A Technology Review/MIT elencou 10 tecnologias "emergentes" em 2008. Uma das mais inquietantes é uma espécie de simulador de surpresas (Surprise Modeling), que combina mineração de dados (data mining) e máquinas inteligentes com capacidade de aprendizagem, visando modelizar surpresas futuras e auxiliar indivíduos a tomarem decisões nos campos da medicina preventiva, da política, do mercado financeiro, da segurança e da estratégia militar, entre outros. Já há um protótipo sendo usado para antecipar e auxiliar a gestão de surpresas no trânsito de Seattle. Eis como funciona:
"But how? To monitor surprises effectively, says Horvitz, the machine has to have both knowledge--a good cognitive model of what humans find surprising--and foresight: some way to predict a surprising event in time for the user to do something about it.
Horvitz's group began with several years of data on the dynamics and status of traffic all through Seattle and added information about anything that could affect such patterns: accidents, weather, holidays, sporting events, even visits by high-profile officials. Then, he says, for dozens of sections of a given road, "we divided the day into 15-minute segments and used the data to compute a probability distribution for the traffic in each situation."
That distribution provided a pretty good model of what knowledgeable drivers expect from the region's traffic, he says. "So then we went back through the data looking for things that people wouldn't expect--the places where the data shows a significant deviation from the averaged model." The result was a large database of surprising traffic fluctuations.
Once the researchers spotted a statistical anomaly, they backtracked 30 minutes, to where the traffic seemed to be moving as expected, and ran machine-learning algorithms to find subtleties in the pattern that would allow them to predict the surprise. The algorithms are based on Bayesian modeling techniques, which calculate the probability, based on prior experience, that something will happen and allow researchers to subjectively weight the relevance of contributing events."
Essa espécie de demônio de Laplace aplicado ao ideal contemporâneo de gestão de si e do outro transpõe para o mundo cotidiano o movimento, já corriqueiro na tecnociência, de colonização do futuro pelas vias do controle e da previsão. Ao mesmo tempo, essa engenhoca parece um manual de auto-ajuda tecnologicamente assistido e, ainda que venha a ser eficaz nas suas funções, nos faz rir pelo absurdo de sua promessa - abolir o acaso pela sua própria simulação. Aliás, assim como na auto-ajuda, talvez também aí a eficácia operatória seja proporcional ao absurdo da promessa.
Um detalhe significativo e nada surpreendente ;-) : o projeto é da Microsoft Research.
É preciso invocar as marteladas nietzschenas contra esses eunucos concupiscentes e essas aranhas da razão:
"Por acaso, esta é a mais antiga nobreza do mundo, eu a restituí a todas as coisas, eu as libertei da servidão da finalidade...Encontrei em todas as coisas esta certeza bem-aventurada de que elas preferem dançar sobre os pés do acaso"
"But how? To monitor surprises effectively, says Horvitz, the machine has to have both knowledge--a good cognitive model of what humans find surprising--and foresight: some way to predict a surprising event in time for the user to do something about it.
Horvitz's group began with several years of data on the dynamics and status of traffic all through Seattle and added information about anything that could affect such patterns: accidents, weather, holidays, sporting events, even visits by high-profile officials. Then, he says, for dozens of sections of a given road, "we divided the day into 15-minute segments and used the data to compute a probability distribution for the traffic in each situation."
That distribution provided a pretty good model of what knowledgeable drivers expect from the region's traffic, he says. "So then we went back through the data looking for things that people wouldn't expect--the places where the data shows a significant deviation from the averaged model." The result was a large database of surprising traffic fluctuations.
Once the researchers spotted a statistical anomaly, they backtracked 30 minutes, to where the traffic seemed to be moving as expected, and ran machine-learning algorithms to find subtleties in the pattern that would allow them to predict the surprise. The algorithms are based on Bayesian modeling techniques, which calculate the probability, based on prior experience, that something will happen and allow researchers to subjectively weight the relevance of contributing events."
Essa espécie de demônio de Laplace aplicado ao ideal contemporâneo de gestão de si e do outro transpõe para o mundo cotidiano o movimento, já corriqueiro na tecnociência, de colonização do futuro pelas vias do controle e da previsão. Ao mesmo tempo, essa engenhoca parece um manual de auto-ajuda tecnologicamente assistido e, ainda que venha a ser eficaz nas suas funções, nos faz rir pelo absurdo de sua promessa - abolir o acaso pela sua própria simulação. Aliás, assim como na auto-ajuda, talvez também aí a eficácia operatória seja proporcional ao absurdo da promessa.
Um detalhe significativo e nada surpreendente ;-) : o projeto é da Microsoft Research.
É preciso invocar as marteladas nietzschenas contra esses eunucos concupiscentes e essas aranhas da razão:
"Por acaso, esta é a mais antiga nobreza do mundo, eu a restituí a todas as coisas, eu as libertei da servidão da finalidade...Encontrei em todas as coisas esta certeza bem-aventurada de que elas preferem dançar sobre os pés do acaso"
Nenhum comentário:
Postar um comentário