पिछले अध्याय

34. मनुष्य को उपलब्ध गुणवत्ता के स्तर का निर्धारण कैसे करें

मान लीजिए कि आप एक मेडिकल इमेजिंग एप्लिकेशन पर काम कर रहे हैं, जिसे स्वचालित एक्स-रे डायग्नोस्टिक्स करना चाहिए। चिकित्सा शिक्षा के बिना एक साधारण व्यक्ति की गलती, कुछ बुनियादी प्रशिक्षण के अपवाद के साथ, लगभग 15% है। एक नौसिखिए डॉक्टर की त्रुटि लगभग 10% है। एक अनुभवी डॉक्टर को 5% मामलों में गलत माना जाता है। प्रत्येक छवि का अध्ययन और चर्चा करने वाले डॉक्टरों की एक छोटी टीम की त्रुटि 2% से अधिक नहीं होती है। इन आंकड़ों में से किसे "मानव गुणवत्ता के स्तर" के रूप में लिया जाना चाहिए?

इस स्थिति में, मैं उस व्यक्ति के लिए उपलब्ध गुणवत्ता के स्तर के लिए 2% ले लूंगा और संबंधित इष्टतम त्रुटि मान स्थापित करूंगा। यह हमारे सिस्टम के लिए वांछित त्रुटि स्तर के रूप में 2% सेट करने के लिए भी समझ में आता है, क्योंकि यह त्रुटि मान सिस्टम के लिए पिछले अध्याय में वर्णित सभी तीन मानदंडों को पूरा करता है जो आपको किसी व्यक्ति द्वारा किए गए कार्य की गुणवत्ता के साथ एल्गोरिथ्म की गुणवत्ता की तुलना करने की अनुमति देता है:

• डेटा टैग करने में आसानी : आप 98% (2% त्रुटि) की सटीकता के साथ डेटा टैग करने के लिए डॉक्टरों की एक टीम का उपयोग कर सकते हैं
• मानव अंतर्ज्ञान का उपयोग करते हुए त्रुटि विश्लेषण : डॉक्टरों की एक टीम के साथ एक्स-रे पर चर्चा करते समय, आप गुणवत्ता में सुधार करने के तरीकों की तलाश में उनके अंतर्ज्ञान पर भरोसा कर सकते हैं
• इष्टतम त्रुटि स्तर को स्थापित करने और सिस्टम के प्राप्त "वांछित त्रुटि स्तर" को निर्धारित करने के लिए किसी व्यक्ति के कार्य पूर्णता स्तर का उपयोग करना : इष्टतम त्रुटि स्तर के अनुमान के रूप में 2% का उपयोग करना उचित है। इष्टतम त्रुटि स्तर 2% से भी कम हो सकता है, लेकिन यह निश्चित रूप से इस तथ्य के कारण अधिक नहीं हो सकता है कि इस तरह का त्रुटि स्तर विशेषज्ञों के लिए उपलब्ध निदान की गुणवत्ता से मेल खाता है और यह स्वचालित स्तर के लिए 5% या 10% त्रुटि को लक्ष्य स्तर के रूप में सेट करने के लिए कोई मतलब नहीं है, क्योंकि हम यह सुनिश्चित करने के लिए जानते हैं कि हम गुणवत्ता के एक उच्च स्तर को प्राप्त करेंगे।

, , . , .

40%, , ( 10%) ( 5%) . 10%, , 2% , .

35. ,

. , 10% . , 8% . - , 33 ?

, , , . , , , .

, :

1. , ,
2. , ,
3. « » .

, , , , , . , , , .

कई महत्वपूर्ण मशीन सीखने के अनुप्रयोग हैं जिनमें एल्गोरिदम मनुष्यों से बेहतर हैं। उदाहरण के लिए, कार मूवी रेटिंग, कार द्वारा यात्रा के समय, ऋण चुकौती की बेहतर भविष्यवाणी कर सकती है। ऐसे मामलों में जहां लोगों के लिए उन उदाहरणों को खोजना मुश्किल होता है जिनमें एल्गोरिथ्म स्पष्ट रूप से गलत है, गुणवत्ता में सुधार के लिए सीमित संख्या में ही तरीके लागू किए जा सकते हैं। नतीजतन, जब एक ऐसी प्रणाली पर काम करना, जो पहले से ही मनुष्यों से आगे निकल गया है, तो प्रगति आम तौर पर उस समय की तुलना में अधिक धीमी गति से आगे बढ़ती है जब एल्गोरिदम अभी तक मानव स्तर तक नहीं पहुंच पाए हैं।

विस्तार