Index Vakbarát Hírportál

Egy pizzáért odaadjuk a barátaink mailcímét

2019. november 25., hétfő 11:05

Nem nehéz megtanulni középszinten programozni, és lényegében mindenkinek szüksége lesz rá. A gépi tanulásos modellek jók előrejelzésre, de nagyon észnél kell lenni, ha oksági viszonyokra is következtetnénk belőlük. A nagy bankok sokszor azért sem innoválnak elég gyorsan, mert nem éri meg nekik. A híraggregátorok rossz irányba torzítják a médiapiacot, és nem valószínű, hogy maguktól megváltoznának. A társadalomnak ki kell előbb találnia az egyezményes etikai normákat, mielőtt a techcégeket arra kérjük, hogy tartsák be ezeket. Susan Athey stanfordi közgazdászprofesszorral interjúztunk.

Mennyiben új a gépi tanulás a közgazdasági kutatásokban, hogy képzeljük ezt el?

A gépi tanulás rengeteg dolgot jelent, de általánosan azt lehet mondani, hogy itt adatokat használunk fel előrejelzésre vagy címkézésre. Például ha a neten rákeresünk arra, hogy „cica”, akkor a háttérben gépi tanulást használtak arra, hogy neten fellelhető képek milliárdjaiból eldöntse, hogy melyik kép cica. A közgazdasági kutatásban úgy használjuk fel a gépi tanulással az adatokat, hogy megtaláljuk a lehető legjobb statisztikai modellt. Persze régóta statisztikát használtunk erre, csak korábban mondhatni kézzel próbáltuk volna, kutatási asszisztensekkel, elemzőkkel. Azaz megpróbáltuk volna meghatározni a cicaság fontos jellemzőit: a pofáját, a mancsait, ilyesmit, aztán megadni, hogy egy képen hogyan lehet felismerni. A gépi tanulásnál veszünk rengeteg képet, ezeket felcímkézzük, hogy melyik a macska, majd az algoritmus bármiféle biológiai tudás nélkül eldönti, hogy mik a lényeges vonások ennek felismeréséhez. Lényegében automatizáljuk a statisztikai modellépítést.

Hogy használjuk általában a gazdaságban?

Nagyon sokrétű, de a gazdasági alkalmazáshoz ezenfelül digitalizációra is szükség van még. A gazdasági problémáinkhoz szükséges adatoknak meg kell lenniük digitálisan. Ha például az állam el akarja dönteni, hogy mely éttermekre küldjön egészségügyi ellenőrzést, akkor lehet tesztadatunk az éttermek jellemzőiről és a múltbeli szabályszegéseikről. Így a gépi tanulást felhasználva megtudhatjuk, hogy mely éttermek kockázatosabbak, és az ellenőreinket inkább azokra fókuszálhatjuk. Persze lehetnek problémák azzal, ha nem véletlenszerű az ellenőrzés, hiszen ha a korábban jól működő éttermek megsejtik, hogy őket kevésbé fogják ellenőrizni, akkor lehet, hogy kevésbé figyelnek oda utána a konyhájuk tisztaságára.

Susan Carleton Athey

1991-ben a Duke Egyetemen végzett egyszerre matematikából, informatikából és közgazdaságtanból, 1995-ben, 24 éves korára pedig már a Stanfordon doktorált közgazdaságtanból. A bizonytalanságot jobban kezelő, módszertani újítást hozó dolgozatával egyből a tudományos élvonalba katapultált, a New York Times például külön cikket szentelt a frissen végzett közgazdásznak. 

Végül az MIT-t választotta, de dolgozott a Yale-en és a Harvardon is, jelenleg a Stanford professzora. Egyebek mellett az aukciók működését és a piactervezést kutatta, ami az internet elterjedésével lényegesen hangsúlyosabb területté vált az üzleti és a szabályozási döntések szempontjából is. De úttörő munkái voltak például az ökonometriai elgondolások és a gépi tanulásos modellek összehangolásában is. 2007-ben első nőként elnyerte a közgazdasági Nobel-díj előszobájának is beillő John Bates Clark-érmet.  Hat éven keresztül volt a Microsoft vezető közgazdásza, egyetemi kutatásai mellett jelenleg is számos for- és non-profit szervezet vezetőségi tagja. 

Most a Rajk László Szakkollégium diákjainak Neumann János-díját átvenni jött Magyarországra.

