Z aplikacijami na pametnih telefonih lahko natančno in podrobno sledimo zelo raznolikim vidikom svojega življenja, ki jim sicer težko namenjamo trajno pozornost. Če postavimo telefon zvečer na posteljo, lahko preko tresenja blazine spremlja naše premikanje in sproti ugotavlja ter zapisuje, v kateri od faz spanja smo. Tako imamo vseskozi natančne podatke o količini in kvaliteti svojega nočnega počitka.
Na voljo imamo tudi programe za telefone, ki poslušajo naše smrčanje in nam zjutraj poročajo, kdaj in kako močno smo »vlekli dreto«. Na ta način lahko ugotovimo, kaj dejansko vpliva na naše smrčanje. Je to določena hrana oziroma pijača, ki smo jo zaužili pred spanjem, ali pa je pomembno le, koliko časa je minilo med zadnjim obrokom in odhodom v posteljo? Preprosto lahko preverjamo tudi učinkovitost preparatov in naprav, ki domnevno blažijo smrčanje.
Pestra je tudi ponudba aplikacij, s katerimi lahko spremljamo svojo telesno aktivnost. Te nas hkrati vzpodbujajo, da se čim več gibljemo in telovadimo, za kar smo nagrajeni z virtualnimi nagradami, ob neaktivnosti pa smo deležni simbolnih kazni. Če želimo, se lahko primerjamo z drugimi uporabniki iste aplikacije in tako pridobimo koristne povratne informacije o svojem napredovanju v neki veščini.
S programi in senzorji, ki spremljajo naše vsakdanje aktivnosti, postanejo določeni vidiki življenja, ki se jih praviloma slabo zavedamo, bolj vidni in jih lahko zato lažje upravljamo. O svojem telesu imamo zdaj bistveno več informacij, ki niso le izraz subjektivnega počutja, ampak gre za zaupanja vredne neodvisne podatke. Tako se lažje zavemo zdravju škodljivih trendov, še preden nam začnejo povzročati težave. Skupina raziskovalcev je denimo pokazala, da lahko že s postavitvijo preprostih senzorjev, ki spremljajo pogostost odpiranja vrat na domačem stranišču pri ostarelih ljudeh, zelo zanesljivo na daljavo ocenijo, kdaj se katerega začenja lotevati bolezen – morda celo prej, preden se posameznik tega sam zave.
Malo in veliko podatkovje
Pojem malo podatkovje (little data) se uporablja za opis podatkov, ki jih o posamezniku zbirajo razni senzorji v okolici, na telesu ali v njegovem pametnem telefonu. Ključno za to označbo je, da se podatki navezujejo na enega samega konkretnega človeka. To so lahko na primer lokacijski podatki s telefona ali navigacijske naprave za več let nazaj, podatki senzorja srčnega utripa, ki ga uporabljamo med tekom, ali pa zgolj informacije, kdaj smo vstali in kdaj gremo spat, kar lahko naš telefon tudi dokaj učinkovito in vestno beleži. Seveda je takšnih informacij vsako leto več, saj količina najrazličnejših senzorjev, ki jih vsakodnevno uporabimo, hitro raste.
Pojem malo podatkovje se od pojma veliko podatkovje (big data) razlikuje po tem, da se prvi nanaša na konkretnega posameznika, medtem ko drugi označuje podatke, ki so zbrani na osnovi opazovanja velike množice ljudi. Obema pa je skupna želja, da bi na osnovi velike količine meritev prišli do informacij o delovanju ljudi, ki niso očitne in se jih praviloma sploh ne zavedamo.
Znano je, da nam denimo pri skrbi za zdravo prehrano, ali pa če želimo zgubiti odvečne kilograme, zelo pomaga, če si vestno beležimo vse, kar pojemo. Tisti, ki vodijo natančno knjigovodstvo vsega, kar dajo v usta, imajo več možnosti, da bodo dolgoročno uspešni pri doseganju zastavljenih ciljev diete. V primeru beleženja zaužite hrane gre za nekakšno preprosto ročno ustvarjanje malega podatkovja, kjer je že sam pogled na seznam preprosta povratna analiza, ki nam omogoča, da se zavemo, kaj vse smo pojedli.
Zelo uspešno je tudi sodelovanje med velikim in malim podatkovjem. Najbolj običajno pride do kombiniranja tovrstnih podatkov pri predlogih za nakupe v spletnih trgovinah. Ti nam na osnovi naših predhodnih zanimanj in podatkov o tem, kar so kupili drugi, ki delijo enaka zanimanja kot mi, ponujajo predmete, za katere ocenjujejo, da je zanje največja verjetnost, da jih bomo kupili.
Dva ameriška raziskovalca sta že leta 2012 pokazala tudi, da lahko z veliko verjetnostjo za 80 tednov naprej napovesta lokacijo posameznika glede na njegove pretekle lokacijske podatke. Njun algoritem se je učil na 32.000 dneh zbranih GPS-podatkov za 307 ljudi in 396 vozil. Takrat se je to zdelo veliko, danes pa je podobnih podatkov za učenje algoritmov na voljo bistveno več, tako da so se gotovo napovedi še bistveno izboljšale.
Razliko med velikim in malim podatkovjem lahko opredelimo tudi preko tega, kaj želimo z njimi doseči. Malo podatkovje služi predvsem posameznikom pri doseganju osebnih ciljev, medtem ko veliko podatkovje omogoča velikim organizacijam v obliki korporacij in držav, da uresničujejo svoje specifično poslanstvo, ki ni nujno v soglasju z interesi posameznikov.
Subjektivno ugodje postane vidno
Angleški pravnik in filozof Jeremy Bentham je konec 18. stoletja zagovarjal idejo, da bi kvaliteto življenja v družbi lahko ocenjevali preko sreče oziroma zadovoljstva ljudi, ki jo sestavljajo. Pomembno vprašanje pri tem pa je bilo, kako ta subjektivni občutek sreče spremeniti v objektivno merljivo oceno ugodja.
Angleški ekonomist William Stanley Jevons je v 19. stoletju težavo vsaj začasno rešil z idejo, da lahko subjektivni občutek sreče merimo preko denarja, ki ga je posameznik pripravljen plačati, da je zadovoljstva deležen. Dva predmeta ali dogodka sta glede vzbujanja sreče po njegovem enakovredna, če smo zanju pripravljeni potrošiti enako količino denarja. Delo predstavlja po tej interpretaciji nekakšno »negativno zadovoljstvo«, saj naj bi nam začasno zmanjševalo ugodje, a smo ga pripravljeni potrpeti, ker dobimo zanj kompenzacijo v obliki plačila, s katerim si lahko kupimo dobrine, ki nam ugodje povečajo.
Prvo blagovnico oziroma trgovino v modernem smislu te besede so odprli leta 1852 v Parizu in šele takrat se je dejansko začelo obdobje, ko je potrošnik lahko izbiral in se odločal na podlagi videza in cene blaga na policah. Ključno pri tem je bilo, da se je celoten postopek proizvodnje izdelkov zabrisal, saj je bila vsa preteklost blaga izražena v njegovi ceni. Vendar se je kmalu izkazalo, da ekonomije v resnici ne zanima, koliko zadovoljstva nam sproži določeno blago, ampak le, kaj bomo v trenutku odločitve raje izbrali.
Trg dobrin in storitev lahko v tem kontekstu razumemo kot nekakšno velikansko napravo za branje misli ljudi. V glave ljudi gleda preko denarja oziroma cen, ki so jih ljudje pripravljeni plačati za posamezno dobrino. Dobra ilustracija tega, kaj pomeni radikalna aplikacija takšne logike, je izračun škode, ki jo je povzročilo razlitje nafte iz tankerja Exxon Valdez pri Aljaski leta 1989. Država Aljaska je škodo zaradi naravne katastrofe ocenila preko poizvedovanja, koliko bi bila posamezna družina pripravljena plačati iz lastnega žepa, da se nesreča ne bi zgodila. Ugotovili so, da je v povprečju to znesek 31 dolarjev na družino. To so potem pomnožili s številom družin v državi in dobili oceno škode, ki jo je podjetje povzročilo državljanom.
Nevarnost asimetrije informacij v dobi velikih zbirk podatkov
Hiter napredek znanosti v začetku 21. stoletja nam obeta, da bomo kmalu razumeli mehanizme delovanja možganov do te mere, da bomo lahko neposredno vedeli, kako človeka narediti srečnega. Objektivno bomo razumeli subjektivnost vsaj v okviru procesov, ki pripeljejo do posameznih emocij.
Vstopamo tudi v dobo, ko nam bo znal algoritem na telefonu bolj natančno povedati, kako se počutimo in kakšna čustva nas prevzemajo, kot se tega sami zavedamo. Skrito in prikrito v našem telesu bo na ta način postalo vse bolj vidno. Gre za pomembno kulturno spremembo, ki se bo kmalu odrazila tudi v našem vsakdanjem življenju.
Nekatere korporacije vedo o nas preko analiz naših aktivnosti na spletu in na pametnih telefonih že zelo veliko, zato je pomembno, da se obstoja tovrstnih podatkov zavedamo tudi sami. Ne le zato, da bi se vsaj občasno lahko zatekli v zavetje zasebnosti, ampak da ne bi prihajalo do prehude asimetrije pri dostopu do informacij, kar omogoča tistemu, ki z informacijami razpolaga, da z nami manipulira.
(Več o “industriji sreče” v knjigi: The Happiness Industry: How the Government and Big Business Sold us Well-Being by William Davies)
