جون جانتش (00:00): مرحبًا ، هل تعلم أن مؤتمر HubSpot السنوي الداخلي قادم؟صحيح. سيكون في بوسطن من الخامس حتى الثامن من سبتمبر. يجمع كل عام إلى الداخل قادة في مجالات الأعمال والمبيعات والتسويق ونجاح العملاء والعمليات وغير ذلك. ستكون قادرًا على اكتشاف أحدث الاتجاهات والتكتيكات التي يمكنك وضعها بالفعل لتوسيع نطاق عملك بطريقة مستدامة. يمكنك التعلم من خبراء الصناعة والاستلهام من موهبة تسليط الضوء المذهلة. هذا العام ، سيظهر أمثال ريس ويذرسبون وديريك جيتر وجي راز. قم بزيارة inbound.com واحصل على تذكرتك اليوم. لن تكون آسف. هذه البرمجة مضمونة للإلهام وإعادة الشحن. صحيح. انتقل إلى inbound.com للحصول على تذكرتك اليوم.

(01:03): أهلاً ومرحبًا بكم في حلقة أخرى من بودكاست تسويق أشرطة القنوات.هذا جون جانتش. ضيفي اليوم هو كينيث فينجر. إنه مؤلف وباحث في جامعة تورنتو متروبوليتان ورئيس قسم التكنولوجيا بشركة Squint AI Inc. تكمن اهتماماته البحثية في التقاطع بين البشر والآلات ، مما يضمن أننا نبني مستقبلًا يعتمد على الاستخدام المسؤول للتكنولوجيا. سنتحدث عن كتابه اليوم هل الخوارزمية تتآمر ضدنا؟: دليل الشخص العادي للمفاهيم والرياضيات ومخاطر الذكاء الاصطناعي. لذا ، كين ، مرحبا بكم في العرض.

كينيث فينجر (01:40): مرحبًا جون.شكراً جزيلاً. أشكركم على استضافتي.

جون جانتش (01:42): حسنًا ، سنتحدث عن الكتاب ، لكنني أشعر بالفضول فقط ، ماذا ، ماذا يفعل Squint AI؟

كينيث فينجر (01:47): هذا سؤال رائع.لذا ، فإن الحول ai ، هي شركة أنشأناها لإجراء بعض الأبحاث وتطوير منصة تمكننا من ،

(02:00): افعل ، افعل الذكاء الاصطناعي بطريقة أكثر مسؤولية ، أه.تمام. تمام. لذا ، آه ، أنا متأكد من أننا سندخل في هذا الأمر ، لكني أتطرق إليه ، في الكتاب في العديد من الحالات أيضًا ، حيث نتحدث عن ، آه ، ذكاءً ، الاستخدام الأخلاقي للذكاء الاصطناعي ، بعض انهيار ذكاء اصطناعي. ولذا فإن ما نفعله مع Squint هو أننا نحاول اكتشاف ، كما تعلمون ، كيف نحاول إنشاء بيئة تمكننا من استخدام الذكاء الاصطناعي بطريقة تتيح لنا فهم عندما لا تعمل هذه الخوارزميات في أفضل حالاتهم ، عندما يرتكبون أخطاء وما إلى ذلك. نعم،

جون جانتش (02:30): نعم.لذا ، فإن عنوان كتابك هو "الخوارزمية التآمر ضدها" ، هذا سؤال مثير بعض الشيء. أعني ، من الواضح أنني متأكد من أن هناك أشخاصًا يقولون لا ، والبعض يقول ، حسنًا ، بالتأكيد. فلماذا تسأل السؤال إذن؟

كينيث فينجر (02:49): حسنًا ، لأنني أشعر في الواقع أن هذا سؤال يطرحه العديد من الأشخاص المختلفين بمعنى مختلف.يمين؟ إذن ، الأمر هو نفسه تقريبًا سؤال هل يشكل الذكاء الاصطناعي تهديدًا وجوديًا؟ أنا ، أنا ، إنه سؤال يعني أشياء مختلفة لأناس مختلفين. يمين. لذلك أردت أن أدخل ذلك في الكتاب وأحاول أن أفعل شيئين. أولاً ، قدم للناس الأدوات التي تمكنهم من فهم هذا السؤال بأنفسهم ، بشكل صحيح. واكتشف أولاً كيف وأين يقفون في هذا النقاش ، وثانيًا ، كما تعلمون ، قدم رأيي أيضًا على طول الطريق.

جون جانتش (03:21): أجل ، أجل.وربما لم أطرح هذا السؤال بأناقة كما أرغب. أعتقد حقًا أنه من الرائع أن تطرح السؤال ، لأن ما نحاول فعله في النهاية هو السماح للناس باتخاذ قراراتهم الخاصة بدلاً من القول ، هذا صحيح بالنسبة للذكاء الاصطناعي ، أو هذا ليس صحيحًا بالنسبة للذكاء الاصطناعي . يمين.

