2.3.2.5 algorithm သည်ရှက်ကြောက်

တွေ့ရှိရသည့်ဒေတာအတွက်အမူအကျင့်ကြောင့်စနစ်များ၏အင်ဂျင်နီယာရည်မှန်းချက်ပန်းတိုင်ကမောင်းနှင်သည်, သဘာဝမဟုတ်ပါဘူး။

မြားစှာသောဒေတာများသတင်းရပ်ကွက်များကလူကသူတို့ဒေတာ (ပုဒ်မ 2.3.1.3) မှတျတမျးတငျထားသလျက်ရှိသည်သတိပြုမိနေကြသည်မဟုတ်သောကြောင့်, သုတေသီများ "သဘာဝကျကျဖြစ်နေသည်ဟု" သို့မဟုတ်ဖြစ်ဤအွန်လိုင်းစနစ်များအတွက်အပြုအမူကိုစဉ်းစားမထားသင့်သည် non-reactive ဖြစ်ကြောင်းတွေ့ရှိရပေမယ့် "စင်ကြယ်သော။ " အဖြစ်မှန်မှာ, စံချိန်အပြုအမူအလွန်အမင်းထိုကဲ့သို့သောကြော်ငြာသို့မဟုတ်ပို့စ်အကြောင်းအရာပေါ်ကလစ်နှိပ်ခြင်းအဖြစ်သတ်သတ်မှတ်မှတ်အပြုအမူတွေကိုဆောင်ကြဉ်းပေးနိုင်အင်ဂျင်နီယာဖြစ်ကြောင်းဒစ်ဂျစ်တယ်စနစ်တွေ။ စနစ်ကဒီဇိုင်နာများ၏ရည်မှန်းချက်ပန်းတိုင်ဒေတာသို့ပုံစံများမိတ်ဆက်ပေးနိုငျသောနညျးလမျးမြား algorithmic ဖွငျ့ဟုခေါ်သည်။ algorithmic ဖွငျ့လူမှုရေးသိပ္ပံပညာရှင်များကဖို့အတော်လေးမသိပေမယ့်သတိထားဒေတာသိပ္ပံပညာရှင်များအကြားအဓိကစိုးရိမ်ပူပန်မှုဖြစ်ပါတယ်။ နှင့်အညီ, ဒစ်ဂျစ်တယ်ခြေရာတွေနှင့်အတူအခြားပြဿနာအချို့နှင့်မတူဘဲ, algorithmic ဖွငျ့အကြီးအကျယ်မမြင်ရတဲ့ဖြစ်ပါတယ်။

algorithmic ဖွငျ့တစ်ဦးကအတော်လေးရိုးရှင်းတဲ့ဥပမာ Facebook ပေါ်မှာခန့်မှန်းခြေအားဖြင့် 20 မိတ်ဆွေများနှင့်အတူအသုံးပြုသူတစ်ဦးပုံမှန်မဟုတ်မြင့်မားအရေအတွက်ရှိပါတယ်ဆိုတဲ့အချက်ကိုဖြစ်ပါတယ် (Ugander et al. 2011) ။ Facebook ကဘယ်လိုအလုပ်လုပ်တယ်မဆိုနားလည်မှုကိုမရှိဘဲဤဒေတာနှင့်အတူခွဲခြားစိတ်ဖြာသိပ္ပံပညာရှင်များ doubtlessly 20 မှော်လူမှုရေးအရေအတွက်၏အချို့သောမျိုးကိုဘယ်လောက်အကြောင်းကိုအများအပြားပုံပြင်များ generate နိုင်ဘူး။ သို့သော် Ugander နှင့်သူ၏လုပ်ဖော်ကိုင်ဘက်ကိုဒေတာထုတ်ပေးသောလုပ်ငန်းစဉ်၏တစ်ဦးသိသိသာသာနားလည်, သူတို့သည်သူတို့ 20 မိတ်ဆွေများရောက်ရှိသည်အထိ Facebook ကသူငယ်ချင်းများပိုမိုလုပ် Facebook ပေါ်မှာအနည်းငယ်ဆက်သွယ်မှုများကိုနှင့်အတူလူအားပေးခဲ့တယ်သိသည်။ Ugander နှင့်လုပ်ဖော်ကိုင်ဖက်များကစက္ကူ၌ဤမဆိုပေမယ့်, ဒီမူဝါဒကိုယူဆရပိုပြီးတက်ကြွဖြစ်လာသစ်သည်အသုံးပြုသူများအားပေးနိုင်ဖို့အတွက် Facebook ကအသုံးပြုနေသူများကဖန်တီးခဲ့ပါတယ်။ ဤမူဝါဒ၏တည်ရှိမှုနှင့် ပတ်သက်. မသိဘဲ, သို့သော်, ကဒေတာမှမှားယွင်းတဲ့ကောက်ချက်ဆွဲရန်လွယ်ကူသည်။ တစ်နည်းအားဖြင့် 20 ခန့်မိတ်ဆွေများနှင့်အတူလူများ၏အံ့သြစရာကောင်းလောက်အောင်မြင့်မားအရေအတွက်ကလူ့အပြုအမူထက်က Facebook အကြောင်းပိုမိုကျွန်တော်တို့ကိုပြောတယ်။

