Grenville Clark dopiero co rozsiadł się na swoim krześle przewodniczącego konferencji, kiedy ktoś podał mu złożoną notatkę. Clark, prawnik z wykształcenia, zorganizował tę konferencję, by omówić przyszłość nowo utworzonej Organizacji Narodów Zjednoczonych i jej znaczenie dla światowego pokoju. Na Uniwersytecie Princeton pojawiło się już sześćdziesięciu delegatów, ale przyłączyć się chciała jeszcze jedna osoba. Notatka w rękach Clarka pochodziła od Alberta Einsteina, który pracował w przylegającym Instytucie Studiów Zaawansowanych.
Był styczeń 1946 roku i za wieloma osobami w społeczności fizyków cieniem kładła się ich rola w niedawnym zrzuceniu bomb atomowych na Hiroszimę oraz Nagasaki. Mimo, że sam Einstein od dawna był pacyfistą – i zdecydowanie sprzeciwiał się bombardowaniu – to jego pismo do prezydenta Roosevelta z 1939 roku, ostrzegające przed potencjalną nazistowską bombą atomową, doprowadziło do uruchomienia amerykańskiego programu jądrowego. Podczas konferencji w Princeton pewien uczestnik spytał Einsteina o nieumiejętne zarządzanie nowymi technologiami przez ludzkość. „Jak to jest, że podczas gdy umysł ludzki sięgnął tak daleko, żeby odkryć strukturę atomu, wciąż nie potrafimy opracować odpowiednich środków politycznych, by nas ten atom nie zniszczył?”. „To proste, przyjacielu”, odpowiedział Einstein. „To dlatego, że polityka jest trudniejsza niż fizyka”.
Fizyka nuklearna to jeden z najjaśniejszych przykładów „technologii podwójnego zastosowania”. Badania przyniosły ogromne korzyści naukowe i społeczne, ale znalazły też niezwykle szkodliwe sposoby wykorzystania. W poprzednich rozdziałach poznaliśmy kilka innych przykładów technologii, które mogą mieć zarówno pozytywne, jak i negatywne zastosowanie. Media społecznościowe mogą łączyć nas ze starymi przyjaciółmi i pożytecznymi nowymi pomysłami. Mogą też jednak umożliwiać rozpowszechnianie błędnych informacji i szkodliwych treści. Analiza epidemii przestępczości może ujawnić osoby zagrożone, umożliwiając przerwanie transmisji, ale może też być wykorzystywana w pełnych uprzedzeń algorytmach policyjnych, które mogą nadmiernie koncentrować się na grupach mniejszościowych. Wielkoskalowe dane GPS ujawniają, jak skutecznie reagować na katastrofy, jak ulepszać systemy transportowe i jak mogą się rozprzestrzeniać nowe choroby. Ale wiąże się z tym też ryzyko wycieku informacji osobistych bez naszej wiedzy, co zagraża naszej prywatności, a nawet bezpieczeństwu.
W marcu 2018 roku gazeta „Observer” napisała, że Cambridge Analytica w tajemnicy gromadziła dane kilkudziesięciu milionów użytkowników Facebooka, mając na celu tworzenie profili psychologicznych amerykańskich i brytyjskich wyborców. Chociaż skuteczność takiego profilowania jest przez statystyków podważana, skandal podkopał zaufanie publiczne do firm technologicznych. Zdaniem inżyniera oprogramowania – i byłego fizyka – Yonatana Zungera, historia stanowiła współczesną wersję dyskusji etycznych, które toczyły się już w takich dziedzinach jak fizyka nuklearna czy medycyna. „Dziedzina nauk informatycznych, w przeciwieństwie do innych, jeszcze nie musiała stawiać czoła poważnym negatywnym konsekwencjom działalności swoich praktyków”, napisał wtedy. W miarę pojawiania się nowych technologii nie możemy zapominać lekcji, które na własnych błędach odrobili już naukowcy z innych dziedzin.
Kiedy na początku XXI wieku popularnym hasłem stało się „big data”, potencjał wielorakiego zastosowania stanowił źródło optymizmu. Nadzieja dotyczyła faktu, że dane gromadzone w jednym celu mogły pomóc radzić sobie z pytaniami w innych obszarach życiowych. Flagowym przykładem tego zjawiska było Google Flu Trends (GFT). Analizując wzorce wyszukiwania milionów użytkowników, naukowcy zasugerowali, że istnieje możliwość mierzenia aktywności grypy w czasie rzeczywistym, zamiast czekać tydzień czy dwa na publikację oficjalnych amerykańskich statystyk. Pierwsza wersja GFT została ogłoszona na początku 2009 roku, przynosząc obiecujące wyniki. Jednak nie minęło wiele czasu, nim pojawiły się pierwsze uwagi krytyczne.
