{"id":991,"date":"2007-09-14T09:46:14","date_gmt":"2007-09-14T08:46:14","guid":{"rendered":"http:\/\/iskwew.com\/blogg\/2007\/09\/14\/hvordan-datamaskinen-slo-eksperten\/"},"modified":"2009-03-29T22:53:50","modified_gmt":"2009-03-29T21:53:50","slug":"hvordan-datamaskinen-slo-eksperten","status":"publish","type":"post","link":"http:\/\/iskwew.com\/blogg\/2007\/09\/14\/hvordan-datamaskinen-slo-eksperten\/","title":{"rendered":"Hvordan datamaskinen slo eksperten"},"content":{"rendered":"

For et par uker siden sto det en artikkel i Financial Times kalt “How computers killed the expert”<\/a>. Artikkelen har som utgangspunkt et fors\u00f8k som ble gjort i USA, n\u00e6rmere bestemt p\u00e5 det juridiske fakultetet p\u00e5 Universitetet i Pennsylvania.<\/p>\n

Professor Ted Ruger h\u00f8rte p\u00e5 et foredrag av to statsvitere, Andrew Martin og Kevin Quinn, som p\u00e5sto de hadde en modell som kunne forutse hvilke avgj\u00f8relser presedensgivende saker i amerikansk h\u00f8yesterett ville f\u00e5. Modellen var basert p\u00e5 noen ganske f\u00e5 variable. Dette trodde ikke Ruger noe p\u00e5, og utfordret Martin og Quinn til \u00e5 gj\u00f8re en test. For de hadde forel\u00f8pig brukt modellen p\u00e5 historiske saker. Ruger ville teste modellens prediksjonsevne, opp mot prediksjonsevnen til et ekspertpanel.<\/p>\n

Som sagt, s\u00e5 gjort. Og det viste seg alts\u00e5 at den statistiske modellen klarte \u00e5 sp\u00e5 hva h\u00f8yesterettsdommerne ville stemme, enn hva ekspertpanelet klarte. 75% av gangene hadde modellene rett avgj\u00f8relse, 59% av gangene hadde ekspertene det.<\/p>\n

Og det er ikke bare i dette tilfellet at “Machine outperforms man”. Innenfor min bransje er det titt og ofte slik at programmerte trading-modeller gj\u00f8re det bedre enn fysiske mennesker som tar avgj\u00f8relser. Det brukes b\u00f8lgeanalyser (Elliot Wave), Fobonacci-tall og andre modeller som alltid har f\u00e5tt det til \u00e5 protestere i meg. Maskiner er ikke smartere enn mennesker. Eller?<\/p>\n

Siden jeg leste denne artikkelen har jeg fundert og tenkt p\u00e5 hvorfor det er slik at maskinene ofte gj\u00f8r det bedre enn mennesker. For det er nok et faktum. Det er mange flere eksempler enn det.<\/p>\n

Men hvorfor?<\/p>\n

Noe av det tror jeg kommer av at datamaskiner kan behandle mye mer informasjon p\u00e5 en gang enn mennesker kan. Fra en tr\u00e5d jeg skrev om beslutninger<\/a>:<\/p>\n

“Studier har vist at de fleste bare kan forst\u00e5 eller prosessere syv informasjonsbiter p\u00e5 en gang. Denne begrensningen i kognitativ evne og evne til \u00e5 prosessere informasjon gj\u00f8r det vanskelig \u00e5 forst\u00e5 problemet fullstendig. Da vil man fors\u00f8ke \u00e5 redusere kompleksiteten og dermed risikere \u00e5 overforenkle det.”<\/p><\/blockquote>\n

Datamaskinen har selvsagt ikke denne begrensningen, og vil dermed ikke overforenkle p\u00e5 samme m\u00e5te.<\/p>\n

I tillegg tror jeg noe ligger i det jeg skrev om forrige fredag. Alts\u00e5 det faktum at vi ikke klarer \u00e5 fri oss fra kunnskap <\/a>vi allerede har. Og kanskje er det slik at vi legger sv\u00e6rt stor vekt p\u00e5 det vi kan godt, kontra det vi ikke kan. Datamaskinen er n\u00f8ytral i s\u00e5 m\u00e5te.<\/p>\n

I tillegg kommer v\u00e5r evne til \u00e5 h\u00e5pe og tro. Den s\u00e5 jeg titt og ofte da jeg satt i valutamarkedet, med til dels store posisjoner. Det som ofte skjer er at en forvalter er rask til \u00e5 ta gevinster (“penger i banken er bra”) og sen med \u00e5 ta tap (“jeg h\u00e5per det snur”). I sum gj\u00f8r det at du fort ender opp med tap i portef\u00f8ljen selv om du har rett mye mer enn 50% av gangene. L\u00f8sningen vi implementerte, var helt strikte og metodiske niv\u00e5er b\u00e5de for \u00e5 ta gevinster og tap. F\u00f8rst da materialiserte gevinstene seg. Vi lot alts\u00e5 maskinene bestemme. Vi hadde stop loss ordre og take profit ordre liggende 24 timer i d\u00f8gnet. For vi forsto at menneskelig h\u00e5p og tro forkludret mulighetene. Maskinene er n\u00f8ytrale, og har ikke h\u00e5p eller tro.<\/p>\n

