Уставшему учителю, который в свободный вечер пытается решить что посмотреть, могут помочь уже сегодня. Специальная программа сервиса по интернет-трансляции потокового видео готова предложить то, что ему может понравится.
Уставшему учителю, который в свободный вечер пытается решить что посмотреть, могут помочь уже сегодня. Специальная программа сервиса по интернет-трансляции потокового видео, используя прошлые предпочтения похожих пользователей, готова предложить то, что ему может понравится.
Когда тот же учитель пытается определить, кто из учеников вероятнее всего бросит школу, ему никто не может помочь. Однако Сендхил Муллаинасан из Гарвардского университета уверен, что эти две ситуации очень похожи. И та и другая нуждается в прогнозе, который базируется на большом объеме информации. Многие сферы управления, по его мнению, могут успешно использовать подобный компьютерный анализ.
Системы компьютерного осмысления превосходны в прогнозировании. Именно поэтому алгоритмическая торговля в последние годы фактически завоевала фондовый и срочный рынок, алгоритмы и роботы используются трейдерами по всему миру. При этом, несмотря на очевидные преимущества, у таких систем много минусов, в том числе большие объемы алгоритмической торговли, как считается, провоцируют проблемы на биржах.
Как оказалось, подобные алгоритмы можно применять во многих сферах. Общий подход в том, что систему обучают через демонстрацию ей огромного объёма данных, скажем, по учениками и их успеваемости. Программа внимательно анализирует все примеры и решает какие характеристики полезнее всего в определении потенциального ученика-недоучки.
После тренинга система способна рассмотреть любую другую группу и точно указать на тех, кто находится в зоне риска. Помогая рационально распределить ограниченные государственные средства, искусственный интеллект может сберечь правительству значительные суммы денег. Согласно Стефену Голдсмиту, другому профессору Гарвардского университета, компьютерное прогнозирование способно изменить в лучшую сторону почти каждый сектор государственного управления.
В больницах, к примеру, врачи пытаются предсказать сердечный приступ для того, чтобы вовремя его предотвратить. Уровень точного прогнозирования в неавтоматизированных системах не превышает 30%.
В то же время алгоритм машинного осмысления, разработанный Срирам Соманчи и его коллегами из Университета Карнеги-Меллон, имеет точность прогнозирования до 80%. За четыре часа он предупреждает врачей о потенциальной угрозе, теоретически позволяя им вовремя вмешаться и сохранить жизнь человека, отмечает британский журнал The Economist.
Но не всегда предсказания алгоритмов безупречны. Многие американские судья уже сегодня используют специальную программу ∎анализа рисков∎ (risk assessments), которая определяет вероятность совершения нового преступления конкретным человеком. Этот алгоритм они используют при принятии решения о временном освобождении под залог, условно-досрочном освобождении и при вынесении приговора.
В этом году ProPublica, организация, занимающаяся журналистскими расследованиями, объявила, что в графстве Броард, штат Флорида, алгоритм ошибочно отмечал чернокожих граждан потенциальными преступниками в два раза чаще, чем белых американцев.
Для ограничения потенциальной предвзятости, считает создатель одной из систем компьютерного осмысления Райад Гхани, необходимо избегать предвзятого подхода в отборе загружаемых данных и определять для машины более точные цели.
Машины учат находить модели, которые предсказывают будущие преступления, на основе прошлой информации. Следовательно, их можно настроить таким образом, чтобы они искали модели, которые одновременно предсказывают преступные действия и избегают ложную категоризацию чернокожих (и других меньшинств) как будущих нарушителей закона.
Возможно, поэтому люди хотят знать, как алгоритмы принимают затрагивающую их судьбу решения. Европейский Союз, кстати, уже готовит введение подобного права для граждан.
Необходима ∎прозрачность, прозрачность и ещё раз прозрачность∎, уверен Джей Стенли из Американского союза борьбы за гражданские свободы. Но частные компании не спешат раскрывать секреты построения алгоритмов, так как опасаются конкурентов.
Другой преградой может быть медленное внедрение. Порой, очень сложно получить необходимый объем информации для проекта. Кроме того, загрузка конфиденциальных данных таит риск случайной утечки идентификации граждан. Существует также проблема этичности некоторых приложений.
