Mabadiliko ya kiwango cha msingi: Kwa nini mfano wako wa akili bado unapata makosa

"Kwa kweli, tatizo sio data, ni jinsi tunavyoweka sehemu za kuchoka za data."

Je, mifano ya AI ni sahihi kama mtihani wa kuthibitisha anasema? Kwa nini mfano na usahihi wa utabiri wa 99% utamwagilia sanduku lako la barua pepe na utabadilisha siku yako nzuri katika ghafla?

Umewahi kuwa na shaka?
Karibu kwenyeBase Rate Fallacy- ubaguzi ambao hufanya binadamu na mashine wote kuchunguza uwezekano mbaya wakati sisi kupuuza mazingira ambayo data ipo.

What Is the Base Rate Fallacy?

Hebu tuangalie kwa haraka nini falsafa ya kiwango cha msingi ni kweli.

yabase rateni uwezekano wa jumla wa tukio linalotokea—kabla yaKwa mujibu wa ushahidi wa hivi karibuni, Thebase rate fallacyhutokea wakati uwezekano huu wa msingi unachukuliwa, na tunazingatia tu ushahidi mpya.

Let the Math Speak

Fikiria hali ambapo ugonjwa unaathiri1 in 1000Wewe, kuwa mjuzi, kuendeleza mtihani ambao ni99% accurate:

• Ikiwa mtu ana ugonjwa huo, mtihani ni chanya 99% ya wakati (ya kweli chanya).
• Ikiwa mtu hana ugonjwa huo, mtihani ni hasi 99% ya wakati (madhara ya kweli).

Sasa, hebu fikiria mtu anafanya mtihanipositiveNi uwezekano gani kwamba kwa kweli wana ugonjwa huo?

Isipokuwa kinyume na hisia, ninot 99%Hapa ni kwa nini:

Kati ya watu 1000:

• 1 mtu kweli ana ugonjwa → mtihani uwezekano wa kukamata → 1 kweli chanya
• Watu 999 hawana ugonjwa huo → 1% ya watu hao kuangalia chanya → ~10 sahihi chanya

Miongoni mwa majaribio hayo ni yafuatayo:

• Jumla ya mafanikio = 1 (kwa kweli) + 10 (kwa uongo) = 11
• Uwezekano wa kuwa na ugonjwa huo = 1 / 11 ≈ 9%

Pamoja na mtihani ambao ni "99% sahihi", uwezekano wako wa kuwa mgonjwa ni tu9%Kwa sababu ugonjwa huu ni wa nadra sana.

Hii ya1-in-1000Ni yaKiwango cha msingi- na kusahau inaongoza kwa ufafanuzi mkubwa.

Why Humans Fall for This

Hii sio tu tatizo la kimantiki - ni tatizo labrain problem.

wa kisaikolojiaDaniel Kahnemanna yaAmos TverskyTuligundua kwamba tunapohesabu uwezekano, tunabadilisha maswali magumu kwa maswali rahisi.

"Ni kiasi gani hali hii ni sawa na stereotype yangu ya akili?"

Hivyo wakati mtihani ni 99% sahihi, ubongo wetu anasema:
Hiyo inaonekana kama mchezo!”
... na tunadhani matokeo lazima yawe ya kweli.

Mzunguko huu unaitwarepresentativeness heuristic, na inatufanya tusisahau kiwango cha msingi cha utofauti wa takwimu.

The Engineer–Lawyer Conundrum

Matokeo haya yameonyeshwa kwa kiwango kikubwa kupitiaEngineer–Lawyer problem.

Washiriki waliruhusiwa:

• Kuna wanasheria 70 na wahandisi 30 katika chumba.
• Jack ni introverted, anapenda puzzles kimantiki, na anapenda elektroniki.

Kisha aliuliza, "Ni uwezekano gani kwamba Jack ni mhandisi?"

Ingawa kiwango cha msingi kinaonyesha a30% chanceWengi wa watu wanasema80–90%Kwa sababu ya JackSauti yaMaelezo yanaonekana kuwa ya mwakilishi, hivyo kiwango cha 70/30 kinachukuliwa—hata ingawa ni mtazamo wenye nguvu zaidi.

How This Fails in the Real World

** Utabiri wa AI \ Unaunda mfano ambao unashambulia bidhaa zilizo hatari na usahihi wa 95%.0.1%ya vitu ni hatari, tahadhari nyingi itakuwa sahihi chanya. shughuli inaweza kwenda katika hali ya hofu—katika kitu chochote.

**Utaratibu wa Mzunguko wa Usambazaji \ Mfumo wa mapema wa tahadhari unaonyesha hatari za wauzaji.1 in 500Utaratibu wa usafirishaji ni wa muda, tahadhari nyingi zitakuwa za uongo—hata ikiwa mfumo ni wa kiufundi “hakika.”

Na hutokea katika maeneo mbalimbali: uchunguzi wa udanganyifu, majaribio ya matibabu, tahadhari ya vitisho, ufuatiliaji wa anomali - orodha inaendelea.

The Solution: Bayes to the Rescue

Kwa mujibu wa Mathematics,Bayes’ TheoremInasaidia kukabiliana na udanganyifu wa kiwango cha msingi. Inasaidia kurekebisha imani yetu kwa kuchanganya viwango vya msingi na ushahidi mpya:

P(B) = P(B) P(B) / P(A)

ambapo ya:

• P(A ∣ B): Probability of having the disease given a positive test
• P(B) A: uwezekano wa kuwa na mtihani mzuri ikiwa una ugonjwa huo
• P(A): Kiwango cha msingi (ukweli wa awali)
• P(B): uwezekano wa jumla wa mtihani mzuri (ya kweli + ya uwezekano wa uongo)

Teorema ya Bayes inatuhakikishia kuwa na usawaNini tunajuakwaNini tunaweza kuonakitu ambacho intuition ya binadamu huwa na tabia ya kupita.

Final Thoughts

Tunaishi katika ulimwengu unaoongozwa na utabiri—kutoka AI kwa huduma za afya hadi vifaa vya vifaa. Lakini idadi, bila kujali jinsi ilivyo ngumu, haina maana bila hakicontext.

Na wakati mwingine, ufahamu wenye nguvu zaidi unaishi katika uwezekano mdogo, wa kifungo cha chini tulikuwa haraka sana kukataa.