Джошуа Ганс - Искусственный интеллект на службе бизнеса
- Название:Искусственный интеллект на службе бизнеса
- Автор:
- Жанр:
- Издательство:Литагент МИФ без БК
- Год:2019
- Город:Москва
- ISBN:978-5-00117-881-1
- Рейтинг:
- Избранное:Добавить в избранное
-
Отзывы:
-
Ваша оценка:
Джошуа Ганс - Искусственный интеллект на службе бизнеса краткое содержание
На русском языке публикуется впервые.
Искусственный интеллект на службе бизнеса - читать онлайн бесплатно ознакомительный отрывок
Интервал:
Закладка:
39
В 60 % случаев вы выбираете Х , и ответ будет верным в 60 % случаев, а в 40 % случаев вы выбираете О и угадываете только в 40 % случаев.
40
Тверский A, Канеман Д . Принятие решений в неопределенности. Правила и предубеждения. М.: Гуманитарный центр, 2018 // https://people.hss.caltech.edu/~camerer/Ec101/JudgementUncertainty.pdf.
41
См. Канеман Д . Думай медленно… решай быстро. М.: АСТ, 2018; Ариели Д. Поведенческая экономика. М.: Манн, Иванов и Фербер, 2012.
42
Льюис М. Moneyball. Как математика изменила самую популярную спортивную лигу в мире.М.: Манн, Иванов и Фербер, 2013.
43
Саберметрика – эмпирический анализ бейсбола, в частности бейсбольной статистики, измеряющей внутриигровые показатели. Прим. ред.
44
Бейсбольные термины. Прим. ред.
45
Конечно, хотя Moneyball и основана на применении традиционной статистики, вполне предсказуемо, что сейчас команды ищут ей замену в методах машинного обучения, позволяющих собрать больше данных. См. Sugimoto, T . AI May Help Japan’s Baseball Champs Rewrite «Moneyball» // Nikkei Asian Review. 2016. May 02 // http://asia.nikkei.com/Business/Companies/AI-may-help-Japan-s-baseball-champs-rewrite-Moneyball.
46
Kleinberg, J., Lakkaraju, H., Leskovec, J., Ludwig, J., Mullainathan, S . Human Decisions and Machine Predictions / working paper 23180. National Bureau of Economic Research, 2017.
47
Исследование также доказало, что алгоритмы, скорее всего, снизят проявления расового неравенства.
48
Hoffman, M., Kahn, L., Li, D. Discretion in Hiring / working paper 21709 // National Bureau of Economic Research. 2015. November.
49
Rumsfeld, D . There_are_known_knowns // US Department of Defense. 2002. February, 12 // https://en.wikipedia.org/wiki/There_are_known_knowns/.
50
Rouet-Leduc, B. & others . Machine Learning Predicts Laboratory Earthquakes. Cornell University, 2017 // http://arxiv.org/abs/1702.05774.
51
Gentner, D., Stevens, A. L. Mental Models. NY: Psychology Press, 1983; Gentner, D . Structure Mapping: A Theoretical Model for Analogy // Cognitive Science. 1983. № 7. P. 15–170.
52
Хотя машины все лучше работают в таких ситуациях, согласно законам вероятности, в маленьких выборках неизбежна некоторая неопределенность. Следовательно, если объем данных ограничен, прогнозы машин в известной мере будут неточными. Машина может дать представление о степени неточности, поэтому суждение о действиях по неточным прогнозам должен делать человек (как обсуждалось в главе 8).
53
Талеб Н. Черный лебедь. М.: Азбука-Аттикус, КоЛибри, 2018.
54
Талеб Н . Черный лебедь. М.: Азбука-Аттикус, КоЛибри, 2018.
55
В цикле Айзека Азимова «Основание» прогноз развился до такой степени, что стало возможным предсказать крах Галактической империи и последовавшие за этим проблемы общества, описанные в книге. Для сюжетной линии была важна невозможность спрогнозировать появление мутанта. Случайные обстоятельства невозможно предвидеть.
56
Waldfogel, J. Copyright Protection, Technological Change, and the Quality of New Products: Evidence from Recorded Music since Napster // The Journal of Law and Economics 55 . 2012. № 4. P. 715–740.
57
Rubin, D . Estimating Causal Effects of Treatments in Randomized and Nonrandomized Studies // The Journal of Educational Psychology 66. 1974. № 5. P. 688–701; Neyman, J . Sur les applications de la theorie des probabilites aux experiences agricoles: Essai des principes / master’s thesis, 1923 / excerpts reprinted in English, Dabrowska, D. M . & Speed, T. P. / translators // Statistical Science 5 . 1923. P. 463–472.
58
Kasparov, G. Deep Thinking. NY: Perseus Books, 2017. P. 99–100.
