avatar of 发明者量化-小小梦 发明者量化-小小梦
پر توجہ دیں نجی پیغام
4
پر توجہ دیں
1271
پیروکار

خطرے کی ایک مختصر تاریخ (V) Bayes، ایک آدمی جو صرف درسی کتابوں میں رہتا ہے۔

میں تخلیق کیا: 2017-01-03 13:22:05, تازہ کاری: 2017-01-04 10:18:42
comments   0
hits   2178

بیسس، ایک ایسا شخص جو صرف تعلیمی مواد میں رہتا ہے

** پیدائشی نامعلوم بییس کی اس کام نے ایک طرف اس دلچسپ نظریے کو ثابت کیا ہے کہ فاریکس کی غیر یقینی صورتحال کی پیمائش کی جاسکتی ہے ، اور دوسری طرف ہمیں غیر منقولہ امکانات کا اندازہ لگانے کا ایک طریقہ فراہم کرتا ہے جس کی بنیاد پر غیر منقولہ امکانات کا اندازہ لگایا جاسکتا ہے ، اور یہ اندازہ لگانے کا طریقہ معلومات کی مستقل ترمیم پر مبنی ہے جو ہمیں ملتا ہے۔

** یہ ایک عجیب بات ہے کہ تھامس بییس جیسے سائنس کی پوری تاریخ میں مشہور شخصیت کی ذاتی زندگی کی کہانیاں لکھنے کے لئے کچھ نہیں ہے۔ اس پہلو سے یہ ظاہر ہوتا ہے کہ بییس کی زندگی سے پہلے واقعی بہت ہی نچلا تھا ((یا ، یہ ہے کہ ، سرخ نہیں) ، دوسری طرف ، میرے جیسے لکھنے والوں کے لئے بہت بڑی تکلیف لائی گئی ، کیونکہ حقیقت میں ہر ایک سائنسدانوں کی عجیب و غریب خبروں کو دیکھنا پسند کرتا ہے ، جیسے کہ معاشرتی طور پر خراب ہونے کے ساتھ ہی غرور ، جیسے کہ کھلونے کی مایوسی کا وقفہ وقفہ حیرت انگیز ہے ، اور پھر تکلیف بھی ہوسکتا ہے کہ وہ جولی کو رنگنے کے لئے تیار نہیں ہے ، ورنہ اس کی ذہانت کی خصوصیات کو ظاہر نہیں کیا جاسکتا ہے۔ ** خطرے کی ایک مختصر تاریخ (V) Bayes، ایک آدمی جو صرف درسی کتابوں میں رہتا ہے۔

  • ٹامس بیٹس بہر حال بییٹس ایک ایسا بورنگ شخص تھا۔ وہ ایک غیر مرکزی دھارے کے مذہبی پادری تھے جو انگلینڈ کے دیہی علاقوں میں رہتے تھے اور ان کا کام ہفتہ کے دن شاید یہ تھا کہ وہ پورے گاؤں کو ایک ساتھ چوک میں رقص کرنے کا اہتمام کرتے۔ نہیں، میس، کہا جاتا ہے کہ اس لیے پورا گاؤں ان سے پیار کرتا تھا۔ صرف ایک ہی چیز جس میں تھوڑا سا افسانوی رنگ ہے وہ یہ ہے کہ وہ بہت سے افسانوں کی طرح تھے اور اپنی زندگی میں ایک کتاب بھی شائع نہیں کی تھی۔ یقیناً زیادہ تر غیر افسانوی لوگ بھی ایسے ہی تھے۔ اس کے علاوہ بییٹس نے اس بات کا فیصلہ کیا کہ وہ امکانی نظریے کی تحقیق میں ملوث ہوں کیونکہ وہ خدا کی موجودگی کو ثابت کرنا چاہتے تھے، لیکن آخری تحقیق کے نتائج اور اثرات کے پیش نظر، جو لوگ چرچ کے بارے میں نہیں جانتے تھے وہ یہ نہیں سوچیں گے کہ وہ ایک خفیہ خیانت ہے۔

بییٹس کی وفات کے وقت اس نے اپنے مقالے کے نسخہ کے علاوہ 100 پاؤنڈ ایک مبلغ پرنس نامی شخص کو چھوڑ دیا۔ یہ کہنا کہ یہ پرنس بھی ایک عجیب آدمی تھا ، روحانی تہذیب اور مادی تہذیب کی تعمیر بییٹس سے کہیں زیادہ اونچی ہے۔ اس نے محسوس کیا کہ آزادانہ مرضی الہی ہے ، اس نے یہ بھی مقالہ لکھا ہے کہ امریکہ کی آزادی بھی خدا کی مرضی ہے۔ یہ بھی کہا جاتا ہے کہ فرینکلن اور ایڈم اسمی اس کے اچھے دوست تھے ، اس کے علاوہ وہ اپنے فارغ وقت میں انشورنس کمپنیوں کے لئے شرح نمونے بنانے میں بھی کام کرتا تھا ، جس میں بہت زیادہ شکار ہے۔

بییٹس کی موت کے تین سال بعد ، پرنس نے اس کی میراث کا مقالہ جاری کیا۔ لیکن اس مقالے کی تاریخی اہمیت کو اکیڈمی میں نظرانداز کیا گیا ، اور بیس کو بیس سال تک انتظار کرنا پڑا۔ اس مقالے میں ، بییٹس نے اس سوال پر کام کرنے کا ارادہ کیا: اگر ہمیں صرف یہ معلوم ہو کہ ایک واقعہ کتنی بار ہوا ہے اور کتنی بار نہیں ہوا ہے ، تو ہم اس واقعہ کے ہونے کے امکانات کا حساب کیسے لگائیں جب کوئی اور معلومات موجود نہیں ہیں۔

ہم پچھلے مضمون ((خطرے کی چھوٹی کہانی ((چوتھی: جومورف اور خدا کا منحنی خطوط)) کی مثال کو یاد کرتے ہیں۔ مثال کے طور پر ، مصنوعات کی ایک کھیپ کے لئے ، ہم 10،000 مصنوعات کو نکالتے ہیں اور ان میں سے 12 کو ضائع کرتے ہیں ، تو اس کھیپ کے لئے ضائع ہونے کی شرح 0.1٪ کی کیا امکان ہے؟ حقیقی زندگی کے لئے ، یہ سوال بلاشبہ ہمارے لئے زیادہ قیمتی ہے ، کیونکہ ہر ایک کی چیزوں کو دیکھنے کی حدود ہیں ، ہمیں یہ جاننے کی ضرورت ہے کہ ہم جس چیز کو دیکھ رہے ہیں اس میں حقیقت کی عکاسی کرنے کی کس حد تک ضرورت ہے ، جیسے ہم یہ جان سکتے ہیں کہ اگر ہم محسوس کرتے ہیں تو ، ہم کس طرح اپنے آپ کو پورے ہاتھی کے ٹانگوں یا اس کے مقابلے میں موٹے بھائی کے ساتھ چھو رہے ہیں۔

بییٹس کا طریقہ کار اصل میں یہ ہے کہ وہ نئی معلومات کے ساتھ پرانی معلومات کو مستقل طور پر ترمیم کرتے ہیں تاکہ اس ترمیم کی بنیاد پر امکانات کی ساکھ میں اضافہ کیا جاسکے۔ یہ افسانہ میں سابقہ امکانات اور بعد کے امکانات ہیں۔ اس مسئلے کے لئے ، بییٹس نے اپنے مقالے میں ایک کلاسیکی مثال پیش کی:

خطرے کی ایک مختصر تاریخ (V) Bayes، ایک آدمی جو صرف درسی کتابوں میں رہتا ہے۔

فرض کریں کہ ہم نے ایک گیند کو ٹیبل پر کھیلا اور گیند کسی بھی جگہ پر ٹھہر گئی۔ اس کے بعد ہم نے بار بار ایک اور گیند کو کھیلا اور اس کی گنتی کی کہ وہ پہلی گیند کے بائیں اور دائیں طرف کتنی بار گھومتی ہے۔ یقینا یہاں آپ معقول طور پر سوال پوچھ سکتے ہیں کہ چونکہ ہم نے ٹیبل پر کھیلا تو دوسری گیند کو پہلی گیند پر کیوں نہیں پھینکا؟ مجھے لگتا ہے کہ آپ نے یہ سوال بہت اچھا پوچھا ہے لیکن میں اس کا جواب نہیں دینا چاہتا۔ خلاصہ یہ ہے کہ ہم دوسری گیند کے بائیں اور دائیں طرف آنے کی تعداد سے براہ راست پہلی گیند کے ٹھہرنے کی جگہ کا اندازہ لگا سکتے ہیں۔

اس مثال میں، پہلی گیند کے قیام کی پوزیشن کے لئے براہ راست دی گئی امکان ابتدائی امکان ہے، جبکہ دوسری گیند کے حالات پر مبنی پہلی گیند کے قیام کی پوزیشن کی ترمیم کے امکانات ہیں. یعنی، بییس کا طریقہ یہ ہے کہ ہماری شناخت ہماری علمی صلاحیتوں کی حدود سے محدود ہے، لہذا ہمیں مسلسل اپ ڈیٹ کی معلومات کے ساتھ اپنے نقطہ نظر کو درست کرنے کی ضرورت ہے. اور فلسفیانہ اونچائی تک پہنچنے کے لئے، یہ ہے کہ دنیا کی اصل شاید بے ترتیب نہیں ہے، لیکن ہماری صلاحیت اس طرح کی اصل کو جاننے کے لئے کافی نہیں ہے، لہذا ہم صرف اس بات کا اندازہ لگاتے ہیں، یا کہنے کے لئے، اندازہ لگاتے ہیں.

یہ جملہ شاید اب تک کا سب سے زیادہ مجبور جملہ ہے۔ آئیے فرض کریں کہ ایک مثال سمجھنے میں مدد کرتی ہے:

آپ کے شہر میں دو مال کھلے ہیں اور نئے مال میں آنے والے لوگوں کی تعداد کل آنے والوں کی تعداد کا 60 فیصد ہے۔ اس وقت کسی بھی گاہک کے نئے مال کے گاہک ہونے کا امکان 60 فیصد ہے۔ یہ ابتدائی امکان ہے۔ اور پرانے مال کی سہولیات پرانی ہیں اور انتظامیہ کے لئے آسان ہیں ، ملازمین کی تربیت کی سطح بھی کم ہے ، اور شکایات کی شرح دوگنی ہے۔ اس وقت اگر کوئی شخص سیتھون کو شکایت بھیجتا ہے تو ، سیتھون کو کس مال کے مینیجر کو ذمہ دار ٹھہرایا جانا چاہئے؟

خطرے کی ایک مختصر تاریخ (V) Bayes، ایک آدمی جو صرف درسی کتابوں میں رہتا ہے۔

سب سے آسان اور واضح جواب یہ ہے کہ سشانت نے اس شخص سے براہ راست پوچھا کہ وہ کہاں ہے۔ یقینا اس شخص کا جواب یہ ہوگا کہ آپ نے اندازہ لگایا ہے ((بہت خراب ہے) ، تو سشانت کو کس طرح اندازہ لگانا چاہئے کہ اس میں زیادہ درست ہونے کا امکان ہے۔ اگر پیشگی امکانات کے لحاظ سے دیکھا جائے تو سشانت کو نئے مال کے مینیجر کی تلاش کرنی چاہئے ، کیونکہ نئے مال میں لوگوں کا ٹریفک پرانے مال سے زیادہ ہے۔ لیکن شکایات کے لحاظ سے ، نئے مال میں شکایات کی تعداد کل شکایات کا صرف 13 ہے۔

بے نام بیسس اب تقریبا all تمام اعدادوشمار ، مصنوعی ذہانت ، گیم تھیوری اور جینیات کے نصاب میں شامل ہیں ، جس نے بہت سارے کالج کے اختتامی امتحانات کے امیدواروں کو بے شمار پریشانیوں میں مبتلا کردیا ہے۔ اس کے کام نے ایک طرف یہ ثابت کیا ہے کہ غیر یقینی صورتحال غیر یقینی صورتحال کی پیمائش کرنے کے لئے ایک دلچسپ خیال ہے ، اور دوسری طرف ہمیں غیر منقولہ دنیا کے تجربے کی بنیاد پر نامعلوم امکانات کا اندازہ لگانے کا ایک طریقہ فراہم کرتا ہے ، جو ہمیں ملنے والی معلومات کی مستقل ترمیم کے نتیجے میں ہے۔ یہ سوچ ہمارے خطرے کے انتظام کے اہداف اور عمل کے ساتھ متصادم ہے: ایک متحرک مارکیٹ میں ، اگر غیر یقینی صورتحال موجود ہے تو ، کوئی بھی نتیجہ اور فیصلے کا انحصار ہماری تازہ ترین اور سب سے زیادہ جامع معلومات پر ہوتا ہے ، اور اس طرح کی روک تھام کی کوئی منطق نہیں ہے۔

ٹویٹر پر چین کی کوانٹومیٹک انویسٹمنٹ ایسوسی ایشن کے ذریعہ ٹویٹ کیا گیا