Несмотря на ряд недостатков чиновникам следует активнее использовать алгоритмы, так как машинные предсказания намного точнее, чем те, которые делают люди. В то же время успех компьютерного осмысления будет зависеть от умелого сочетания машинного прогноза со старой-доброй человеческой мудростью.
Когда тот же учитель пытается определить, кто из учеников вероятнее всего бросит школу, ему никто не может помочь. Однако Сендхил Муллаинасан из Гарвардского университета уверен, что эти две ситуации очень похожи. И та и другая нуждается в прогнозе, который базируется на большом объеме информации. Многие сферы управления, по его мнению, могут успешно использовать подобный компьютерный анализ.
Системы компьютерного осмысления превосходны в прогнозировании. Именно поэтому алгоритмическая торговля в последние годы фактически завоевала фондовый и срочный рынок, алгоритмы и роботы используются трейдерами по всему миру. При этом, несмотря на очевидные преимущества, у таких систем много минусов, в том числе большие объемы алгоритмической торговли, как считается, провоцируют проблемы на биржах.
Как оказалось, подобные алгоритмы можно применять во многих сферах. Общий подход в том, что систему обучают через демонстрацию ей огромного объёма данных, скажем, по учениками и их успеваемости. Программа внимательно анализирует все примеры и решает какие характеристики полезнее всего в определении потенциального ученика-недоучки.
После тренинга система способна рассмотреть любую другую группу и точно указать на тех, кто находится в зоне риска. Помогая рационально распределить ограниченные государственные средства, искусственный интеллект может сберечь правительству значительные суммы денег. Согласно Стефену Голдсмиту, другому профессору Гарвардского университета, компьютерное прогнозирование способно изменить в лучшую сторону почти каждый сектор государственного управления.
В больницах, к примеру, врачи пытаются предсказать сердечный приступ для того, чтобы вовремя его предотвратить. Уровень точного прогнозирования в неавтоматизированных системах не превышает 30%.
В то же время алгоритм машинного осмысления, разработанный Срирам Соманчи и его коллегами из Университета Карнеги-Меллон, имеет точность прогнозирования до 80%. За четыре часа он предупреждает врачей о потенциальной угрозе, теоретически позволяя им вовремя вмешаться и сохранить жизнь человека, отмечает британский журнал The Economist.
Но не всегда предсказания алгоритмов безупречны. Многие американские судья уже сегодня используют специальную программу ∎анализа рисков∎ (risk assessments), которая определяет вероятность совершения нового преступления конкретным человеком. Этот алгоритм они используют при принятии решения о временном освобождении под залог, условно-досрочном освобождении и при вынесении приговора.
В этом году ProPublica, организация, занимающаяся журналистскими расследованиями, объявила, что в графстве Броард, штат Флорида, алгоритм ошибочно отмечал чернокожих граждан потенциальными преступниками в два раза чаще, чем белых американцев.
Для ограничения потенциальной предвзятости, считает создатель одной из систем компьютерного осмысления Райад Гхани, необходимо избегать предвзятого подхода в отборе загружаемых данных и определять для машины более точные цели.
Машины учат находить модели, которые предсказывают будущие преступления, на основе прошлой информации. Следовательно, их можно настроить таким образом, чтобы они искали модели, которые одновременно предсказывают преступные действия и избегают ложную категоризацию чернокожих (и других меньшинств) как будущих нарушителей закона.
Возможно, поэтому люди хотят знать, как алгоритмы принимают затрагивающую их судьбу решения. Европейский Союз, кстати, уже готовит введение подобного права для граждан.
Необходима ∎прозрачность, прозрачность и ещё раз прозрачность∎, уверен Джей Стенли из Американского союза борьбы за гражданские свободы. Но частные компании не спешат раскрывать секреты построения алгоритмов, так как опасаются конкурентов.
Другой преградой может быть медленное внедрение. Порой, очень сложно получить необходимый объем информации для проекта. Кроме того, загрузка конфиденциальных данных таит риск случайной утечки идентификации граждан. Существует также проблема этичности некоторых приложений.
Несмотря на ряд недостатков чиновникам следует активнее использовать алгоритмы, так как машинные предсказания намного точнее, чем те, которые делают люди. В то же время успех компьютерного осмысления будет зависеть от умелого сочетания машинного прогноза со старой-доброй человеческой мудростью.