59
Google Panda // https://en.wikipedia.org/wiki/Google_Panda. 2017. July 26. Most notably as described in Google webmasters, «What’s It Like to Fight Webspam at Google?» // YouTube. 2014. Febuary 12 // https://www.youtube.com/watch?v=rr-Cye_mFiQ/.
60
Например, сделанные в сентябре 2016 года изменения: Nagesh, A . Now You Can Finally Get Rid of All Those Instagram Spammers and Trolls // Metro. 2016. September 13 // http://metro.co.uk/2016/09/13/now-you-can-finallyget-rid-of-all-those-instagram-spammers-and-trolls-6125645$; Vanian, J. Instagram Turns to Artificial Intelligence to Fight Spam and Offensive Comments // The Fortune. 2017. June 29 // http://fortune.com/2017/06/29/instagram-artificial-intelligence-offensivecomments/.
Сложность использования прогностических машин с учетом наличия стратегически важных действующих лиц – давняя проблема. В 1976 году Роберт Лукас высказался на эту тему в отношении макроэкономической политики инфляции и других экономических индикаторов. Если после перемен в политике людям будет выгодно изменить свое поведение, они так и сделают. Лукас подчеркнул: хотя при росте инфляции уровень занятости сохранялся высоким, если бы центральный банк решил перейти к политике роста инфляции, люди могли бы предвидеть это, и взаимоотношения бы разрушились. Поэтому он утверждает, что вместо основанной на экстраполяции от исторических данных политики следует исходить из понимания соответствующих мотивов поведения. Данная теория называется «Критикой Лукаса». См. Lucas, R . Econometric Policy Evaluation: A Critique // Carnegie-Rochester Conference Series in Public Policy 1 . 1976. № 1. P. 19–46 // https://ideas.repec.org/a/eee/crcspp/v1y1976ip19-46.html.
Экономист Тим Харфорд описал это по-другому: Форт-Нокс ни разу не подвергался ограблениям. Сколько нужно вкладывать в его защиту? Поскольку ограблений не было, траты на обеспечение безопасности не снизят их вероятность. Прогностическая машина порекомендовала бы ничего не вкладывать. Зачем тратить деньги, если обеспечение безопасности не влияет на частоту ограблений? Harford, T . The Undercover Economist Strikes Back: How to Run – or Ruin – an Economy. NY: Riverhead Books, 2014.
61
Wang D, & oth . Deep Learning for Identifying Metastatic Breast Cancer // Camelyon Grand Challenge. 2016. July 18 // https://arxiv.org/pdf/1606.05718.pdf.
62
Babbage, Ch . On the Economy of Machinery and Manufactures. London: Charles Knight Pall Mall East, 1832. P. 162.
63
Paravisini, D., Schoar, A. The Incentive Effect of IT: Randomized Evidence from Credit Committees / working paper 19303 // National Bureau of Economic Research. 2013. August.
64
Разделение труда по «первичной обработке» наблюдается во многих случаях использования прогностических машин. Внутренний ИИ Washington Post в 2016 году написал 850 статей, но каждую перед публикацией проверял человек. Аналогичный процесс применяла ROSS Intelligence для анализа тысяч юридических документов, сокращаемых до объема кратких резюме. См. Katz, M . Welcome to the Era of the AI Coworker // Wired. 2017. November 15 // https://www.wired.com/story/welcome-to-the-era-of-the-ai-coworker/.
65
Rosen, J . The Knowledge, London’s Legendary Taxi-Driver Test, Puts Up a Fight in the Age of GPS // New York Times. 2014. November 10 // https://www.nytimes.com/2014/11/10/t-magazine/london-taxi-testknowledge.html?_r=0/.
66
В учебном изложении см. Gans, J. S . Core Economics for Managers. Australia: Cengage, 2005.
67
Средняя отдача от «взять» = (3/4 – не промокнуть с зонтиком) + (1/4 – не промокнуть с зонтиком) = (3/4)×8 + (1/4)×8 = 8,0.
Средняя отдача от «оставить» = (3/4 – не промокнуть с зонтиком) + (1/4 – промокнуть) = (3/4)×10 + (1/4)×0 = 7,5.
68
McAfee, A., Brynjolfsson, E . Machine, Platform, Crowd: Harnessing Our Digital Future. NY: Norton, 2017. P. 72.
69
Пример из: Dubé J.-P., Misra, S. Scalable Price Targeting / working paper. Booth School of Business, University of Chicago, 2017 // http://conference.nber.org/confer//2017/SI2017/PRIT/Dube_Misra.pdf.
70
Wakabayashi, D . Meet the People Who Train the Robots (to Do Their Own Jobs) // New York Times. 2017. April 28 // https://www.nytimes.com/2017/04/28/technology/meet-the-people-who-train-the-robots-to-do-their-own-jobs.html?_r=1/.
Читать дальшеИнтервал:
Закладка: