессиональной деятельностью и частной жизнью размылась. Сегодня миллионы людей генерируют миллиарды текстовых и визуальных сообщений, формирующих информационную или семантическую среду человека.
Предметом данной работы является определение возможностей и ограничений современных интеллектуальных технологий в анализе и моделировании различных городских систем. В данном случае речь идет о речевых интеллектуальных технологиях [11], используемых для анализа информационных потоков. Специфика семантической системы заключается, с одной стороны, в волновом характере распространения информации, данная особенность подробно описана в работах Пере-слегина и реализована в виде метода оценки информационных волн Г. Градосельской [12]. Второй ключевой особенностью здесь выступает не иерархическая, а сетевая структура системы, где сотни или тысячи различных акторов (СМИ, информационные каналы, блогеры, группы пользователей) генерируют и распространяют информационные сообщения, образуя сложные кластеры взаимодействия и взаимовлияния. Изучение структуры сети является важной составляющей анализа информационной активности по той или иной теме либо объекту [13]. Третьей важной особенностью современных информационных потоков является мультимодальность, то есть использование не только текстов, но и визуальных, аудиальных, игровых форм для привлечения внимания аудитории и усиления воздействия [14].
14
Стоит отметить, что, изучая информационные потоки, мы, как правило, вынуждены работать с большими объемами данных. Так, городская информационная повестка Москвы составляет от 150 до 200 тыс. сообщений и комментариев в неделю, а да-тасет по итогам первой волны пандемии в Московском регионе составил более 2 млн текстов. При этом помимо количественных показателей необходимо учитывать аудитории информационных каналов, действия пользователей (просмотры, лайки, репосты), тональность, направленность и смысловую нагрузку комментариев, а также другие параметры анализа. Очевидно, что обработка такого объема информации требует программных решений и интеллектуальных систем, способных как минимум систематизировать большие объемы данных и визуализировать полученные распределения. Среди большого числа программных продуктов для анализа текстовой информации хочется выделить разработанную А. Харламовым интеллектуальную систему TextAnalyst 2.0, использующую нейросетевые технологии для лингвистического анализа текстов. Данное программное решение позволяет не только обрабатывать практически неограниченные объемы русскоязычных текстов, но и формировать актуальные методы и модели качественного анализа информационных сюжетов [15]. Так, система TextAnalyst 2.0 стала ключевым инструментом для разработки и апробации методики анализа информационного поля на основе индексов социального стресса и социального благополучия. Указанная методика позволяет дать более точную характеристику коммуникативной ситуации, выявлять уровень конфликтогенности и цифровой агрессии, оценивать динамику и критические точки развития конфликта. В практическом плане использование данного метода позволяет качественно оценить ситуацию вокруг резонансной проблемы на основе анализа пользовательского контента в социальных онлайн сетях. Отслеживание динамики изменения показателей социального стресса может быть использовано для прогнозирования развития конфликта, выявления критических точек, когда из онлайн коммуникации ситуация может перейти в реальные уличные протестные акции (рис. 1).
Рис. 1. Оценка уровней социального стресса на основе нейросетевого анализа сообщений пользователей (исследование ситуации вокруг строительства транспортных объектов в Москве, 2021)
В процессе анализа информационных потоков является, безусловно, значимым сре-довой подход, поскольку человек воспринимает новую информацию с учетом
15
предыдущего опыта, в том числе под влиянием той информационной среды, в которую он погружен. Частными случаями таких эффектов являются смысловые мешки и эхо-камеры [16], образующимися, когда группа пользователей или информационных каналов разделяет определенные убеждения, через призму которых преломляется любая информация. Однако более значимым и общим явлением можно назвать тот факт, что отдельные социальные сети формируют очень разные реакции на одни и те же события. Эффекты такого воздействия хорошо видны на примере анализа группообразования вокруг программы реновации жилья в Москве (рис. 2). В ходе исследования, проведенного Агентством социальных исследований «Столица», были выявлены группы пользователей в двух социальных сетях, установлены связи между ними (на основе взаимного участия пользователей), и по характеру публикаций и комментариев установлено преобладающее отношение участников групп к программе реновации. Сравнение результатов анализа демонстрирует совершенно разную картину мнений, когда в социальной сети Facebook1 мы наблюдаем сосредоточение негативно настроенных групп, в то же время в сети BK присутствуют как группы сторонников, так и противники программы, а также нейтрально настроенные сообщества.
Результаты многочисленных исследований распространения информации в сети Интернет позволяют утверждать, что в случае социальных сетей мы имеем дело не просто с техническими сервисами для общения пользователей, а технологиями, сочетающими социальные и технические способы формирования мнений, убеждений и действий пользователей [16]. В частности, такой подход к пониманию феномена социальных сетей объясняет их роль в массовых общественно-политических явлениях от «арабской весны» до движения BLM. Исследования 2022-2023 гг. показывают значительные различия условий распространения информации, их обсуждения и формирования мнения пользователей в таких сетевых интернет-платформах, как BK, Telegram, YouTube, Дзен и «Одноклассники». Данные различия необходимо учитывать при анализе информационной активности вокруг определенной проблемы или объекта, а также при создании программ для анализа данных.
