По долгу службы я немного разбираюсь в цифровых двойниках. Очень удобно, когда твой завод оцифрован – знаешь, что и где находится, как работает. А с предиктивными моделями – еще и когда сломается. Большие данные и статистика помогают создать своих цифровых двойников. Мы с вами тоже окружены ими. Рекомендательные системы показывают, что нравится похожим на нас людям. В медицине большие данные помогают сравнить отдельный случай с миллионами других, чтобы поставить правильный диагноз и назначить лечение. Кстати, при поиске двойников не обязательно смотреть на людей, которым нравятся похожие вещи. Иногда плодотворнее обратить внимание на тех, кто ненавидит то же, что и мы. Чем хороши рекомендательные алгоритмы – им абсолютно плевать, что мы там желаем делать. Людям доверять вообще не стоит — они сами не знают, чего хотят. Алгоритмы смотрят на наши поступки. Хотя не всегда покупателю следует показывать лишь то, что он способен купить. Напротив, "нужный" вариант правильнее подсветить более дорогим, выделить на фоне однородно-ненужных других товаров. Да что там, чтобы привести клиента в благодушное состояние, можно ему сперва польстить. Например, агрегатор предлагает мне подумать о приобретении Большой британской энциклопедии. Купить я ее, конечно, не куплю. Но в смущении подумаю «ох, ну что вы, не стоит» - ведь компьютер высоко оценил уровень моего интеллектуального развития. Такой вариант приятнее предложения в лоб: «Уникальный шанс купить пять чекушек водки по сниженной цене!». Так что, если вдруг алгоритм предлагает купить что-то странное, не спешим возмущаться. Возможно, он просто знает о нас больше, чем мы сами. Мои книги: "Человек покупающий и продающий", "Стратегия вверх тормашками"