algorithmic ဖွငျ့တစ်သတိထားသုတေသီများထပ်မံစုံစမ်းစစ်ဆေးရန်စေခြင်းငှါတစ်ဦးဇာတ်ဆောင်ရလဒ်ထုတ်လုပ်ဘယ်မှာဒီယခင်ဥပမာအားထက်ပို pernicious, အွန်လိုင်းစနစ်များဒီဇိုင်နာများလူမှုရေးသီအိုရီသတိပြုမိကြသည်ပြီးတော့ပြုပြင်သို့, ဤသီအိုရီဖုတ်သောအခါဖြစ်ပေါ်ကြောင်း algorithmic ဖွငျ့တစ်ပင် trickier ဗားရှင်းရှိပါတယ် သူတို့ရဲ့စနစ်များ၏။ လူမှုသိပ္ပံပညာရှင်တွေဟာဒီ Performance ခေါ်လော့သီအိုရီသူတို့သီအိုရီနှင့်အညီပိုမိုကမ္ဘာပေါ်တွင်ဆောင်ခဲ့မည်အကြောင်းထိုကဲ့သို့သောလမ်းအတွက်ကမ္ဘာကြီးကိုပြောင်းလဲအခါ။ Performance algorithmic သဖွငျ့ထိုအမှု၌, အချက်အလက်များ၏စိတ်ပျက်ခြင်းသဘောသဘာဝဖွယ်ရှိမမြင်ရတဲ့ဖြစ်ပါတယ်။

Performance အသုံးပြုနေသူများကဖန်တီးနေတဲ့ပုံစံ၏ဥပမာတစျခုအွန်လိုင်းလူမှုကွန်ရက်များအတွက်သငြ်ကူးေူပာင်းမြဖြစ်ပါတယ်။ 1970 နှင့် 1980 ခုနှစ်, သုတေသီများအကြိမ်ကြိမ်သင်အဲလစ်နှင့်အတူမိတ်ဆွေများဖြစ်ကြပြီးသင်ဇနှင့်အတူအဆွေဖြစ်ကြ၏လျှင်, ဇနှင့်အဲလစ်နှစ်ခုကျပန်းရွေးချယ်သောလူများထက်တစ်ဦးချင်းစီနဲ့မိတ်ဆွေများဖြစ်ဖို့ပိုများပါတယ်ကြောင်းတွေ့ရှိခဲ့ပါတယ်။ , ဤသည်အလွန်တူညီပုံစံက Facebook ပေါ်တွင်လူမှုရေးဂရပ်၌တွေ့ (Ugander et al. 2011) ။ ထို့ကြောင့်တစ် Facebook ပေါ်မှာခင်မင်ရင်းနှီး၏ပုံစံများကိုအနည်းဆုံးသငြ်ကူးေူပာင်းမြ၏စည်းကမ်းချက်များ၌, အော့ဖ်လိုင်းမိတ်၏ပုံစံများပုံတူပွားကြောင်းကောက်ချက်ချပေလိမ့်မည်။ သို့သော် Facebook ကလူမှုရေးဂရပ်ရှိသငြ်ကူးေူပာင်းမြ၏ပြင်းအားတစ်စိတ်တစ်ပိုင်း algorithmic သဖွငျ့ကမောင်းနှင်နေသည်။ ဒါကဖြစ်ပါသည်, Facebook ကမှာဒေတာကိုသိပ္ပံပညာရှင်တွေငြ်ကူးေူပာင်းမြဆိုင်ရာအကြောင်းကိုပင်ကိုယ်မူလနှင့်သီအိုရီသုတေသနကိုသိပြီးတော့ Facebook ကဘယ်လိုအလုပ်လုပ်တယ်သို့ဖုတ်။ Facebook ကတစ်ဦး "သင်သိနိုင်ပါစေလူတွေက" မိတ်ဆွေသူငယ်ချင်းအသစ်အကြံပြု, နှင့် Facebook သင်တို့အားအကြံပြုသူဆုံးဖြတ်သည်တလမ်းအကူးအပြောင်းသည်ကိုအင်္ဂါရပ်ရှိပါတယ်။ သည် Facebook ကသင့်ရဲ့မိတ်ဆွေတွေရဲ့သူငယ်ချင်းတွေနဲ့အတူမိတ်ဆွေများဖြစ်လာကြောင်းအကြံပြုဖို့ပိုဖွယ်ရှိသည်။ ဒီ feature အရှင်က Facebook လူမှုရေးဂရပ်ရှိသငြ်ကူးေူပာင်းမြတိုးပွားလာ၏အကျိုးသက်ရောက်မှုရှိပါတယ်; အခြားစကား, သငြ်ကူးေူပာင်းမြ၏သီအိုရီသီအိုရီ၏ခန့်မှန်းချက်နှင့်အညီထဲသို့ကမ္ဘာဆောင်တတ်၏ (Healy 2015) ။ ကြီးမားတဲ့ data တွေကိုသတင်းရပ်ကွက်လူမှုရေးသီအိုရီ၏ခန့်မှန်းချက်မျိုးပွားပုံသောအခါထိုသို့, ငါတို့သည်သီအိုရီကိုယ်တိုင်ကစနစ်အလုပ်လုပ်ခဲ့ဘယ်လောက်သို့ဖုတ်မခံခဲ့ရကြောင်းသေချာဖြစ်ရမည်။

