AI

Čak i sa tonom podataka, AI ne može predvidjeti budućnost djeteta

Čak i sa tonom podataka, AI ne može predvidjeti budućnost djeteta



We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Predviđanje određenih budućih ishoda može biti od velike koristi u životu, posebno u svijetu donošenja politika, u matematici, u poslu, između ostalih scenarija.

Dakle, kada je trio društvenih naučnika sa Univerziteta Princeton u SAD-u krenuo utvrđivati ​​može li se AI također koristiti za predviđanje ishoda djetetove budućnosti, otkrili su da se ne mogu ni približiti.

Korišćenje 15 godina ' vrijedan podataka, sa kojim surađujete 160 istraživačkih timova, a upotreba najnovije AI tehnologije još uvijek nije bila dovoljna da se vidi budući uspjeh djetetovog života.

Studija je objavljena u Zbornik Nacionalne akademije nauka.

AI jednostavno ne može predvidjeti budućnost

AI sigurno može predvidjeti trendove, pa čak i ponuditi korisne uvide kako bi pomogao industrijama u procesu donošenja odluka. Međutim, određivanje hoće li djetetov život na kraju biti uspješan, potpuno je druga čajnica ribe koju matematika jednostavno ne može predvidjeti.

"Istraživali smo ovo pitanje znanstvenom masovnom suradnjom koristeći zajedničku metodu zadataka; 160 timova izgradilo je prediktivne modele za šest životnih ishoda koristeći podatke iz Studije krhkih porodica i dobrobiti djeteta, visokokvalitetne kohortne studije rođenja", objasnila je studija.

"Uprkos upotrebi bogatog skupa podataka i primjeni metoda strojnog učenja optimiziranih za predviđanje, najbolja predviđanja nisu bila vrlo precizna i bila su samo malo bolja od onih iz jednostavnog referentnog modela."

AI ne može predvidjeti budući uspjeh djeteta, bez obzira na to koliko podataka mu dajemo (priča @ mrgreene1977) https://t.co/sVkms6nr4H

- TNW (@thenextweb) 7. aprila 2020

Razlog što AI ne može predvidjeti ove informacije velikim je dijelom zato što mašinsko učenje može donijeti zaključke, ali ne može objasniti kako je do njih došlo. U brojkama o prodaji to nije važno i obično prilično dobro funkcionira s dostavljenim podacima, ali kada su socijalna pitanja u pitanju, druga je priča.

Kada se bave budućim životom i slobodama neke osobe, to postaju nasumična nagađanja, i to ne baš dobra prema istraživanju Princetona. Iako je imao riznicu podataka s kojima je moguće raditi iz studije "Krhke porodice", sistem istraživačkog tima još uvijek nije mogao pravilno predvidjeti ishod života svakog djeteta.

POGLEDAJTE I: ELON MUSK DIJELI SVOJE POGLEDE NA AI, NEURALINK, AUTOPILOT I PLAVO TAČKU U PODKASTU

Kao što je istraživački rad naglasio: "Drugim riječima, iako su podaci Krhkih porodica uključivali hiljade varijabli prikupljenih kako bi pomogli naučnicima da razumiju život ovih porodica, sudionici nisu bili u mogućnosti dati tačne prognoze za slučajeve zadržavanja."

"Dalje, najbolji podnesci, koji su često koristili složene metode mašinskog učenja i imali pristup hiljadama prediktorskih varijabli, bili su tek nešto bolji od rezultata jednostavnog referentnog modela koji je koristio linearnu regresiju."


Pogledajte video: Dobila sam posao izmedju 400 kandidata Ako imate preko 40 godina Zena ili Muskarac (Avgust 2022).