“តម្រូវការគឺមិនមែនជាទិន្នន័យ។ វាគឺជារបៀបដែលយើងបាត់បង់ផ្នែករឹងរបស់វា។” តើម៉ូដែល AI គឺជាការត្រឹមត្រូវដូចដែលការធ្វើតេស្តការត្រឹមត្រូវបាននិយាយ? ហេតុអ្វីដែលម៉ូដែលដែលមានភាពត្រឹមត្រូវការអនុម័ត 99% នឹងបំបែកកញ្ចប់កញ្ចប់របស់អ្នកជាមួយការអនុម័តគ្មានការត្រឹមត្រូវនិងផ្លាស់ប្តូរថ្ងៃដ៏ស្រស់ស្អាតរបស់អ្នកទៅជាសាកល្បងយ៉ាងហោចណាស់? Confused? សូមអរគុណដល់ The —ការផ្លាស់ប្តូរដែលធ្វើឱ្យមនុស្សនិងម៉ាស៊ីនទាំងពីរធ្វើឱ្យប្រសិទ្ធិភាពត្រឹមត្រូវនៅពេលដែលយើងមិនមើលឃើញបញ្ជីដែលទិន្នន័យមាន។ Base Rate Fallacy What Is the Base Rate Fallacy? តើអ្វីជាការបាត់បង់ទំហំមូលដ្ឋាន? សូមពិនិត្យឡើងវិញយ៉ាងឆាប់រហ័សអំពីអ្វីដែលជាគោលបំណងនៃគោលបំណងមូលដ្ឋាន។ នេះ នេះគឺជាប្រសិទ្ធិភាពទាំងអស់នៃប្រសិទ្ធិភាពនៃប្រសិទ្ធិភាពមួយដែលកើតឡើង - ដោយសារតែការពិនិត្យឡើងវិញបច្ចុប្បន្ននេះ។ The វាត្រូវបានធ្វើឡើងនៅពេលដែលប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើ។ base rate មុន base rate fallacy Let the Math Speak សូមអនុញ្ញាតឱ្យ Maths Speak សូមអរគុណអ្នកដែលមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិទ្ធិភាព អ្នកជាមិត្តភក្តិអ្នកបានបង្កើតការធ្វើតេស្តដែលមាន : 1 in 1000 99% accurate 
 
 
 ប្រសិនបើអ្នកមានប្រសិនបើអ្នកមានប្រសិនបើអ្នកមានប្រសិនបើអ្នកមានប្រសិនបើអ្នកមានប្រសិនបើអ្នកមានប្រសិនបើអ្នកមានប្រសិនបើអ្នកមានប្រសិនបើអ្នកមានប្រសិនបើអ្នកមានប្រសិនបើអ្នកមានប្រសិនបើអ្នកមានប្រសិនបើអ្នកមានប្រសិនបើអ្នកមានប្រសិនបើអ្នកមានប្រសិនបើអ្នកមានប្រសិនបើអ្នកមានប្រសិនបើអ្នកមានប្រសិនបើអ្នកមានប្រសិនបើអ្នកមានប្រសិនបើអ្នកមានប្រសិទ្ធិភាព។ ប្រសិនបើអ្នកមិនមានវេជ្ជសាស្រ្តវេជ្ជសាស្រ្តវេជ្ជសាស្រ្តវេជ្ជសាស្រ្តវេជ្ជសាស្រ្តវេជ្ជសាស្រ្តវេជ្ជសាស្រ្តវេជ្ជសាស្រ្តវេជ្ជសាស្រ្តវេជ្ជសាស្រ្តវេជ្ជសាស្រ្តវេជ្ជសាស្រ្តវេជ្ជសាស្រ្តវេជ្ជសាស្រ្តវេជ្ជសាស្រ្តវេជ្ជសាស្រ្តវេជ្ជសាស្រ្តវេជ្ជសាស្រ្តវេជ្ជសាស្រ្តវេជ្ជសាស្រ្តវេជ្ជសាស្រ្តវេជ្ជសាស្រ្តវេជ្ជសាស្រ្តវេជ្ជសាស្រ្ត សូមប្រាកដថាអ្នកមានការធ្វើតេស្ត តើមានប្រសិនបើពួកគេមានប្រសិនបើពួកគេពិតជាមានប្រសិនបើពួកគេមានប្រសិនបើពួកគេមានប្រសិនបើពួកគេមានប្រសិនបើពួកគេមានប្រសិនបើពួកគេមានប្រសិនបើពួកគេមានប្រសិនបើពួកគេមានប្រសិនបើពួកគេមានប្រសិនបើពួកគេមានប្រសិនបើពួកគេមានប្រសិនបើពួកគេមានប្រសិនបើពួកគេមានប្រសិនបើពួកគេមានប្រសិនបើពួកគេមានប្រសិនបើពួកគេមានប្រសិនបើពួកគេមានប្រសិនបើពួកគេមានប្រសិនបើពួកគេ។ positive ដូច្នេះប្រហែលជាប្រហែលជាប្រហែលជាប្រហែលជាប្រហែលជាប្រហែលជា នេះគឺជាហេតុអ្វី: not 99% Out of 1,000 people: 
 