كينيث فينجر (03:36): هذا صحيح.صحيح. ومرة أخرى ، خاصة لأنها مشكلة دقيقة. نعم. وهذا يعني أشياء مختلفة لأناس مختلفين.

جون جانتش (03:44): هذا سؤال صعب حقًا ، لكنني سأطرح عليكم ، كما تعلمون ، أين نحن حقًا في سلسلة متصلة من الذكاء الاصطناعي؟أعني ، يدرك الأشخاص الذين شاركوا في هذا الموضوع لسنوات عديدة أنه تم تضمينه في العديد من الأشياء التي نستخدمها كل يوم ونأخذها كأمر مسلم به ، ومن الواضح أننا جلبنا ChatGPT مجموعة كاملة من الأشخاص الذين لديهم الآن ، كما تعلمون ، على الأقل مفردات تتحدث عما هي عليه. لكنني أتذكر ، كما تعلمون ، لقد كنت ، لقد كنت ، كان لدي عملي الخاص لمدة 30 عامًا. أعني ، لم يكن لدينا الويب ، لم يكن لدينا مواقع ويب ، كما تعلم ، لم يكن لدينا أجهزة محمولة تلعب دورًا الآن بالتأكيد ، لكنني أتذكر أن كل واحد من هؤلاء جاء ، وكان الناس مثل ، أوه ، نحن محكوم عليهم بالفشل. انتهى . يمين. لذا ، يوجد حاليًا الكثير من هذا النوع من اللغة المحيطة بالذكاء الاصطناعي ، ولكن أين تعتقد أننا حقًا في استمرارية التطور؟

كينيث فينجر (04:32): كما تعلم ، هذا سؤال رائع لأنني أعتقد أننا في الواقع في وقت مبكر جدًا.نعم. أعتقد أننا ، كما تعلم ، قد أحرزنا تقدمًا ملحوظًا في فترة زمنية قصيرة جدًا ، لكنني أعتقد أنه ما زال ، ونحن في المراحل المبكرة جدًا. كما تعلم ، إذا فكرت في الذكاء الاصطناعي حيث نحن الآن ، كنا قبل عقد من الزمان ، فقد أحرزنا بعض التقدم. لكنني أعتقد ، بشكل أساسي ، على المستوى العلمي ، أننا بدأنا فقط في خدش السطح. سأعطيك بعض الأمثلة. في البداية ، كما تعلمون ، النماذج الأولى ، كانت رائعة حقًا في إعطائنا بعض الأدلة على أن هذه الطريقة الجديدة لطرح الأسئلة ، كما تعلمون ، الشبكات العصبية أساسًا. نعم نعم. يمين. إنها معادلات معقدة للغاية. أه ، إذا كنت تستخدم وحدات معالجة الرسومات لتشغيل هذه المعادلات المعقدة ، فيمكننا في الواقع حل المشكلات المعقدة جدًا. هذا شيء أدركناه في عام 2012 ثم بعد عام 2017 تقريبًا ، لذلك بين عامي 2012 و 2017 ، كان التقدم خطيًا للغاية.

(05:28): كما تعلم ، تم إنشاء نماذج جديدة ، تم اقتراح الأفكار الجديدة ، لكن تم توسيع نطاق الأشياء وتطورها بشكل خطي للغاية.ولكن بعد عام 2017 ، مع تقديم النموذج الذي يسمى Transformer ، وهو الهيكل الأساسي وراء الدردشة ، و g ، و pt ، وكل هذه النماذج اللغوية الكبيرة ، كان لدينا نوع آخر من الإدراك. هذا عندما أدركنا أنه إذا أخذت هذه النماذج وقمت بتوسيعها وتوسيع نطاقها ، من حيث حجم النموذج وحجم مجموعة البيانات التي استخدمناها لتدريبها ، فإنها تتحسن بشكل كبير. تمام. وذلك عندما وصلنا إلى النقطة التي وصلنا إليها اليوم ، حيث أدركنا أنه بمجرد توسيع نطاقها ، مرة أخرى ، لم نقم بأي شيء مختلف تمامًا منذ عام 2017. كل ما فعلناه هو زيادة حجم النموذج ، وزيادة حجم مجموعة البيانات ، وهم يتحسنون أضعافًا مضاعفة.

