{"id":100745,"date":"2016-08-22T10:54:14","date_gmt":"2016-08-22T10:54:14","guid":{"rendered":"https:\/\/gerdtestpress.online\/?guid=465007178b9e24d6db4744350239afbe"},"modified":"2016-08-22T10:54:14","modified_gmt":"2016-08-22T10:54:14","slug":"of-prediction-and-policy-good-read-via-the-economist","status":"publish","type":"post","link":"https:\/\/futuristgerd.com\/de\/2016\/08\/of-prediction-and-policy-good-read-via-the-economist\/","title":{"rendered":"Von Vorhersagen und Politik, via The Economist"},"content":{"rendered":"
\n
\n

Systeme des maschinellen Lernens eignen sich hervorragend f\u00fcr Vorhersagen. Ein g\u00e4ngiger Ansatz besteht darin, ein System zu trainieren, indem man ihm eine riesige Menge an Daten, z. B. \u00fcber Studenten und ihre Leistungen, vorlegt. Die Software kaut die Beispiele durch und lernt, welche Merkmale am hilfreichsten sind, um vorherzusagen, ob ein Sch\u00fcler seine Ausbildung abbrechen wird. Einmal trainiert, kann sie eine andere Gruppe untersuchen und die Risikogruppen genau erkennen. Indem das maschinelle Lernen dazu beitr\u00e4gt, knappe \u00f6ffentliche Mittel genauer zuzuweisen, k\u00f6nnten Regierungen erhebliche Summen einsparen. Stephen Goldsmith, Harvard-Professor und ehemaliger B\u00fcrgermeister von Indianapolis, ist der Meinung, dass sie auch fast alle Bereiche der \u00f6ffentlichen Politik ver\u00e4ndern k\u00f6nnte<\/strong><\/p>\n

F\u00fcr Regierungen, die maschinelles Lernen einsetzen, wird die Zukunft davon abh\u00e4ngen, wie gut sie die Vorhersagekraft des maschinellen Lernens mit der altmodischen menschlichen Weisheit verbinden.\u00a0Um m\u00f6gliche Verzerrungen zu vermeiden, so Ghani, sollte man Vorurteile in den Trainingsdaten vermeiden und den Maschinen die richtigen Ziele setzen. Maschinen werden darauf trainiert, Muster zu finden, die zuk\u00fcnftige Kriminalit\u00e4t aus vergangenen Daten vorhersagen. Sie k\u00f6nnen daher angewiesen werden, Muster zu finden, die sowohl Kriminalit\u00e4t vorhersagen als auch eine unverh\u00e4ltnism\u00e4\u00dfig falsche Einstufung von Schwarzen (und anderen) als zuk\u00fcnftige Straft\u00e4ter vermeiden. Wenn ein neuer Angeklagter anhand dieser Muster getestet wird, sollte das Risiko einer rassistischen Verzerrung geringer sein.<\/span><\/p>\n

Kautionsentscheidungen, bei denen Richter das Risiko absch\u00e4tzen, dass ein Gefangener vor dem Prozess flieht oder straff\u00e4llig wird, scheinen besonders geeignet zu sein. Jens Ludwig von der Universit\u00e4t von Chic\"honourago und seine Kollegen behaupten, dass ihr Algorithmus, der an einer Stichprobe vergangener F\u00e4lle getestet wurde, zu rund 20% weniger Verbrechen gef\u00fchrt h\u00e4tte (siehe Grafik), w\u00e4hrend die Zahl der Entlassungen unver\u00e4ndert geblieben w\u00e4re. F\u00fcr eine \u00e4hnliche Verringerung im ganzen Land w\u00e4ren ihrer Meinung nach 20.000 zus\u00e4tzliche Polizeibeamte erforderlich, was Kosten in H\u00f6he von $2,6 Milliarden verursachen w\u00fcrde. Das Wei\u00dfe Haus hat dies zur Kenntnis genommen. Bessere Kautionsentscheidungen sind eine der Priorit\u00e4ten der Data-Driven Justice Initiative, die im Juni von 67 Staaten, St\u00e4dten und Landkreisen unterzeichnet wurde.<\/p><\/blockquote>\n

Lesen Sie weiter:\u00a0Von Vorhersage und Politik<\/a><\/p>\n

Diese Diskussion passt perfekt zu vielen wichtigen Themen, die in meinem neuen Buch Technologie gegen Menschlichkeit\".<\/a>.\u00a0\"tech-vs-human-book-300x227<\/p>\n

