The Volume Game: บทวิจารณ์หนังสือของ Big Data– ขนาดมีความสำคัญและข้อมูลขนาดเล็กหรือไม่

การแนะนำ Big Data แบบง่ายๆ ที่หลอกลวง โดยที่ปัญญาประดิษฐ์ทำหน้าที่คิดหนัก

หนังสือเทคโนโลยี บทวิจารณ์หนังสือเทคโนโลยี ข้อมูลขนาดใหญ่: บทวิจารณ์เกี่ยวกับขนาดหรือไม่ บทวิจารณ์หนังสือข้อมูลขนาดเล็ก หนังสือ Timandra Harkness หนังสือ Martin Lindstrom ที่เก็บข้อมูลเสมือน บทวิจารณ์หนังสือ หนังสือเล่มล่าสุดที่เปิดตัวสิ่งใดก็ตามที่เชื่อมโยงอย่างมีเหตุผลกับสิ่งอื่นกำลังสร้างข้อมูลและยิ่งเศรษฐกิจมีเงินสดน้อยลงเท่าใด การเชื่อมต่อเหล่านี้ก็จะยิ่งสมบูรณ์ยิ่งขึ้น

Big Data: ขนาดมีความสำคัญหรือไม่
ผู้เขียน: Timandra Harkness
สำนักพิมพ์: Bloomsbury Sigma
หน้า: 304
ราคา: 499



Small Data: เงื่อนงำเล็ก ๆ ที่เปิดเผยแนวโน้มขนาดใหญ่
ผู้เขียน: มาร์ติน ลินด์สตรอม
สำนักพิมพ์: Hachette อินเดีย
หน้า: 245
ราคา: 399



พืชที่เขียวชอุ่มตลอดปีขนาดเล็กสำหรับพรมแดน

คำตอบสั้นๆ สำหรับคำถามบนหน้าปกของหนังสือตลกและนักคิดคณิตศาสตร์ Timandra Harkness คือ แน่นอนว่าขนาดไม่สำคัญ มันไม่สำคัญหรอก ยกเว้นในหนัง King Kong และ Godzilla ในเรื่องอื่นๆ ทั้งหมดเป็นแนวทางที่สำคัญ แนวทางบิ๊กดาต้าถูกกำหนดโดยกลยุทธ์การจัดเก็บและการประมวลผลแบบกระจายและขนานกันอย่างมากมาย ขนาดของชุดข้อมูลเป็นเรื่องรอง แต่สิ่งต่างๆ จะเริ่มกระหึ่มเมื่อโอเวอร์คล็อกโวลุ่ม



Harkness ผู้มีสัมผัสเบาสบาย ชี้ให้เห็นว่าปริมาณข้อมูลที่มีอยู่ ซึ่งเธอมองเห็นเป็นฮาร์ดดิสก์เทราไบต์ที่บรรจุในกระเป๋าเดินทางบนรถเข็นของสนามบิน กำลังเติบโตอย่างรวดเร็วจนตัวเลขล้าสมัยเมื่อถึงเวลา ที่ตีพิมพ์. สิ่งใดก็ตามที่เชื่อมโยงอย่างมีเหตุผลกับสิ่งอื่นกำลังสร้างข้อมูลและยิ่งเศรษฐกิจมีเงินสดน้อยลงเท่าใด การเชื่อมต่อเหล่านี้ก็จะยิ่งสมบูรณ์ยิ่งขึ้น หากบัตรเดินทางถูกชาร์จโดยกระเป๋าเงินอิเล็กทรอนิกส์ที่เชื่อมต่อกับบัญชีธนาคารและหมายเลขโทรศัพท์มือถือ (ซึ่งรายงานข้อมูลการโทรและตำแหน่งอย่างต่อเนื่อง) ข้อมูลเพียงพอจะถูกสร้างขึ้นเพื่อโปรไฟล์เจ้าของ