جون جانتش (06:14): إذن الضرب وليس الجمع؟

كينيث فينجر (06:18): حسنًا ، نعم ، بالضبط.نعم. لذلك ، لم يكن الأمر كذلك ، فقد كان التقدم أسيًا ، ليس فقط في المسار الخطي. نعم. لكني أعتقد ، ولكن مرة أخرى ، حقيقة أننا لم نتغير كثيرًا بشكل جذري في هذه النماذج ، فإن ذلك سوف يتلاشى قريبًا جدًا. إنه توقعي. والآن أين نحن على الجدول الزمني؟ الذي كان سؤالك الأصلي. أعتقد أنه إذا فكرت في ما تفعله العارضات اليوم ، فإنهن يقمن بعمل جيد للغاية. إنهم يقومون بإحصائيات بسيطة جدًا ، بشكل أساسي. مم-همم. ، ليست فكرة أن تسمى هذه النماذج بالذكاء الاصطناعي. يمين. أعتقد أنها تسمية خاطئة بعض الشيء في بعض الأحيان. أنا موافق. ويؤدي إلى بعض الأسئلة التي لدى الناس. اممم ، لأنه هناك ، لا يوجد الكثير من الذكاء العميق يحدث ، إنه مجرد نمذجة إحصائية وبسيطة جدًا في ذلك. ومن ثم إلى أين نحن ذاهبون من هنا وما آمل أن يكون المستقبل ، هذا عندما نبدأ ، أعتقد أن الأشياء ستتغير بشكل كبير عندما نبدأ في الحصول على نماذج ليست فقط قادرة على ، وليس فقط القيام بإحصاءات بسيطة ، لكنهم قادرون على فهم سياق ما يحاولون تحقيقه. نعم. وقادرون على فهم الإجابة الصحيحة وكذلك الإجابة الخاطئة ، كما تعلمون. لذلك ، على سبيل المثال ، هم ، هم ، هم ، يمكنهم معرفة متى يتحدثون عن أشياء يعرفونها ومتى يتفادون حول هذه المنطقة الرمادية من الأشياء التي لا يعرفون عنها حقًا. هل هذا منطقي؟ نعم،

جون جانتش (07:39): بالتأكيد.أعني ، أنا أتفق معك تمامًا بشأن الذكاء الاصطناعي. أنا في الواقع أسميها ia. أعتقد أنه أكثر من أتمتة مستنيرة. هو نوع من كيف أنظر إليه ، على الأقل في عملي. هل ترى يومًا تكون فيه ، كما تعلم ، تحفز طرح الأسئلة ، كما تعلمون ، هذا نوع من ، استخدام الشارع ، إذا صح التعبير ، للذكاء الاصطناعي لكثير من الناس. هل ترى يومًا يبدأ فيه طرح الأسئلة عليك؟ مثل ، لماذا تريد أن تعرف ذلك؟ أو ما الذي تحاول تحقيقه أه بطرح هذا السؤال؟

كينيث فينجر (08:06): أجل.إذن الجواب البسيط هو نعم. أنا بالتأكيد أفعل. وأعتقد أن هذا جزء مما سيكون عليه تحقيق مستوى أعلى من الذكاء. إنه عندما لا يقومون فقط بتقديم عروض الأسعار الخاصة بك ، فهي ليست مجرد أداة. نعم نعم. أه ، لكنهم ، لديهم نوعًا ما هدفهم الخاص الذي يحاولون تحقيقه. وعندها سترى أشياء مثل الأسئلة بشكل أساسي ، آه ، تنشأ من النظام ، أليس كذلك؟ هو عندما يكون لديهم ، هدف ، هدف يريدون الوصول إليه ، وهو ، كما تعلمون ، وبعد ذلك يكتشفون خطة للوصول إلى هذا الهدف. هذا هو الوقت الذي يمكنك فيه رؤية ظهور أشياء مثل الأسئلة الموجهة إليك. لا أعتقد أننا وصلنا إلى هناك بعد ، لكن نعم ، أعتقد أنه من الممكن بالتأكيد.

جون جانتش (08:40): لكن هذه هي نسخة الخيال العلمي أيضًا ، أليس كذلك؟أعني ، حيث يبدأ الناس في قول ، كما تعلمون ، الأفلام ، إنها مثل ، لا ، لا ، كين ، لا يمكنك التعرف على هذه المعلومات بعد. سأقرر متى يمكنك معرفة ذلك .

كينيث فينجر (08:52): حسنًا ، أنت محق.أعني ، السؤال ، الطريقة التي طرحت بها السؤال كانت أشبه ، هل هي ، هل هي ممكنة من حيث المبدأ؟ أعتقد تمامًا. نعم. نعم. هل نريد ذلك؟ اعني انا لا اعرف. أعتقد أن هذا جزء من ، نعم ، يعتمد على حالة الاستخدام التي نفكر فيها. أه ولكن من منظور المبدأ الأول نعم إنه ممكن بالتأكيد. نعم. عدم الحصول على نموذج ل

