ボリュームゲーム：ビッグデータの書評–サイズは重要で小さなデータはありますか

人工知能が重い思考を行うビッグデータへの一見軽い紹介

他のものと論理的に接続されているものはすべてデータを生成しており、経済が現金が少ないほど、これらの接続は豊富になります。

ビッグデータ：サイズは重要ですか？
著者： ティマンドラハークネス
出版社： ブルームズベリーシグマ
ページ： 304
価格： 499

小さなデータ：巨大なトレンドを明らかにする小さな手がかり
著者： マーティンリンドストローム
出版社： アシェット・インディア
ページ： 245
価格： 399

しだれ柳に似た木

コメディアンで数学の改宗者であるティマンドラハークネスの本の表紙にある質問に対する簡単な答えは、もちろん、サイズは関係ありません。キングコングとゴジラの映画を除いて、それは決して重要ではありません。他のすべてのことにおいて、重要なのはアプローチです。ビッグデータアプローチは、広範に分散および並列化されたストレージおよび処理戦略によって定義されます。データセットのサイズは二次的なものですが、ボリュームがオーバークロックされると、物事は実際に騒ぎ始めます。

心地よく軽いタッチのハークネス氏は、空港の手荷物台車のスーツケースに詰められたテラバイトのハードディスクとして視覚化するデータの量が急速に増加しているため、数字が古くなっていると指摘しています。公開されました。他のものと論理的に接続されているものはすべてデータを生成しており、経済が現金が少ないほど、これらの接続は豊富になります。銀行口座に接続された電子ウォレットと携帯電話番号（通話と位置のデータを常に報告する）によってトラベルカードが再充電されると、所有者のプロファイルを作成するのに十分なデータが生成されます。

モノのインターネットが始まると、曲線は急勾配になります。インターネットに接続された車、冷蔵庫、手荷物タグ、輸送用パレットなどがフォームなどのデータを生成し、それをマイニングするためのアルゴリズムが作成されています。ここに、従来の統計手法とビッグデータアプローチの主な運用上の違いがあります。後者は、進行中に学習する人工知能に完全に依存しています。最初にパターン認識の基本でそれを指示し、それがそれ自体を改善するにつれて、理論的には、あなたが見つけることを期待していなかったが興味があるであろうパターンを探しているデータを通り抜けるポイントに到達するはずです。

興味深いことに、ブランディングの第一人者であるマーティン・リンドストロームの人間の知性は、かなり類似したパターンを探しています。それらはかなり小さなサンプルセットから選別されているため、彼の結論は、それらの有用性に応じて、逸話的または洞察として扱われる可能性があります。最初のカテゴリーは、空港でのビジネス旅行者に適しており、ブートしたビジネス旅行者は、ポケットの中で搭乗券を下向きにする傾向があるという彼の並外れた観察です。彼らは彼らが経済を飛んでいるという事実を隠したいからです。これは優れた娯楽価値を持っていますが、実用性はありません。その名誉は、デジタルゲームによって提供される即座の満足感に地面を失っていたレゴを明らかに好転させたリンドストロームの観察に行きます。彼は11歳のレゴファンに彼の最も貴重な所有物は何であるかを尋ねました。それは、所有者がチャンピオンのスケートボーダーであることを世界に知らせるために、正確に直角に擦り切れた古いスニーカーのペアであることが判明しました。満足から、レゴは、大人でさえ遊ぶミレニアムファルコンの高価なモデルのように、目に見える達成の証拠に焦点を合わせました。

カエデの木は樹皮で見分ける

洞察に満ちて、リンドストロームはビッグデータを信用していません。最近の1つであるため、AIは人間の教祖に取って代わります。パターン認識は洞察よりもはるかに信頼性があります。それは、機械が現在学んでいる生来の人間のスキルです。ハークネスは、ロンドンでの1854年のコレラの発生をソーホーでの単一の手押しポンプまで追跡するために統計的手法を使用した、英国の疫学者ジョン・スノーの画期的な仕事をほのめかしています。今日、AIはGoogleが医療アドバイスを検索し、そこからエピデミックへの接近の波面をマッピングし、医療サービスに戦略的な深みを与えています。ビッグデータはすでに企業や政府によって使用されており、想像を絶する方法で私たちの世界に影響を与えるでしょう。それが親切であれば、人間の洞察の余地は残ります。