Lesen: Vorhersage und Politik (The Economist) 
Regierungen können von der Anwendung von Algorithmen auf die öffentliche Politik viel profitieren, aber es gibt auch Kontroversen

Systeme des maschinellen Lernens eignen sich hervorragend für Vorhersagen. Ein gängiger Ansatz besteht darin, ein System zu trainieren, indem man ihm eine riesige Menge an Daten, z. B. über Studenten und ihre Leistungen, vorlegt. Die Software kaut die Beispiele durch und lernt, welche Merkmale am hilfreichsten sind, um vorherzusagen, ob ein Schüler seine Ausbildung abbrechen wird. Einmal trainiert, kann sie eine andere Gruppe untersuchen und die Risikogruppen genau erkennen. Indem das maschinelle Lernen dazu beiträgt, knappe öffentliche Mittel genauer zuzuweisen, könnten die Regierungen erhebliche Summen sparen. Stephen Goldsmith, Harvard-Professor und ehemaliger Bürgermeister von Indianapolis, ist der Meinung, dass das maschinelle Lernen fast alle Bereiche der öffentlichen Politik verändern könnte. In Krankenhäusern beispielsweise versuchen Ärzte, Herzinfarkte vorherzusagen, damit sie handeln können, bevor es zu spät ist. Manuelle Systeme sagen etwa 30% richtig voraus. Ein von Sriram Somanchi von der Carnegie Mellon University und Kollegen entwickelter und anhand historischer Daten getesteter maschineller Lernalgorithmus sagte 80% voraus - vier Stunden vor dem Ereignis, was theoretisch Zeit zum Eingreifen lässt.  LESEN SIE WEITER