ယင်းအစားသဘာဝ setting ကိုရှိလူများစောင့်ကြည့်အဖြစ်ကြီးမားသောဒေတာသတင်းရပ်ကွက်၏စဉ်းစားခြင်းထက်, တစ်ဦးထက်ပို apt ဥပစာတစ်ဦးလောင်းကစားရုံရှိလူများစောင့်ကြည့်နေပါတယ်။ ကာစီနိုလောင်းကစားရုံအလွန်အမင်းအချို့သောအပြုအမူတွေကိုဆောင်ကြဉ်းပေးနိုင်ဒီဇိုင်းပတ်ဝန်းကျင်မှာအင်ဂျင်နီယာကြသည်နှင့်သုတေသီများတစ်ဦးလောင်းကစားရုံ၌အပြုအမူလူ့အပြုအမူသို့တစ်ခဲ့ပြီးထိန်းချုပ်ပြတင်းပေါက်များကိုမယ်လို့မျှော်လင့်ထားတာပါ။ ကျနော်တို့ data ကိုကျနော်တို့စုံတစ်ဦးလောင်းကစားရုံဖန်တီးခံရခဲ့ကွောငျးကိုလျစ်လျူရှုလျှင်၏သင်တန်းကိုကျနော်တို့အရက်သောက်ခြင်းနှင့်စွန့်စားမှုအကြားဆက်ဆံရေးကိုလေ့လာနေဘို့စံပြ setting ကိုဖြစ်စေခြင်းငှါ, ကာစီနိုလောင်းကစားရုံ-In ဆိုတဲ့အချက်ကိုတစ်ဦးလောင်းကစားရုံရှိလူများလေ့လာနေလူ့အပြုအမူနှင့် ပတ်သက်. အရာတစ်ခုခုကိုသင်ယူဦးစားပေး-ပေမယ်နိုင် အချို့မကောင်းတဲ့ကောက်ချက်ဆွဲပါ။

အွန်လိုင်းစနစ်များအများအပြား features တွေ, စီးပွားဖြစ်များမှာညံ့ဖျင်းမှတ်တမ်းတင်နှင့်အဆက်မပြတ်ပြောင်းလဲနေတဲ့သောကြောင့်, ကံမကောင်းစွာပဲ, algorithmic ဖွငျ့နှင့်ဆက်ဆံရာတွင်အထူးသဖြင့်ခက်ခဲသည်။ ငါနောက်ပိုင်းတွင်ဤအခနျးတှငျရှင်းပြပါလိမ့်မယ်အဖြစ်ဥပမာ, algorithmic ဖွငျ့ Google ကတုပ်ကွေး Trends (ပုဒ်မ 2.4.2) ၏တဖြည်းဖြည်းချင်းချိုး-Down ဘို့တဖြစ်နိုင်သောရှင်းပြချက်ခဲ့ပေမယ့်ဤပြောဆိုချက်ကို Google ရဲ့ရှာဖွေရေး၏အတွင်းစိတ်ပြုပြင်ခြင်းသောကွောငျ့အကဲဖြတ်ရန်ခက်ခဲခဲ့ algorithm ကိုစီးပွားဖြစ်ဖြစ်ကြသည်။ algorithmic ဖွငျ့၏ dynamic သဘာဝစနစ်ကပျံ့တယောက်ပုံစံဖြစ်သည်။ algorithmic ဖွငျ့ငါတို့သည်နောက်ဘယ်လောက်ပဲကြီးမား, တစ်ခုတည်းဒစ်ဂျစ်တယ်စနစ်ကမှလာသည်ဟုလူ့အပြုအမူများအတွက်မည်သည့်ပြောဆိုချက်ကို ပတ်သက်. သတိဖြစ်သင့်ကြောင်းဆိုလိုသည်။