เส้นโค้งจะสูงขึ้นเมื่อ Internet of Things เริ่มเข้ามา รถยนต์ที่เชื่อมต่ออินเทอร์เน็ต ตู้เย็น ป้ายติดกระเป๋า พาเลทสำหรับการขนส่ง และอื่นๆ จะสร้างข้อมูล เช่น โฟม และอัลกอริธึมกำลังเขียนลงในเหมือง ต่อไปนี้คือความแตกต่างในการปฏิบัติงานหลักระหว่างวิธีการทางสถิติแบบดั้งเดิมกับแนวทางข้อมูลขนาดใหญ่: วิธีหลังขึ้นอยู่กับปัญญาประดิษฐ์อย่างสมบูรณ์ซึ่งเรียนรู้ในขณะที่มันดำเนินไป ขั้นแรก คุณสอนมันในพื้นฐานของการรู้จำรูปแบบและในขณะที่มันปรับปรุงตัวมันเอง ในทางทฤษฎีแล้ว มันควรจะไปถึงจุดที่มันไถผ่านทะเลข้อมูลเพื่อแสวงหารูปแบบที่คุณไม่ได้คาดหวังว่าจะพบ แต่จะสนใจ



ที่น่าสนใจคือ ความฉลาดของมนุษย์ของกูรูด้านการสร้างแบรนด์ Martin Lindstrom พยายามค้นหารูปแบบที่คล้ายคลึงกัน เนื่องจากพวกมันถูกคัดมาจากชุดตัวอย่างที่ค่อนข้างเล็ก ข้อสรุปของเขาอาจถือเป็นเรื่องเล็ก ๆ น้อย ๆ หรือเป็นข้อมูลเชิงลึก ขึ้นอยู่กับอรรถประโยชน์ของพวกเขา ในประเภทแรกเป็นการสังเกตที่ไม่ธรรมดาของเขาซึ่งเหมาะกับนักเดินทางเพื่อธุรกิจในสนามบินและมีแนวโน้มว่าจะมีบัตรขึ้นเครื่องคว่ำลงในกระเป๋า เพราะต้องการปกปิดความจริงที่ว่าพวกเขากำลังบินประหยัด มีค่าความบันเทิงที่ยอดเยี่ยม แต่ไม่มีประโยชน์ เกียรติยศนั้นตกเป็นของ Lindstrom ที่สังเกตเห็นว่าหันไปรอบ ๆ Lego ซึ่งสูญเสียพื้นฐานไปสู่ความพึงพอใจทันทีที่นำเสนอโดยเกมดิจิทัล เขาถามแฟนเลโก้อายุ 11 ปีว่าสมบัติล้ำค่าที่สุดของเขาคืออะไร มันกลับกลายเป็นว่ารองเท้าผ้าใบเก่าคู่หนึ่งถูกขูดเป็นเส้นตรงเพื่อประกาศให้โลกรู้ว่าเจ้าของของพวกเขาเป็นแชมป์สเก็ตบอร์ด จากความพอใจ เลโก้ได้หันความสนใจไปที่การพิสูจน์ความสำเร็จที่มองเห็นได้ เช่น โมเดลราคาแพงของ Millennium Falcon ที่แม้แต่ผู้ใหญ่ก็เล่นด้วย



รายชื่อพันธุ์ผีเสื้อพร้อมรูปภาพ

Lindstrom ไม่ไว้วางใจ Big Data ด้วยความเข้าใจอย่างลึกซึ้ง เพราะวันหนึ่ง AI จะเข้ามาแทนที่กูรูที่เป็นมนุษย์ การจดจำรูปแบบมีความน่าเชื่อถือมากกว่าความเข้าใจ เป็นทักษะโดยกำเนิดของมนุษย์ซึ่งขณะนี้เครื่องจักรกำลังเรียนรู้ Harkness กล่าวถึงงานบุกเบิกของนักระบาดวิทยาชาวอังกฤษ John Snow ซึ่งใช้เทคนิคทางสถิติเพื่อติดตามการระบาดของอหิวาตกโรคในปี 1854 ในลอนดอนไปยังเครื่องสูบน้ำเพียงเครื่องเดียวในโซโห วันนี้ AIs แย่งชิง Google ค้นหาคำแนะนำทางการแพทย์จากที่พวกเขาทำแผนที่ wavefronts ของโรคระบาดที่ใกล้เข้ามาโดยให้ความลึกเชิงกลยุทธ์ของบริการสุขภาพ องค์กรและภาครัฐใช้ Big Data แล้ว และจะมีอิทธิพลต่อโลกของเราในรูปแบบที่ไม่อาจจินตนาการได้ หากใจดี พื้นที่สำหรับความเข้าใจของมนุษย์จะยังคงอยู่