Các chuyên gia có hại không?

Tôi đang đọc "Vai trò của cờ vua trong nghiên cứu trí tuệ nhân tạo" ( pdf ) và thật thú vị, nó nói:

Kinh nghiệm [...] cho thấy rằng đầu vào từ các chuyên gia cờ vua, trong khi nói chung là hữu ích, không thể tin tưởng hoàn toàn.

Một ví dụ điển hình cho điều này là chức năng đánh giá của Deep Th Think. Một số thay đổi của các chuyên gia cờ vua có khả năng đã không tạo ra những cải tiến đáng kể và đôi khi thậm chí còn ảnh hưởng tiêu cực đến hiệu suất của máy.

Tại đây, các chuyên gia về con người, cùng với chuyên môn của họ, đã đưa ra định kiến ​​của riêng họ vào chương trình. Một cách để giải quyết vấn đề này là giới hạn loại và số lượng đầu vào chuyên gia được phép vào chương trình; trong khi có một máy gần như "không có kiến ​​thức".

• Làm thế nào là đúng trong nghiên cứu và thực hành hiện đại?
• Đó có phải là một vấn đề lớn, hay chỉ là một cái gì đó cụ thể cho trò chơi cờ vua?

Tôi nghĩ rằng đây là nhiều hơn về giải quyết vấn đề kỹ thuật. Hầu hết các dự án kỹ thuật thành công không trùng lặp chính xác lý luận hoặc bản chất của chuyên gia. Họ đã giải quyết vấn đề theo một cách khác.

Ví dụ, máy giặt sử dụng một kỹ thuật khác với con người, máy bay sử dụng động lực học khác với chim.

Nếu bạn đang sao chép Expert Reasoning, đầu vào của họ là tất cả . Nhưng nếu bạn đang giải quyết cùng một vấn đề bằng các kỹ thuật khác nhau (tìm kiếm nhanh, bộ nhớ lớn ...), thì đầu vào của chúng chỉ hữu ích .

Những vấn đề như vậy là phổ biến trong các lĩnh vực khác nhau đòi hỏi sự phán xét.

Chương về " Dự báo và điều chỉnh phán đoán " trong Makridakis, Wheelwright và Hyndman Dự báo: Phương pháp và ứng dụng có những câu chuyện tương tự về sự phán đoán của chuyên gia dưới những hệ thống đôi khi rất đơn giản.

Có một bài báo (Dawes et al (1989) Khoa học "Phán đoán lâm sàng và Actuarial" , Vol 243, No 4899, p1668-74) về những thất bại của phán đoán của chuyên gia trong lĩnh vực y tế đối với những gì nó gọi là phương pháp 'Actuarial' - về cơ bản khá đơn giản mô hình thống kê.

Mặt khác có một giấy trong văn học tính toán bảo hiểm về 'ồn ào' và mâu thuẫn của bản án chuyên gia trong một vấn đề cụ thể trong đó khu vực nơi phán xét chuyên gia thường được coi bởi các học viên của nó như là hết sức quan trọng.

Makridakis et al thảo luận về những thất bại của đánh giá của chuyên gia trong nhiều lĩnh vực, vì chúng liên quan đến dự báo, và chứa khá nhiều lời khuyên có giá trị.

Và cứ thế mà đi. Những thành kiến ​​nhận thức rất nhiều và các chuyên gia về con người phải chịu đựng chúng cùng với những người khác.

Câu hỏi liệu các chuyên gia có hại hay không chắc chắn không phải là vấn đề giới hạn trong trò chơi cờ vua.

Một câu hỏi thú vị trong tài liệu liên quan đến thiết kế tối ưu của Ủy ban Chính sách tiền tệ (MPC) là liệu các ủy ban có nên bao gồm các chuyên gia bên ngoài không phải là nhân viên chính thức của ngân hàng trung ương hay không.

Để đưa điều này vào viễn cảnh, trước tiên hãy xem xét MPC của Ngân hàng Anh. Nó bao gồm năm thành viên điều hành nội bộ của ngân hàng và bốn chuyên gia bên ngoài. Mặt khác, Ngân hàng Dự trữ Liên bang sử dụng một ủy ban chỉ gồm các nhân viên ngân hàng.

Các thành viên chuyên gia bên ngoài được đưa vào MPC của Ngân hàng Anh vì họ được cho là mang lại chuyên môn và thông tin bổ sung cho những gì có được bên trong Ngân hàng Anh.

Vậy, thiết kế MPC nào tốt hơn? Các chuyên gia trong, hoặc các chuyên gia ra?

Chà, lĩnh vực nghiên cứu này vẫn còn hoạt động và nó đã được điều tra gần đây bởi Hansen & McMahon (2010) . Tôi đề nghị tham khảo các tài liệu tham khảo được đề cập trong bài viết này để đọc thêm về vấn đề này của "ủy ban chuyên gia".

Đây có phải là một vấn đề lớn (quan trọng)? Cân nhắc những ảnh hưởng mà quyết định của MPC có thể có đối với nền kinh tế, tôi muốn nói rằng đây là một vấn đề khá quan trọng!

Cuối cùng, tôi phải đề cập rằng về mặt lý thuyết, các quyết định chính sách tiền tệ có thể được ủy quyền cho một máy tính. Ví dụ, máy tính có thể được lập trình để thực hiện, giả sử, một quy tắc chính sách tiền tệ đơn giản ; ví dụ, một trong những cam kết. Điều này sẽ loại bỏ đầu vào của chuyên gia sau khi quy tắc chính sách tiền tệ đã được lập trình vào máy tính. Việc sử dụng máy tính trong chính sách tiền tệ được đề cập trong Svensson (1999) .

Tham khảo : Stephen Eliot Hansen & Michael McMahon, 2010. "Các chuyên gia bên ngoài mang đến điều gì cho một ủy ban? Bằng chứng từ Ngân hàng Anh", Báo cáo Kinh tế 1238, Bộ Kinh tế và Kinh doanh, Đại học Pompeu Fabra.

Lars EO Svensson, 1999. "Chính sách tiền tệ nên được tiến hành như thế nào trong thời đại ổn định giá cả?," Kỷ yếu, Ngân hàng Dự trữ Liên bang Thành phố Kansas, trang 195-259.

Tôi nghĩ rằng chìa khóa là sự nhất quán. Chuyên gia không chỉ có kiến ​​thức đặc biệt, mà còn có một hệ thống mà kiến ​​thức đó vận hành. Họ có một nhân cách, một chiến lược tổng thể, trong đó chiến thuật của họ cư trú và phát triển.

Ở một khía cạnh nào đó, một chương trình máy tính chơi cờ là Quái vật của Frankenstein được tạo ra từ một bản hòa tấu của nhiều cơ thể khác nhau (lập trình viên, chuyên gia, v.v.). Vì vậy, không có gì đáng ngạc nhiên khi bất kỳ lời khuyên nào của một chuyên gia sẽ không phù hợp với hệ thống tồn tại.

Tôi đồng ý với các ý kiến ​​khác rằng các chuyên gia có thể không biết làm thế nào họ làm những gì họ làm. Trong trường hợp đó, là con người, tâm trí có ý thức của họ tạo nên một câu chuyện hợp lý về lý do tại sao họ đạt được một quyết định cụ thể. Nhưng tôi vẫn nghĩ rằng lời khuyên của chuyên gia cho nhóm lập trình luôn nằm ngoài ngữ cảnh (nghĩa là không phù hợp với bối cảnh thiết kế và lịch sử của chương trình).

EDIT: Cũng có thể có một Xu hướng Củng cố ở đây. Tôi không thể tìm thấy bất kỳ liên kết tốt nào để giải thích Xu hướng Củng cố, nhưng cách tôi hiểu thuật ngữ đó là hiệu ứng bạn nhận được khi cập nhật (chỉnh sửa) một mô hình được giám sát bằng cách sử dụng các kết quả trước đó của mô hình - thường là gián tiếp - làm mục tiêu. Nó tương tự như sự xác nhận thiên vị, nhưng nó liên quan đến một mức độ không xác định. Các chuyên gia về con người sẽ có các Xu hướng Củng cố, có thể ảnh hưởng đến mọi thứ.