De az egyszerűbb felhasználási módoknál a képfelismerésre, az írott szöveg gépelt, digitális szöveggé alakítására lehet gondolni, vagy az erőforrások priorizálására is jó, például hogy az értékesítők mely ügyfeleket hívjanak fel először. De egy gyártósorról készített biztonsági videófelvételt is elemezhet algoritmus, ami jelzi, ha valahol jó eséllyel megszegtek egy biztonsági előírást. Elviekben ezt elképesztően drágán korábban is megcsinálhattuk volna, de a gépi tanulással lényegesen gyorsabbá és olcsóbbá vált ez a modellezés.

És mire kell a közgazdasági tudás a gépi tanulásos megoldások mellé?

Mert különbség van az előrejelzés és a döntéshozatal között. Egy jó példa lehet az oksági viszonyokra, hogy ha meg akarjuk becsülni, hogy hányan vannak most egy szállodában. Ehhez szerezhetünk adatokat mondjuk a Hotel.com-ról múltbeli árakkal és foglalási adatokkal. Itt, ha magas árakat látunk, az általában jó jel arra, hogy a hotel tele van, azaz a magas árak ezt jelzik előre. Ami érthető, mert amikor kezdenek betelni a szállodák, úgy folyamatosan emelik az áraikat. A gépi tanulás erre az előrejelzési problémára fókuszál. A „mi történne, ha” típusú probléma viszont ettől különbözik: például mi történne, ha megemelnénk a hotelünk árait minden körülménytől függetlenül. Azt jól tudjuk, hogy nem adnánk ki több szobát attól, ha bármilyen helyzetben megemeljük az árainkat. Úgy is mondhatjuk, hogy a magas árak és teli hotelek együtt járnak (korrelálnak), de nem egymás okai. Az oksági viszonyok feltárásához végezhetünk kísérleteket, vagy megnézhetjük, hogy mi történt akkor, amikor mondjuk elromlott a hotel rendszere, és nem tudtak árakat emelni.

Egyébként általában hogy látja, a következő évtizedekben mennyire lesz általános, hogy mindenki ért valamennyire a gépi tanuláshoz, és tud értelmezhetően kódolni?

A fejlett országokban a gazdagabbak érteni fognak hozzá. Ezt látjuk az USA-ban is, a legtöbb felső középosztálybeli gyerek általános iskolában vagy nyári táborokban tanul kódolni. Az a helyzet egyébként, hogy nem is nehéz megtanulni, sokat egyszerűsödött az utóbbi időkben. Az általános iskolás kódokhoz sokszor még írnia sem kell a gyereknek, hiszen egy grafikus felületen állíthatja be a „ha – akkor ” parancsait, mint mondjuk az MIT Scratch-énél. Az alaplogikát így meg lehet tanulni. Emellett manapság már a bonyolult gépi tanulásos csomagokat is simán le lehet tölteni ingyen, elég rákeresni, hogy mire van szükségünk. Igazán jól, gyorsan, és szuper pontosan érteni hozzá továbbra is nehéz lesz, de egyszerűbb gépi tanulásos feladatokkal egy középiskolás is meg fog tudni birkózni. Szóval idővel mindenki fog ehhez érteni középszinten, de senkinek nem kell megijednie ettől, hiszen mindezt a felhasználói szintig megérteni a legkevésbé sem nehéz.

De nem gondolja, hogy az amerikai oktatási rendszer itt előrébb jár, mint sok európai? Nem vagyok benne biztos, hogy nálunk például az általános iskolások java része bármit is konyítana a kódoláshoz.

Pedig megtehetnék, mert a tananyag ingyen elérhető. Ott lehet a lényeges különbség, hogy az Egyesült Államok városi lakosságánál a szülők munkájuk során nap mint nap szembesülnek azzal, hogy ez milyen fontos. Ha a szülő például jogász, akkor is látja, hogy a vezérigazgató már képben van arról, hogy mi ez, és mire akarják használni. Így a szülő is meg akarja tanítani ezt a gyerekeinek, és ezeket az ingyenes appokat bármelyik szülő hamar megérti annyira, hogy meg tudja tanítani a gyerekeinek is.

A fő korlát annyi, hogy az emberek megértsék, hogy ez fontos.

Ezzel nem azt mondom, hogy mindenkinek egész nap kódolnia kéne az oviban, hiszen rengeteg más fontos dolgot is meg kell tanulni a csapatmunkától a kritikus gondolkodásig. De egy közepes szintű tudást egyetemig mindenkinek el kell érnie. A gyerekek egyébként a környezetük miatt is alapvetően fogékonyak a témára, ez veszi őket körül, kisiskolásként már Minecraftot modolhatnak.

