"د ستونزه د ډاټا نه دی. دا دا دی چې موږ د دې ناڅاپي برخو په نښه کوو." ایا د AI ماډلونه د تصدیق ټسټ په توګه دقیق دي؟ چرا د 99٪ پیش بینی دقت سره یو ماډل به ستاسو د پته د جعلي تفتیشونو سره وښيي او ستاسو د ښکلي ورځ په ډبګګنگ ناڅاپي کې بدل کړئ؟ نښلول؟ ښه راغلاست - یو مخنیوی چې انسانونه او ماشینونه د امکاناتو په غلطه توګه پوه شي کله چې موږ د کنټرول په څیر چې د معلوماتو شتون لري. Base Rate Fallacy What Is the Base Rate Fallacy? د بیلابیلو نرخ د بیلابیلو نرخ څه دی؟ بیا په چټکۍ سره وګورئ چې د اساسي نرخ غلطۍ په حقیقت کې څه دی. د دی د یو واقعې واقعیت د مجموعي احتمال - د نوي شواهد وګورئ. د کله چې د دې زیرمې امکاناتو په لټه کې دي، او موږ یوازې د نوي شواهدو ته تمرکز کوو. base rate مخکې base rate fallacy Let the Math Speak د ریاضی خبرې وکړي تصور وکړئ چې یو ناروغۍ د تاسو، چې یو جنسي، د یو ازموینه جوړ کړئ چې : 1 in 1000 99% accurate 
 
 
 که څوک د ناروغۍ لري، د ټیسټ په 99٪ وخت کې مثبت دی (خود مثبت). که څوک د ناروغۍ نه لري، د ټیسټ د 99٪ وخت (خدا منفي) منفي دی. اوس، فرض وکړئ څوک ازمايښت څه احتمال لري چې دوی په حقیقت کې د ناروغۍ لري؟ positive د اندیښنې برعکس، دا دلته د دې لپاره: not 99% د 1000 خلکو څخه: 
 
 
 1 شخص په حقیقت کې د ناروغۍ لري → د ټیسټ احتمالا به دا ترلاسه کړي → 1 حق مثبت 999 خلک د ناروغۍ نه لري → 1٪ د دوی د ټیسټ مثبت → ~ 10 غلط مثبت So among those who test positive: 
 
 
 د مجموعي مثبت = 1 (د حق) + 10 (د غلط) = 11 احتمال چې په حقیقت کې د ناروغۍ لري = 1 / 11 ≈ 9٪ 👉 د یو ټیسټ له الرې چې "99٪ دقیق" دی، ستاسو د ناروغۍ احتمال یوازې دی ځکه چې دا ناروغۍ ډیر نادر دی. 9% دا دا د - او د دې په نښه کولو کې د لوی غلطو تفسیر ته رامینځته کیږي. 1-in-1000 د اساسي نرخ Why Humans Fall for This چرا انسانونه د دې لپاره ځي د twist؟ دا یوازې د ریاضیاتو ستونزه نه ده - دا د . brain problem روانپزشک او څرنګه چې کله چې موږ د امکاناتو ارزونې، موږ په ناخودانه توګه د سخت پوښتنو سره د آسانه پوښتنو بدلون. په ځای کې د محاسبه، موږ پوښتنه: Daniel Kahneman Amos Tversky "کیا دا حالت زما ذهني سټرایټیټ سره مطابقت کوي؟" په دې توګه، کله چې یو ازموینې 99٪ دقیق دی، زموږ دماغ وايي: دا د لوبې په څیر دی! " ... او موږ فرض کوو چې پایله باید حق وي. د دې shortcut په نوم ، او دا له موږ ته د ناڅاپي، اټکل بډیټ کچه نلري. representativeness heuristic The Engineer–Lawyer Conundrum د انجنير - وکیل Conundrum د دې اغېز په مشهور توګه د . Engineer–Lawyer problem د ګډون کوونکو ته پوهيږي: 
 
