Yapay zekânın karar tablosunda ağırlıklar sonucu nasıl değiştirir?

En yüksek puanın arkasındaki tercihi bulun

Hafta sonu portfolyonuza eklemek için tek bir küçük proje seçeceksiniz. Yapay zekâ üç seçenek hazırlıyor ve B projesini 3,8 puanla öneriyor. Bu sayı tek başına sizin için en iyi seçimin B olduğunu kanıtlamaz. Puanlar neye göre verildi, ölçütler nasıl ağırlıklandırıldı ve zaman sınırı nasıl uygulandı? Karar tablosunu kullanabilmek için bu üç sorunun cevabını görmeniz gerekir.

Bu yazıdaki projeler, süreler ve puanlar sentetiktir. Gerçek bir kişinin becerisini veya iş bulma olasılığını ölçmez. Amaç üç seçeneği tek bir sonuçta eritmek yerine seçimin hangi varsayımla değiştiğini incelemektir. Elimizde toplam altı saat vardır. Bu sınır, yalnızca ilk sürümü tamamlamak için kullanılacak çalışma süresidir; haftalık bütün yükün planlanması ayrı bir çalışmadır.

Çok ölçütlü analiz el kitabı, ağırlık değişikliklerinin tercih sırasına etkisini duyarlılık incelemesiyle değerlendirmeyi anlatır. Buradaki küçük tablo bu düşüncenin özgün bir eğitim uygulamasıdır. Ağırlıkları değiştirerek modelin ne kadar emin konuştuğunu değil, bizim önceliklerimizin kararı ne ölçüde belirlediğini göreceğiz. Yöntem kişisel tercihleri nesnel bir gerçeğe dönüştürmez.Kaynak: Birleşik Krallık hükümeti — Çok ölçütlü analiz el kitabı

Süre sınırını puan tablosundan önce uygulayın

Altı saatten uzun seçenekleri önce uygun adaylar arasından çıkarın. C’nin toplam puanı yüksek olsa bile mevcut kapsamıyla seçilemez. Onu küçültmek mümkün olabilir, ancak küçültülen proje yeni bir seçenektir: süre ve puanları tekrar değerlendirilmelidir. Yüksek ilgi puanının dört saatlik süre açığını kapattığını varsaymak, zorunlu kısıtı tercih ölçütüne çevirmek olur.

Hazırlık puanında 1, gerekli girdilerin çoğunun eksik; 3, bir kısmının hazır; 5, girdilerin ve başlangıç yolunun hazır olduğu anlamına gelsin. Beceri pratiğinde 1 çok az hedef davranış, 3 kısmi uygulama, 5 hedef becerinin yoğun kullanımıdır. İlgi puanı da sizin düşük, orta ve yüksek çalışma isteğinizi temsil eder. Ara değerlerin neden verildiğini kısa notlarla açıklayın.

Bu ölçeklerde bir puanlık farkların eşit değerde olduğunu ve ölçütlerin birbirini doğrusal biçimde telafi edebildiğini varsayıyoruz. Bu güçlü bir basitleştirmedir. Gerçek kararınızda bir becerinin mutlaka uygulanması gerekiyorsa onu da zorunlu koşula çevirebilirsiniz. Aynı özelliği hem hazırlık hem beceri puanına tekrar yazarak iki kez ödüllendirmemeye dikkat edin.

İlk ağırlıkları açık işlemle hesaplayın

İlk senaryoda hazırlığa yüzde 50, beceri pratiğine yüzde 30, ilgiye yüzde 20 ağırlık verelim. Toplam yüzde 100’dür. Modelin bu oranları kendi seçip size aitmiş gibi sunmasına izin vermeyin. Burada oranlar görevin açık varsayımıdır. Kendi çalışmanızda sonuçları görmeden önce hangi farkın sizin için değerli olduğunu yazmanız, sonradan istediğiniz seçeneği kazandıracak oranları arama eğilimini azaltır.

B, uygun seçenekler arasında A’nın yalnızca 0,1 puan önündedir. Bu farkın ölçüm hassasiyeti veya başarı olasılığı olarak bir anlamı yoktur; öznel girdilerimizin aritmetik sonucudur. ‘B yüzde 3 daha iyi’ gibi bir cümle kurmayın. Puan ölçeğinin oran anlamı doğrulanmış değildir. Sonucun yakın olması, hangi varsayımın küçük bir değişiklikle sıralamayı çevireceğini araştırmak için iyi bir nedendir.

Aynı seçenekleri başka bir öncelikle okuyun

Sentetik A, B ve C seçeneklerini kullan. Altı saat sınırını önce uygula. İlk ağırlıklar hazırlık/beceri/ilgi için 0,50/0,30/0,20. İkinci senaryoda 0,60/0,20/0,20 kullan. Puanları değiştirme. Her çarpımı ve toplamı göster; ağırlıkların toplamını kontrol et. Uygun seçeneklerin sırası değişiyorsa bunu açıkla. Puanı başarı olasılığı gibi sunma ve C'nin kapsamını izinsiz küçültme.

İkinci ağırlık toplamı: 0,60 + 0,20 + 0,20 = 1.
A: 5 × 0,60 + 2 × 0,20 + 3 × 0,20 = 4,0.
B: 3 × 0,60 + 5 × 0,20 + 4 × 0,20 = 3,6.
C: 4,0 puan; 10 saat sürdüğü için hâlâ elendi.
İlk senaryoda B, hazırlığa daha fazla ağırlık veren ikinci senaryoda A önde. Tercih, belirtilen önceliklere bağlı.

Burada hazırlık ağırlığı artarken beceri pratiğinin ağırlığını aynı miktarda azalttık; ilgi sabit kaldı. Yalnızca ilk ağırlığı artırıp toplamı 1,10’a çıkarsaydık farklı bir hesap düzeni oluştururduk. Her senaryonun toplamını denetlemek basit ama gerekli bir adımdır. Son karar notuna hangi ağırlık setini benimsediğinizi ve bunun nedenini yazın; sadece kazanan harfi saklamayın.

Bir girdiyi değiştirerek hesabı yeniden sınayın

1. Süre tahmini aynı kapsamı mı anlatıyor?
2. Zorunlu koşulu karşılamayan seçenek önceden elendi mi?
3. Ölçek açıklamaları ve puan gerekçeleri görünür mü?
4. Her senaryonun ağırlıkları 1 ediyor mu?
5. Sıralama değişimi ve tercih nedeni kayda geçti mi?

Küçük alıştırma: B’nin verisini hazırladınız ve hazırlık puanı 3’ten 4’e çıktı. Sürenin ve diğer puanların değişmediğini varsayın. İlk ağırlıklarla yeni sonuç 4 × 0,50 + 5 × 0,30 + 4 × 0,20 = 4,3 olur. A yine 3,7’dir. Bu kez değişen sizin önceliğiniz değil, B hakkındaki girdidir. İki değişim türünü karar kaydında ayrı göstermek gerekir.

Çıktınızı seçilen proje, geçerli kapsam, ağırlıklar ve yeniden değerlendirme koşuluyla tamamlayın. Süre tahmini yükselirse veya gerekli veri bulunamazsa tabloyu tekrar açacağınızı belirtin. Böylece yapay zekânın önerisi tek seferlik bir hüküm olarak kalmaz; hangi bilgi değiştiğinde gözden geçirileceği belli olan bir çalışma kararı haline gelir.