 |
| ויזואליזציה של פעילות ויקיפדית שבוצעה על ידי הבוט "Pearle". המידע הקיים בויקיפדיה הוא דוגמה ל-Big Data מקור התמונה: ויקיפדיה |
ההתפתחות הטכנולוגית המואצת מייתרת מקצועות ומחייבת עובדים במקצועות אחרים לעבוד בשילוב מערכות ממוחשבות, המבצעות חלק מתהליכי העבודה שביצעו בעבר עובדים אנושיים.
דנתי בבלוג זה בהיבטים שונים של תהליך זה. קראו למשל: החלשות מעמד הביניים ותכנון העתיד הכלכלי של משפחתכם, הכנסה ומקצוע והכנסה ומקצוע מה ללמוד והיכן?
בפוסט זה אתמקד בהשפעת הגידול המואץ במידע ממוחשב על עבודה.
חזרה קצרה לעבר
כסטודנט צעיר בשנות ה-70 וה-80 השמשתי לא מעט בתוכנות סטטיסטיות לעיבוד וניתוח תוצאות מחקרים וניסויים. כמה שנים לפני כן השתמשו בעיבודים ידניים.
אם ניקח לדוגמה מבחן סטטיסטי נפוץ לבדיקת השערות הנקרא
t-test, אז דווקא קלות ביצועו באמצעות תוכנה סטטיסטית גרמה לפעמים לביצוע מחקרים שגויים מתודולוגית.
t-test, אז דווקא קלות ביצועו באמצעות תוכנה סטטיסטית גרמה לפעמים לביצוע מחקרים שגויים מתודולוגית.
כאשר העיבודים היו ידניים והחישובים לקחו זמן רב העלו השערת מחקר ובדקו אותה באמצעות מבחן סטטיסטי.
כשהשתמשו בתוכנה, אלה שעבדו לא נכון מתודולוגית, הריצו הרבה עיבודים של מבחני t על משתנים שונים וכשמצאו תוצאה מובהקת בנו השערת מחקר המתייחסת לאותם משתנים.
גם כשאין קשר סטטיסטי בין משתנים, כשמריצים הרבה עיבודים מוצאים קשר כזה בין משתנים. קשר זה הוא מקרי במדגם נתונים ספציפי.
זה דומה לציור המטרה במקום שנפל חץ אחרי ששלחנו אותו.
הדוגמה מראה שיכולת מחשוב המקלה על ביצוע עיבודים לא בהכרח מביאה לתוצאות טובות יותר.
כשיש הרבה נתונים
ככל שכמות הנתונים גדולה יותר, קשה יותר לאדם להתייחס אליהם ולנתח אותם.
בעידן המחשוב הנוכחי אנחנו מוצפים בכמויות אדירות של נתונים שגדלות בקצב מהיר. המקצוענים בתחום מערכות המידע קוראים לזה: Big Data.
זהו עוד גורם לכך שמקצועות מתיתרים או לפחות עובדים חייבים להיות בעלי כישורים טובים בתחום המחשבים על מנת להגדיר, לתכנת ולהפעיל עיבודים ממוחשבים שיבצעו את אותן משימות עבודה בהם למחשבים ורובוטים יתרונות גדולים על בני אדם. עיבודים עתירי מידע הם בהחלט כאלה.
לא מפתיע, שלאחרונה קראתי על משרד עורכי דין גדול בארה"ב ששכר את שירותיו של עו"ד המתמחה בתחום מסוים. זו הפעם הראשונה שאותו עו"ד הוא תוכנה ולא בן אדם.
הרופאים והתפוצצות המידע
הפוסטים קבלת החלטות של רופאים ומי קיבל את ההחלטה: מכשיר המדידה או הרופא? התבססו במידה רבה על ספרו של הרופא ד"ר ג'רום גרופמן "רופאים איך הם חושבים".
גם בנושא של התפוצצות המידע יש לד"ר גרופמן מה להגיד כשמדובר ברופאים המנתחים צילומים ממוחשבים של בדיקות.
כמו במבחנים הסטטיסטיים, שהזכרתי בפסקה "חזרה קצרה לעבר", קל וזול בטכנולוגיה של היום לבצע מספר גדול של צילומים.
הבעיות הן של הרופאים המנתחים אותם. התפוצצות המידע גורמת לדברים הבאים:
1. בעיות רפואיות לרופאים שמטים את צווארם וצריכים להביט במרוכז לאורך זמן בכל כך הרבה צילומים.
2. הרבה רופאים פחות מרוכזים בפרטים ומפספסים ממצאים חריגים המופיעים באחד הצילומים.
הפספוס הזה עלול לעלות ביוקר תרתי משמע: גם בבריאותו של החולה וגם בהקשר הכספי.
על מנת לפתור את הבעיה נתנו לתוכנות מחשב לנתח את הצילומים. תוכנה מסוגלת להתמודד יותר בקלות עם כל כך הרבה נתונים.
השוואת הביצועים של תוכנות המחשב לעומת הרופאים הראתה שהתוכנה הייתה מדויקת יותר מהרופאים אבל...
באחוז גבוה יותר מהמקרים הניתוח של התוכנה הצביע על מחלה או חשש ממחלה גם כשהנבדקים היו בריאים.
המשמעות של ההטיה הזו היא שיותר אנשים מקבלים טיפולים מיותרים, יקרים ובלא מעט מקרים מזיקים, שלא היו צריכים לקבל כלל.
תחשבו למשל על טיפול כימותירפי לחולה המאובחן כחולה סרטן על אף שהוא בריא.
השורה התחתונה
הכמויות הגדולות של הנתונים הממוחשבים והקצב הגבוה בו הם גדלים גורמים לכך שיותר מטלות עבודה או עבודות מתבצעות על ידי מחשבים במקום בני אדם.
בני אדם אינם מסוגלים להתמודד בפרק זמן סביר, אם בכלל, אם כמויות מידע כאלה.
האם זה מביא לתוצאות טובות יותר? לא תמיד ולא בהכרח.
כשהשתמשו בתוכנה, אלה שעבדו לא נכון מתודולוגית, הריצו הרבה עיבודים של מבחני t על משתנים שונים וכשמצאו תוצאה מובהקת בנו השערת מחקר המתייחסת לאותם משתנים.
גם כשאין קשר סטטיסטי בין משתנים, כשמריצים הרבה עיבודים מוצאים קשר כזה בין משתנים. קשר זה הוא מקרי במדגם נתונים ספציפי.
זה דומה לציור המטרה במקום שנפל חץ אחרי ששלחנו אותו.
הדוגמה מראה שיכולת מחשוב המקלה על ביצוע עיבודים לא בהכרח מביאה לתוצאות טובות יותר.
כשיש הרבה נתונים
ככל שכמות הנתונים גדולה יותר, קשה יותר לאדם להתייחס אליהם ולנתח אותם.
בעידן המחשוב הנוכחי אנחנו מוצפים בכמויות אדירות של נתונים שגדלות בקצב מהיר. המקצוענים בתחום מערכות המידע קוראים לזה: Big Data.
זהו עוד גורם לכך שמקצועות מתיתרים או לפחות עובדים חייבים להיות בעלי כישורים טובים בתחום המחשבים על מנת להגדיר, לתכנת ולהפעיל עיבודים ממוחשבים שיבצעו את אותן משימות עבודה בהם למחשבים ורובוטים יתרונות גדולים על בני אדם. עיבודים עתירי מידע הם בהחלט כאלה.
לא מפתיע, שלאחרונה קראתי על משרד עורכי דין גדול בארה"ב ששכר את שירותיו של עו"ד המתמחה בתחום מסוים. זו הפעם הראשונה שאותו עו"ד הוא תוכנה ולא בן אדם.
הרופאים והתפוצצות המידע
הפוסטים קבלת החלטות של רופאים ומי קיבל את ההחלטה: מכשיר המדידה או הרופא? התבססו במידה רבה על ספרו של הרופא ד"ר ג'רום גרופמן "רופאים איך הם חושבים".
גם בנושא של התפוצצות המידע יש לד"ר גרופמן מה להגיד כשמדובר ברופאים המנתחים צילומים ממוחשבים של בדיקות.
כמו במבחנים הסטטיסטיים, שהזכרתי בפסקה "חזרה קצרה לעבר", קל וזול בטכנולוגיה של היום לבצע מספר גדול של צילומים.
הבעיות הן של הרופאים המנתחים אותם. התפוצצות המידע גורמת לדברים הבאים:
1. בעיות רפואיות לרופאים שמטים את צווארם וצריכים להביט במרוכז לאורך זמן בכל כך הרבה צילומים.
2. הרבה רופאים פחות מרוכזים בפרטים ומפספסים ממצאים חריגים המופיעים באחד הצילומים.
הפספוס הזה עלול לעלות ביוקר תרתי משמע: גם בבריאותו של החולה וגם בהקשר הכספי.
על מנת לפתור את הבעיה נתנו לתוכנות מחשב לנתח את הצילומים. תוכנה מסוגלת להתמודד יותר בקלות עם כל כך הרבה נתונים.
השוואת הביצועים של תוכנות המחשב לעומת הרופאים הראתה שהתוכנה הייתה מדויקת יותר מהרופאים אבל...
באחוז גבוה יותר מהמקרים הניתוח של התוכנה הצביע על מחלה או חשש ממחלה גם כשהנבדקים היו בריאים.
המשמעות של ההטיה הזו היא שיותר אנשים מקבלים טיפולים מיותרים, יקרים ובלא מעט מקרים מזיקים, שלא היו צריכים לקבל כלל.
תחשבו למשל על טיפול כימותירפי לחולה המאובחן כחולה סרטן על אף שהוא בריא.
השורה התחתונה
הכמויות הגדולות של הנתונים הממוחשבים והקצב הגבוה בו הם גדלים גורמים לכך שיותר מטלות עבודה או עבודות מתבצעות על ידי מחשבים במקום בני אדם.
בני אדם אינם מסוגלים להתמודד בפרק זמן סביר, אם בכלל, אם כמויות מידע כאלה.
האם זה מביא לתוצאות טובות יותר? לא תמיד ולא בהכרח.
אין תגובות:
הוסף רשומת תגובה