Céltalanság tétele

Angol megnevezés:Theorem of aimlessness

Tartalomjegyzék

1997: Céltalanság tétele: a kutatócsoport saját, nagy esetszám alapján levezetett, elméletileg igazolt tézise, mely kijelöli a kutatási eredmények értelmezési intervallumát. Eszerint ideális célfüggvény nincs, a kérdés csak az, milyen mértékben és módon lehet maximalizálni két modell közül a következő x éles alkalmazásban utólag igazolhatóan jobb modell kiválasztani tudását?[1]

1997: Az emberi szakértők durva leértékelődésének problémája az informatika céltalanság tételében lelhető fel még határozott megfogalmazásban. A céltalanság tétele szerint a modellezők és a megrendelőik nem tudják - célfüggvény hiányában - eldönteni, hogy a nem hibátlan modellek közül melyik a jobb. Márpedig hibátlan modell nincs, vagyis a több-kevesebb hibával rendelkező modellek közül kellene tudni a legperspektivikusabbat kiválasztani, mely a közeljövőben valóban a legjobb előrejelzéseket képes majd szállítani. A kérdőív eredményeiből következően érdemes az oktatás-nevelés során célzottan rámutatni arra, hogy a tökéletesség hiányában is kell rangsorolni, úgy a szakértőket, mint az modelleket. Hogy honnan származnak az előrejelzések, arra a alábbi pontok keresik a választ.[2]

1999: A céltalanság tétele alapján az átlagos döntéshozó nincs tisztában szisztematikusan (célfüggvény szinten) saját rész-preferenciáival és ezek egymáshoz képesti átváltásával. Ezért feltételezhető, hogy a csak a szakértőtől elvárt céldefiníció aránya magasabb, mint a csak a tanácsot kérőre jutó válaszok darabszáma. Emellett azonban igaz az is, hogy a tanácsot kérő úm. "büszke", azaz nem szívesen "hódol be" külső tényezők előtt, ezért a domináns válasz a "közösen" kategória kellene, hogy legyen. Mindezek alapján, logikus válaszokat feltételezve a szakértő %-os aránya a célok javasolása során magasabb kell, hogy legyen, mint 50%.[3]

2001: A céltalanság tétele jelenti, mely szerint elméletileg sincs olyan célfüggvény a tanulás vezérlésére, mely egzakt módon biztosítaná, hogy a tanulásban/tesztben jobb célfüggvény értékkel rendelkező összefüggés az éles alkalmazásban is helyesebb lesz. Ebből az elméleti okokból kiindulva, illetve a gyakorlatban mindig jelentkező végesség és limitáltság ( idő, ember, adat, sebesség ) alapján, valamint az emberek egy részének megalapozatlan „gépekkel” szembeni averziója ellen is szólva fontos kijelenteni, hogy a tanuló gép csak azt tudja megtenni, amit az ember is megtenne, csak mind ezt nagyságrendekkel gyorsabba és precízebben. Így a mesterséges intelligenciák tömeges alkalmazása csak akkor lehet sikeres, ha az a gép és az ember szimbiózisára épül..[4]

2001: Céltalanság tétele, mely szerint nem tudható elõre, mely ex-post helyességû modell lesz a jövõbeli alkalmazásoknál a legjobb, illetõleg mennyi hiba kell, hogy egy modellben objektumonként megmaradjon.[5]

"ez egy" kapcsolattípus:
- adatbányászati szoftverek/prognosztikai szakértők közötti választás (példa)
- ...

"van neki, része a címszónak" kapcsolattípus:
- adat
- ember
- Modell
- Szimuláció
- döntéshozás
- különbség tétel
- ...

"a szócikk része valaminek (a szócikk egyenrangú fogalmak)" kapcsolattípus:
- problémamegoldás/döntéstámogatás (céltalanság tétele, túltanulás, heurisztika, ...)
- ...

A MI eljárásainak jellemzői,pl.:a hasonlóság-elemző rendszerek területén az,hogy cél(függvény)-orientáltak;valamint gépi tanulást szimulálnak: vagyis esetgyűjtemények alapján,próbálkozások útján olyan összefüggéseket képesek találni-a kombinatorikailag lehetséges összefüggések halmazából-amelyek egy adott kérdésre legalább olyan, vagy helyesebb választ adnak, mint bármely más ismert eljárások.

Az MI eljárások így elméletileg kielégítik az általános problémamegoldással szemben támasztható elvárásokat

Az MI illetve a lehetőségek határát a céltalanság tétele jelenti,mely szerint elméletileg sincs olyan célfüggvény a tanulás vezérlésére, mely egyértelműen meghatározható módon biztosítaná, hogy a tanulásban/tesztben jobb célfüggvény értékkel rendelkező összefüggés az éles alkalmazásban is helyesebb lesz.

Tehát egy tanuló gép csak azt tudja megtenni, amit az ember is megtenne, csak mindezt nagyságrendekkel gyorsabban és precízebben.

Míg az emebri életben a céltatlanság anyit tesz, hogy nincsen célja az adott egyének az életben, nincsen 'amiért felkeljen' addig az informatikábban ez egy olyan állítás hogy nem tudjuk majd előre hogy az adott modell a szimuláció során milyen változáson megy keresztül illetve milyen eredményekre számíthatunk. Vagyis a céltalanság tétele alapján nem tudjuk előre mely mutatókat kellene kiválsztani, mely modell tud jól megválaszolni valamit mert más módszer más eredményt hozz létre.
...

Igaz-e hogy az a folyamat melynek előre jelzései megfelelő eredményt alkottak az a céltalanság tételét bizonyítja? (Hamis, mert a céltalanság tétele definíció szerint épp arról van szó, hogy nem tudjuk majd előre, hogy az adott modell a szimuláció során milyen változáson megy keresztül illetve milyen eredményekre számíthatunk..)
Igaz-e, hogy a céltaléanság tétele értelméban nem lehet tudni azt, hogy milyen tipusú és mennyiségű modell hiba jobb egy más jellegű hibával szemben? (Igaz, hiszen a tétel szerint: a modellezők és a megrendelőik nem tudják - célfüggvény hiányában - eldönteni, hogy a nem hibátlan modellek közül melyik a jobb.)
Igaz-e, hogy a célatalanság tételének a feladata hogy segítsen értékelni a döntési alternatívák hatásait? (Hamis, mert célfüggvény hiányában, a döntési alternatívák megeggyeznek, miszerint a nem hibátlan modellek közül nem tudjuk kiválasztani, hogy melyik a jobb.)
Igaz-e, hogy a céltalanság tétele értelmében nem beszélhetünk optimumról? (Igaz, mert a modellek amelyeket vizsgálunk azok nem hibátlan modellek, így ennek értelmében nem beszélhetünk optimumról.)
...

Freund Tamás: Hullámtörés - a marihuána hatása az agyhullámokra és a memóriára[6]
A céltalanságról: [7]
....