Faida:
- Uwezo wa kupima na kuripoti kutokuwa na uhakika na mkusanyiko, uchambuzi wa unyeti, uthibitishaji wa msalaba na upimaji wa upofu
- Uwezo wa kuzuia uvujaji wa data kwa kuitenganisha kwa misingi ya kisima/uga na kuhakikisha kuwa usahihi ulioripotiwa unaonyesha ujanibishaji wa kweli.
- Uwezo wa kurekebisha alama ya uaminifu wa akili bandia na mchoro wa kuegemea na kutumia nidhamu ya kutotumia alama isiyo na kipimo kama uwezekano
Kuna mada inayojirudia katika kila kitengo cha moduli hii: hakuna "majibu ya uhakika" katika jiofizikia, mifano tu iliyopunguzwa na kutokuwa na uhakika. Kitengo hiki kinageuza mada hiyo kuwa taaluma. Kutokuwa na uhakika kwa mfano ni kuwepo kwa miundo tofauti ya uso chini ambayo inaweza kueleza data sawa na kila muundo hubeba muda wa kujiamini. Uthibitishaji ni kupima kwa ushahidi huru ikiwa kielelezo au matokeo ya AI ni halali. Urekebishaji ni kuhakikisha kuwa thamani za kujiamini/uwezekano zinazotolewa na modeli zinalingana na matokeo halisi. Katika kitengo hiki, tutachunguza jinsi akili ya bandia (AI) inaweza kupima na kuficha kutokuwa na uhakika; na tutaona ni kwa nini mfumo thabiti wa urekebishaji-udhibitishaji hufanya AI itegemeke.
Vyanzo vya kutokuwa na uhakika
Kutokuwa na uhakika wa kijiografia hutoka kwa tabaka kadhaa:
- Kutokuwa na uhakika wa data: Kelele ya kipimo, ufunikaji mdogo, hitilafu ya urekebishaji.
- Kutokuwa na uhakika kwa mfano (polisemia): Kuweka zaidi ya muundo mmoja wa sehemu ndogo kwenye data sawa.
- Kutokuwa na uhakika wa njia/kigezo: Uchakataji, ubadilishaji, na chaguo za urekebishaji hubadilisha matokeo.
- Kutokuwa na uhakika mahususi kwa AI: Uwezo wa modeli wa kubaki na ujasiri lakini unashindwa wakati unasonga nje ya usambazaji wa mafunzo (mabadiliko ya usambazaji).
Kazi ya geophysicist nzuri sio kuondokana na kutokuwa na uhakika huu, lakini kupima, kuwasiliana na kuipunguza. AI inaweza kurahisisha hii (kutoa hali nyingi) lakini pia inaweza kuificha kwa urahisi kwa kutoa jibu moja la kujiamini.
Njia za kupima kutokuwa na uhakika
Zana chache za vitendo:
- Kuunganisha: Mitindo mingi yenye kuanzia, vigezo au miundo tofauti; Kuenea kwa matokeo kunatoa kutokuwa na uhakika.
- Uchambuzi wa unyeti: Kubadilisha ingizo (kigezo, kikundi kidogo cha data) na kuona ni kiasi gani matokeo yanabadilika.
- Uthibitishaji mtambuka: Kugawanya data katika vipande, mafunzo na sehemu moja na kupima na nyingine; Hupima nguvu ya jumla.
- Mtihani wa upofu: Kujaribu mfano na kisima / uwanja unaojitegemea ambao haujawahi kuona kwenye mafunzo.
- Matokeo ya uwezekano: Kutoa matokeo kama muda wa usambazaji/uaminifu, sio thamani moja.
Kidokezo: Wakati AI inatoa matokeo, uliza kila wakati: "Nini na ni kiasi gani ninahitaji kusonga kwenye pembejeo ili kubadilisha matokeo haya?" Ikiwa matokeo yatabadilika na mabadiliko madogo ya parameta, matokeo hayo ni dhaifu na kutokuwa na uhakika ni juu.
Urekebishaji: je, alama ya kujiamini inashikilia ukweli?
Mitindo ya AI mara nyingi hutoa kujiamini/uwezekano ("kosa 90%). Lakini nambari hii inapotosha ikiwa haijasawazishwa: mfano huo ni sawa katika labda 60% ya kesi ambayo inasema ni "90%". Urekebishaji ni kupanga nambari hii kwa kiwango halisi cha matokeo. Kwa mazoezi, mchoro wa kuegemea hutolewa: mfano uliosawazishwa vizuri ni sawa 90% inaposema "90%". Katika jiofizikia, ni muhimu kurekebisha alama ya imani ya AI kwa kutumia data huru kabla ya kuifanya kuwa msingi wa uamuzi.
