🎙️ 👌🏿 🥑 बिग डेटा मिथक और डिजिटल संस्कृति 👨🏾‍🎤 📉 ✍️

हम जेट इन्फोसिस्टम द्वारा आयोजित कृत्रिम बुद्धिमत्ता पर वार्षिक फोरम आरएआईएफ की सबसे दिलचस्प रिपोर्ट प्रकाशित करना जारी रखते हैं । आज हम शारीरिक और गणितीय विज्ञान के चिकित्सक बोरिस एसेनोविच नोविकोव की कहानी साझा करना चाहते हैं, जो एचएसई विज्ञान विभाग में प्रोफेसर हैं।

बिग डेटा मिथक और डिजिटल संस्कृति

हमारे मामले में बड़ा शब्द डेटा से अधिक मिथकों को संदर्भित करता है, इसलिए मैं मुख्य रूप से पूर्व के बारे में बताऊंगा, लेकिन बाद के संदर्भ में। चूंकि मैं कई दशकों से वैज्ञानिक समुदाय में काम करने का दिखावा कर रहा हूं, इसलिए मैं इसे सटीक ज्ञान की तरह देखने के लिए परिभाषित करके शुरू करूंगा।

मिथक समाज की संस्कृति का एक अभिन्न हिस्सा हैं, वे हमेशा अस्तित्व में रहे हैं और आधुनिक दुनिया में दिखाई देते हैं। मैं उदाहरण देता हूं:

दर्शकों के पुराने हिस्से को वर्ष 2000 के आसपास के शोर को याद रखना चाहिए, जो वास्तव में ग्राहक से पैसे निकालने के 400 अपेक्षाकृत ईमानदार तरीकों में से एक है, इससे ज्यादा कुछ नहीं। बेशक, तब आपदा नहीं हुई थी।

सॉफ्टवेयर इंजीनियरिंग के आसपास बहुत सारे मिथक हैं - कई अलग-अलग दृष्टिकोण हैं, और मैं अब इस विषय पर ध्यान केंद्रित नहीं करूंगा।

ऊपर से एक पहल ने मुझे इस रिपोर्ट में धकेल दिया: जिस विश्वविद्यालय में मैंने काम किया, वहाँ बालवाड़ी से लेकर स्नातक विद्यालय तक, सभी को डिजिटल साक्षरता सिखाने की जरूरत थी। किसी को नहीं पता था कि यह क्या है, और मैंने प्रबंधन को स्वीकार किया कि मैं मोटे तौर पर समझ गया था कि यह कैसे करना है ... और पकड़ा गया। एक कार्यक्रम में विभिन्न विशेषताओं को सीखना आवश्यक था:

इस मामले में मेरा मुख्य योगदान यह था कि मैंने इस पाठ्यक्रम का नाम बदलकर डिजिटल साक्षरता से डिजिटल संस्कृति कर दिया।

अंतर्राष्ट्रीय सम्मेलनों में से एक में मैंने यह बयान सुना: दर्शकों का ध्यान आकर्षित करने के लिए, आपको रिपोर्ट में कामुकता के कम से कम कुछ संकेत जोड़ने की आवश्यकता है, और इसलिए: कुछ साल पहले प्रेस में (विशेष रूप से, रूस में) इस मामले पर व्यापक रूप से चर्चा की गई थी एक अमेरिकी छात्रा ने गर्भवती महिलाओं के लिए विज्ञापन भेजना शुरू कर दिया (कहानी का यौन प्रसंग यहीं समाप्त हो जाता है), तब परिवार ने मुकदमा दायर किया, लेकिन अंत में मुकदमा वापस लेना पड़ा ... क्योंकि लड़की वास्तव में गर्भवती हो गई थी। इतिहास ने बहुत शोर मचाया है, वे कहते हैं, ये विश्लेषक हमारे बारे में खुद से ज्यादा जानते हैं (यह संभावना नहीं है)! यह सब बहुत खतरनाक है, और रक्षा को मजबूत करना आवश्यक है। इसलिए मिथकों का जन्म हुआ:

बड़ा डेटा बेहद खतरनाक है
वे हमारे बारे में खुद से ज्यादा जानते हैं।
अतिरिक्त सुरक्षा उपायों की आवश्यकता

मुझे गलत न समझें: सुरक्षा महत्वपूर्ण है, लेकिन आइए देखें कि इस मामले का पेशेवर तरीके से मूल्यांकन कैसे करें।

क्या निष्कर्ष निकाला जा सकता है? विश्लेषण SOMETIMES सही परिणाम दे सकता है, और हम यह भी कह सकते हैं कि कभी-कभी हम कुछ भी नहीं जानते हैं।

मेरे मित्र और सहकर्मी इस तथ्य की ओर ध्यान आकर्षित करते हैं कि कभी-कभी रैंडम मेलिंग भी सही परिणाम देती है, और जब तक हम किसी मात्रात्मक संकेतक का मूल्यांकन नहीं करते, हम मेलिंग की गुणवत्ता के बारे में कुछ नहीं कह सकते। सबसे पहले, पूर्णता और सटीकता का मूल्यांकन करना आवश्यक है।