جون جانتش (09:13): افعل ذلك.لذلك ، أعتقد أن هناك عشرات وعشرات الأشخاص ، فهم فقط يفهمون الذكاء الاصطناعي هو أنني أذهب إلى هذا المكان حيث يوجد به صندوق وأكتب سؤالًا ويصدر إجابة. نظرًا لأن لديك شخصًا عاديًا ورياضيات في العنوان ، فهل يمكنك أن تعطينا نوعًا من نسخة الشخص العادي لكيفية قيامه بذلك؟

كينيث فينجر (09:33): أجل ، بالتأكيد.حسنًا ، على الأقل سأحاول ، قال ليمي على هذا النحو ، ، عندما ، قبل لحظات قليلة عندما ذكرت أن هذه النماذج ، ما هي عليه في الأساس ، هي نماذج إحصائية بسيطة للغاية. هذه العبارة نفسها ، تلك العبارة نفسها ، هي قليلاً من ، مثيرة للجدل لأنه في نهاية اليوم ، لا نعرف أي نوع من الذكاء لدينا ، أليس كذلك؟ لذا إذا فكرت في ذكائنا ، فإننا لا نعرف ما إذا كنا على مستوى ما نموذجًا إحصائيًا ، أليس كذلك؟ ومع ذلك ، ما أعنيه بالذكاء الاصطناعي اليوم في نماذج اللغات الكبيرة مثل ChatGPT كونها نماذج إحصائية بسيطة ، ما أعنيه بذلك هو أنهم يؤدون مهمة بسيطة للغاية. لذا ، إذا فكرت في ChatGPT ، فإن ما يفعلونه هو أنهم يحاولون ، بشكل أساسي ، توقع أفضل كلمة تالية في تسلسل. هذا كل ما يفعلونه. والكلمة ، الطريقة التي يفعلون بها ذلك هي أنهم يحسبون ما يسمى بالتوزيع الاحتمالي.

(10:31): لذلك بشكل أساسي بالنسبة لأي كلمة في a ، في a ، في موجه أو في مجموعة نصية ، فإنهم يحسبون احتمال أن تكون هذه الكلمة في هذا التسلسل.يمين؟ ثم اختاروا الكلمة التالية ذات الاحتمال الأكبر لصحتها هناك. تمام؟ الآن ، هذا نموذج بسيط للغاية بالمعنى التالي. إذا كنت تفكر في كيفية تواصلنا ، أليس كذلك؟ كما تعلم ، نحن نجري محادثة الآن. أعتقد أنه عندما تسألني سؤالاً ، فأنا أتوقف وأفكر فيما سأقوله ، أليس كذلك؟ لذلك لدي نموذج للعالم ، ولدي هدف في تلك المحادثة. لقد توصلت إلى فكرة ما أريد الرد عليه ، ثم أستخدم قدرتي في إنتاج الكلمات وصوتها للتواصل معك. يمين؟ قد يكون لدي نظام في ذهني يعمل بشكل مشابه جدًا لنموذج اللغة الكبير ، بمعنى أنه بمجرد أن أبدأ في نطق الكلمات ، فإن الكلمة التالية التي سأقولها هي الأكثر احتمالاً أن أكون على صواب ، بالنظر إلى الكلمات التي قلتها للتو.

(11:32): هذا ممكن جدا.هذا صحيح. ومع ذلك ، فإن الأمر المختلف هو أنني على الأقل لدي بالفعل خطة لما سأقوله في مساحة كامنة. لقد قمت بالفعل بترميز في شكل ما. ما أريد أن أعبر عنه ، كيف أقول ، أن القدرة على إنتاج هذه الكلمات قد تكون مشابهة جدًا لنموذج اللغة. لكن الاختلاف هو أن نموذجًا لغويًا كبيرًا يحاول معرفة ما سيقوله بالإضافة إلى الخروج بهذه الكلمات في نفس الوقت. مم-همم. ، يمين؟ هل هذا منطقي؟ لذلك يبدو الأمر وكأنهم يتجولون ، وأحيانًا إذا تحدثوا لفترة طويلة ، فإنهم يتجولون في منطقة هراء. نعم. نعم. لأنهم لا يعرفون ما سيقولونه حتى يقولون ذلك. . نعم. لذلك ، هذا فرق جوهري للغاية. نعم.