Tahadhari: Usahihi wa juu sio sawa na urekebishaji mzuri. Mfano unaweza kuwa sahihi kwa ujumla lakini kujiamini kupita kiasi; Jambo muhimu katika maamuzi muhimu ni kwamba inategemewa kweli inaposema "95%". Usichukulie alama ya kujiamini isiyo na kipimo kama uwezekano.
Sheria za dhahabu za uthibitishaji
Kwa uthibitishaji thabiti: (1) Uhuru — data ya jaribio haipaswi kuingilia mchakato wa mafunzo/upangaji hata kidogo (kuvuja kwa data - huongeza matokeo). (2) Jaribio la upofu — shamba/kisima ambacho modeli haoni. (3) Uthabiti wa kimwili - matokeo haipaswi kupingana na fizikia na jiolojia. (4) Reproducibility — matokeo sawa na ingizo sawa, na inaweza kuzalishwa na mtu mwingine. (5) Nyaraka - rekodi ya data gani, parameter gani, toleo la mfano lilitumiwa.
kesi tatu ndogo
Kesi ya 1 - Uongo wa uvujaji wa data. Timu moja iliripoti kuwa kiainishaji cha nyuso kilitoa usahihi wa 94%. Uchunguzi ulionyesha kuwa sampuli za jirani kutoka kisima kimoja zilihusika katika mafunzo na upimaji (data kuvuja). Ilipovunjwa na kisima, usahihi ulishuka hadi 71% - huo ulikuwa ujanibishaji wa kweli. Uvujaji huo ulifanya modeli ionekane bora kuliko ilivyokuwa.
Kesi ya 2 - Mfano wa kujiamini kupita kiasi. Kigunduzi kimoja cha makosa kilitoa "uaminifu wa 95%" katika ishara zake. Mchoro wa kuaminika ulionyesha kuwa alama za "95%" zilikuwa sahihi kwa 70%. Baada ya muundo kusawazishwa, alama za kujiamini zilikuja kuwa za kweli na watoa maoni walirekebisha kwa usahihi ni kiasi gani wangeamini kila ishara.
Kesi 3 - Inversion tete. Mfano wa mvuto ulionekana kushawishi sana. Uchambuzi wa unyeti ulionyesha kuwa muundo mkuu ulipotea wakati uzito wa utaratibu ulibadilika kwa 20%: muundo haukuja kutoka kwa data, lakini kutoka kwa uteuzi wa parameter. Timu ilialamisha muundo kama "uaminifu mdogo" na ikaomba data ya ziada.
Violezo vinne vinavyoweza kunakiliwa
1) Mpango wa kipimo cha kutokuwa na uhakika:
Jukumu lako: mshauri wa kutokuwa na uhakika wa kijiografia. Nina matokeo ya [inversion / uainishaji / utabiri]. Je, ni njia gani (zilizounganishwa, unyeti, uthibitishaji-mtambuka, upofu) ninazotumia kupima kutokuwa na uhakika na kwa utaratibu gani? Eleza kile kila mmoja ananiambia na jinsi ya kuripoti matokeo.
2) ukaguzi wa urekebishaji:
Mfano wangu wa AI unatoa alama ya kujiamini/uwezekano. Je, ninawezaje kupima kama alama hii imesawazishwa? Je, ninawezaje kuunda mchoro wa kutegemewa, kutambua "kujiamini kupita kiasi" au "tahadhari" na kuoanisha alama kwa kiwango halisi cha matokeo?
3) Ukaguzi wa uvujaji wa data:
Nilimfundisha mwanafunzi wa uainishaji wa kijiofizikia. Je! nitapataje na kuzuia hatari ya kuvuja kwa data (sampuli za kisima/uga zinazoingia katika mafunzo na majaribio)? Ninawezaje kuweka utengano kwa kisima/uwanja? Nitajuaje ikiwa usahihi ulioripotiwa unaonyesha ujanibishaji wa kweli?
4) Matokeo ya majaribio ya udhaifu:
Nina matokeo ya ubadilishaji / mfano. Nataka kuelewa jinsi matokeo haya ni dhaifu. Kwa kubadilisha ni vigezo gani na muundo mkuu unabadilika kiasi gani? Ninawezaje kutofautisha ikiwa muundo unatoka kwa data au vigezo/msingi? Toa itifaki ya unyeti.
