Yapay zeka ve karar verme için yeterli veri ne zaman yeterlidir?


Yapay zekanın (AI) sorunu ve vaadi insanlardır. Bu, robotik derebeylerin devralmasına dair umutlarımız (ve korkularımız) ne olursa olsun, her zaman doğru olmuştur. Yapay zekada ve daha genel olarak veri biliminde işin püf noktası, en iyi insan ve makineleri harmanlamaktır. Bir süredir, AI endüstrisinin amigo kızları denklemin makine tarafını vurgulama eğilimindeydi. Ama Bahar Sağlığı olarak veri bilimcisi Elena Dyachkova samimiveriler (ve arkasındaki makineler) ancak onu yorumlayan insanların akıllı olduğu kadar faydalıdır.

Şunu açalım.

Kusurlu veriler, iyi kararlar

Dyachkova, Amplify Partners’ın genel ortağı ve Mattermark’ın eski veri başkanı Sarah Catanzaro’nun yaptığı bir yorumu yanıtlıyordu. Karar vermede kusurlu veri ve analizin faydasını tartışmak, Catanzaro diyor“Bence veri topluluğu çoğu zaman raporların ve analizlerin değerini gözden kaçırıyor. [are] kusurlu ama yönsel olarak doğru.” o sonra tartışmaya devam ediyor, “Pek çok karar yüksek hassasiyetli içgörüler gerektirmez; birçok bağlamda hızlı ve kirli olandan çekinmemeliyiz.”

Bir kararı bildirmek için mükemmel verilere ihtiyacımız olmadığının harika bir hatırlatıcısı. Bu iyi. Gary Marcus, bir bilim adamı ve kurucu Uber tarafından 2016 yılında satın alınan bir makine öğrenimi şirketi olan Geometric Intelligence’ın ofisi, yapay zekayı ve onun alt kümeleri olan makine öğrenimini ve derin öğrenmeyi takdir etmenin anahtarının, bu tür kalıp tanıma araçlarının “ihtiyacımız olan her şey kaba olduğunda en iyi durumda olduğunu kabul etmek” olduğunda ısrar ediyor. risklerin düşük olduğu ve mükemmel sonuçların isteğe bağlı olduğu hazır sonuçlar.” Bu gerçeğe rağmen, daha güçlü AI destekli uygulamalar arayışımızda, yeterli veri verildiğinde makine öğrenimi modellerinin bize bir şekilde “kaba hazır sonuçlardan” daha iyi vereceği beklentisiyle daha fazla veri için açı almaya devam ediyoruz.

Yazık! Gerçek dünyada bu şekilde çalışmıyor. Daha fazla veri iyi olsa da, birçok uygulama için daha fazla veriye ihtiyacımız yok. Bunun yerine, elimizdeki verileri anlamak için daha iyi hazırlanmış insanlara ihtiyacımız var.

Dyachkova’nın belirttiği gibi, “Ürün analitiği %80 hızlı ve kirli. Ancak hızlı ve kirli olduğunda karar verme yeteneği, istatistiklerin oldukça iyi anlaşılmasını gerektirir.” Anladım? Indeed.com’da veri bilimcisi olan Vincent Dowling, konuyu daha da netleştiriyor: “Deneyimli bir analist/bilim insanı olmanın pek çok değeri, karar vermek için gereken titizliği belirlemektir.”

Telif Hakkı © 2022 IDG Communications, Inc.




Kaynak : https://www.infoworld.com/article/3673310/when-is-enough-data-enough.html#tk.rss_all

Yorum yapın