निम्नलिखित प्रकार के मिथक मैंने एक विदेशी संदर्भ से उधार लिए थे। उदाहरण के लिए, शीर्ष SIGMOD 2019 डेटा प्रोसेसिंग सम्मेलनों में से एक पर, "जिम्मेदार डेटा साइंस" विषय पर एक पैनल चर्चा (या, जैसा कि हम कहते हैं, एक गोल मेज) था। उन्होंने डेटा विश्लेषण उपकरण, मशीन सीखने आदि के गैर जिम्मेदाराना उपयोग के उदाहरणों पर चर्चा की। एक उदाहरण के रूप में, हमने आंखों की तस्वीरों से किसी व्यक्ति के लिंग का निर्धारण करने की कहानी का हवाला दिया। लोगों ने कई वर्षों तक इस पर काम किया, 80% तक सटीकता हासिल की, जब तक कि एक संदेह का पता नहीं चला कि वास्तव में वे सौंदर्य प्रसाधनों की उपस्थिति या अनुपस्थिति का निर्धारण करते हैं।

यह एक जिज्ञासा है, लेकिन यहां एक उदाहरण है जिसमें खतरा बिल्कुल वास्तविक है: हम तस्वीरों से अपराधियों की पहचान करने के लिए मशीन सीखने के तरीकों का उपयोग करने के बारे में बात कर रहे हैं। जैसा कि यह पता चला, इस शिक्षण प्रणाली के काम के बहुत सिद्धांत में, राजनीतिक शुद्धता के साथ समस्याएं हैं: सबसे पहले, उन्होंने दौड़ के आधार पर विभिन्न आवृत्तियों के साथ गलत-सकारात्मक उत्तर दिए, और दूसरी बात, जैसा कि बाद में पता चला, वास्तव में, उन्होंने मुस्कान की उपस्थिति या अनुपस्थिति को निर्धारित किया तस्वीरें, और कुछ नहीं। हालांकि, इस प्रणाली का उपयोग करने का प्रयास किया गया था, और जो अधिकारी असहमति के मामले में परिणामों का उपयोग करने वाले थे, वे इस बात की लिखित व्याख्या करने वाले थे कि वे इस प्रणाली से उत्पन्न परिणामों से सहमत नहीं थे। यह एक उदाहरण है कि कैसे मिथक समाज के लिए खतरनाक हो सकते हैं।

किसी कारण से हम डेटा साइंस पर बात कर रहे हैं, हालांकि हम औद्योगिक अनुप्रयोगों के बारे में बात कर रहे हैं। अन्य सभी क्षेत्रों में - कंप्यूटर विज्ञान, लेकिन ... सॉफ्टवेयर इंजीनियरिंग। गणितीय भौतिकी और कुछ प्रकार के पुल निर्माण के समीकरण, या कुछ और? सहकर्मियों, वैज्ञानिकों पर भरोसा नहीं किया जा सकता है! मैं यह सोचना चाहूंगा कि डेटा साइंस "विज्ञान" खंड से संबंधित है, और दुर्भाग्य से, डेटा इंजीनियरिंग का शब्दांकन पहले से ही एक अन्य अवधारणा के साथ लिया गया है।

मैं पूरी तैयारी और विशिष्टता की परवाह किए बिना पूरे विश्वविद्यालय के पाठ्यक्रम के डिजाइन के साथ कहानी पर लौटता हूं। दाईं ओर की तस्वीर (हंस, कैंसर और पाईक) से पता चलता है कि टीम ने सभी विश्वविद्यालय विभागों के प्रतिनिधियों से कैसे काम किया।

हालांकि, हमने कुछ उचित करने की कोशिश की। यह विचार सरल चीजों को दिखाने के लिए था जो प्रत्येक शोधकर्ता अपने लिए कर सकता है, चाहे वह जिस क्षेत्र में काम करता हो। इसके अलावा, ताकि वह समझ सके कि किस बिंदु पर (यह सबसे महत्वपूर्ण है!), आपको डेटा प्रोसेसिंग पेशेवरों से संपर्क करने की आवश्यकता है। मैंने शुरुआती लोगों के लिए इस तरह के व्यंजनों से बचने की कोशिश की (लेकिन यह बहुत कम आया), जैसे कि "इसके अलावा एक लोकप्रिय बनाओ, लेकिन व्यावहारिक गाइड नहीं।"

इसलिए, मिथक अपरिहार्य हैं, और हमें यह समझना चाहिए कि हमें अभी भी उनसे निपटना है। मिथक कई त्रुटियों, विफलताओं और समस्याओं का स्रोत हैं, और कभी-कभी खतरनाक भी हो सकते हैं - पौराणिक "ज्ञान" के विचारहीन उपयोग के नकारात्मक परिणाम हो सकते हैं।

इस तथ्य के अलावा कि हम प्रौद्योगिकियां विकसित कर रहे हैं, समाज को शिक्षित करना आवश्यक है, और यह एक निरंतर चिंता है जो कभी भी पूरी तरह से हल नहीं होगी, क्योंकि सामान्य रूप से मानवता प्रौद्योगिकी के रूप में तेजी से विकसित नहीं होती है। कृत्रिम बुद्धिमत्ता की तुलना में लोगों को शिक्षित करना बहुत कठिन है - मिथकों के स्रोतों में से एक। हमें यह सीखने की जरूरत है कि कैसे काम करें और इस तरह से रहें कि महान खतरों से बचा जा सके।

बिग डेटा मिथक और डिजिटल संस्कृति

बिग डेटा मिथक और डिजिटल संस्कृति

More articles: