HeadlinesBriefing favicon HeadlinesBriefing.com

لماذا تفكر كبياني لكنك تعلمت كطبيعي

Towards Data Science •
×

التشويه في الفصل الدراسي اذهب إلى أول فئة رياضيات إحصائية جامعية لك. يمشي المعلم إلى اللوح الأبيض، يرسم عملة، ويسأل سؤالًا بسيطًا يبدو أنه: «ما هي احتمالية الهزم بوجه؟». أنت وجميع الأشخاص في الغرفة تجيب على الفور: «خمسون بالمئة». إذا طُلب منك توضيح السبب، ربما قلت إذا قمت بلعب تلك العملة عددًا لا نهائيًا من المرات، فإن نصف هذه المحاولات سيظهر وجهًا. هذا هو الطبيعي، وهو العملية القياسية لتشغيل نظامنا التعليمي. يعرّف الاحتمال من خلال العدسة الباردة والكائنة للبيانات المتكررة. في عالم الطبيعي، يُفهم الاحتمال من خلال ما سيحدث إذا كنا قادرين على تكرار التجربة نفسها مرة أخرى. هذا إطار منظم ومريح مصمم لعالم مكون من أوراق مُلعب، وأكوام من الفوزلات المُخلطة، والوقت اللانهائي. لكن هناك مشكلة. في اللحظة التي تخرج فيها من الفصل، تهدم جدران المختبر. في الواقع، نادرًا ما توفر لنا الحياة الواقعية لوجبة الفوائد اللانهائية. لا يمكنك أن تتزوج شخصًا مرة ألف لقياس احتمالية الزواج السعيد، ولا يمكن لشركة إطلاق حملة منتجات متطابقة تمامًا على إنستغرام مليون مرة لاختبار زيادة التفاعل. في المسرح المتعقّد لوجود البشر، يبدأ تعريف الطبيعي للاحتمال في الواقع أن يشعر أقل كأداة وأكثر كعنفود. الواقع: بُني ليكون بيانيًا وفي تلك اللحظة بالضبط يصبح الوهلة الأولى لتبسيم تعليمنا واضحة: بينما كناُمُدَّحِين للتفكير كطبيعيين على الورق، يبدو أننا نتماهى طبيعيًا للتفكير بطريقة تشبه البيانية. في العالم الحقيقي، ليس متعلقًا بعد عدّ التكرارات في المستقبل اللانهائي؛ بل هو عن كمية عدم اليقين في الوقت الحالي. هذا هو الجوهر للإحصاء البياني. بدلاً من أن يتطلب الانتظار للحصول على بيانات لا نهائية قبل اتخاذ القرار، يبدأ البياني مع «prior»، أي اعتقاد أولي يعتمد على الخبرات الماضية أو الشعور. ثم، مع وصول الأدلة الجديدة، يُحدّث هذا الاعتقاد للحصول على احتمال واحد. لا نحتاج إلى درجة جامعية في الرياضيات للقيام بذلك. غالبًا ما تتصرف الشهوات البشرية كمحرك تنبؤات يشبه البيانية. لم يكن لآباءنا في السافانا لديهم لتعجيل مشجع بينما لم يتحرك الغابة مرة تسعة وتسعين لاحتساب قيمة p قبل الهروب من المخلوع. كان لديهم prior قوي: «الغابة المتحركة = خطر». رأوا قليلاً من البيانات الجديدة (ربما ولتة من الفراء الأصفر) وحديثوا احتماليةهم على الفور، ونجوا. لا يزال من السهل رؤية سبب قد تكون طريقة سريعة وشابة مثل تحديث المعتقدات قد تكون مفيدة للبقاء على قيد الحياة. بالطبع، لا يعني ذلك أننا نحن مهندسون إحصائيون مثاليون. أظهرت عشرات السنوات من العمل بواسطة Kahneman وTversky شيئًا غير متناسق: عندما يُطلب منهم التفكير في احتمالات بشكل صريح، مع أرقام على الورق، يكون البشر خاسرًا بشكل مشهور. نحن باستمرار نتجاهل معدلات الأساس ونكون خاطئين في مشاكل البيانات النصية. لكن هذا هو بالضبط النقطة. نحن نعمل على محرك البيانات رائعًا عندما لا نفكر فيه؛ فقط لا نستطيع قراءة لوحة المتصفح الخاصة به. هوايتنا هي البيانية؛ عملنا الواعي الرياضي هو الخطأ. المتجر واللعبة في الانتظار لرؤية هذه الآلة التطورية في العمل، لا نحتاج إلى القتال من أسود. فقط نحتاج إلى النظر إلى كيفية تنقلنا عبر الحياة اليومية والبالغة. تخيل أنك تدخل إلى متجر بقالة متميز أثناء سفرك إلى دولة أجنبية. ترى شريحة من الشوكولاتة من فئة عالية في رف، لكن لا توجد بطاقة سعر. سيكون من الصعب للنهج الطبيعي الصارم هنا: لديك صفر مشاهدات لهذا البند بالضبط في هذا المتجر بالضبط. بشكل نظري قد يكون السعر ثاني يورو أو t...