جون جانتش (12:20): أنا ، أنا ، لقد رأيت بالتأكيد بعض المخرجات المثيرة للاهتمام على طول هذه الخطوط.لكن ، كما تعلمون ، كما سمعت تتحدثون عن ذلك ، أعني ، في كثير من الطرق ، هذا ما نفعله هو أننا نستفسر عن قاعدة بيانات لما تعلمناه ، هي الكلمات التي أعرف بالإضافة إلى المفاهيم التي درسناها أه وقادرون على التعبير عنها. أعني ، في بعض النواحي ، نحن نسألني عن ذلك ، ونطالبني أو نطرح عليك سؤالًا أيضًا ، أعني ، إنه يعمل بشكل مشابه. هل تقول

كينيث فينجر (12:47): جانب طرح سؤال ثم الإجابة عليه ، إنه مشابه ، لكن الاختلاف هو المفهوم الذي تحاول وصفه.لذا ، مرة أخرى ، عندما تسألني سؤالاً ، أفكر فيه ، وأتيت به ، لذا ، مرة أخرى ، لدي نموذج عالمي يعمل حتى الآن بالنسبة لي لتخطي حياتي ، أليس كذلك؟ وهذا النموذج العالمي يتيح لي فهم المفاهيم المختلفة بطرق مختلفة. وعندما أكون على وشك الإجابة على سؤالك ، أفكر في الأمر ، أقوم بصياغة إجابة ، ثم أجد طريقة للتواصل معك. تمام؟ هذه الخطوة مفقودة مما تفعله هذه النماذج اللغوية ، أليس كذلك؟ إنهم يتلقون توجيهًا سريعًا ، لكن لا توجد خطوة يصيغون فيها استجابة ذات هدف ما ، أليس كذلك؟ يمين؟ نعم. بعض الأغراض. إنهم يحصلون أساسًا على نص ، ويحاولون إنشاء سلسلة من الكلمات التي يتم اكتشافها أثناء إنتاجها ، أليس كذلك؟ لا توجد خطة نهائية. لذلك ، هذا فرق جوهري للغاية.

جون جانتش (13:54): والآن ، دعنا نسمع كلمة من راعينا ، التسويق أصبح بسيطًا.إنه بودكاست يستضيفه الدكتور جي جي بيترسون ويتم تقديمه لك من قبل HubSpot Podcast Network ، الوجهة الصوتية لتسويق محترفي الأعمال التجارية المبسطة ، ويقدم لك نصائح عملية لجعل التسويق الخاص بك سهلاً والأهم من ذلك ، جعله يعمل. وفي إحدى الحلقات الأخيرة ، تحدث JJ و April مع المرشدين المعتمدين من StoryBrand وأصحاب الوكالات حول كيفية استخدام ChatGPT لأغراض التسويق. نعلم جميعًا مدى أهمية ذلك اليوم. استمع إلى التسويق بطريقة بسيطة. أينما تحصل على البودكاست الخاص بك.

(14:30): مرحبًا ، أصحاب وكالات التسويق ، كما تعلمون ، يمكنني أن أعلمك مفاتيح مضاعفة أعمالك في 90 يومًا فقط ، أو استعادة أموالك.يبدو مثيرا للاهتمام. كل ما عليك فعله هو ترخيص عمليتنا المكونة من ثلاث خطوات والتي ستسمح لك بجعل منافسيك غير ذي صلة ، وفرض علاوة على خدماتك وتوسيع نطاقها ربما دون إضافة النفقات العامة. وهذا هو الجزء الأفضل. يمكنك ترخيص هذا النظام بالكامل لوكالتك من خلال المشاركة ببساطة في نظرة مكثفة لشهادة الوكالة القادمة ، فلماذا تصنع العجلة؟ استخدم مجموعة من الأدوات التي استغرق إنشائها منا أكثر من 20 عامًا. ويمكنك الحصول عليها اليوم ، تحقق من ذلك على dtm.world/certification. هذه هي شهادة DTM World Slash.

(15:18): أريد أن أحب ما يخبئه المستقبل ، لكني أريد أن أتطرق إلى بعض الأشياء التي تغوص فيها في الكتاب.ما هو ، كما تعلم ، غير نوع الخوف الذي تنشره وسائل الإعلام ، ما هي المزالق الحقيقية والواضحة للاعتماد على الذكاء الاصطناعي؟

كينيث فينجر (15:38): أعتقد أن أكبر مشكلة ، وأحد ، أعني ، الحافز الحقيقي بالنسبة لي عندما بدأت في كتابة الكتاب هو أنه أداة قوية لسببين.إنه سهل الاستخدام ، على ما يبدو ، أليس كذلك؟ نعم. يمكنك قضاء عطلة نهاية الأسبوع في تعلم لغة البايثون ، ويمكنك كتابة بضعة أسطر ، ويمكنك التحويل ، يمكنك التحليل ، يمكنك تحليل البيانات التي لم تكن تستطيع من قبل باستخدام مكتبة فقط. لذلك ليس عليك حقًا فهم ما تفعله ، ويمكنك الحصول على نتيجة تبدو مفيدة ، حسنًا؟ مم-همم. ، ولكن التسخين في هذه العملية ، أليس كذلك؟ حقيقة أنه يمكنك أخذ الكثير من البيانات ، وكميات كبيرة من البيانات ، وتعديلها بطريقة ما ، والحصول على رد ، والحصول على بعض النتائج دون فهم ما يحدث في المنتصف ، لها تداعيات هائلة على سوء فهم النتائج التي تحصل عليها ، يمين؟ ثم إذا كنت تستخدم هذه الأدوات في العالم ، أليس كذلك؟