Sokat foglalkozott a kriptopénzekkel is, ezek mennyiben érdekesebbek, mint más szerencsejátékok?

Nagyon korán érdekelni kezdtek, bár először azt gondoltam, hogy az egész egy átverés. De aztán felismertem, hogy van bennük lehetőség néhány igen fontos probléma megoldására is. Először is például az országokon átívelő pénzmozgatás, azaz az ilyen átutalás nehézkes és elképesztően drága. Igazságtalan és szerencsétlen például, hogy a hozzánk érkező külföldi vendégmunkások nagyon sokat dolgoznak, elszakadnak a családjuktól , és amikor hazaküldenék nekik a pénzt, akkor egy nagy hányada az átutalást végző cégeknél marad. Az egész átutalási rendszer borzasztó kevéssé hatékony, és ez különösen a kisebb országokat sújtja. Hozzájuk ugyanis sokszor rengeteg szereplőn át vezet a pénz útja, és mindenkit ki kell fizetni. A megnövekedett hibalehetőségekről nem is beszélve, a hazautalások 5-7 százaléka ilyen hiba miatt nem jön létre, és utána még nyomozni kell, hogy hol akadt meg a folyamat. A kriptovalutáknak viszont az az előnyös tulajdonsága, hogy úgy tud mozogni a pénz a két fél között, mint az információ. Az ilyen pénzek komoly hátránya viszont az árfolyamkockázat, senki olyannak nem kéne ilyen kockázatos eszközöket közvetlenül tartania, akinek nem fér bele, hogy akár az egészet elveszti. Így arra jutottam, hogy a kriptopénzeknek a pénz mozgatásában lehet szerepe, nem abban, hogy ilyen pénzt tartsunk. Így kerültem a Ripple nevű cégbe, ami szoftvert és kriptopénzt is szolgáltat ehhez, miközben nem teremt új szabályozási kockázatot, mivel a végfelhasználó nem is kerül kapcsolatba kriptopénzzel. Ezen kriptopénzek másik jó tulajdonsága még, hogy innovációra kényszerítik a bankokat is. Mivel ha ők továbbra is drágán végzik a munkájukat, akkor az emberek át fognak pártolni más cégekhez.

Kívülről nézve egyelőre borzalmasan nem megy nekik. Mi az oka, hogy a nagy, gazdag bankok ilyen látványosan gyengék innovációban a feltörekvő fintech cégekhez képest?

Tényleg nehezen tartják a lépést, de a másik probléma mellé az, hogy néha nem is arra vannak ösztönözve, hogy tartsák a lépést. Különösen a nagy bankok profitálnak például az átutalási díjakból, nekik az az érdekük, hogy olyan lassan menjen itt az innováció, amennyire csak lehetséges.

Sokat kutatta, hogy a különböző platformok, piacok hogyan változtatják meg az adott iparágat. Mi helyzet a közösségi médiával és az olyan hírgyűjtő oldalakkal, mint mondjuk a Google News?

Nemcsak a médiapiacon, hanem máshol is azt lehet látni, hogy a közvetítők megkönnyítik a fogyasztóknak, hogy a kis szolgáltatókat is észrevegyék. Így például egy hírgyűjtő oldal a kis újságokat tudja eljuttatni a fogyasztókhoz. A Google Newst bezárták Spanyolországban egy pár éve, aminek a kapcsán pontosan meg tudtuk nézni, hogy amíg működött, addig az emberek kevesebb időt töltöttek a nagy újságoknál, és többet nézték a kis kiadványok tartalmait. Néhány iparágban ez nagyon jó hír lehet, például kívánatos lehet, hogy egy kis, független hotel eljuthasson a fogyasztókhoz a közvetítő által. Így ugyanis nem kell beállnia egy híres hotelmárka alá, hanem versenyezhet pusztán a minőséggel. Így ez itt általában növeli a hotelek minőségét. A hírpiacon más a helyzet. Egyrészt itt nagy befektetések kellenek egy normális újsághoz, és a kis kiadványok gyakran csak átveszik, másolják a nagyok fontos híreit. Ha másolókhoz terelik a fogyasztókat, az itt így ronthatja az innovációt. Mert nagyon is szeretnénk, ha a médiapiaci szereplők befektetnének a márkájukba, hogy jó hírnevük legyen: a hírek folyamatosan magas színvonalú prezentálását és minőségi újságírói teljesítményeket szeretnénk. Így itt az aggregátorok kárt okoznak azzal, hogy

a versenyt leviszik az újságok, kiadványok szintjéről a cikkek közti verseny szintjére.

