# Сопутствующие статьи по теме Предвзятость

Новостной центр HTX предлагает последние статьи и углубленный анализ по "Предвзятость", охватывающие рыночные тренды, новости проектов, развитие технологий и политику регулирования в криптоиндустрии.

Уволенная из Google за 14-страничную статью: спустя 6 лет её прогнозы об ИИ стали реальностью

В 2020 году ведущий исследователь по этике ИИ в Google Тимнит Гебру была уволена из-за разногласий по поводу научной статьи «Об опасностях стохастических попугаев», которую она соавторила. В статье, написанной ещё до массового распространения ChatGPT, высказывались критические предупреждения о больших языковых моделях. Авторы утверждали, что модели лишь статистически имитируют язык, не понимая смысла, и поэтому усугубляют социальные предрассудки, содержащиеся в обучающих данных, потребляют огромное количество энергии и могут генерировать ложную информацию (так называемые «галлюцинации» ИИ). Они также предупреждали о будущем доминировании контента, созданного ИИ, в интернете и концентрации власти над языком в руках нескольких технологических гигантов. Увольнение Гебру, за которым последовало увольнение её коллеги Маргарет Митчелл, привело к роспуску команды по этике ИИ в Google и вызвало широкий резонанс в отрасли. Событие высветило конфликт между стремлением к быстрому коммерческому развитию ИИ и необходимостью решения этических и социальных проблем. После ухода из Google Гебру основала Независимый исследовательский институт распределённого ИИ (DAIR), чтобы изучать вопросы, которые крупные компании могут игнорировать. Шесть лет спустя многие проблемы, описанные в её спорной статье — галлюцинации ИИ, усиление предвзятости, высокие энергозатраты, загрязнение данных и «коллапс модели» — стали насущными вызовами для всей индустрии. История показывает, что её предостережения оказались пророческими.

marsbit06/08 10:31

Уволенная из Google за 14-страничную статью: спустя 6 лет её прогнозы об ИИ стали реальностью

marsbit06/08 10:31

Предвзятость в отношении рынков предсказаний

Предсказательные рынки часто ошибочно приравнивают к азартным играм, однако их сущность определяется не механизмом, а стратегией участников. В отличие от чисто случайных игр (например, игровых автоматов), предсказательные рынки, подобно покеру, требуют навыков и позволяют получать положительную ожидаемую доходность (+EV). Они служат инструментом хеджирования рисков и перераспределения информации, особенно в таких сферах, как спорт и развлечения, где глобальный экономический оборот превышает $1 трлн. Критики опасаются инсайдерской торговли, но низкая ликвидность на малозначимых событиях естественным образом ограничивает такие риски. Ключевое преимущество предсказательных рынков — точность: они позволяют участникам делать ставки непосредственно на конкретные события (например, отчётность Tesla или данные по занятости), минуя шум традиционных финансовых рынков. Такие компании, как Citadel и Charles Schwab, уже инвестируют в эту область, видя в ней потенциал для демократизации доступа к информации. Опасения СМИ (например, New York Times) связаны не с этическими проблемами, а с угрозой их монополии на формирование нарративов. Предсказательные рынки бросают вызов централизованному контролю над информацией, предлагая более прозрачную и справедливую альтернативу.

marsbit04/20 12:11

Предвзятость в отношении рынков предсказаний

marsbit04/20 12:11

Ваш бэктест лжет: почему вы должны использовать данные на момент времени (Point-in-Time)

В статье на примере торговой стратегии, основанной на оттоке биткоинов с бирж Binance, объясняется опасность использования пересмотренных исторических данных в бэктестинге. Изначальная стратегия, использующая актуальные (но пересмотренные задним числом) данные, показывает хорошие результаты, сравнимые с стратегией "купи и держи". Однако её результаты обманчивы из-за наличия ошибки look-ahead bias (смещение из-за известной будущей информации). Автор повторяет тест, используя неизменяемые Point-in-Time (PiT) данные, которые отражают только ту информацию, что была доступна на конкретную дату в прошлом. Результаты этой "честной" стратегии оказываются значительно хуже, поскольку она не смогла так же эффективно воспользоваться ключевыми моментами роста. Ключевой вывод: бэктесты врут, если используют пересмотренные данные. Только неизменяемые Point-in-Time данные позволяют accurately воспроизвести историческую реальность и избежать смещающих ошибок, обеспечивая достоверность тестирования торговой стратегии.

insights.glassnode03/13 14:14

Ваш бэктест лжет: почему вы должны использовать данные на момент времени (Point-in-Time)

insights.glassnode03/13 14:14

a16z: ИИ повышает эффективность каждого в 10 раз, но ни одна компания от этого не стала стоить в 10 раз дороже

Искусственный интеллект повышает индивидуальную производительность в 10 раз, но не увеличивает стоимость компаний пропорционально. Проблема не в технологии, а в отсутствии организационных изменений. Автор выделяет семь ключевых различий между «корпоративным ИИ» и «индивидуальным ИИ»: координация, сигнал vs шум, объективность vs предвзятость, использование преимуществ, ориентация на результат, внедрение процессов и проактивность. Подобно переходу от паровых двигателей к электрическим в XX веке, истинная ценность ИИ раскроется только при полном перепроектировании бизнес-процессов, а не просто внедрении инструментов. Будущее за гибридными системами, где индивидуальные и корпоративные ИИ-решения дополняют друг друга.

marsbit03/13 04:42