collaboration
7.9K views | +2 today
Follow
Your new post is loading...
Scooped by Pál Kerékfy
Scoop.it!

Tönkreteszik az okos gépek a tudományos kutatást?

Tönkreteszik az okos gépek a tudományos kutatást? | collaboration | Scoop.it
Techniques used to analyse data are producing misleading and often wrong results, critics say.

A growing amount of scientific research involves using machine learning software to analyse data that has already been collected. This happens across many subject areas ranging from biomedical research to astronomy. The data sets are very large and expensive.

But, according to Dr Allen, the answers they come up with are likely to be inaccurate or wrong because the software is identifying patterns that exist only in that data set and not the real world.

Pál Kerékfy's insight:

Egyre több, és egyre drágább adat kell a tudományos kutatásokhoz. A rengeteg adatot “okos” gép, mesterséges intelligencia dolgozza fel, elemzi. Ez sok fontos problémát okozhat.

 

Az egyik legfontosabb a kísérlet megismételhetősége. Ez alapelve (lenne) minden tudományos kutatásnak. Fontos, hogy a vizsgálatot mások is meg tudják ismételni. Ez az egyetlen valódi ellenőrzési módszere a tudományos eredményeknek. Amit nem lehet megismételni, az tudományos értelemben nem is létezik; nem tudjuk, hogy nem tévedés-e, vagy nem hamisítás-e. Ehhez kapcsolódóan állítja egy elemzés, hogy az orvosbiológiai kutatások 85%-a elvesztegetett pénz és idő.

 

A tanuló algoritmusok feladata az, hogy jelenségeket, mintázatokat fedezzenek fel óriási adathalmazokban. És fel is fognak fedezni valamit, ha már ezt a feladatot kapták! Vajon ez valódi tudományos eredmény? Olyan, amit más nagy adathalmazok is igazolni fognak, vagy csak ennek a halmaznak egy sajátossága? Megismételhető a kutatás ugyanezzel az eredménnyel? A szerző szerint általában nem.

 

Az AAAS (American Association for the Advancement of Science) konferenciáján dr. Genevera Allen (Rice University, Houston) beszélt erről a problémáról.

 

Tagja egy orvosbiológiai kutatócsoportnak, ami a gépi tanulás és a statisztika olyan új módszerét akarja kifejleszteni, ami segít a fenti problémák kezelésében. Az a cél, hogy az algoritmus értékelje az eredmény megbízhatóságát és a kutatás megismételhetőségét.

 

Érdekes és fontos cél! Ha megvalósul, magasabb szintre emeli a gépi tanulást. A gép egyben ellenőrizni is tudja majd magát.

Mostanában egyre többször vádolják elfogultsággal az okos gépet, pedig csak az általa felhasznált adatokra támaszkodik – azokban van téves (elfogult) kép.

 

Ez a törekvés összhangban van azzal a nemrég megfogalmazott igénnyel is, hogy legyen érthető a mesterséges intelligencia működése, magyarázza el, hogy mit, miért, hogyan csinál (explainable artificial intelligence, XAI).

 

#AAAS #BBC #science #AI #artificialintelligence #science_crisis #ML #machinelearning

more...
No comment yet.
Scooped by Pál Kerékfy
Scoop.it!

Programozás (kódolás) vs. tanítás

Programozás (kódolás) vs. tanítás | collaboration | Scoop.it

With machine learning, programmers don't encode computers with instructions. They train them. If you want to teach a neural network to recognize a cat, for instance, you don't tell it to look for whiskers, ears, fur, and eyes. You simply show it thousands and thousands of photos of cats, and eventually it works things out. If it keeps misclassifying foxes as cats, you don't rewrite the code. You just keep coaching it.

Pál Kerékfy's insight:

Szemléletesen mutatja be a különbséget a hagyományos programozás (kódolás) és az “okos” gép tanítása között. Ismerős, ugye? A gyereknek se úgy tanítjuk meg a macska felismerését, hogy a bajuszáról, a füléről, a szőréről vagy a szeméről beszélünk neki. Egyszerűen csak azt mondjuk egy macskára, hogy “macska” (esetleg “cica”), és a gyerek gyorsan megtanulja. Mire elkezd beszélni, egész biztos nem keveri össze a macskát a kutyával vagy a rókával. Nincs is szükség sok ezer különböző macskára ehhez.

 

Az “okos” gép sokkal alacsonyabb szintű mentális képességekkel rendelkezik, mint egy pici gyerek! Sokkal több tanításra van szüksége, de így is kiterjedten használják a mindennapi életben. A gépi tanulásnak van szerepe abban, hogy a Facebook mit rak elénk, a Google hogyan ismeri fel fényképről az embereket, a keresője kitalálja, hogy mit keresünk.