Eine Bemerkung, die sich auf das bezieht, was ich in dem Buch sage:<\/p>\n

Die Menschheit wird sich in den n\u00e4chsten 20 Jahren mehr ver\u00e4ndern als in den vergangenen 300 Jahren:\u00a0<\/b>Viele Leute kichern \u00fcber diese Aussage, weil sie nach Gro\u00dfsprecherei klingt. Meiner Meinung nach ist das eine Untertreibung, wenn man sich die Realit\u00e4t des exponentiellen und kombinatorischen technologischen Wandels vor Augen f\u00fchrt - der Gesamteffekt dieser Ver\u00e4nderungen \u00fcbertrifft bei weitem die industrielle Revolution oder die Erfindung der Druckerpresse. Ein Schl\u00fcsselfaktor ist, dass die Technologie nicht mehr nur au\u00dferhalb von uns<\/i> (wie z. B. die Dampfmaschine oder die Druckerpresse, die nat\u00fcrlich au\u00dferhalb der menschlichen Biologie existierten) - sie bewegt sich tats\u00e4chlich in uns (Wearables, BCI, Nanotechnologie, Bearbeitung des menschlichen Genoms, KI usw.) und hat Auswirkungen auf die Definition der Menschheit selbst<\/p>\n

Lesen Sie mehr auf K\u00fcnstliche Intelligenz<\/a>\u00a0in diesem Blog<\/p>\n<\/div>\n

\n
\n

<\/p>\n

Und einige zugeh\u00f6rige Bilder aus meinem Archiv:<\/p>\n

\"responsible \"automation \"automation \"big \"computing<\/p>\n<\/div>\n

 <\/p>\n<\/div>\n<\/div>","protected":false},"excerpt":{"rendered":"

\n
\"Maschinenlernende Systeme zeichnen sich durch ihre Vorhersagekraft aus. Ein g\u00e4ngiger Ansatz besteht darin, ein System zu trainieren, indem man ihm eine riesige Menge an Daten, z. B. \u00fcber Studenten und ihre Leistungen, vorlegt. Die Software kaut die Beispiele durch und lernt, welche Merkmale am hilfreichsten sind, um vorherzusagen, ob ein Sch\u00fcler seine Ausbildung abbrechen wird. Einmal trainiert, kann sie eine andere Gruppe untersuchen und die Risikogruppen genau erkennen. Indem das maschinelle Lernen dazu beitr\u00e4gt, knappe \u00f6ffentliche Mittel genauer zuzuweisen, k\u00f6nnten die Regierungen erhebliche Summen sparen. Stephen Goldsmith, Harvard-Professor und ehemaliger B\u00fcrgermeister von Indianapolis, ist der Meinung, dass das maschinelle Lernen fast jeden Bereich der \u00f6ffentlichen Politik ver\u00e4ndern k\u00f6nnte.<\/p>\n

Von Vorhersage und Politik
https:\/\/www.economist.com\/news\/finance-and-economics\/21705329-governments-have-much-gain-applying-algorithms-public-policy<\/a>
\u00fcber Instapaper<\/div>\n

\n<\/p>\n
\n

\n <\/p>\n

\n <\/p>\n<\/p><\/div>\n<\/div>\n<\/div>","protected":false},"author":38,"featured_media":100774,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_analytify_skip_tracking":false,"footnotes":""},"categories":[788,174,1116,756,852,222],"tags":[1078,632],"class_list":["post-100745","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-androrithms","category-artificial-intelligence-2","category-digital-ethics","category-technology-versus-humanity","category-thehumanitychallenge","category-work-and-employment","tag-prediction","tag-the-economist","masonry-post","generate-columns","tablet-grid-50","mobile-grid-100","grid-parent","grid-33"],"acf":[],"_links":{"self":[{"href":"https:\/\/futuristgerd.com\/de\/wp-json\/wp\/v2\/posts\/100745","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/futuristgerd.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/futuristgerd.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/futuristgerd.com\/de\/wp-json\/wp\/v2\/users\/38"}],"replies":[{"embeddable":true,"href":"https:\/\/futuristgerd.com\/de\/wp-json\/wp\/v2\/comments?post=100745"}],"version-history":[{"count":0,"href":"https:\/\/futuristgerd.com\/de\/wp-json\/wp\/v2\/posts\/100745\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/futuristgerd.com\/de\/wp-json\/wp\/v2\/media\/100774"}],"wp:attachment":[{"href":"https:\/\/futuristgerd.com\/de\/wp-json\/wp\/v2\/media?parent=100745"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/futuristgerd.com\/de\/wp-json\/wp\/v2\/categories?post=100745"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/futuristgerd.com\/de\/wp-json\/wp\/v2\/tags?post=100745"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}