Mwongozo dhaifu / Mwongozo thabiti
Agizo dhaifu:
Tazama ikiwa mfano wangu una usahihi wa hali ya juu.
Nambari moja ya ukweli; kuvuja huficha calibration na generalization, kutoa imani ya uongo.
Agizo lenye nguvu:
Jukumu lako: mtaalam wa uthibitishaji wa mfano. Ingizo: [kiainishaji hutoa N vizuri, alama za kujiamini]. Kazi: (1) kupendekeza mgao wenye msingi mzuri dhidi ya uvujaji wa data; (2) kufunga kisima kipofu kupima; (3) kurekebisha alama ya kujiamini kwa kutumia mchoro wa kutegemewa; (4) jaribu jinsi matokeo ni nyeti kwa kigezo. Kupunguzwa kwa nambari moja ya ukweli; Ripoti ujanibishaji, urekebishaji na udhaifu kando.
Uvujaji, upimaji wa upofu, urekebishaji na ombi la unyeti hufanya uthibitishaji kuwa wa kweli.
Vyombo vya kutokuwa na uhakika
gari
Je, inapima nini?
Hatari kuu
pato
kukusanyika
Uenezi wa mfano
Gharama ya akaunti
Masafa/usambazaji
Unyeti
Athari ya parameta
Ulikosa ingizo
Udhaifu
uthibitisho wa msalaba
ujumla
uvujaji wa data
usahihi wa kweli
mtihani wa upofu
mafanikio ya kujitegemea
Seti ya mtihani haitoshi
uaminifu
Urekebishaji
kuamini ukweli
kujiamini kupita kiasi
uwezekano uliowekwa
Makosa ya kawaida
- Bila kugundua kuvuja kwa data. Inakuza haki; Tenganisha kwa kisima/uwanja.
- Kutumia alama ya kujiamini bila kusawazisha. "90%" inaweza isiwe 90%.
- Kutegemea nambari moja ya ukweli. Ujumla na ukadiriaji ni vitu viwili tofauti.
- Si kupima uwezekano wa kuathirika. Muundo uliopotea na parameta sio habari halisi.
- Si kuripoti kutokuwa na uhakika. Kuwasilisha matokeo bila muda wa kujiamini ni kupotosha.
Kwa muhtasari
Kutokuwa na uhakika ni ukweli usioweza kuepukika wa jiofizikia; kazi ni kuipima, kuwasiliana nayo, na kupunguza chini. AI hurahisisha hili kwa kukusanyika, usikivu, na matokeo ya uwezekano, lakini pia inaweza kuificha kwa jibu moja la kujiamini. Sura thabiti; kuzuia kuvuja kwa data, kupima ujanibishaji kwa kupima kwa upofu, kurekebisha alama za kujiamini, na kupima udhaifu wa matokeo. Uaminifu usio na kipimo, ukweli ambao haujathibitishwa, na kutokuwa na uhakika uliofichika ni udanganyifu tatu hatari zaidi. Jiofizikia inayotegemewa ni fizikia ya jiografia ambayo inaonyesha kwa uaminifu kutokuwa na uhakika wake.
Jukumu la maombi
Chagua matokeo ya kijiofizikia ya AI (uainishaji, ubadilishaji au utabiri). Panga hatua za ujumuishaji/usikivu/upofu kwa kutumia kiolezo cha "mpango wa kipimo cha kutokuwa na uhakika". Kisha jaribu tofauti yako ya jaribio la treni kwa kiolezo cha "Ukaguzi wa uvujaji wa data". Iwapo muundo utatoa alama ya kujiamini, tathmini ikiwa alama ni ya kweli kwa kiolezo cha "Cheki cha Urekebishaji" na uandike matokeo yako kwa muda wa kujiamini.
orodha ya ukaguzi
- [ ] Nilipima kutokuwa na uhakika kwa mkusanyiko/unyeti.
- [ ] Nilizuia uvujaji wa data kwa kuitenganisha kwa misingi ya kisima/uga.
- [ ] Nilijaribu jumla kwa mtihani wa upofu.
- [ ] Nilirekebisha alama ya kujiamini na kukagua uhalisia wake.
- [ ] Niliripoti matokeo kwa muda wa kujiamini, sio thamani moja.