 
 1 អ្នក មាន ប្រវត្តិ ប្រវត្តិ ប្រវត្តិ ប្រវត្តិ ប្រវត្តិ ប្រវត្តិ ប្រវត្តិ ប្រវត្តិ ប្រវត្តិ ប្រវត្តិ ប្រវត្តិ ប្រវត្តិ ប្រវត្តិ ប្រវត្តិ ប្រវត្តិ ប្រវត្តិ ប្រវត្តិ ប្រវត្តិ ប្រវត្តិ ប្រវត្តិ ប្រវត្តិ ប្រវត្តិ ប្រវត្តិ ប្រវត្តិ ប្រវត្តិ ប្រវត្តិ ប្រវត្តិ ប្រវត្តិ 999 នាក់មិនមានវេជ្ជសាស្រ្ត → 1% នៃពួកគេធ្វើតេស្តមានប្រសិទ្ធិភាព → ~10 លក្ខណៈពិសេស ក្នុងចំណោមអ្នកដែលមានការធ្វើតេស្តប្រសិទ្ធិភាព: 
 
 
 អត្ថប្រយោជន៍ទាំងអស់ = 1 (ពិត) + 10 (មិនពិត) = 11 ការពិតប្រាកដនៃការមានវេជ្ជសាស្រ្ត = 1 / 11 ≈ 9% ទោះបីជាការធ្វើតេស្តដែលមានភាពត្រឹមត្រូវ "99%" អ្នកមានឱកាសតែមានប្រសិនបើអ្នកមានប្រសិទ្ធិភាព។ ដូច្នេះប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើ 9% នេះ គឺជា ទោះជាយ៉ាងណាក៏ដោយការបាត់បង់វាបាននាំទៅនូវការបាត់បង់យ៉ាងទូលំទូលាយ 1-in-1000 លក្ខខណ្ឌ Why Humans Fall for This ហេតុអ្វីដែលមនុស្សបានកាត់បន្ថយសម្រាប់នេះ នេះមិនមែនជាបញ្ហានេះទេ។ វាគឺជាបញ្ហានេះ . brain problem សិល្បៈ និង យើងបានរកឃើញថានៅពេលដែលយើងសាកល្បងប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនប Daniel Kahneman Amos Tversky “តម្រូវការនេះត្រឹមត្រូវដូចម្តេចដើម្បីត្រឹមត្រូវជាមួយនឹងការកំណត់រចនាសម្ព័ន្ធរបស់ខ្ញុំ?” ដូច្នេះនៅពេលដែលការធ្វើតេស្តមានភាពត្រឹមត្រូវ 99% របស់យើងគួរឱ្យចាប់អារម្មណ៍ថា: «វាគឺជាការប្រកួត!» ...ហើយយើងគិតថាការបញ្ចប់គួរតែពិត។ ការកាត់បន្ថយនេះត្រូវបានគេហៅថា ហើយវាបានធ្វើឱ្យយើងមិនគិតពីកម្រិតមូលដ្ឋានទូទៅដែលមានទំហំទូលាយ។ representativeness heuristic The Engineer–Lawyer Conundrum អ្នកជំនាញវិស្វ័យប្រវត្តិ - Lawyer Conundrum លទ្ធផលនេះត្រូវបានបង្ហាញយ៉ាងខ្លាំងដោយសារតែ . Engineer–Lawyer problem អ្នកចូលរួមបាននិយាយថា: 
 