Стоит отметить, что на практике наиболее адекватные результаты анализа мы получаем от программных продуктов и интеллектуальных систем, сочетающих подходы гуманитарных наук с возможностями математического моделирования, нейросетевого анализа. В качестве удачных примеров такого подхода можно привести уже упомянутую аналитическую систему TextAnalyst 2.0, технологию-модель, позволяющую анализировать идейно-политические предпочтения интернет-пользователей [17], разработанную научным коллективом под руководством А. Г. Чхартишвили, или метод выявления и предотвращения развития социальных конфликтов, разработанного и успешно внедренного автором в информационную работу стройкомплекса Москвы [18].
16
1 Meta — признана экстремистской организацией и запрещена в России, её продукты Instagram и Facebook («Инстаграм» и «Фейсбук») также запрещены на территории РФ.
Сетевой анализ группообразования по программе реновации в ФБ
Сетевой анализ группообразования по программе реновации в ВК
Рис. 2. Сравнительные итоги исследования группообразования в двух социальных сетях на примере программы реновации жилья в Москве
Еще одним перспективным направлением применения интеллектуальных технологий для анализа информационных потоков, принятия управленческих решений и прогнозирования развития ситуаций становится такое новое научно-практическое направление, как предиктивная аналитика. Данный подход предполагает совмещение методов анализа данных и существующих бизнес-процессов, систем управления и принятия решений. Отдельные методы и инструменты анализа здесь формируются в определенную последовательность процедур, позволяющих получить результаты понятные и применимые в деятельности управленцев. Примерами таких программных продуктов являются системы поддержки принятия решений, аналитические программы оценки рисков (наиболее часто применяющиеся банками для оценки кредитоспособности клиентов), BIM-модели в строительстве.
17
18
ВЫВОДЫ
Внедрение интеллектуальных технологий в городское управление становится естественным ответом на все возрастающую сложность городских систем. Однако возможности моделирования городских процессов, судя по всему, имеют свои пределы, обусловленные свободой выбора и действий людей. Наиболее адекватным подходом для развития городских интеллектуальных технологий видятся различные платформенные решения, способные отслеживать происходящие изменения, но позволяющие людям участвовать в управлении. Если развитие городских интеллектуальных технологий пойдет в таком ключе, мы можем получить принципиально новые формы управления на основе социального участия.
Распространение Интернета привело к качественному изменению информационной составляющей городской среды. Уровень использования мобильных приложений, речевых технологий, элементов дополненной реальности среди молодых горожан постоянно растет. Что позволяет рассматривать семантическую систему как отдельную область жизнедеятельности, со своими специфическими закономерностями. По своей сути, семантическая система во многом формируется участием людей, а значит, является более сложной для анализа и моделирования. Различные ситуации здесь зачастую требуют различных методов анализа, при этом вариативность подходов будет зависеть как от специфики ситуации, так и от используемых теоретических моделей.
Сложность социальных городских систем требует использования новых подходов к разработке интеллектуальных систем, сочетающих наработки социальных наук, использование различных видов данных и методы компьютерного программирования. При этом наиболее востребованными результатами социальных наук становятся не разрозненные исследования и теоретические наработки, а конкретные социальные технологии, позволяющие решать практические задачи управления.
Список использованных источников
1. PiLgun, M. Effects of COVID-19 on Multilingual Communication/M. PiLgun, A. N. Raskhodchikov, O. Koreneva Antonova. [Электронный ресурс]. 2022. Vol. 12. P. 792042. DOI 10.3389 /fpsyg.2021.792042. EDN UUQJMR. URL:https:// www.frontiersin.org/articLes/10.3389 /fpsyg.2021.792042 /full. (дата обращения: 01.03.2023)
2. Журавлева, Ю. В. Виртуальная деструкция личности / Ю. В. Журавлева, И. В. Журавлев // Сети 4.0. Управление сложностью: Сборник статей по материалам международных научно-практических конференций, состоявшихся в Москве в 2018-2019 годах. Москва: Всероссийский центр изучения общественного мнения, 2020. - С. 80-85. EDN CTAQSE.
3. Щербина, В. В. О проблемах, возникающих в связи c попытками радикальных и масштабных изменений в обществе и других сложных социальных образова-
ниях/В. В. Щербина // Личность. Культура. Общество. - 2022. - Т. 24. - № 3-4. - С. 81-107. DOI 10.30936 /1606_951X_2022_24_3_4_81_107. EDN IXWFZW.
4. Глазычев, В. Л. Города без границ. М.: Издательский дом «Территория будущего», 2011. — С. 102.
