Karşı olguların karmaşık matematiği, Spotify’ın bir sonraki favori şarkınızı seçmesine yardımcı olabilir

Meta’da bir yazılım mühendisi olan Nailong Zhang, “Makine öğrenimi için nedensel akıl yürütme çok önemlidir” diyor. Meta, Instagram’ın kullanıcılarına geri gelmelerini sağlamak için ne kadar ve ne tür bildirimler göndermesi gerektiğini yöneten bir makine öğrenimi modelinde nedensel çıkarım kullanıyor.

Indiana’daki Purdue Üniversitesi’nde veri bilimcisi olan Romila Pradhan, otomatik karar vermeyi daha şeffaf hale getirmek için karşı olguları kullanıyor. Kuruluşlar artık kimin kredi, iş, şartlı tahliye ve hatta konut alacağını (ve kimin alamayacağını) seçmek için makine öğrenimi modellerini kullanıyor. Düzenleyiciler, kuruluşlardan bu kararların birçoğunun sonucunu bu kararlardan etkilenenlere açıklamalarını talep etmeye başladılar. Ancak karmaşık bir algoritma tarafından atılan adımları yeniden oluşturmak zordur.

Pradhan, karşı olguların yardımcı olabileceğini düşünüyor. Bir bankanın makine öğrenimi modelinin kredi başvurunuzu reddettiğini ve siz bunun nedenini öğrenmek istediğinizi varsayalım. Bu soruyu cevaplamanın bir yolu, karşı olgulardır. Başvurunun gerçek dünyada reddedildiği düşünülürse, kredi geçmişinizin farklı olduğu kurgusal bir dünyada reddedilir miydi? Peki ya farklı bir posta kodunuz, işiniz, geliriniz vb. Pradhan, bu tür soruları gelecekteki kredi onay programlarında yanıtlama yeteneğinin geliştirilmesinin, bankalara müşterilere sadece evet veya hayır demek yerine nedenler sunma yolu vereceğini söylüyor.

Karşı olgular önemlidir, çünkü insanlar farklı sonuçlar hakkında bu şekilde düşünürler, diyor Pradhan: “Açıklamaları yakalamanın iyi bir yolu.”

Ayrıca şirketlerin insanların davranışlarını tahmin etmesine yardımcı olabilirler. Karşı-olgusallar, yalnızca ortalama olarak değil, belirli bir durumda ne olabileceğine dair çıkarımlar yapılmasını mümkün kıldığı için, teknoloji platformları bunu insanları her zamankinden daha kesin bir şekilde güvercin deliği yapmak için kullanabilir.

Kirli su veya borç verme kararlarının etkilerini ortadan kaldırabilen aynı mantık, Spotify çalma listelerinin, Instagram bildirimlerinin ve reklam hedeflemenin etkisini geliştirmek için kullanılabilir. Bu şarkıyı çalarsak, o kullanıcı daha uzun süre dinler mi? Bu resmi gösterirsek, o kişi kaydırmaya devam edecek mi? Gilligan-Lee, “Şirketler, ortalama bir kullanıcı yerine belirli kullanıcılara nasıl öneride bulunulacağını anlamak istiyor” diyor.