(16:42): بطريقة يمكن أن تؤثر على الآخرين.على سبيل المثال ، كما تعلم ، لنفترض أنك تعمل في مؤسسة مالية ، و ، و ، وقد توصلت إلى نموذج لتكتشف ، أه ، من يجب عليك ، ومن الذي يجب أن تمنحه بعض الائتمان ، والحصول ، كما تعلم ، على الموافقة من أجل ، للحصول على ائتمان لحد ائتمان ، ومن لا يجب عليك ذلك. الآن ، في الوقت الحالي ، تمتلك البنوك نماذجها الخاصة ، ولكن بالتأكيد ، إذا قمت بإخراج الذكاء الاصطناعي منه ، فعادةً ما يتم التفكير في هذه النماذج من قبل الإحصائيين ، وقد يخطئون في الأمور من حين لآخر ، ولكن على الأقل لديهم قدر كبير من صورة لما يعنيه ، كما تعلم ، تحليل البيانات ، وتحيز البيانات ، أليس كذلك؟ ما هي تداعيات التحيز في البيانات؟ كيف تتخلص من كل هذه الأشياء هي أشياء يجب تدريب الإحصائي الجيد على القيام بها. ولكن الآن ، إذا قمت بإزالة الإحصائيين ، لأن أي شخص يمكنه استخدام نموذج لتحليل البيانات والحصول على بعض التنبؤات ، فما يحدث هو أن ينتهي بك الأمر إلى رفض والموافقة على خطوط الائتمان للأشخاص الذين ، كما تعلمون ، مع تداعيات يمكن أن تكون ، كما تعلمون ، مدفوعًا بالتحيز السلبي للغاية في البيانات ، أليس كذلك؟

(17:44): مثل قد يؤثر على قسم معين من السكان أه سلبا.ربما هناك البعض الذين لا يمكنهم الحصول على حد ائتماني بعد الآن لمجرد أنهم يعيشون في حي معين. ، أو هم ، كما تعلمون ، هناك العديد من الأسباب التي تجعل هذا الأمر يمثل مشكلة ،

جون جانتش (17:57): لكن ألم يكن هذا عاملاً سابقًا؟يعني بالتأكيد الأحياء تعتبر ، كما تعلمون ، كجزء من ، كما تعلمون ، حتى في النماذج التناظرية ، على ما أعتقد.

كينيث فينجر (18:06): أجل ، بالتأكيد.لذا كما قلت ، كانت لدينا دائمًا مشكلة في التحيز ، أليس كذلك؟ في البيانات ، أليس كذلك؟ لكن تقليديًا ، كما تأمل ، سيحدث شيئان. أولاً ، تأمل أن أيًا كان من يتوصل إلى نموذج ، لمجرد أنها مشكلة معقدة ، يجب أن يحصلوا على بعض التدريب الإحصائي السلس. نعم. يمين؟ وأ ، الإحصائي الأخلاقي يجب أن يفكر في كيفية التعامل مع التحيز في البيانات ، أليس كذلك؟ إذن هذا رقم واحد. ثانيًا ، المشكلة التي نواجهها الآن هي ، أولاً وقبل كل شيء ، أنك لست بحاجة إلى اتخاذ هذا القرار المحدد. يمكنك فقط استخدام النموذج دون فهم ما يحدث ، أليس كذلك؟ يمين. والأسوأ من ذلك أنه مع هذه النماذج ، لا يمكننا فهم كيفية حدوث ذلك ، أو أنه من الصعب جدًا تقليديًا فهم كيفية وصول النموذج أو التنبؤ به. لذلك إذا تم رفضك إما خط ائتمان أو كما أتحدث عنه في كفالة الكتاب ، على سبيل المثال ، في قضية محكمة ، أه ، من الصعب جدًا أن تجادل ، حسنًا ، لماذا أنا؟ لماذا ، لماذا حرمت هذا الشيء؟ وبعد ذلك ، إذا مررت بعملية تدقيقها مرة أخرى باستخدام النهج التقليدي حيث يكون لديك قرار ، فيمكنك دائمًا أن تسأل ، فكيف قمت بنمذجة هذا؟ أه لماذا نفى هذا الشخص هذه الحالة بالذات في تدقيق؟ مم-همم. مع شبكة عصبية ، على سبيل المثال ، يصبح الأمر أكثر تعقيدًا.

