¡No! El aprendizaje automático no es una estafa. Sin embargo, algunas personas y empresas usan el bombo publicitario para realizar estafas. Así es como lo hacen:
Encuentran una marca potencial, dicen una gran empresa y presentan sus productos y habilidades a través de técnicas de marketing estándar. De esta forma obtienen acceso a la empresa. No tiene que ser acceso físico a un edificio de oficinas ni nada. Simplemente acceda al modelo de negocio y las ideas de la empresa y los problemas que desea resolver.
Luego comienzan a trabajar en el problema como consultores externos. La dirección de la empresa sigue feliz. Recopilan algunos datos de la empresa, los ponen en un algoritmo de aprendizaje (RandomForest / GradientBooster / NeuralNetwork) y sacan la basura (por supuesto). Más o menos innecesario decir que los estafadores no tenían nada de los productos o habilidades que afirmaban tener cuando comercializaban los servicios, y eso es parte de la razón por la que obtienen basura de sus modelos.
- ¿Qué sucede dentro del hardware de la CPU cuando la CPU ejecuta una instrucción?
- ¿Cuál es la diferencia entre seguridad de red, seguridad de la información y seguridad informática?
- ¿Por qué no podemos lanzar ecuaciones para las cuatro fuerzas fundamentales en un programa y crear una simulación del universo?
- ¿Cuáles son los cursos de CS más importantes para la biología computacional?
- ¿Es Computer Networking de Kurose y Ross un buen libro para prepararse para la ubicación en el campus?
Luego se lo presentan a los gerentes de la “marca”. Realizan una presentación de PowerPoint elegante, con gráficos y diagramas atractivos, con su resultado basura y presentan algunas métricas que no se comparan con nada. Me gusta: “Nuestro modelo de árbol de decisión de refuerzo de gradiente optimizado de hiperparámetro con características WoE / IV de los últimos datos, muestra claramente que podemos obtener un MAE de 5.6”
La oración anterior suena realmente elegante para alguien analfabeto, sin embargo, alguien que conoce algo de aprendizaje automático comenzará a hacer preguntas importantes. “¿Cómo se compara esto con un modelo de línea de base?”, “¿Esta métrica se basa en una validación cruzada plegada en k o un conjunto de retención?”. (Confía en mí, he visto a consultores presentar métricas calculadas en la parte del tren del conjunto de datos).
Pero tenga en cuenta que las frases elegantes se presentan a gerentes y tomadores de decisiones que generalmente tienen antecedentes financieros y / o un MBA. No tienen idea cuando se trata de ML y lejos de las habilidades para formular cualquier pregunta que exponga algunos de los detalles inestables. En cambio, se sientan pasivamente y asienten con la cabeza en algún tipo de apreciación. (No quieren hacer el ridículo frente a otros gerentes).
Ahora los gerentes se discuten sobre qué hacer a continuación. La decisión de los próximos pasos suele ser una de estas tres: el estudio se extiende por X semanas, el modelo resultante del estudio se decide implementar con la ayuda de los estafadores, o el estudio finaliza y otro estudio se inicia nuevamente con el Los mismos estafadores. Lo que decidan los estafadores gana.
Entonces, el mensaje principal es el siguiente: solo necesita un poco de conocimiento de aprendizaje automático para estafar a alguien sin ningún conocimiento. Este es a menudo el caso. A veces, el pequeño conocimiento de los estafadores es incluso un efecto Dunning-Kruger, y luego ni siquiera entienden que están estafando. Eso puede ser aún más aterrador.
Pero entonces: el aprendizaje automático, cuando se hace correctamente, no es una estafa. Hay innumerables ejemplos en los que realmente da valor.