Projekt GFT miał trzy główne ograniczenia. Po pierwsze prognozy nie zawsze działały zbyt dobrze. GFT odtworzył sezonowe szczyty zachorowań na grypę w USA w latach 2003–2008, ale kiedy wiosną 2009 roku nieoczekiwanie wybuchła pandemia, GFT ogromnie nie doszacował jej rozmiarów. „Pierwsza wersja GFT stanowiła częściowo wykrywacz grypy, a częściowo zimy”, jak to ujęła pewna grupa naukowców.
Drugi problem polegał na tym, że nie było jasne, jak w zasadzie powstawały prognozy. GFT był generalnie nieprzejrzysty: dane z wyszukiwarki były wprowadzane z jednej strony, a prognozy wychodziły z drugiej. Google nie udostępniał szerszej społeczności naukowej surowych danych ani stosowanych metod, nie było więc możliwości, by inni przyjrzeli się analizie i zorientowali się, czemu algorytm dobrze radzi sobie w niektórych sytuacjach, ale źle w innych.
Dochodzi jeszcze ostatni – i być może największy – problem z GFT: nie wydawał się zbyt ambitny. Każdej zimy mamy epidemie grypy, ponieważ wirus ewoluuje, przez co aktualne szczepionki są mniej skuteczne. Podobnie głównym powodem, dla którego rządy tak niepokoi potencjalna pandemia grypy w przyszłości, jest fakt, że nie będziemy mieli skutecznej szczepionki na nowy szczep wirusa. W przypadku pandemii opracowanie jej zajęłoby sześć miesięcy, a w międzyczasie wirus szeroko się rozniesie. By przewidzieć kształt epidemii grypy, musimy lepiej zrozumieć, jak wirusy ewoluują, jak ludzie wchodzą ze sobą w interakcje i jak populacje wypracowują odporność. W obliczu tej niezwykle trudnej sytuacji GFT miał tylko na celu informować o aktywności grypy mniej więcej tydzień wcześniej, niż można by to zrobić bez niego. Był to ciekawy pomysł, jeśli chodzi o analizę danych, ale nic rewolucyjnego pod kątem radzenia sobie z epidemiami.
To częsta pułapka, kiedy naukowcy lub firmy opowiadają o stosowaniu dużych zbiorów danych w szerszych aspektach życia. Mamy tendencję zakładać, że ponieważ posiadamy tak dużo danych, muszą one odpowiadać też na inne ważne pytania. W rzeczywistości dane te stają się rozwiązaniem poszukującym problemu.
Pod koniec 2016 roku epidemiolożka Caroline Buckee wzięła udział w technologicznej imprezie charytatywnej, promując swoją pracę wśród bywalców Doliny Krzemowej. Buckee ma duże doświadczenie z zastosowaniem technologii do badania epidemii. Ostatnimi czasy pracowała nad kilkoma badaniami z wykorzystaniem danych GPS, analizując przenoszenie się malarii. Jest jednak świadoma, że taka technologia ma swoje ograniczenia. Podczas imprezy jej frustrację wywołało dominujące podejście, zgodnie z którym za pomocą wystarczającej ilości pieniędzy i programistów firmy zdołają rozwiązać światowe problemy zdrowotne. „W świecie, w którym potentaci technologiczni stają się głównymi fundatorami badań, nie możemy dać się nabrać kuszącej idei, że młodzi, obeznani z technologią absolwenci koledżów mogą samodzielnie naprawiać zdrowie publiczne na swoich komputerach”, napisała później.
Sporo podejść technologicznych nie jest ani wykonalnych, ani zrównoważonych. Buckee zwróciła uwagę na wiele nieudanych prób wykonania technologicznych badań pilotażowych lub aplikacji, które miały nadzieję „zakłócić” metody tradycyjne. Do tego trzeba jeszcze ocenić, jak dobrze tak naprawdę sprawdzają się działania zdrowotne, zamiast po prostu zakładać, że dobre pomysły pojawią się naturalnie, jak odnoszące sukcesy start-upy. „Przygotowanie do pandemii wymaga długoterminowego zaangażowania na rzecz politycznie złożonych, wielowymiarowych problemów – a nie zakłóceń”, jak to ujęła badaczka.
Technologia wciąż może odegrać wielką rolę we współczesnej analizie epidemii. Naukowcy regularnie używają modeli matematycznych, by projektować działania kontrolne, smartfonów do zbierania danych pacjentów i sekwencji patogenów, by śledzić rozprzestrzenianie się infekcji. Jednak największe wyzwania często są praktyczne, a nie obliczeniowe. Zdolność do gromadzenia i analizowania danych to jedno, a dostrzeganie epidemii i posiadanie zasobów, by coś w jej sprawie zrobić, to zupełnie co innego.
Adam Kucharski, Prawa epidemii, przeł. Jowita Maksymowicz-Hamann, Grupa Wydawnicza Relacja