جون جانتش (19:21): حسنًا ، أعني ، إذن ما تقوله ، إحدى المشاكل الأولية هي أن الناس يعتمدون على المخرجات ، البيانات.أعني ، حتى ، كما تعلمون ، أنا أستخدمها بطريقة بسيطة للغاية. أنا أدير شركة تسويق ونستخدمها كثيرًا لتزويدنا بنسخ الأفكار ، وتعطينا أفكارًا رئيسية ، كما تعلمون ، للأشياء. لذلك لا أشعر حقًا بوجود أي خطر حقيقي هناك بخلاف ربما أن أبدو مثل أي شخص آخر في نسختك. آه ، لكن ، لكنك تقول ذلك ، كما تعلم ، عندما يبدأ الناس في الاعتماد على هؤلاء لاتخاذ قرارات من المفترض أن تكون على علم ، تكون التوقعات في كثير من الأحيان خاطئة.

كينيث فينجر (19:57): نعم.وهناك الكثير ، لذا فإن الإجابة هي نعم. الآن ، هناك سببان لذلك. وبالمناسبة ، اسمحوا لي أن أعود لأقول أن هناك حالات استخدام حيث ، بالطبع عليك أن تفكر في هذا كطيف ، أليس كذلك؟ نعم ، أجل. هناك حالات يكون فيها تداعيات الوقوع في الخطأ أسوأ من الحالات الأخرى ، أليس كذلك؟ لذا كما تقول ، إذا كنت تحاول إنشاء بعض النسخ وأنت تعلم ، إذا كان هذا غير منطقي ، فما عليك سوى المضي قدمًا وتغييره. وفي نهاية اليوم ، من المحتمل أن تقوم بمراجعته على أي حال. لذا ، فهذه تكلفة أقل وربما أقل. تكلفة الخطأ هناك ستكون أقل من ، في حالة ، كما تعلمون ، استخدام نموذج في ، في عملية قضائية ، على سبيل المثال. يمين؟ يمين. يمين. الآن ، فيما يتعلق بحقيقة أن هذه النماذج ترتكب أخطاء في بعض الأحيان ، والسبب في ذلك هو أن الطريقة التي تعمل بها هذه النماذج في الواقع هي أنها ، والجزء الذي يمكن أن يكون مخادعًا هو أنها تميل إلى العمل بشكل جيد حقًا من أجل المناطق في البيانات التي يفهمونها جيدًا.

(20:56): إذن ، إذا فكرت في مجموعة بيانات ، أليس كذلك؟لذا فقد تم تدريبهم على استخدام مجموعة بيانات لمعظم البيانات الموجودة في مجموعة البيانات هذه ، وسيكونون قادرين على تصميمها بشكل جيد حقًا. ولهذا السبب تحصل على نماذج تعمل بدقة 90٪ على مجموعة بيانات معينة. تكمن المشكلة في أنه بالنسبة لـ 10٪ حيث لا يستطيعون أن يصمموا بشكل جيد حقًا ، فإن الأخطاء هناك ملحوظة وبطريقة لا يمكن للإنسان أن يرتكبها. نعم. إذن ما يحدث في تلك الحالات ، أولاً وقبل كل شيء ، عندما نقوم بتدريب هذه النماذج التي نحصل عليها ، نقول ، حسنًا ، كما تعلمون ، نحصل على معدل خطأ بنسبة 10٪ في مجموعة البيانات المحددة هذه. المشكلة الوحيدة هي أنه عندما تأخذ ذلك في الإنتاج ، فأنت لا تعرف أن معدل حدوث هذه الأخطاء سيكون هو نفسه في العالم الحقيقي ، أليس كذلك؟

(21:40): قد ينتهي بك الأمر أه في موقف تحصل فيه على نقاط البيانات التي تؤدي إلى أخطاء بمعدل أعلى بكثير مما فعلته في مجموعة البيانات الخاصة بك.مشكلة واحدة فقط. المشكلة الثانية هي أنه إذا كنت في حالة استخدام ، إذا كان إنتاجك ، كما تعلم ، تطبيقًا ، فسيكون هذا هو المكان الذي يمكن فيه حساب تكلفة الخطأ ، كما هو الحال في حالة استخدام طبي أو في القيادة الذاتية ، عندما يتعين عليك العودة وشرح سبب حصولك على خطأ ما ، ولماذا أخطأ النموذج في شيء ما ، وهو مختلف تمامًا عما قد يخطئ فيه الإنسان. هذا أحد الأسباب الأساسية لعدم نشر هذه الأنظمة عبر مجالات السلامة الحيوية اليوم. وبالمناسبة ، هذا أحد الأسباب الأساسية وراء إنشاء الجبيرة ، هو معالجة تلك المشاكل تحديدًا ، هو معرفة كيف يمكننا إنشاء مجموعة من النماذج أو نظام قادر على فهم على وجه التحديد عندما تقوم النماذج بتصحيح الأمور و عندما يخطئون في وقت التشغيل. لأنني أعتقد حقًا أنه أحد الأسباب الأساسية لعدم تقدمنا ​​بالقدر الذي ينبغي أن نتقدم به في هذه المرحلة. لأنه عندما تعمل النماذج بشكل جيد حقًا ، عندما تكون قادرة على نمذجة البيانات ، فإنها تعمل بشكل جيد. لكن بالنسبة للحالات التي لا يمكنهم فيها نمذجة هذا القسم من البيانات ، فإن الأخطاء لا تُصدق ، أليس كذلك؟ إنها أشياء لن يصنعها البشر أبدًا