Egy cikk sem él elég sokáig ahhoz, hogy saját hírneve legyen, a reputáció a kiadványok szintjén van. Aggregátorok nélkül a szereplők azon versenyeznének, hogy írd be az url-jüket vagy töltsd le az appjukat, és ez jobban megfelel annak, hogy hova érdemes befektetni.

De a média sokszínűsége is érték, vagy nem?

Ez a másik szempont, különösen, ha mondjuk olyan a környezet, hogy a nagyobb szereplők kevésbé szavahihetőek. Ekkor lehet hatékony az, ha az embereket úgy terelik, hogy megismerjenek olyan szereplőket, amik új információt tudnak nyújtani.

Mondjuk, ez a tökéletes környezet a hírhamisításnak és az álhíreknek is, amik annyira új és máshol nem megjelent információk, hogy nem is valósak. Ráadásul cikkszinten megy a verseny, így nem kell törődni az adott kiadvány jó hírével.

Igen, az átverős, azaz a clickbait címeket is ide sorolhatjuk még, ez abszolút hátrányos tulajdonsága az aggregátoroknak.

Nem látni azt a szabályozási akaratot, hogy ez ne így legyen, mire számítsunk akkor a jövőben? Vagy törődjünk bele, hogy ez egy pár évtizedig így marad?

Van lehetőségünk tovább szabályozni ezeket az aggregátorokat, vagyis minden olyan szereplőt, amely nem saját tartalmat állít elő. Emellett ezek a platformok maguk is próbálnak némileg változtatni, mivel nekik is fontos, hogy nívós tartalmat kínáljanak. Nyilvánvalóan utóbbiak ösztönzői nem a lehető legjobbak, hiszen ha a fogyasztók egyből beírják az újság url-jét, akkor nem használják például a keresőt. A keresőt üzemeltető cég pedig ennek nem örülne. Ráadásul a kereső akkor a leghasznosabb, ha nem tudod, hogy mit szeretnél. Szóval ők arra fognak törekedni, hogy cikkszinten maradjon a verseny.

Az online hirdetési piacot hogy látja?

A demokráciára is veszélyes már, hogy ha a hirdető fizet egy dollárt, annak csak a töredéke jut el az újsághoz vagy a tartalom előállítójához, a nagy részét közvetítők teszik el. Azért, mert olyan óriási piaci erejük van, hogy elvehetik. A médiapiac már nem nagyon tud hova konszolidálódni tovább, miközben az emberek is elkezdtek aggódni amiatt, hogy az adataikat hogyan használják fel. Mivel a telefonunk mindig velünk van, így azt is meg lehet mondani, hogy ki mikor ment a mosdóba.

Itt is szabályozási változtatás kéne, hogy senki ne gyűjthessen be túl sok adatot rólunk?

Először a társadalomnak kéne eldöntenie, hogy mi az a szint, aminél még nem érezzük kényelmetlenül magunkat. És itt nem számíthatunk arra, hogy a verseny bárhogy is megoldhatja a problémát, mert nincs verseny – szinte minden lehetséges nézőpontból egy-egy domináns cég uralkodik a piacon. Így pedig nincs valódi választási lehetőségünk. Szóval egyrészt nagyobb átláthatóságra lenne szükség, hogy tudjuk, hogy mi történik. Amihez jobb oktatásra is szükség lenne. Az EU most kicsit segített azzal, hogy kitette a weboldalakra ezeket a cookie-figyelmeztetéseket, mert mindenkinek leeshetett, hogy ezekkel a cookie-kkal lehet valami, ami rossz is lehet. Másrészt viszont talán reménytelenné is tette az embereket, hogy minden egyes oldalon ugyanaz a figyelmeztetés jön szembe, nem tehetünk ellene semmit. Rengeteg információt kiírattak, de

a fogyasztók nem kaptak egyértelmű és világos információt arról, hogy milyen valódi választási lehetőségük van,

mondjuk, hogy ez az oldal egy évig őrzi meg az adataimat, a másik viszont kettőig, ez A+ biztonsági folyamatokkal kezeli az adataimat, a másik meg nem. Nem látom, hogy a vállalatok rá lettek volna szorítva, hogy ebben a dimenzióban is versenyezzenek, pedig az lenne a jobb irány. Persze mindez nagyon bonyolult, sokszor elképesztően okos emberek se látják át teljesen, hogy pontosan mi zajlik a színfalak mögött.