 

Ez a cikk egyértelműen pozitívan szemléli a gépi tanulás új, a neurális hálókon alapuló módszereit. Korábban írtam egy-másfél évvel későbbi cikkekről, amelyek egyetemi kutatásokra alapozva fogalmaznak meg komoly kétségeket:

 

Kinek lesz igaza? Meglátjuk! Valószínűleg még én is...

 

#AI #artificial_intelligence #machine_learning #artificialintelligence #machinelearning

more...
No comment yet.
Scooped by Pál Kerékfy
Scoop.it!

MESTERSÉGES INTELLIGENCIA A MUNKAHELYEKEN. MI MINDENT TUD?!

MESTERSÉGES INTELLIGENCIA A MUNKAHELYEKEN. MI MINDENT TUD?! | collaboration | Scoop.it

Az új kolléga nagyon rendes, udvarias, segítőkész és precízen dolgozik. Sose okoz problémát. Ha nem tud valamit, kérdez, és elsőre megtanulja. Bárcsak mind ilyenek lennének!

Pál Kerékfy's insight:

Az Élet és Tudományban tavaly jelent meg ez az írásom, de nem jutott el minden barátomhoz és ismerősömhöz. A jó hír: online is olvasható!

Merre megy a világ? Hol tart most? Mi várható a közeli jövőben? Mit gondoltam ezekről a kérdésekről tavaly ősszel?

more...
No comment yet.
Scooped by Pál Kerékfy
Scoop.it!

Öt gép öt ember ellen egy stratégiai játékban

Öt gép öt ember ellen egy stratégiai játékban | collaboration | Scoop.it

Öt játékosból álló két csapat küzd egymással, az ellenfél főhadiszállásának központjában lévő „Ősi” szerkezetet kell megsemmisíteni. Mindegyik gamer más karaktert – „hőst” – irányít. A hősöknek megvannak a maguk erényei és gyengéi, a siker kulcsa viszont az együttműködés.

A rendszer a legjobbak rangsorolása helyett a hasonló feladatok elvégzésére is alkalmas általánosító algoritmusokat részesíti előnyben, és ez koncepcióváltás napjaink egyre szűkebb területekre fókuszáló kutatási trendjeihez képest.

Pál Kerékfy's insight:

Ez egy érdekes – részben új – megközelítése a mesterséges intelligencia és a gépi tanulás alkalmazásának. Abba az irányba mutat, amit a változásokat pozitívan szemlélők vetítenek elénk, hogy gép és ember együtt fog dolgozni, egymást kiegészítve.

Azért mondom, hogy részben új, mert az RPA-nak is az az egyik lényeges eleme, hogy a gép és az ember együtt tud dolgozni, ugyanazt a munkát végzi, helyettesíteni tudják egymást. 

 

Ezek a gépek is úgy edzenek, ahogy az AlphaGO csinálta: rengeteg játékot játszanak le egymás ellen. Az emberrel szembeni nagy előnyük a tanulás sebessége: egy nap alatt 180 évnyi tapasztalatot tudnak összegyűjteni...

 

Érdekel, hogy mi lesz az augusztusi nagy meccs eredménye!

 

#NJSZT #mesterségesintelligencia #AI #artificialintelligence #Musk #Altman #OpenAI

more...
No comment yet.
Scooped by Pál Kerékfy
Scoop.it!

Mesterséges intelligencia élesben (foci VB)

Mesterséges intelligencia élesben (foci VB) | collaboration | Scoop.it

Researchers have predicted the outcome after simulating the entire soccer tournament 100,000 times.

The most influential factors turn out to be the team rankings created by other methods, including those from bookmakers, FIFA, and others.

Other important factors include GDP and the number of Champions League players on the team. Unimportant factors include the country’s population, the nationality of the coach, and so on.

Pál Kerékfy's insight:

Ez a cikk június 12-én jelent meg. Ma már tudjuk, hogy nem az ábrának megfelelően alakult ki a 16-os mezőny.

 

Nem ők voltak az egyetlenek, aki Németországot tették a dobogó legfelső fokára. A Goldman Sachs is így járt. Aki nem első helyre várta a németeket, az is az első helyek valamelyikére tette őket.

 

Még jó, hogy a focit nem tudjuk előre kiszámítani!

 

#MI #artificialintelligence #machinelearning #ML #TU #Dortmund #Germany #Brazil #GoldmanSachs #FIFA

more...
No comment yet.
Curated by Pál Kerékfy
collaboration expert, CIO, mathematician, university teacher

I share my experience in collaboration, IT service management, risk & security with students and others.

My blog:

https://kerekfypal.blog