جون جانتش (23:00): خطأ.نعم نعم نعم. ومن الواضح ، كما تعلمون ، هذا بالتأكيد ، يجب حل ذلك قبل أن يثق أي شخص في إرسال ، كما تعلمون ، مركبة فضائية لرجل ، كما تعلمون ، مسترشدة بالذكاء الاصطناعي أو شيء من هذا القبيل ، أليس كذلك؟ أعني ، عندما تعلم أن حياة الإنسان في خطر ، يجب أن تثق. وبالتالي ، إذا كنت لا تستطيع الوثوق في اتخاذ القرار ، فهذا بالتأكيد سوف يمنع الناس من توظيف ، التكنولوجيا ، على ما أعتقد.

كينيث فينجر (23:24): صحيح؟أو استخدامها ، على سبيل المثال ، للمساعدة ، كما كنت أقول ، في المجالات الطبية ، على سبيل المثال ، تشخيص السرطان ، أليس كذلك؟ إذا كنت تريد أن يكون النموذج قادرًا على اكتشاف أنواع معينة من السرطان ، في ضوء فحوصات الخزعة ، فأنت تريد أن تكون قادرًا على الوثوق بالنموذج. الآن أي شيء ، أي نموذج بشكل أساسي ، كما تعلمون ، سوف يرتكب أخطاء. لا يوجد شيء مثالي على الإطلاق ، لكنك تريد أن يحدث شيئين. أولاً ، تريد أن تكون قادرًا على تقليل أنواع الأخطاء التي يمكن أن يرتكبها النموذج ، وتحتاج إلى بعض الدلائل على أن جودة توقع النموذج ليست رائعة. لا تريد ذلك. نعم. وثانيًا ، بمجرد حدوث خطأ ، يجب أن تكون قادرًا على الدفاع عن سبب حدوث الخطأ لأن جودة البيانات كانت ، كما تعلمون ، حتى الإنسان لا يمكنه القيام بعمل أفضل. نعم. لا يمكننا أن نرتكب نماذج يرتكبون أخطاء يمكن أن ينظر إليها طبيب بشري ويقول ، حسنًا ، هذا واضح ، نعم ، غير صحيح.

جون جانتش (24:15): نعم.نعم. قطعاً. حسنًا ، كين ، أريد أن أشكرك على قضاء بعض الوقت في المدونة الصوتية لتسويق شريط القنوات. تريد أن تخبر الناس بالمكان الذي يمكنهم العثور عليه ، والتواصل معك إذا كنت ترغب في ذلك ، ثم من الواضح أين يمكنهم التقاط نسخة من هل الخوارزمية تتآمر ضدنا؟

كينيث فينجر (24:29): بالتأكيد.شكرا جزيلا لك أولا وقبل كل شيء لاستضافتي. كانت محادثة رائعة. لذا ، نعم ، يمكنك الوصول إلي على LinkedIn وللشرطي للحصول على نسخة من الكتاب والحصول عليه من كل من Amazon وكذلك من موقع الناشر الخاص بنا ، وهو يسمى work fires.org.

جون جانتش (24:42): رائع.حسنًا ، مرة أخرى ، شكرًا على الحل من خلال محادثة رائعة. نأمل أن نلتقي بك في يوم من الأيام هناك على الطريق.

كينيث فينجر (24:49): شكرًا لك.

جون جانتش (24:49): مرحبًا ، وشيء واحد أخير قبل أن تذهب.هل تعلم كيف أتحدث عن إستراتيجية التسويق ، الإستراتيجية قبل التكتيكات؟ حسنًا ، في بعض الأحيان قد يكون من الصعب فهم موقفك من ذلك ، وما يجب القيام به فيما يتعلق بإنشاء استراتيجية تسويق. لذلك أنشأنا أداة مجانية من أجلك. يطلق عليه تقييم إستراتيجية التسويق. يمكنك العثور عليه على @ marketingassessment.co، not.com، dot co. تحقق من تقييمنا التسويقي المجاني واعرف أين أنت من خلال استراتيجيتك اليوم. هذا مجرد تقييم للتسويق. أود التحدث معك حول النتائج التي تحصل عليها.