Algoritmayı açıklamak
tarafından Francisco Pascual Romero'nun fotoğrafı. (Bilgisayar Mühendisliği Yüksek Lisans Koordinatörü)
Bu hafta İspanya yollarında maalesef 26 ölüm olduğu haberi geldi. Bu, Büyük Verinin veya daha doğrusu 36 olan Büyük Veriyi kullanan yapay zeka algoritmalarının tahminlerini iyileştiriyor.
Bu tahminden birkaç soru ortaya çıkar, her şeyden önce, mutlak bir rakam normalde tahmin edilmez veya tahmin edilmez, bir tahminin sonuçları genellikle biraz daha karmaşıktır, örneğin, şeklin bir güven derecesi sunulur veya hangi aralıkta verilir. bu rakam daha güvenilir. Tek bir sayı, izleyici için iyi bir veridir, ancak gerçekten yararlı değildir.
Öte yandan, birçok durumda sayıyı hesaplama süreci, sayının kendisinden daha değerlidir. Tahminen bu "36"yı elde etmek için zaman serileri, meteorolojik koşullar vb. değişkenler dikkate alınmıştır. Tahmini etkileyen faktörleri bilmek, karar vermeye yardımcı olmak için var olan en değerli unsurlardan biridir.
Son olarak, tahminin kendisinin çarpıtılması var. Bir fenomen hakkında bir şey tahmin ettiğinizde, onu zaten etkilersiniz. Bu, öğretmenden öğrendiğim bir şey Jose Angel Olivas 20 yıldan fazla bir süre önce ve hala geçerli. Örneğin, DGT, bir reklam kampanyası aracılığıyla davranışlarımızı koşullandırmak için bu rakamı kullanır ve direksiyonda daha dikkatli olmamızı sağlamaya çalışır. Yani, "büyük veri", "büyük veri"nin doğru olmaması için kullanılır, çünkü önemli olan onu doğru yapmak değil, yoldaki ölümlerin sayısını azaltmaktır.
Başka bir örnek: Avustralya Açık'ta Nadal.
Herkes Nadal'ın son Avustralya Açık finalinde Medveveed'e karşı %4 kazanma şansının görüntüsünü gördü. Sonraki manşetler “Nadal Beats Big Data” vs.'ye benziyordu. Birkaç hafta sonra Marco Asensio, televizyonda gösterilen modele göre %10'luk bir gol şansı olan bir gol attı. Daha sonra aynı manşetler, muhtemelen başımıza gelen şey, ayı işaret ettiğimizde parmağa bakıyoruz ve bu sayıların arkasında ne olduğunu anlamıyoruz.
Olasılık vs Olasılık. %4'lük bir olasılık, Nadal'ın zaferinin mümkün olduğunu ve tenis puanlama sistemiyle daha da mümkün olduğunu gösteriyor. Bu imkansız bir olay değildir, nadirdir, ancak imkansız değildir. Bir an duralım, her 21 Aralık'ta ertesi gün piyango ikramiyesini vuracağımızı ve bunun %0,001 olasılıkla olacağını düşünür ve her zaman mümkün olduğunu düşünürüz.
Model bu rakamı nasıl hesaplıyor? İlk olarak, Nadal'ın maçı kazanma olasılığının %36 olduğu bir a priori olasılık kullanılır. Normalde bu a priori modeller sıralamalara (Medveded'inkinden daha yüksek), geçmiş galibiyet serilerine, oyun yüzeyine, son maçlara vb. dayalıdır. Sonra partinin geleceği var; Benzer tarihsel durumları analiz eden basit bir model alarak, 4 maçtan sadece 100'ünde 5 sete kadar geriye doğru izlenen gibi bir sonuç elde edildi. Nadal'a odaklanırsak, o durumdaki 2 maçın sadece 20'sinden geldi. Yani sayı haklı, ancak bize yeterli bilgi veriyor mu?
Bu rakama nasıl ulaşıyorsunuz? Bir figür bir andır ve bir ana değer vererek hikayenin bir kısmını kaybederiz. Heisenberg'in Belirsizlik İlkesini hatırlayalım: Bir değişkene tam olarak değer verirsek, geri kalanının perspektifini kaybederiz. Öte yandan, %4'den %1'e ulaşmak, %32'den düşmekle aynı şey değildir. Ve sadece bu değil, sadece bu sayıyı değil, aynı zamanda maçın ilerleyen zamanlarında nasıl geliştiğini ve üçüncü sette bir mola topunu kurtarmak veya yukarıda bir mola vermek gibi farklı olayların bu olasılığı nasıl büyük ölçüde değiştirebileceğini değerlendirmek de gerekli. zafer. Bu olayları bilmek ve analiz etmek bu analizin anahtarıdır.
Bu olasılığı nasıl değiştirebilirim? Bu, sayının faydalı kısmıdır, belirli bir anda bir oyuncuya %4 kazanma şansı olduğunu söylerseniz, ona yeni bir şey vermediğinizi söylerseniz, skorborddan bunu anlar. Katkıda bulunmak için önemli olan şey, oyununuzda sizi yenmeye götüren şeyler ve bu dinamiği nasıl değiştirebileceğinizdir. Yani, faydalı olan şudur: “Bak Rafa, ikinci servisle attığınız tüm puanları kazanıyor ve çifte hatanız yok, bunu aklınızda bulundurun” veya “servislerden” sizi diğer tarafa fırlatması, %90'ını kaybediyor ve 3 topun altındaki rallilerle". Bu, oyuncu ve antrenör için faydalı olabilecek bir şeydir, bu algoritmaların ve modellerin uygulanmasının gerçek faydası budur.
Sonuç olarak, izole sayılar bu sayılardır, ancak bir bağlama ve ayrıntılı bir analize ihtiyaç duyarlar, herhangi bir "sayısal" yoruma gerek yoktur. Algoritmalar ve modeller, davranışları ve nasıl daha iyi sonuçlar elde edeceğinizi anlamanıza olanak tanıyan çok daha fazla bilgi ve ilgili bilgi sağlayabilir.
