Statistika neapibrėžtumo ir DI epochoje – kuo ji svarbi?

Kai dirbtinis intelektas (DI) gali akimirksniu pateikti užtikrintai skambančius atsakymus, pokalbis su statistikais yra blaivumo gūsis – moksle svarbu ne užtikrintumas ar visažinystė, o abejonė. „Jeigu esi tyrėjas, privalai abejoti viskuo – ir savo darbu, ir žiniomis“, – sako dr. Elena Bortolato iš Pompeu Fabros universiteto ir Barselonos ekonomikos mokyklos Duomenų mokslo centro (Ispanija). 

Mokslininkė dalyvavo Vilniuje vykusiame 25-ajame Europos jaunųjų statistikų suvažiavime (angl. European Young Statisticians Meeting, EYSM). Renginyje, kurį liepos 7–10 d. organizavo Vilniaus universiteto Matematikos ir informatikos fakulteto Taikomosios matematikos institutas (VU MIF TMI), jaunieji tyrėjai iš 25 Europos šalių pristatė savo darbus, skirtus sudėtingiems duomenims analizuoti ir realioms problemoms spręsti. 

Jaunųjų tyrėjų suvažiavimą globoja Europos Bernoulli matematinės statistikos ir tikimybių teorijos draugijos (Bernoulli Society for Mathematical Statistics and Probability) Europos regioninis komitetas. 

Šiuolaikinė statistika padeda suprasti ir priimti sprendimus

Tyrėjai pristatė savo darbus, kuriuose nagrinėjami priežastiniai ryšiai, DI ir mašininis mokymasis, sukčiavimo aptikimas, prognozavimas, tinklų analizė ir patikimesni statistiniai metodai netvarkingiems duomenims. Aptartas statistinių metodų taikymas finansų, ekonomikos, medicinos, genetikos, klimato mokslo ir branduolių sintezės tyrimuose. 

Kas antrus metus vykstantis susitikimas yra vienas svarbiausių ankstyvosios karjeros statistikų ir tikimybių teorijos tyrėjų renginių Europoje. 

Į Lietuvą EYSM sugrįžta po daugiau nei trijų dešimtmečių – konferencija 1993 m. vyko Palangoje. 

„Didžiuojuosi, kad šis prestižinis renginys grįžta. Tai rodo, kad mes buvome ir esame svarbi Europos mokslinės bendruomenės dalis“, – sako EYSM organizacinio komiteto Lietuvoje vadovas dr. Aidas Medžiūnas iš  VU MIF TMI. 

Dr. Elena Bortolato. Vytauto Karpausko nuotr.

Dr. E. Bortolato jaunųjų statistikų suvažiavimas – galimybė susipažinti su kolegomis ir jų darbais, užmegzti ryšius, kurie ateityje galėtų virsti bendrais projektais. „Man patinka konferencijos, kuriančios bendruomenę – smagu galvoti, kad mes ir ateityje bendrausime, o gal net ir bendradarbiausime“, – sako mokslininkė. 

„Tuo ir pasižymi Europos jaunųjų statistikų suvažiavimas – dalyvių skaičius ribotas, norintieji dalyvauti pereina atranką, –  pasakoja VU MIF prodekanė prof. Jurgita Markevičiūtė, viena iš EYSM organizacinio komiteto Lietuvoje narių. – Gerą įspūdį paliko jaunųjų tyrėjų gebėjimas pristatyti savo idėjas – sudominti, prisitaikyti prie auditorijos. Daugelis jų dar tik siekia daktaro laipsnio, bet nebijo kvestionuoti nusistovėjusių praktikų, kelti klausimų ir ieškoti į juos atsakymų. Kritinis mąstymas ir yra svarbiausia mokslininko savybė.“ 

Statistika jungia visus mokslus

Pranešimus skaitė kviestiniai pranešėjai – tarptautiniu mastu pripažinti statistikos, tikimybių teorijos, mašininio mokymosi, stochastinių diferencialinių lygčių ir taikomosios matematikos mokslininkai.

Tarp pagrindinių konferencijos pranešėjų – Nyderlandų Delfto technologijų universiteto (Delft TU) Taikomosios matematikos instituto profesorius dr. Geurtas Jongbloedas. 

Profesoriaus moksliniai tyrimai orientuoti į naujų metodų, leidžiančių geriau suprasti sudėtingus, netvarkingus ar nepilnus duomenis, kūrimą. Metodai plačiai taikomi biologijoje, medicinoje, inžinerijoje ir klimato tyrimuose. 

Lietuvoje pirmą kartą prof. G. Jongbloedas lankėsi 1993 m. Palangoje vykusiame aštuntajame Europos jaunųjų statistikų suvažiavime. 

Profesorius saugo šiltus prisiminimus iš susitikimo Nepriklausomybę atgavusioje Lietuvoje, iki šiol prisimena išmoktus lietuviškus žodžius, užsimezgusias pažintis ir apsilankymą Nobelio premijos laureato rašytojo Thomo Manno vasarnamyje Nidoje, o VU MIF profesoriaus Remigijaus Leipaus jam tada įsegtą trispalvės ženkliuką atsivežė į Vilnių. 

Ne tik skaičiai ir grafikai 

Išgirdę žodį „statistika“, daugelis žmonių pirmiausia pagalvoja apie lenteles, vidurkius ir grafikus. Prof. G. Jongbloedo teigimu, aprašomoji statistika yra tik viena šio mokslo dalis. Matematinė statistika žengia toliau – ji nagrinėja matematinių modelių ir metodų, leidžiančių šiuos modelius panaudoti, kūrimą. Metodai naudojami prognozėms, duomenų tendencijoms aptikti, rezultatams palyginti – pavyzdžiui, skirtumams tarp konkuruojančių gydymo metodų poveikio. 

Prof. Geurt Jongbloed. Vytauto Karpausko nuotr.

„Svarbi mūsų darbo dalis yra suprasti plačiai taikomų metodų privalumus bei trūkumus ir jų taikymo prielaidas, –  sako prof. G. Jongbloedas. – Nuolat atsiranda naujų duomenų tipų ir klausimų, į kuriuos reikia atsakyti. Todėl svarbu ne tik suprasti jau egzistuojančius metodus ir tinkamai juos taikyti, bet ir kurti naujus modelius bei su jais susijusius analizės būdus.“

Statistika nerimo visuomenėje

Nerimas dėl didelio neapibrėžtumo, susijusio su tokiomis svarbiomis temomis kaip klimato kaita, sveikata, politika, švietimas ar dirbtinis intelektas – pasikartojanti viešų diskusijų tema. 

Į statistikus gali būti žiūrima kaip į šiuolaikinius pranašus, kurie supranta duomenis apie praeitį ir dabartį, vadinasi, galėtų pateikti tikslias prognozes, taip sumažinti neapibrėžtumą ir išlaisvinti visuomenę nuo chroniško nerimo. 

Prof. G. Jongbloedo požiūriu, mokslo tikslas yra ne pašalinti neapibrėžtumą, o jį suprasti. „Svarbu suvokti ne tik patį neapibrėžtumą, bet ir modelių, kuriais grindžiamos tyrimų išvados, prigimtį“, – sako mokslininkas.

Profesoriaus teigimu, mokslininkų išvados remiasi duomenimis, o realūs duomenys visada turi tam tikrą neapibrėžtumo lygį. Pateikti rezultatus kaip visiškai nekintančią tiesą būtų klaidinantis būdas juos pristatyti. Suprasti, kiek neapibrėžtumo yra, iš kur jis kyla ir kaip veikia išvadas, yra esminė mokslinių tyrimų interpretavimo dalis.

Prof. G. Jongbloedas pateikia pavyzdį apie vidutinę žiemos temperatūrą Vilniuje. Keliant klausimą, ar vidutinė temperatūra didėja, tradiciniai statistikos metodai per duomenų taškų visumą nubraižytų „geriausiai tinkančią“ tiesę ir vertintų, ar ji kyla aukštyn. 

Taikant analizę, grindžiamą apribojimais duomenų kreivės formai (angl. shape-constrained), sąlygos ne tokios griežtos. „Palyginus taip gautą kreivę su pirmąja tiese, galima tiksliau vertinti, kiek pagrįstas teiginys, kad vidutinė žiemos temperatūra Vilniuje per nagrinėjamą laikotarpį iš tiesų padidėjo“, – paaiškina prof. G. Jongbloedas.

Duomenimis grįsti sprendimai

Pastaraisiais metais viešojoje politikoje įsitvirtino sąvokos „duomenimis grįsti sprendimai“ ir „įrodymais grįsta politika“ (engl. evidence-based policy). Tai metodas, kai viešosios politikos sprendimams ir jų įgyvendinimui keliamas reikalavimas remtis ne tik politine ideologija, rinkimų programa, visuomenės reakcija ar interesų grupių spaudimu, bet ir objektyviais duomenimis, mokslo tyrimais ir sistemine analize. 

Tačiau gali skirtis požiūris į tai, kas yra įrodymai, kuo skiriasi sprendimų pagrindimas duomenimis nuo duomenų diktatūros ir sprendimų išpolitinimo, kai žmogaus ar politinės grupės atsakomybė išnyksta. 

Taip pat gali kilti diskusijų, kokie duomenys yra pakankami sprendimui pagrįsti ir ką daryti su tikrovės aspektais, kurie negali būti išreikšti skaičiais. 

Prof. G. Jongbloedo požiūriu, svarbu, kad sprendimai būtų priimami turint kuo daugiau informacijos, taip pat svarbu suvokti ribas – kad reikšmingi duomenys gali būti neprieinami. „Galiausiai svarbius sprendimus žmonės visada turėtų priimti įvertindami informacijos šaltinius ir galimas savo sprendimų pasekmes“, – sako mokslininkas. 

DI keičia universitetus

Duomenų srautai auga, o didieji kalbos modeliai (angl. large language models, LLMs), kasdienėje kalboje vadinami dirbtiniu intelektu, suteikia galimybę žmonėms informaciją gauti lengviau ir greičiau. Ar DI galėtų padėti viešosioms diskusijoms tapti labiau pagrįstoms duomenimis?

Prof. G. Jongbloedo teigimu, DI yra iš esmės paremtas statistika ir gali tapti vertingu įrankiu, tačiau būtina jį naudoti atsakingai.

DI ir jo poveikis visuomenei bei mokslui buvo ir atviros EYSM diskusijos tema. Diskusijoje, kurią moderavo dr. A. Medžiūnas, mokslininkai dalijosi patirtimi, kaip DI taupo laiką jiems patiems ir studentams, nors nuolatos klysta ir reikalauja atidžios žmogaus priežiūros. 

Dr. Balázso Csanádo Csáji (HUN-REN ir Eötvöso universitetas, Vengrija) teigimu, kartais mokslininkai DI naudoja kaip loterijos automatą idėjoms generuoti. Jo požiūriu, svarbu DI naudoti savo mąstymui stiprinti, o ne keisti mąstymą dirbtiniu intelektu.

Mokslininkai gyvai diskutavo, kaip DI veikia pasitikėjimą mokslu, aptarė skirtumą tarp rezultatų ir įrodymų, taip pat platesnius ekonominius ir socialinius iššūkius, tarp jų ir nevienodą prieigą prie pažangių DI įrankių skirtingose šalyse ir jų universitetuose. 

Dr. Xiaocheng Shang iš Jungtinės Karalystės Birmingemo universiteto požiūriu, DI vertė moksle priklauso ne tiek nuo to, kiek mokama už prenumeratą, kiek nuo naudotojo įgūdžių: „Svarbiau, kaip apmokote modelį, kaip tinkamai suformuluojate užklausas.“ 

Tuo tarpu dr. Carlosas Escudero Liébana (UNED, Ispanija) siūlė DI darbui reikalingų duomenų centrų aplinkosauginį poveikį palikti reguliuoti rinkai – elektros ir vandens kainoms – ir ragino universitetus glaudžiau bendradarbiauti su verslu. 

Dr. Marta González García (Tarptautinis Valensijos universitetas, Ispanija) atkreipė dėmesį, kad norint suprasti, kas apsimoka rinkoje, o kas ne, būtina įtraukti į matavimus išorines sąnaudas, pavyzdžiui, poveikį aplinkai ir žmonių sveikatai. 

Mokslininkė svarstė, kokį poveikį DI daro studentų įgūdžių praradimui (angl. deskilling) – šiandien jie gali nesunkiai pateikti „teisingą“ darbą taip ir neišmokę pagrindinių sąvokų, neįdėję pastangų ir netaisę savo klaidų.  

Šiam požiūriui pritaria ir prof. G. Jongbloedas. Pasak profesoriaus, jauniems mokslininkams įgusti giliau įsitraukti gali būti kur kas sunkiau nei ankstesnei kartai dėl didėjančio DI poveikio. Žvelgdamas į ateitį jis ragina jaunuosius tyrėjus rinktis problemas, kurios juos iš tiesų domina, ir skirti laiko giliam savo srities supratimui – ugdyti ne tik techninius gebėjimus, bet ir mokslinę intuiciją.