 
 There are   and   in a room. 70 lawyers 30 engineers جک انټرروټ دی، د ریاضی پازلونه خوښوي، او د برېښنايي ډیزاین څخه خوښوي. Then asked: “What’s the probability Jack is an engineer?” که څه هم د بیس نرخ ښيي a ډیری خلک وايي ځکه چې جک لکه څنګه چې یو انجنیر. د توضیحات representative احساس کوي، نو د 70/30 نسبت په لټه کې کیږي - که څه هم دا یو ډیر قوي predictor ده. 30% chance 80–90% غږونه How This Fails in the Real World څنګه دا په واقعي نړۍ کې ناکام کیږي **AI Predictions \ تاسو د يو ماډل جوړ کړئ چې د 95٪ دقت سره د غلطو محصولاتو پرچون کوي. خو که یوازې د توکي په واقعیت کې غلط دي، ډیری هشدارونه به غلط مثبت وي. عملیات ممکن په پانیک موډل کې وي - په هر څه کې. 0.1% **Supply Chain Planning \ د مخکښ هټۍ سیسټم د پلورونکي خطرونو پرچون کوي. مګر که یوازې په واقعیت کې، ډیری هشدارونه به غلط وي - حتی که سیسټم تخنیکي "کامل" وي. 1 in 500 او دا په پراخه کچه د ډومینونو په پراخه کچه ترسره کیږي: د فورمه تشخیص، طبي ازمايښتونه، د خطر هشدارونه، غیر معمولي څارنه - د لیست په اوږدو کې دي. The Solution: Bayes to the Rescue د حل: Bayes ته د نجات د ریاضی، د اساسي نرخ غلطۍ سره مخنیوی کوي. دا زموږ باورونه به د اساسي نرخونو سره د نوي شواهدو سره ترکیب کړي: Bayes’ Theorem P(A ÁthaB)=P(B)P(B ÁthaA) / P(A) کله چې: 
 
 
 
 
 P(A ♛ B): د ناروغۍ د مثبت ټیسټ ترلاسه کولو احتمال P(B) A: که تاسو د ناروغۍ لري، احتمال د مثبت ټیسټ ترلاسه کړئ P(A): د بیس نرخ (د مخکښ احتمال) P(B): د ټیسټ مثبت مجموعي احتمال (د حقیقت + غلط مثبت) Bayes نظریه موږ ته توازن ته اړتیا لري سره —something human intuition tends to skip. چې موږ پوه چې موږ وګورئ Final Thoughts د پایلې افکار موږ په نړۍ کې ژوند کوو چې د پیژندنې لخوا چلند کیږي - له AI څخه د روغتیا د مراقبت څخه د لوژستیک ته. مګر شمیره، هرڅه چې څومره پیچلي وي، د حق کولو پرته هیڅ څه معنی نلري . context او ځینې وختونه، تر ټولو قوي معلوماتو د ناڅاپي، ټیټ کلیدي احتمال کې دی چې موږ ډیره چټک لرو.

Read My Stories

دا غږ د کیسې په اصلي ژبه تولید شوی!

د بیس ټیټ بیلسی: د دې لپاره چې ستاسو د سمارټ ترین ماډل څه هم غلط دی

About Author

تبصرې

hang tags

دا مقاله په کې وړاندې شوې وه

Related Stories

Beasts at Bay

Building Inclusive Tech: Interview with HackerNoon Contributor of the Year IOT 2021

Thrilled to be Recognized as 'HackerNoon Contributor of the Year - WORK'

Stocks will be More Profitable than Crypto - Interview With Bryan Applegate

Beasts at Bay

Building Inclusive Tech: Interview with HackerNoon Contributor of the Year IOT 2021

Thrilled to be Recognized as 'HackerNoon Contributor of the Year - WORK'

Stocks will be More Profitable than Crypto - Interview With Bryan Applegate

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps