विशेषज्ञों पर युद्ध

विशेषज्ञों में हमारा आत्मविश्वास कम करने और विशेषज्ञता पर संदेह करने के लिए एक जानबूझकर प्रयास है यह प्रयास कई मायनों में, बौद्धिक क्षेत्र, वैज्ञानिक विश्वसनीयता, राजनीतिक और यहां तक ​​कि आर्थिक लाभ के लिए युद्ध के समान बनने की तरह लगता है।

हालांकि, मेरा मकसद यह है कि इन विशेषज्ञों के अधिकांश दावे भ्रामक हैं और ये तर्क बहस-बयानों के लिए होते हैं लेकिन इन दावों और तर्कों को केवल अनदेखा नहीं किया जा सकता क्योंकि उन्हें कुछ प्रभाव पड़ता है इसलिए, मैं गुमराह करने वाले दावों और अतिविस्तित तर्कों को रद्द करना चाहता हूं। मेरे सहयोगियों और मैंने कई रिबटल तैयार किए हैं: एक अध्याय जिसका शीर्षक "द विर ऑन एक्सपर्ट्स" (प्रेस में क्लेन एट अल।,) और एक संक्षिप्त लेख (क्लेन एट अल। 2017) है, इस अध्याय के आधार पर। ऑस्टिन टेक्सास में अक्टूबर, 2017 में मानव फैक्टरों और एर्गोनॉमिक्स मीटिंग में एक पैनल में विशेषज्ञों के युद्ध पर मैं एक प्रस्तुति भी देगी।

इस निबंध में मैं अध्याय और लेख में प्रमुख विषयों को संक्षेप में संक्षिप्त करना चाहता हूं।

विशेषज्ञों के साथ इस युद्ध में लगे पांच समुदायों: निर्णय अनुसंधान, ह्यूरिस्टिक्स और बायेशेज (एचबी), समाजशास्त्र, साक्ष्य आधारित प्रदर्शन, और सूचना प्रौद्योगिकी

• संख्या में क्या है?
• विज्ञान प्राप्त करें!
• चेतना: कैसे एक Squishy मस्तिष्क आप बनाने के लिए जोड़ता है, तुम
• नि: शुल्क विल पर Sapolsky
• अपने आप को खुश करो

स्रोत: बेन शनीडरमैन, अनुमति के साथ प्रयोग किया जाता है

निर्णय अनुसंधान इस समुदाय द्वारा किए गए प्राथमिक अध्ययन से पता चला है कि सांख्यिकीय मॉडल विशेषज्ञों को मात देते हैं फिर भी अक्सर क्या भुलाया जाता है कि फ़ार्मुलों में वे वैरिएबल मूल रूप से विशेषज्ञों की सलाह से प्राप्त किए गए थे सूत्रों का प्राथमिक लाभ यह है कि वे संगत हैं। हालांकि, सूत्र भंगुर होते हैं – जब वे विफल होते हैं, वे बुरी तरह विफल होते हैं और प्रयोगों को सावधानीपूर्वक नियंत्रित किया जाता है, ऐसे गंदे परिस्थितियों से बचने के लिए जो विशेषज्ञों के साथ संघर्ष करना पड़ता है, जैसे कि खराब परिभाषित लक्ष्यों, स्थानांतरण की स्थिति, उच्च दांव, डेटा की प्रकृति और विश्वसनीयता के बारे में अस्पष्टता। इसके अलावा, अनुसंधान आमतौर पर एकल उपायों पर केंद्रित होता है, और प्रदर्शन के पहलुओं को अनदेखा करता है जो कि अस्पष्ट और मात्रात्मक बनाना मुश्किल है। अंत में, सांख्यिकीय विधियों के फायदे शोर और जटिल परिस्थितियों में पाए जाते हैं जिनमें आउटपुट बहुत सटीक नहीं होते हैं, तब भी जब वे विशेषज्ञ निर्णय से कुछ बेहतर होते हैं।

