¿Cuál es la pregunta sin respuesta más importante sobre Quora relacionada con big data y data science?

La pregunta de big data sin respuesta más importante sobre Quora es si la moderación puede mejorarse sustancialmente mediante el modelado y los algoritmos.

  • ¿Los moderadores tienen temas favoritos / desfavorables?
  • Ideas?
  • ¿Personas?
  • Géneros / razas (es decir, ¿algunos moderadores son sexistas o racistas?)
  • ¿Se beneficiaría la plataforma si algunos moderadores son descartados abiertamente?
  • Que porcentaje

Por ejemplo, sé que un moderador (T.) está enojado conmigo y al menos con una docena de personas (algunas de las cuales ya están prohibidas). ¿Es así como debería ser? ¿Debería revertirse esto?

Estas son todas las preguntas de datos. Preguntas sobre datos en las que Quora no está invirtiendo.

En el lado “brillante”, la plataforma donde cualquier referencia científica a la posible conexión del coeficiente intelectual y la genética / raza / género se está derrumbando casi incondicionalmente (a menos que se exprese de una manera muy neutral “no ofensiva”, aunque todavía no garantiza cualquier cosa), donde llegamos hasta ahora es sorprendente en sí mismo.

Diseño emocional

Encontré 8 preguntas en total, 2 nunca respondieron.

La ciencia de datos no es como cualquier otra tecnología. Nos habla, toma decisiones, le dice a la gente qué hacer.

Los tecnólogos minimizan esto. ¿Red neuronal como una caja negra? Son solo ecuaciones logísticas que se ejecutan 60 millones de veces.

Aún así, seguimos escuchando preocupaciones sobre una IA general que destruye empleos y dirige el mundo.

Necesitamos trabajar más duro para lograr que la IA y los humanos actúen bien juntos.

Y el acto humano con emociones.

Mostrar una recomendación no será efectivo sin también conectarse y explicar. La mayoría de los sistemas de recomendaciones ya nos dicen por qué formaron esa opinión sobre nosotros.

Tráeme a la actividad como socio completo. El significado es una necesidad humana básica.

Sería bueno un enfoque sólido de correlación vs causalidad en forma de algo, teorema o filosofía.

Comprender y preocuparse por la causalidad es quizás más importante que cualquier otro problema de la ciencia de datos, especialmente porque vamos a utilizar cada vez más un enfoque de recuadro negro en nuestra vida cotidiana. Aunque puede tener una caja negra bastante buena y modelos estadísticos para la predicción, pero ninguno para modelar y comprender la causalidad.