5. Борисов, В. В. Нечеткие реляционные когнитивные темпоральные модели для анализа и прогнозирования состояния сложных технических систем/В. В. Борисов, С. П. Курилин, В. С. Луферов // Прикладная информатика. - 2022. - Т. 17. - № 1. - С. 27-38. DOI 10.37791 /2687-0649-2022-17-1-27-38. EDN GOHHKT.
6. Цвиркун, А. Д. Управление развитием крупномасштабных систем в новых условиях/А. Д. Цвиркун // Управление развитием крупномасштабных систем (MLSD'2021): Труды Четырнадцатой международной конференции, Москва, 27-29 сентября 2021 г. / Под общей редакцией С. Н. Васильева, А. Д. Цвиркуна. - Москва: Институт проблем управления им.
B. А. Трапезникова РАН, 2021. - С. 24-29. DOI 10.25728 /8177.2021.51.20.001. EDN XGJLCX.
7. Тихонов А. В. Социология управления. 2-е изд., доп. и перераб. - М.: Канон+: Реабилитация, 2007.
8. Ильина И. Н., Коно М. Трансформация подходов к развитию «умного города» / Нац. исслед. ун-т «Высшая школа экономики». - М.: Изд. дом Высшей школы экономики, 2023. - 248 с.
9. Дридзе Т. М. Градоустройство: от социальной диагностики к конструктивному диалогу заинте-
ресованных сторон. - М.: Изд-во «Институт психологии РАН», 1998. - 347 с.
10. Кастельс, М. Информационная эпоха: экономика, общество, культура. - М.: ГУ-ВШЭ, 2000. - 608 с.
11. Харламов, А. А. Семантический искусственный интеллект / А. А. Харламов // Речевые технологии. - 2021. - № 1-2. - С. 109-116. DOI 10.58633 /2305-8129_2021_1-2_109. EDN IGBHPO.
12. Переслегин, С. Б. Эффект «чужого поля»: российская наука в англосаксонском когнитивном пространстве / С. Б. Переслегин // Экономические стратегии. - 2017. - Т. 19. - № 8. -
C. 50-65. EDN YOHVEI.
13. Градосельская, Г. В. Картирование политически активных групп в Фейсбуке: динамика 2013-2018 гг./Г. В. Градосельская, Т. Е. Щеглова, И. А. Карпов // Вопросы кибербезопасно-сти. - 2019. - № 4. - С. 94-104. DOI 10.21681 /2311-3456-2019-4-94-104. EDN GVJAWS.
14. Пильгун, М. А. Психолингвистический анализ медиаконтента в мультимодальном аспекте: протестные коммуникации & большие данные / М. А. Пильгун // Вопросы психолингвистики. - 2018. - № 36. - С. 99-117. DOI 10.30982 / 2077-5911-36-2-99-117. EDN XSCRBB.
15. Kharlamov, A. A. Smart city data sensing during covid-19: Public reaction to accelerating digital transformation/A. A. Kharlamov, A. N. Raskhodchikov, M. Pilgun [Электронный ресурс].2021. Vol. 21, No. 12. DOI 10.3390 / s21123965. EDN KDHHHD. URL: https://www.mdpi.com/1424-822 0 /21 /12 /3965 (дата обращения: 27.02.2023)
16. Расходчиков, А. Н. Как управлять неуправляемым? / А. Н. Расходчиков // Сети 4.0. Управление сложностью: Сборник статей по материалам международных научно-практических конференций, состоявшихся в Москве в 2018-2019 годах. - М.: Всероссийский центр изучения общественного мнения, 2020. - С. 12-17. EDN EHIUNP.
17. Губанов, Д. А. О выявлении идейно-политических предпочтений пользователей городских сообществ в онлайновой социальной сети / Д. А. Губанов, И. В. Козицин, А. Г. Чхартиш-вили // Материалы X международной социологической Грушинской конференции «Жить в России. Жить в мире. Социология повседневности», Москва, 20 мая - 14 июня 2020 г. -Москва: Всероссийский центр изучения общественного мнения, 2020. - С. 291-297. EDN OYTRLN.
18. Расходчиков, А. Н. Информационно-коммуникационные технологии взаимодействия органов власти и населения мегаполиса в процессе реализации градостроительных проектов: специальность 22.00.08 «Социология управления»: автореферат диссертации на соискание ученой степени кандидата социологических наук/Расходчиков Алексей Николаевич. - Москва, 2017. - 28 с. EDN KIPPTB.
19
20
INTELLIGENT TECHNOLOGIES IN URBAN ENVIRONMENT: OPPORTUNITIES AND LIMITS OF APPLICATION
Raskhodchikov A. N., Candidate of Social Sciences, Chairman of the Board of Directors, Moscow Urban Center Foundation, Moscow
The article deals with contradictions, arising in the process of introduction of digital services and smart systems in urban environment. Data analysis and modeling methods peculiarities depending on specific features of different urban systems are considered. On the basis of the study of information environment key characteristics of analytic systems necessary for the formation of predictive analytics tools are formulated.
• intelligent technology • social change • urban environment • data analysis
• information flows • semantic environment •