ह्यूरिस्टिक्स और बायेशेज (एचबी) कन्नमैन और टर्स्स्की (टर्वेस्की एंड कन्नमैन, 1 9 74, कन्नमैन, 2011) ने दिखाया है कि लोग, यहां तक ​​कि विशेषज्ञों, फैसले के पक्षपात के शिकार हो जाते हैं। हालांकि, अधिकांश एचबी अनुसंधान, कॉलेज के छात्रों के साथ कृत्रिम, अपरिचित कार्य कर रहे हैं, उनके मार्गदर्शन के लिए कोई संदर्भ नहीं है। जब शोधकर्ता एक सार्थक संदर्भ का उपयोग करते हैं, तो फैसले का पक्षपात आम तौर पर कम होता है और इसके अलावा, ह्युरिस्टिक्स आमतौर पर सहायक होते हैं, क्योंकि कन्नमन और ट्वेस्स्की ने स्वयं को बताया।

समाजशास्त्र इस समुदाय के सदस्य इस बात पर जोर देते हैं कि विशेषज्ञता "कार्यरत परिज्ञान" और "वितरित अनुभूति" का संदर्भ देते हुए, काम के आस-पास के समुदाय और कलाकृतियों का एक कार्य है। विशेषज्ञता-निषेधकर्ता का तर्क है कि विशेषज्ञ अनुभूति सामाजिक रूप से निर्मित है, और कोई कार्य नहीं है व्यक्तिगत ज्ञान का जाहिर है, टीम और स्थितिगत कारक विशेषज्ञ प्रदर्शन में एक भूमिका निभाते हैं, लेकिन यह चरम स्थिति अस्थिर लगती है – यात्रियों के साथ एक टीम के विशेषज्ञों की जगह, और देखें कि समग्र प्रदर्शन कैसे ग्रस्त है।

• अध्ययन के मुताबिक, सुपीरियर मस्तिष्क कनेक्टिविटी क्या बनाती है
• पावर रोल प्ले: सफलता के लिए ड्रेसिंग आपको सफल बनाता है
• ऑटिस्टिक और मनोवैज्ञानिक दिमाग में आयाम की मानसिकता
• अध्ययन: आपके मस्तिष्क के लिए अधिक अभ्यास जरूरी नहीं है
• क्या ई-सिगरेट मानसिक रूप से बीमार के बीच धूम्रपान कम कर सकते हैं?

सबूत-आधारित प्रदर्शन यहां विचार यह है कि पेशेवरों, जैसे कि चिकित्सकों, अपने स्वयं के फैसले पर निर्भर होने के बजाय वैज्ञानिक साक्ष्य पर उनके निदान और उपचार का आधार होना चाहिए। जाहिर है, बहुत सारे क्वैक उपचार और अनुचित अंधविश्वास लोकप्रियता प्राप्त हुए, और नियंत्रित प्रयोगों ने इन्हें बाहर निकालने में मदद की है। हालांकि, वैज्ञानिक रूप से सबसे अच्छी पद्धतियां प्रवीणता कुशल निर्णय के प्रतिस्थापन नहीं हैं, जो सबूतों में आत्मविश्वास का अनुमान लगाने, उन योजनाओं को संशोधित करने, जो काम नहीं लग रहे हैं, और जटिल परिस्थितियों में सरल नियमों को लागू करने के लिए आवश्यक हैं। दवा में, मरीज़ अक्सर एक ही समय में कई स्थितियां पेश करते हैं, जबकि साक्ष्य आमतौर पर एक शर्त या किसी अन्य से संबंधित होते हैं।

