ماشینی که انسان‌ها را بهتر از خودشان درک می‌کند

مکس کانتر، دانشجوی کارشناسی ارشد در MIT با همکاری کالیان ویراماچاننی دانشمند علوم کامپیوتری و آزمایشگاه هوش‌مصنوعی در MIT توانسته‌اند یک ماشین تولید علم یا به عبارت دقیق‌تر یک ماشین علم داده (Data Science Machine ) را با هدف جستجو برای الگوها و انتخاب بهترین متغیرها تولید کنند. این دو محقق مقاله خود را هفته گذشته در پاریس و در جریان کنفرانس علم تجزیه و تحلیل پیشرفته داده‌ها در IEEE ارائه کردند.

مطلب پیشنهادی: واتسون، کامپیوتری با استعدادهای ادراک‌پذیری، پزشکی و آشپزی!

این روزها تحلیل داده‌ها یک وظیفه نسبتا مرسوم ماشین‌ها به شمار می‌رود. به عبارت دیگر این روزها تحلیل داده‌ها توسط ماشین‌ها به قدری فراگیر شده است که در قالب خبرهای عادی ارائه می‌شود. اما زمانی که نوبت به انسان‌ها در زمینه تحلیل داده‌ها می‌رسد، آن‌ها باید دقیق‌ترین داده‌هایی که در ارتباط با تحلیل‌ها قرار دارد را انتخاب کنند. در یک رقابت علمی که در آن دو تیم انسانی و یک ماشین شرکت داشتند، ماشین توانست پیش‌بینی‌های دقیق‌تری نسبت به پیش‌بینی‌های ارائه شده از سوی تیم‌های انسانی ارائه کند. به‌طوری که موفق شد امتیاز 615 را از مجموع  906 امتیاز ارائه شده در این رقابت کسب کند. در حالی‌که انسان‌ها چندین ماه برای ارائه الگوهای پیش‌گویانه وقت صرف کرده بودند، ماشین در مدت زمان دو تا 12 ساعت توانست این وظیفه را انجام دهد. به‌طور مثال، یکی از سؤالات مطرح شده در این مسابقه پاسخ‌گویی به این پرسش بود که تیم‌ها پیش‌بینی کنند آیا یک دانش‌آموز با گذشت ده روز از مطالعه یک کتاب درسی، آن را کنار خواهد گذاشت؟ با فرض این‌که دانش‌آموز در تعامل با منبع آنلاین مرتبط با درس‌ مذکور قرار داشته و همچنین یکسری فاکتورهای مربوطه نیز در این زمینه لحاظ شود.

مطلب پیشنهادی: ماشین‌های هوشمند، تحقق یک رویا

تیم‌ها ممکن بود به سابقه دانش‌آموز و مجموعه مشکلاتی که این دانش‌آموز در گذشته داشته است مراجعه کرده و وقت خود را صرف جستجو در یادداشت‌هایی که توسط این دانش‌آموز نوشته شده است صرف کنند.

اما گزارش منتشر شده از سوی MIT News می‌گوید: « به‌کارگیری دو شاخص بسیار مهم این موضوع را مشخص می‌کند، 1. این دانش‌آموز چگونه در زمان تعیین شده بر مشکلاتش غلبه می‌کند؟ 2. این دانش‌آموز به‌طور متوسط چه مدت زمانی از وقت خود را صرف مطالعه درس‌هایش در منبع آنلاین می کند؟» هر چند این آمارها به‌طور مستقیم توسط پلتفرم یادگیری آنلاین MIT جمع‌آوری نشده‌اند اما می‌توانند برای استنتاج داده‌های در دسترس مورد استفاده قرار گیرند. ماشین علم داده به خوبی توانست در این رقابت ظاهر شود. در دو رقابت دیگری که این ماشین در آن حضور داشت توانست پیش‌بینی‌های قابل قبولی را ارائه کند. در رقابت دیگری شرکت‌کنندگان باید پیش‌بینی می‌کردند، آیا یک پروژه سرمایه‌گذاری گروهی یک موضوع "هیجان‌برانگیز" خواهد بود و در رقابت دیگری پیش‌بینی کنند آیا یک مشتری می‌تواند به یک خریدار دائمی تبدیل شود؟

ماشین علم داده توانایی استخراج ارتباطات ساخت یافته‌ای که در بانک‌های اطلاعاتی مورد استفاده قرار می‌گیرد را دارد. بانک‌های اطلاعاتی رایج طیف متنوعی از داده‌های مختلف را در جداول مختلف ذخیره‌سازی می‌کنند. روابط مابین این جداول با استفاده از یک شناسه عددی نشان داده می‌شود. ماشین علم داده این توانایی را دارد تا روابط مابین داده‌های موجود در یک بانک اطلاعات را بررسی کرده و با استفاده از این روابط پیش‌بینی‌های خود را ارائه کند.

کارتنر درباره ماشین علم داده به MIT News گفته است: «مصارف مختلفی برای ماشین علم داده وجود دارد. داده‌های زیادی وجود دارند که باید مورد تجزیه و تحلیل قرار گیرند. بله درست است. در حال حاضر این ماشین در جای خود نشسته است و هیچ کاری انجام نمی‌دهد.»