 
 មានមិត្តភក្តិ 70 និងមិត្តភក្តិ 30 ក្នុងកន្លែងមួយ។ លោក Jack គឺជាអ្នកចូលចិត្តមន្ទីរពិសោធន៍មន្ទីរពិសោធន៍មន្ទីរពិសោធន៍មន្ទីរពិសោធន៍មន្ទីរពិសោធន៍មន្ទីរពិសោធន៍មន្ទីរពិសោធន៍មន្ទីរពិសោធន៍។ បន្ទាប់មកគួរថា “អ្វីជាមានប្រសិទ្ធិភាពថាលោក Jack គឺជាវិស្វករ?” ទោះបីជាទំហំមូលដ្ឋានបានបង្ហាញថា a មនុស្សជាច្រើនបាននិយាយថា ដោយសារតែ Jack ដូចជាអ្នកវិស្វករ។ ការបង្ហាញនេះមានអារម្មណ៍ដែលមានប្រសិទ្ធិភាព, ដូច្នេះទំហំ 70 / 30 ត្រូវបានបាត់បន្ថយ - ទោះជាយ៉ាងណាក៏ដោយវាជាការអនុម័តដែលមានប្រសិទ្ធិភាពជាងមុន។ 30% chance 80–90% យោបល់ How This Fails in the Real World តើធ្វើដូចម្តេចដើម្បីធ្វើការនេះនៅក្នុងពិភពលោកពិតប្រាកដ អ្នកបង្កើតម៉ូដែលដែលមានលក្ខណៈពិសេសនៃផលិតផលដែលមានលក្ខណៈពិសេសជាមួយនឹងភាពត្រឹមត្រូវ 95% ។ ប៉ុន្តែប្រសិនបើ ជាការពិតប្រាកដថ្នាំបែបនេះគឺជាការខុសគ្នាត្រូវបានគេហៅថ្នាំបែបនេះជាការខុសគ្នាត្រូវបានគេហៅថ្នាំបែបនេះគឺជាការខុសគ្នាត្រូវបានគេហៅថ្នាំបែបនេះគឺជាការខុសគ្នាត្រូវបានគេហៅថ្នាំបែបនេះគឺជាការខុសគ្នាត្រូវបានគេហៅថ្នាំបែបនេះ។ 0.1% ការរៀបចំនៃការរៀបចំនៃការរៀបចំនៃការរៀបចំនៃការរៀបចំនៃការរៀបចំនៃការរៀបចំនៃការរៀបចំនៃការរៀបចំនៃការរៀបចំនៃការរៀបចំនៃការរៀបចំនៃការរៀបចំនៃការរៀបចំនៃការរៀបចំនៃការរៀបចំនៃការរៀបចំនៃការរៀបចំនៃការរៀបចំនៃការរៀបចំនៃការរៀបចំនៃការរៀបចំនៃការ ទោះបីជាការដឹកជញ្ជូនពិតប្រាកដមានការឆាប់រហ័ស, លក្ខណៈពិសេសជាច្រើននៃការអនុម័តនឹងជាការពិតប្រាកដ - ដូច្នេះប្រព័ន្ធនេះគឺជាបច្ចេកទេស "ការត្រឹមត្រូវ" ។ 1 in 500 ហើយវាត្រូវបានធ្វើឡើងនៅលើទំហំទូលំទូលាយនៃតំបន់: ការរកឃើញការលំបាក, ការធ្វើតេស្តបច្ចេកទេស, ការអនុម័តការជឿទុកចិត្ត, ការត្រួតពិនិត្យការធ្លាក់ចុះ - សៀវភៅនេះបន្ថែមទៀត។ The Solution: Bayes to the Rescue លទ្ធផល: Bayes to the Rescue មូលនិធិ វាគឺជាការធ្វើឱ្យប្រសើរឡើងនូវគោលបំណងរបស់យើងដោយការរួមបញ្ចូលគោលបំណងគោលបំណងជាមួយនឹងការបង្ហាញថ្មី: Bayes’ Theorem កុំព្យូទ័រកុំព្យូទ័រកុំព្យូទ័រកុំព្យូទ័រកុំព្យូទ័រកុំព្យូទ័រកុំព្យូទ័រ នៅទីនេះ: 
 