Volt egy híres kutatása arról is, hogy az adatainkkal kapcsolatos érzékenységünknél mintha eltérnének a vallott és a követett értékeink.

Ez egy nagyobb kutatás egyik része volt, itt megnéztük, hogy a diákok hogyan reagálnak, ha ösztönzőket kapnak arra, hogy információkat adjanak ki a diáktársaikról. Itt leegyszerűsítve többek közt azt találtuk, hogy egy pizzáért odaadják a barátaik mailcímeit. Ez egy nagyobb problémához tartozik egyébként, mivel egyrészt az emberek tényleg őszintén aggódnak a magánéletükért, másrészről viszont kis ösztönzőkért is hajlandóak feladni. Részben azért is lehet ez, mert abban se vagyunk biztosak, hogy tényleg megőrizhetjük-e a magánszféránkat. Ha pedig az amúgy is elveszett, akkor tényleg hiábavaló védeni. Ha nem vagyunk biztosak benne, hogy milyen értéket kapunk máshol, akkor nem éri meg mondjuk eggyel rosszabb email-szolgáltatót választani.

A cégek egyébként lehetnek túlságosan adatvezéreltek?

Közgazdászként alapvetően lelkesedem azért, hogy egyre inkább adatvezéreltek a vállalatok, hogy tapasztalatok alapján akarnak döntéseket hozni. Ezzel együtt jó döntéseknek lehetnek olyan összetevői, amiket nehéz mérni vagy digitalizálni. A rövid – és hosszú távú hatások közti különbség lehetne jó példa erre. Ha csinálunk egy kísérletet, ott a rövid távú hatásokat tudjuk azonnal megnézni, a hosszú távúakról pedig nem sokat tudunk mondani. Míg ha nem mérnénk semmit, akkor tippelnénk valamit rövid távú hatásnak, valamit hosszú távúnak és a kettőt összeadnánk. Így látszik is a nagy techcégeken, hogy egyre inkább a rövid távú hatások irányába tolódott el a fókuszuk. Általában is minél kvantitatívabbak vagyunk, minél több a dashboard vagy a mérőszámok annál inkább rövid távra tudunk fókuszálni. Az újságírásban is felértékelődött a klikkek szerepe, és ha két projekt közül kell választani, valószínűleg nagy lesz a csábítás abba belefogni, ami jó mérőszámokat és sok azonnali olvasót fog hozni, ahhoz képest, ami mérhetetlen, de feltehetően hosszabb távon értékes eredményt ígér. Ez megváltoztatja az emberek ösztönzőit. Az újságírás jó példa, mert naponta kell dönteni az új projektekről, hamar más típusú cikkek fognak születni, ha másért lesz megbecsülve az ember. A vállalatoknál ez egy kicsit lassabban megy, de ott is

komoly kockázat a rövid távú fókusz.

Mit tehetnek a szervezetek ez ellen?

Szubjektív értékelést is betehetnek, aminél lehet azt mondani, hogy ezen szempontrendszer alapján fogjuk értékelni a teljesítményedet, de a végén végigmegyek a döntéseiden, és ha túl sokszor céloztál rövid távra, azt büntetni fogom. Külön gond itt az, hogy a Szilícium-völgy techcégeinél az emberek átlagosan két és fél évig maradnak egy cégnél, szóval mire a döntéseik következményével egy-két év múlva szembesülhetnének, addigra már nagy részük nem is lesz a vállalatnál.

Elég széles skálán mozog annak megítélése, hogy a mesterséges intelligencia fejlődése hogy hat majd a munkánkra. Onnantól talán, hogy a robotok majd elveszik a munkánkat és még nagyobb egyenlőtlenséget hoznak, odáig, hogy nem is kell majd dolgoznunk, és az élet egy nagy nyaralássá változik majd. Hogyan irányítsuk ügyesen ezt a fejlődést, hogy az emberiség jól jöjjön ki belőle?

Az biztosan nem tűnik túl értelmesnek, hogy ne dolgozzunk. Sokáig lesznek olyan munkák, amiknél emberre lesz szükség. Azzal már hozzávetőleg marad elég értelmes munka mindenkinek, ha szolgáltatásokat nyújtunk az embertársainknak. Emellé pedig, hogy az emberek nem feltétlenül boldogak attól, ha nincs semmi célja az életüknek. Úgyhogy valószínűleg dolgozni fognak az emberek. A technológiai fejlődés ráadásul bizonytalan, a fejlett országokban a demográfiai válság viszont biztos, ezért arra számítok, hogy az idősgondozásban sokkal több szerepet fog kapni az automatizálás, mert egyszerűen nem lesz rá ember. Szóval inkább a munkaerőhiány lesz a meghatározó. Ezzel együtt is biztosan rengeteg embernek kell majd munkahelyet váltania, ez is egyik kutatási témánk most, hogy nekik ezt az átmenetet hogyan tegyük a lehető leginkább zökkenőktől és bizonytalanságtól mentessé. A múltbeli átképzési programjaink eredménye nem megnyugtató, kevés volt az igazán sikeres.

