 | This article is an orphan, as no other articles link to it. Please introduce links to this page from related articles; try the Find link tool for suggestions. (October 2015) |
Васант Дхар | |
|---|---|
 Васант Дхар, бывший главный редактор журнала Big Data Journal; Профессор Школы бизнеса Стерна; Факультет, Центр науки о данных Нью-Йоркского университета | |
| Национальность | Индия |
| Альма-матер | Университет Питтсбурга Индийский технологический институт Дели Школа Лоуренса Санавар |
| Научная карьера | |
| Поля | Наука о данных Информационные системы Машинное обучение Искусственный интеллект Большие данные Финансы |
| Учреждения | Нью-Йоркский университет |
Васант Dhar является профессором в Школе бизнеса Стерн и Центра по науке данных в Нью - Йоркского университета , [1] бывший редактор главный редактор журнала Big Data. [2] и основатель SCT Capital, одного из первых хедж-фондов на основе машинного обучения в Нью-Йорке в 90-х годах. Его исследования сосредоточены на создании масштабируемых систем принятия решений из больших источников данных с использованием методов и принципов из дисциплин искусственного интеллекта и машинного обучения .
Ранняя жизнь и образование [ править ]
Он выпускник Школы Лоуренса в Санаваре , которую он считает одним из лучших подарков, которые родители подарили ему, не осознавая этого. Дхар окончил Индийский технологический институт в Дели в 1978 году со степенью бакалавра технических наук в области химического машиностроения . Впоследствии он учился в Питтсбургском университете, где получил степень магистра философии и докторскую степень. в 1984 году. После того, как он получил докторскую степень, он поступил на факультет Нью-Йоркского университета . В период с 1994 по 1997 год он работал в Morgan Stanley, где создал группу Data Mining Group, которая занималась прогнозированием финансовых рынков и поведения клиентов.
Основные моменты карьеры [ править ]
Дхар - исследователь искусственного интеллекта и специалист по данным, чье исследование направлено на ответ на следующий вопрос: когда мы доверяем принятие решений системам искусственного интеллекта ? Этот вопрос особенно актуален для современных автономных систем на основе машинного обучения, которые обучаются и адаптируются с текущими данными.
Исследования Дхара были мотивированы построением прогнозных моделей в ряде областей, в первую очередь в финансах, а также в таких областях, как здравоохранение, спорт, образование и бизнес. Почему мы готовы доверять машинам в одних областях, а в других - нет?
Точка зрения Дхара заключается в том, что существует разрыв, когда мы передаем полный контроль над принятием решений машине, которая учится на текущих данных. Этот разрыв сопряжен с некоторыми рисками, в частности связанными с ошибками, совершаемыми такими системами, которые напрямую влияют на нашу степень доверия к ним.
Исследование Дхара подрывает доверие по двум параметрам, основанным на оценке риска: предсказуемость или то, как часто система совершает ошибки (ось X) и связанные с этим издержки ошибок (ось Y) таких ошибок. Исследование демонстрирует существование « границы автоматизации », которая выражает компромисс между тем, как часто система будет работать неправильно, и последствиями таких ошибок. Доверие и, следовательно, наша готовность передать контроль над принятием решений машине, возрастает с увеличением предсказуемости и снижением затрат на ошибки. Другими словами, мы готовы доверять машинам, если они не совершают слишком много ошибок и их затраты приемлемы. По мере увеличения количества ошибок мы требуем, чтобы их последствия были менее дорогостоящими.
Граница автоматизации дает естественный способ думать о будущем работы. Благодаря большему количеству и более совершенным данным и алгоритмам части существующих процессов становятся автоматизированными из-за повышенной предсказуемости и переходят границу автоматизации в зону «доверия машине», в то время как части с высокой стоимостью ошибок остаются под контролем человека. Модель дает возможность подумать об изменении ответственности людей и машин по мере того, как больше данных и лучшие алгоритмы становятся лучше людей с решениями.
Дхар также использует эту структуру для определения вопросов политики, связанных с рисками платформ социальных сетей на основе ИИ, а также вопросов конфиденциальности и этического использования и управления данными. Он регулярно пишет в СМИ об искусственном интеллекте, социальных рисках, связанных с платформами искусственного интеллекта, управлении данными, конфиденциальности, этике и доверии . Он часто выступает на академических и промышленных форумах.
Профессор Дхар ведет курсы по систематическому инвестированию, прогнозированию, науке о данных и основам FinTech. Он написал более 100 научных статей, финансируемых за счет грантов промышленности и государственных учреждений, таких как Национальный научный фонд.
См. Также [ править ]
Ссылки [ править ]
- ^ "Центр науки о данных - Нью-Йоркский университет" . Центр науки о данных Нью-Йоркского университета . Проверено 20 октября 2015 .[ требуется проверка ]
- ^ «Большие данные» . www.liebertpub.com . Проверено 20 октября 2015 .[ требуется проверка ]
Внешние ссылки [ править ]
- Страница факультета Стерна Нью-Йоркского университета
