Η ερευνητική ομάδα Human Dynamics του MIT Media Lab συνδυάζει δεδομένα από τα κοινωνικά δίκτυα και σύγχρονα μαθηματικά μοντέλα αλληλεπίδρασης για να προτείνει τρόπους καλύτερης οργάνωσης εταιρειών, κυβερνήσεων και κοινωνίας

Οικονομική Επιθεώρηση, Νοέμβριος 2022, τ.1024

ΤΕΧΝΟΛΟΓΙΑ

του Μιχάλη Μπλέτσα*

Η ερευνητική ομάδα της Δυναμικής των Ανθρωπίνων Σχέσεων (Human Dynamics) του MIT Media Lab χρησιμοποιεί τα εργαλεία της υπολογιστικής κοινωνιολογίας για να αναζητήσει το πώς μπορούμε να οργανώσουμε καλύτερα την κοινωνία, την κυβέρνηση και τις εταιρείες.

H ομάδα διερευνά το πώς τα κοινωνικά δίκτυα μπορούν να επηρεάσουν τη ζωή μας στις επιχειρήσεις, την υγεία, τη διακυβέρνηση και την υιοθέτηση και τη διάδοση της τεχνολογίας.

Η δουλειά της έχει ήδη δείξει ότι μπορεί να βελτιώσει σημαντικά τα ποσοστά καινοτομίας και ευκαιριών σε πόλεις, εταιρείες, ακόμη και ολόκληρα έθνη.

Ο Άτλας της Ανισότητας είναι ένα έργο της ομάδας σε συνεργασία με το Τμήμα Μαθηματικών του πανεπιστημίου Carlos III της Μαδρίτης. Αποτελεί μέρος μιας ευρύτερης πρωτοβουλίας για την κατανόηση της ανθρώπινης συμπεριφοράς στις πόλεις μας και του τρόπου με τον οποίο μεγάλης κλίμακας προβλήματα όπως η μεταφορά, η στέγαση, ο διαχωρισμός των κοινωνικών ομάδων και η ανισότητα εξαρτώνται εν μέρει από τα αναδυόμενα πρότυπα των ατομικών ευκαιριών και επιλογών των ανθρώπων.

Ο διαχωρισμός βλάπτει τις κοινωνίες μας και ιδιαίτερα τις πόλεις μας. Αλλά η οικονομική ανισότητα δεν περιορίζεται μόνο στις γειτονιές. Τα εστιατόρια, τα καταστήματα και άλλα μέρη που επισκεπτόμαστε στις πόλεις είναι όλα άνισα με τον δικό τους τρόπο.

Ο Άτλας της Ανισότητας δείχνει την εισοδηματική ανισότητα των ανθρώπων που επισκέπτονται διαφορετικά μέρη στη μητροπολιτική περιοχή της Βοστώνης. Χρησιμοποιεί συγκεντρωτικά ανώνυμα δεδομένα τοποθεσίας από κινητά τηλέφωνα για να εκτιμήσει τα εισοδήματα των ανθρώπων και το πού περνούν τον χρόνο τους. Χρησιμοποιώντας αυτά τα δεδομένα, η ομάδα δημιούργησε τη δική της μέτρηση ανισότητας θέσεων για να καταγράψει πόσο άνισα είναι τα εισοδήματα των επισκεπτών σε κάθε μέρος. Η οικονομική ανισότητα δεν περιορίζεται μόνο στις γειτονιές· είναι μέρος των τόπων που επισκεπτόμαστε καθημερινά.

Ακόμη και όταν τα πραγματικά ονόματα και άλλες προσωπικές πληροφορίες αφαιρούνται από σύνολα δεδομένων, είναι συχνά δυνατό να χρησιμοποιηθούν μόνο μερικές πληροφορίες για την αναγνώριση ενός συγκεκριμένου ατόμου. Η ομάδα μελέτησε αρχεία τριών μηνών πιστωτικών καρτών για 1,1 εκατομμύρια ανθρώπους και έδειξε ότι 4 χωροχρονικά σημεία είναι αρκετά για να επαναπροσδιορίσουν μοναδικά το 90% των ατόμων. Έδειξε ότι η γνώση της τιμής μιας συναλλαγής αυξάνει τον κίνδυνο επαναπροσδιορισμού κατά 22%, κατά μέσο όρο. Τέλος, έδειξε ότι ακόμη και σύνολα δεδομένων που παρέχουν χονδροειδείς πληροφορίες παρέχουν μικρή ανωνυμία και ότι οι γυναίκες είναι πιο αναγνωρίσιμες από τους άνδρες στα μεταδεδομένα πιστωτικών καρτών.

Η μελέτη δεδομένων του email μας δίνει σημαντικές πληροφορίες για το πώς λειτουργούν οι οργανισμοί και ποιες πρακτικές διαχείρισης οδηγούν σε μεγαλύτερη παραγωγικότητα. Οι σημαντικές όμως αλληλεπιδράσεις συμβαίνουν σχεδόν πάντα πρόσωπο με πρόσωπο, επομένως με τη μελέτη μόνο του email χάνεται το μεγαλύτερο μέρος της εικόνας. Σήμερα, ωστόσο, οι άνθρωποι φέρουν κινητά τηλέφωνα και φορούν σήματα RFID. Αυτά τα δίκτυα αισθητήρων που φοριούνται από το σώμα δίνουν τη δυνατότητα να γνωρίζουμε ποιος μιλάει σε ποιον, ακόμη και πώς μιλάει ο ένας στον άλλο. Η ομάδα διερευνά το πώς αυτές οι νέες τεχνολογίες για την ανίχνευση της ανθρώπινης αλληλεπίδρασης μπορούν να χρησιμοποιηθούν για την επανεφεύρεση των οργανισμών και της διαχείρισής τους.

Μέχρι πρόσφατα, δεν είχαμε δεδομένα για να αποδείξουμε πώς λειτουργεί πραγματικά η κοινωνία μας, ούτε είχαμε το σωστό είδος δικτύων μαθηματικών μοντέλων αλληλεπίδρασης. Τώρα έχουμε τόσο τα μαθηματικά όσο και τα δεδομένα και η ομάδα Human Dynamics επικεντρώνει την ερευνητική της δραστηριότητα στη βέλτιστη χρήση αυτών των εργαλείων.


* Ο Μιχάλης Μπλέτσας είναι ερευνητής και διευθυντής Πληροφορικής στο Media Lab του ΜΙΤ