Этот пост является частью моего челленджа 200 слов в день, которым я публично делюсь в Твиттере, чтобы улучшить свои письменные навыки и разработать режим письма. Присоединяйтесь и комментируйте.

Два года назад я решил провести год в качестве студента Erasmus на факультете компьютерных и системных наук Стокгольмского университета, расположенного в Кисте. Там я решил сосредоточить свои курсы на машинном обучении.

Я помню, как профессор рассказывал нам об этом алгоритме под названием «Случайный лес» и о интригующем учении, которое он может дать нам о демократии и системе образования.

Когда вы хотите чему-то научить машину, вы должны дать ей знания в виде данных и мозг для их обработки в виде модели обучения.

Есть много моделей. Каждый со своими плюсами и минусами. Одна из таких моделей называется деревом решений.

Дерево решений использует характеристики данных (называемых атрибутами), переданных ему, чтобы принять решение об обучении. Например, такие деревья могут научиться различать несколько объектов на картинке — и таким образом развить своего рода компьютерное зрение. Излишне говорить, что эта модель имеет множество практических применений.

Однако в зависимости от данных и атрибутов, используемых в модели, деревья решений не всегда могут быть правильными при принятии решений. Совсем как люди.

Чтобы уменьшить эту проблему, исследователи обнаружили, что использование нескольких деревьев решений вместо одного помогло получить лучшие результаты: каждое дерево решений формулирует свое собственное решение, и это решение учитывается конечным результатом, как в демократическом процессе, где каждый человек голосов.

Получение лучших результатов означает приближение к истине, состоянию реальности.

Теперь одно важное условие для того, чтобы это «голосование» было ближе к истине, заключается в том, что деревья должны принимать свои решения сами по себе, без влияния других деревьев. Такие деревья называются независимыми.

Кроме того, если деревья основывают свои решения на одних и тех же атрибутах, вероятность истины в результате голосования имеет тенденцию к снижению, и поэтому мы должны рандомизировать атрибуты, используемые в процессе.

Итак, в чем тут урок?

Чтобы демократия была эффективной, она должна опираться на разнообразное население (различные рандомизированные атрибуты), отдельные члены которого обучаются не по одной стандартной модели, а вместо этого побуждаются раскрыть свою уникальность с помощью специализированного и узкоспециализированного процесса обучения. То же самое следует применить и к средствам массовой информации, поскольку общий источник информации унифицирует мыслительный процесс.

Таким образом, голосование может отражать правду и res publica, общее благо.

Приятно видеть, как алгоритмы могут научить вас тому, как устроен мир.

Понравился этот короткий пост? Следите за моими приключениями в режиме реального времени в Твиттере.