Maskiner og modeller er rasjonelle. Mennesker er styrt av preferanser, tro, h\u00e5p og manglende evne til \u00e5 kombinere mange inntrykk p\u00e5 en gang. Vi er dessuten opptatt av \u00e5 ikke betraktes som kyniske, og da er det slik at det er noen sannheter vi ikke vil se, fordi det ikke er politisk eller menneskelig akseptabelt. Vi mennesker er i st\u00f8rre eller mindre grad irrasjonelle, uansett hvor rasjonelle vi mener \u00e5 v\u00e6re. Vi kan ikke fri oss fra oss selv, v\u00e5re erfaringer, preferanser og v\u00e5r kunnskap.<\/p>\n

N\u00e5 er de fleste slike modeller basert p\u00e5 historiske data. De vil derfor vanskelig kunne fange opp store uventede endringer. Enten det er eksogene sjokk (ting som skjer utenfor modellen) eller paradigme-skifter <\/a>(et systematisk skifte i m\u00e5te \u00e5 tenke p\u00e5 som er av betydelig st\u00f8rrelse og rekkevidde). Modeller fanger ikke opp innovasjoner. Men gj\u00f8r vi mennesker det? Nei, vi gj\u00f8r gjerne ikke det.<\/p>\n

Artikkelen i FT gj\u00f8r meg litt desillusjonert p\u00e5 menneskets vegne. Jeg vil gjerne at mennesket skal v\u00e6re smartere enn maskiner. Men er vi det?<\/p>\n

En jeg har jobbet mye sammen med n\u00e5r jeg har utviklet modeller, sier at mens modellene er teknologi og vitenskap, er tolkningen av modell-resultater kunst<\/strong>. I tillegg klarer ikke en modell \u00e5 lage seg selv. Noen m\u00e5 styre den mot det som er viktig. Om du sitter med milliarder av tallrekker som kan forklare noe, er det den menneskelige kunnskap, intuisjon og forst\u00e5else som ser skogen for bare tr\u00e6r. Men her skal vi ogs\u00e5 passe oss, for det kan v\u00e6re sammenhenger vi ikke \u00f8nsker \u00e5 se, og dermed ikke vil inkludere. Boken Freakonomics er full av slike.<\/p>\n

Likevel; mennesker m\u00e5 til. Vi lager modellene, finner variablene og vi m\u00e5 til for \u00e5 tolke resultatene. Men det som ligger i mellom, tror jeg vi i stor grad kan overlate til maskinene. Fordi de er s\u00e5 mye bedre enn oss til \u00e5 kombinere store mengder data.<\/p>\n

For\u00f8vrig tror jeg det er n\u00e5r vi virkelig bruker intuisjonen at vi er n\u00e6rmest \u00e5 fungere som en datamaskin. Intuisjon er prosessering av store mengder data som ligger i hukommelsen. Akkurat slik en datamaskin jobber. Intuisjon er ansett som irrasjonelt mumbo jumbo. Men det er rett og slett det motsatte. Det er “Man as a machine”. Problemet er bare at vi ikke kan dokumentere det slik en maskin kan.<\/p>\n","protected":false},"excerpt":{"rendered":"

For et par uker siden sto det en artikkel i Financial Times kalt “How computers killed the expert”. Artikkelen har som utgangspunkt et fors\u00f8k som ble gjort i USA, n\u00e6rmere bestemt p\u00e5 det juridiske fakultetet p\u00e5 Universitetet i Pennsylvania. Professor Ted Ruger h\u00f8rte p\u00e5 et foredrag av to statsvitere, Andrew Martin og Kevin Quinn, som […]<\/p>\n","protected":false},"author":29,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[14],"tags":[80,153],"class_list":["post-991","post","type-post","status-publish","format-standard","hentry","category-nerdefaktor","tag-psykologi","tag-tallknusing"],"_links":{"self":[{"href":"http:\/\/iskwew.com\/blogg\/wp-json\/wp\/v2\/posts\/991","targetHints":{"allow":["GET"]}}],"collection":[{"href":"http:\/\/iskwew.com\/blogg\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"http:\/\/iskwew.com\/blogg\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"http:\/\/iskwew.com\/blogg\/wp-json\/wp\/v2\/users\/29"}],"replies":[{"embeddable":true,"href":"http:\/\/iskwew.com\/blogg\/wp-json\/wp\/v2\/comments?post=991"}],"version-history":[{"count":0,"href":"http:\/\/iskwew.com\/blogg\/wp-json\/wp\/v2\/posts\/991\/revisions"}],"wp:attachment":[{"href":"http:\/\/iskwew.com\/blogg\/wp-json\/wp\/v2\/media?parent=991"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"http:\/\/iskwew.com\/blogg\/wp-json\/wp\/v2\/categories?post=991"},{"taxonomy":"post_tag","embeddable":true,"href":"http:\/\/iskwew.com\/blogg\/wp-json\/wp\/v2\/tags?post=991"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}