 
 
 
 P(A) B: វិញ្ញាបនប័ត្រនៃការធ្វើតេស្តប្រសិទ្ធិភាពប្រសិទ្ធិភាពប្រសិទ្ធិភាពប្រសិទ្ធិភាព P(B) A: វិញ្ញាបនប័ត្រនៃការធ្វើតេស្តមានប្រសិទ្ធិភាពប្រសិនបើអ្នកមានវេជ្ជសាស្រ្ត P(A): លក្ខណៈមូលដ្ឋាន (ប្រសិទ្ធិភាពដំបូង) P(B): លក្ខណៈពិសេសនៃការធ្វើតេស្តដែលមានប្រសិទ្ធិភាព (true + false positives) លោក Bayes បាននិយាយថាយើងមានភាពរឹងមាំ ជាមួយ —អ្វីដែលអាកាសធាតុរបស់មនុស្សមានតម្រូវការដើម្បីបាត់បង់។ អ្វីដែលយើងដឹង អ្វីដែលយើងឃើញ Final Thoughts យោបល់ចុងក្រោយ យើងមានជីវិតនៅលើពិភពលោកដែលត្រូវបានផ្លាស់ប្តូរដោយការអនុម័ត - ពី AI ទៅសេវាកម្មសេវាកម្មសុខភាពទៅលទ្ធផលសុខភាព។ ប៉ុន្តែទំហំនៃទំហំនៃទំហំនៃទំហំនៃទំហំនៃទំហំនៃទំហំនៃទំហំនៃទំហំនៃទំហំនៃទំហំនៃទំហំនៃទំហំនៃទំហំនៃទំហំនៃទំហំនៃទំហំនៃទំហំនៃទំហំនៃទំហំនៃទំហំនៃទំហំនៃទំហំនៃទំហំនៃទំហំនៃទំហំនៃទំហំនៃទំហំនៃទំហំនៃទំហំនៃទំហំនៃទំហំនៃទំហំនៃទំហំនៃទំហំនៃទំហំនៃទំហំនៃទំហំនៃទ . context ទោះជាយ៉ាងណាក៏ដោយការយល់ដឹងដែលមានប្រសិទ្ធិភាពបំផុតគឺនៅក្នុងប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិនបើមានប្រសិន

Read My Stories

សំឡេងនេះផលិតជាភាសាដើមនៃរឿង!

ការបាត់បង់ទំហំមូលដ្ឋាន: ហេតុអ្វីដែលម៉ូដែលគួរឱ្យចាប់អារម្មណ៍បំផុតរបស់អ្នកនៅតែទទួលបានវាយ៉ាងហោចណាស់

About Author

មតិយោបល់

ព្យួរស្លាក

អត្ថបទនេះត្រូវបានបង្ហាញនៅក្នុង

Related Stories

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps