Бегтин: «большие данные» усиливают проблему информационного неравенства

> мы знаем о банках и их владельцах очень ограниченный
> объем официальной информации, которую требует
> публиковать ЦБ. Банки могут узнать о нас значительно
> больше, изучая наши соцсети и следы в интернете.

Это означает только одно — что банкиры не оставляют следов в интернете и не вываливают о себе тонны интереснейших фактов в соцсети. Какое отношение неравенство имеет к эксгибиционизму?

Сразу чего-то вспомнилась древнейшая ископаемая статья Литвинович в РЖ на эту тему.

UPD: Прочитал всю статью Бегтина и не смог понять, в чём её посыл? Раскрывают или не раскрывают полицейские данные о преступлениях с точностью до дома — это, конечно, важно, но при чем здесь неравенство кого-либо с кем-либо? Раскрывают или не раскрывают образовательные учреждения данные о среднем выпускном балле своих учеников — это тоже важно и тоже к неравенству не имеет отношения. Точнее говоря, наоборот, если данные НЕ раскрывается, то получается искусственная уравниловка, как будто бы все школы одинаково хорошие (точнее, одинаково плохие). Что, искусственное равенство (когда на деле оно ни фига не равенство) лучше что ли? В общем, статья оставила ощущение «поразвожу-ка я руками».

«Например, согласно одному из исследований, по уровню заряда телефона в течение дня с точностью 90% можно определить вероисповедание его владельца.»

Надо бы поподробнее.

Ну, там скорее всего нейронная сеть, она же диплёрнинг.
Взяли обучающую выборку из двух известных факторов — таблица заряда за день + вероисповедание. Про тех, про кого и то, и другое известно.
Обучились. Получили механизм распознавания, посчитали точность на той же выборке и на контрольной.

Без указания % угадывания, весь этот дип ленинг выглядит как «все, кто кушал огурцы, умирают».

Так вроде указали же выше — 90%?

А, извиняюсь, не заметил — видимо, потому, что цифра совершенно феерически недостоверно выглядит. Кажется, даже детектор лжи ложь и то не так уверенно детектирует, а то аж целое вероисповедание.

Тех, у кого график заряда батареи показывает вероисповедание, а пациент отказывается и упрямится — тех крестят или обрезают принудительно.
Поэтому процент такой высокий — за вычетом 10% побегов и прочих потерь.

Ночью телефон подключён к розетке. Заряд аккумулятора или повышается или равен 100%. Мусульмане встают на намаз чуть-чуть перед рассветом. Если исследуемый телефон начинает разряжаться «вслед за рассветом» (и так всегда, как по календарю. Начало разряда аккумулятора плывёт вслед за рассветом) — владелец мусульманин. 10% населения работают в ночь или ходят в клубы. Их не определить.

Давно заметил, у жителей европейских регионов странные представления о мусульманах. В нашем регионе их исторически много живет, и я чет ни одного не знаю, кто бы на намаз вставал. Хотя такие, конечно же, тоже есть, но до 90% все же «чуть-чуть» не дотягивают. Прочем, даже если он встал на намаз, казалось бы, при чем здесь вообще телефон, он вместе с владельцем чтоль молиться начинает, выдергивая себя из розетки? :)

Ну ладно, а другие вероисповедания тогда как детектятся?

Другие на практике, не очень нужно определять. Однако, как я погуглил—посмотрел — эти самые «другие» (и не другие тоже), определяются по набору приложений, обращающихся к аккумулятору. Тут уже почти бигдата (на самом деле нет, чистая статистика). У мусульман — одни приложения используются реже-чаще, а у марсиан — другие. Правда, как пишут в гуглах — начиная с определённой версии Android, операционка закрыла эту статистику от всяких левых приложений (то есть потенциальных шпионов), хотя до определённого момента на неё даже особенных «разрешений» пользователь не должен был приложению-шпиону выдавать. Но «закрыла от приложений», в наши дни обозначает: «взяла себе» на эксклюзиве.

развитие всех технологий как процесса накопления и систематизации информации, само по себе изначально подразумевает усиление информационного неравенства, точнее неравномерности распределения информации между информационными узлами.

неравномерность создаёт напряжённости на границах узлов и лежит в основе процессов обмена информации. старый добрый осмос кароче.

ну это теория. на практике конечно не совсем понятно чем конкретно оказались полезны панамские бумажки простому Ваську с завода чтобы строить на них легенду о существовании т.н. «информационной открытости» в противовес единственно реально существующей и отшлифованной тысячелетиями системе «жрецов и тех кто впадает в ужас при виде предсказанных жрецами солнечных затмений».

«Чем больше заемщики говорят в соцсетях, тем хуже возвращают займы».

Если утверждение верно, то г-ну Ашманову, например, вообще нельзя давать в долг.

«Например, согласно одному из исследований, по уровню заряда телефона в >>течение дня с точностью 90% можно определить вероисповедание его >>владельца.»
>>Надо бы поподробнее.

Элементарно, Ватсон. Настоящий Рабинович всегда даже телефон поставит на зарядку ночью, т.к. ночной тариф на электричество гораздо дешевле.

>Ну ладно, а другие вероисповедания тогда как детектятся?

А моэет всё и статистически. Например, Википедия говорит, что христианство и ислам — это аваамические религии. Статистически, они, думаю, на территории России 90% и составляют. Остальные как раз входят в 10%. Таким образом, можно с точностью 90% сказать о вероисповедании и по цвету чехольчика. Кстати, если чехольчик розовый, то статистически, с вероятность 95%, можно определить гендерную принадлежность.

Ну а так если детектить ислам, наверное, можно с датчика гироскопа брать, около трех раз в день. А если детектить христианство, то в районе первого вокресенья после полнолуния весной, вокруг микрофона будут хрустеть скорлупой.

любопытно, как выглядит график зарядок смартфона у атеиста? Хаос?
Что дадут такие данные для практики? Приходскому батюшке проверку местоположения паствы а также число потенциальных прихожан своей конфессии на вверенном участке? Так сказать, вычисление потенциала роста?
вот и идея вам для стартапа. Приложение, обеспечивающее напоминание о времени зарядки а также саморазрядку в соответствии с выбранным вероисповеданием для пущей мимикрии в стране пребывания.

Мужики, по-моему, вы не очень понимаете, что такое машинное обучение.
Вы пытаетесь правила и эвристики придумать, а при машинном обучении они не нужны, нужны только набор факторов и распознаватели факторов, а правила вычисляет машина, и они могут оказаться сколько угодно странными, контр-интуитивными и неестественными, но при этом работающими.
Более того, сами правила при тренировке, например, нейронной сети, вы даже и не увидите — просто нейронная сеть внезапно начнёт разделять мусульман от атеистов с какой-то точностью.

дык ить, тогда она ( машина ) должна понимать кто есть кто.
Иначе она ить сперва разделит множество на два или более подмножеств, а кто потом будет определять, почему именно так они разделились? Может, это бритые-бородатые или брюнеты-рыжие итп. Или опрос среди них проводить и анкетрование? Тогда зачем машина нужна?

Нет, не должна она ничего знать. Машинное обучение работает так:

1) выделяем факторы в изучаемых данных. Например, время включения телефона, время первой транзакции, время последней транзакции, время достижения 90, 80, 70, 60, 50, 40, 30, 20, 10 процентов зарядки, количество СМС каждый час, прочие.

2) берём и размечаем обучающую выборку, по анкетам, по IP на дружественном ресурсе или добровольцами, или ещё как.
Например, из трёх-четырёх множеств: православные, мусульмане, атеисты, остальные.

3) запускаем самообучение. Машина берёт набор векторов значений факторов для каждого подмножества и подбирает веса факторов так, чтобы получилось распознающее правило.

То есть, например, такой функционал со значениями от 0 до 100 (сумма значений факторов с действительными коэффициентами или произведение с дробными степенями, или сумма квадратов с коэффициентами и т.п.), что если подставить значения факторов и получится от 100 до 70 — это православный, от 30 до 70 — мусульманин, до 30 — атеист, меньше 10 — неизвестно кто.

Берём контрольную группу и проверяем.
Добавляем факторов, убираем факторы, подкручиваем обучалку.
И так много раз.

В итоге некоторые факторы получат большой вес, некоторые маленький, некоторые — нулевой, потому что не влияют именно на эту задачу разделения.

4) Всё, после этого имеем распознаватель с известной точностью. Дальше можно его аккуратно дообучать, беречь от переобучения, смазывать и заряжать.

5) Применяем его к большой выборке. Продаём результаты бесчестным коммерсантам. Профит.

да это то понятно.
речь то шла про выявление принадлежности к вероисповеданию анализом параметров зарядки смартфона.
А так то, когда все данные, тут хошь вектора, хошь просто смотри сайты посещаемые, хошь накладывай на календари конфессиональных праздников, хошь просто графы сообществ. А можно тупо посмотреть по базе кому симки принадлежат. Если написано Бердымухамед Кырлындибаев, род. в г. Челымкенте, то , с высокой вероятностью можно предполагать что он не принадлежит к англиканской церкви. Хотя и не на 100%.

Вот тут, видимо подробнее написано, но слишком английский — https://www.wired.com/2015/02/powerspy-phone-tracking/