सूचना प्रौद्योगिकी आर्टिफिशियल इंटेलिजेंस, ऑटोमेशन, और बिग डेटा ने प्रत्येक के लिए विशेषज्ञों की जगह में सक्षम होने का दावा किया है हालांकि, इनमें से प्रत्येक दावे अनुचित हैं चलो ऐ के साथ शुरू करें स्मार्ट सिस्टम मनुष्य की तुलना में मौसम की भविष्यवाणियों (और अधिक सस्ते) जैसी चीजों को करने में सक्षम होना चाहिए, लेकिन आंकड़े बताते हैं कि मानव पूर्वानुमान मशीन की भविष्यवाणियों में लगभग 25% तक सुधार करते हैं, एक प्रभाव जो समय के साथ स्थिर रहा है। एक्शन में शतरंज, गो, और खतरे जैसे खेलों में एली की सफलताएं हैं – गेम जो अच्छी तरह से संरचित हैं, स्पष्ट संदर्भ और निश्चित सही समाधान के साथ। लेकिन निर्णय निर्माताओं को अस्पष्ट और गतिशील स्थितियों में अस्पष्ट लक्ष्यों के साथ दुष्ट समस्याओं का सामना करना पड़ता है, ऐसी स्थिति जो एआई सिस्टम से परे हैं। जैसा कि बेन शेंइडरमैन और मैंने पिछले निबंध में देखा था, इंसान सीमावर्ती सोच, सामाजिक सगाई, और कार्यों की जिम्मेदारी के लिए सक्षम हैं। इसके बाद, हम स्वचालन को देखते हैं, जो नौकरियों को कम करके पैसे बचाने की अपेक्षा करते हैं। हालांकि, मामले के अध्ययन से पता चलता है कि स्वचालन आमतौर पर अधिक विशेषज्ञों पर निर्भर करता है, सिस्टम तैयार करता है और उन्हें अद्यतन और चलाना जारी रखता है। इसके अलावा, अक्सर स्वचालन अक्सर खराब ढंग से तैयार किया जाता है और ऑपरेटर के लिए नए प्रकार के संज्ञानात्मक काम करता है। अंतिम, बिग डेटा दृष्टिकोण किसी भी इंसान की तुलना में कहीं ज्यादा रिकॉर्ड और सेंसर इनपुट के माध्यम से खोज कर सकते हैं, लेकिन इन एल्गोरिदम पैटर्न देखने के लिए अतिसंवेदनशील होते हैं जहां कोई भी वास्तव में मौजूद नहीं है। Google की फ्लूट्रेन्ड प्रोजेक्ट को सफलता की कहानी के रूप में प्रचारित किया गया था, लेकिन बाद में इतनी बुरी तरह से विफल हुआ कि इसे उपयोग से हटा दिया गया था। बिग डेटा एल्गोरिदम ऐतिहासिक रुझानों का पालन करते हैं, लेकिन इन प्रवृत्तियों से प्रस्थान को याद कर सकते हैं। इसके अलावा, विशेषज्ञ बहुत ही महत्वपूर्ण हो सकते हैं, जो लापता घटनाओं पर ध्यान केंद्रित करने के लिए अपनी उम्मीदों का उपयोग कर सकते हैं, लेकिन बिग डेटा दृष्टिकोण आंकड़ों और घटनाओं के अभाव से अनजान हैं।

इसलिए, इन समुदायों में से कोई भी विशेषज्ञता के लिए एक वैध खतरा बन गया है। वाम निर्विवाद, इन दावों के पीछे झूठ बोलने वाले ओवरस्टेटैमेंट्स और भ्रम की वजह से विशेषज्ञों को खारिज कर दिया जा सकता है। बेशक, हमें इन समुदायों में से प्रत्येक के आलोचकों से सीखना होगा। हम अपने योगदान और क्षमताओं की सराहना करते हैं, ताकि प्रत्येक समुदाय द्वारा किए गए प्रतिकूल स्थिति से आगे बढ़ने के लिए। आदर्श रूप से, हम सहयोग की भावना को बढ़ावा देने में सक्षम होंगे, जिसमें उनके सकारात्मक निष्कर्ष और तकनीकों का प्रयोग विशेषज्ञों के काम को मजबूत करने के लिए किया जा सकता है।