Идея блестящая, но ее трудно реализовать. Было непонятно, к кому обращаться с подобной просьбой. Я принялся звонить на коммутатор в НАСА и Европейское космическое агентство. Сейчас, после исследований, проведенных для этой книги, я знаю, что тогда на орбите находилось всего несколько коммерческих спутников наблюдения Земли, в основном с датчиками не того типа, который был нужен нам. Но, увы, этого я в то время не знал. И подвел Тома.
Однако сегодня предоставлять Тому точные, актуальные фотографии практически любой части планеты было бы делом обычным и дешевым — несколько десятков долларов. Такие изображения используют хедж-фонды и сырьевые трейдеры, причем именно так, как предполагал мой босс. Например, чтобы понять покупательский спрос и в результате оценить, насколько хорошо идут дела в секторе розничной торговли, такие компании подсчитывают количество автомобилей на парковках торговых центров. Или анализируют тени, отбрасываемые нефтяными танкерами, чтобы оценить их загрузку и, следовательно, мировой спрос на нефть. Американская страховая компания Lemonade, прежде чем предложить полисы страхования жилья, по спутниковым снимкам оценивает риск лесных пожаров[79].
К концу 2018 года вокруг Земли вращалось около 2000 действующих спутников. По данным Союза обеспокоенных ученых, в 1991–2000 годах было запущено 118 спутников, около десяти в год — четыре пятых из них были коммерческими, в основном для связи (остальные правительственные или военные)[80]. В 2018 году было запущено 372 спутника, более чем в двадцать раз больше, чем в начале века.
Рост количества спутников нового поколения, как вы уже догадались, произошел благодаря стандартизации. Стандартные компоненты сделали спутники дешевле, а космос — доступнее. Они позволяют создавать спутники стандартных размеров, например маленькие низкоорбитальные, известные как CubeSats. Затем ракеты поднимают спутники стандартных размеров, что значительно снижает затраты на выход из атмосферы Земли[81].
В программном обеспечении стандартизация тоже стала обычным делом. Она привела к распространению компонентизации: многие стандартные задачи, которые мы ставим перед ПО, теперь доступны в виде готовых блоков кода. Современный разработчик программного обеспечения может потратить столько же времени на соединение таких предподготовленных компонентов, сколько и на написание чего-то нового. Новое мобильное приложение может включать десятки тысяч или больше строк кода, но разработчикам, пишущим приложения, нет нужды набирать эти строчки самим. Скорее они найдут стандартизированные компоненты, разработанные другими. Такая унификация означает, что компании могут использовать опыт разных отраслей: некто, разрабатывающий приложение, предназначенное для путешественников и помогающее им бронировать жилье, может воспользоваться компонентом календаря, изначально разработанным для приложения, планирующего деловые встречи.
Все это говорит об изменении характера технологического развития. Современные технологии чаще комбинируются и рекомбинируются. И этот процесс приводит к появлению очередных инноваций.
* * *
Лаура О’Салливан училась в выпускном классе колледжа Маунт-Мерси в Корке (Ирландия), когда решила разработать автоматизированную систему, способную выявлять аномалии в мазках из шейки матки. Годом раньше произошел скандал: результат такого теста у двухсот ирландок был отрицательным, а потом у них все-таки обнаружили рак. Лауре было всего 16 лет, когда она поставила перед собой цель решить эту проблему. Она знала о недавнем прорыве в области машинного зрения — способности компьютеров идентифицировать объекты или узоры на изображениях, о которой мы говорили в главе 1. Лаура подумала, что эту технологию можно использовать для выявления злокачественных образований на снимках мазков.
У Лауры был лишь начальный опыт программирования — пару каникул она провела в лагерях для программистов — и никакой формальной подготовки. «Я прошла несколько онлайн-курсов по машинному обучению и глубокому обучению на сайтах Coursera и Стэнфордского университета. Мне необходимо было понять основы», — рассказывала она мне. Лаура начала свой проект во время летних каникул, изучая, как строить и настраивать свёрточные нейронные сети, как находить и очищать данные. К счастью, датская больница Herlev выложила в открытый доступ данные мазков, которые девушка могла использовать.