Mit tehetünk, ha egy nagy techcég arra használja az élvonalbeli megoldásait, hogy mondjuk Kínának segít még jobban elnyomni saját állampolgárait? Mi a helyzet a mesterséges intelligencia felhasználásának etikai oldalával?

Ez nagyon fontos téma, nem véletlen, hogy a Szilícium-völgy egyik lényeges trendje a munkavállalói aktivizmus. Itt a cég dolgozói próbálják fegyelmezni a saját vállalatukat, ha az szerintük erkölcstelen üzletekbe fog. Ez attól függően szokták jónak vagy rossznak értékelni, hogy éppen ki ért egyet dolgozók etikai követeléseivel, mindenesetre ezekre az érintettekre is sokkal jobban oda kell már figyelni. A Stanfordon társvezetője vagyok az Emberközpontú Mesterséges Intelligencia nevű intézetnek. Itt az egyik fő célunk kitalálni, hogy a mesterséges intelligencia fejlesztésekor hogyan legyen figyelembe véve az etika, hogyan érdemes a különböző feladatokat etikusan kivitelezni.

Nem a vállalatok feladata kitalálni, hogy a működésük etikailag is kifogástalan legyen?

Nem teljesen, és ők se szívesen szeretnének ezzel foglalkozni. A Facebooknak is lényegesen egyszerűbb lenne a dolga, ha megkapnák, hogy a társadalom szerint az etikai korrektség ezt és ezt jelenti, és ők csak kiadnák a mérnökeiknek, hogy akkor kivitelezzétek ezt. Lényegesen kevesebben lennének rájuk mérgesek. Ha nekik kell kitalálniuk, hogy szerintük mi az etikus a mai társadalomban, azzal nem lesz mindenki boldog, mert sokkal nehezebb ezeket pontosan megmondani, mint a legtöbben gondolnák. Már csak azért is, mert számos erkölcsi vagy etikai megfontolás ellentmondhat egymásnak. Ezért többek közt az egyetemek feladata a társadalom oktatása, hogy

megismerjék, hogy mik közül választhatnak.

És ha meg is van egy adott társadalmi cél, annál is ki kell még találni, hogy azt hogyan lehet a legügyesebben alkalmazni az algoritmusok szintjén. Ezen túl a médiának is van oktatási felelőssége, mert a legtöbb ember nem tanult etikáról, filozófiáról, a választási lehetőségeiről, vagy ha tanult is egy keveset, az lehet, hogy régen volt, és megkopott már a tudása. Lehet egy általános rossz érzése az embereknek, hogy talán nem minden oké, amit a Facebook csinált, de ha nem értik, hogy mi történt és miért, akkor lehet, hogy nem azok miatt a dolgok miatt lesznek idegesek, amik miatt jogos lehetne. Szülőként sem egyértelmű, hogy a gyerekeimet például hogyan segítem át a Youtube jelentette feneketlen örvényen. Jól jönne a segítség.

Milyen képességek kell ahhoz, hogy az ember jó adattudós legyen?

Igen sokféle adattudós van, ott a data engineer, aki arra specializálódik, hogy kódot megírja, más adattudós a képfelismerésre specializálódik vagy lehet mondjuk főleg marketingkérdésekkel foglalkozni, felsorolni is nehéz lenne minden fajtát. Ami mindegyikben közös, hogy tudnak jól kódolni, magabiztosan bánnak a nagy adatbázisokkal. Ami ritkább, hogy legyen gyakorlatuk való életbeli problémák megoldásában. Rengeteg ember jön ki az iskolákból, akik nagyon sokféle adatbázissal gyakoroltak a netről, olyanból kevesebb van, akik már bármilyen valós problémát ténylegesen meg is oldottak volna.

Az elsők közt írta alá azt a levelet, amivel számos Nobel-díjassal együtt a CEU-t próbálták volna megvédeni, és azt kérték magyar kormánytól, hogy ne rúgják ki az egyetemet az országból. Nos, ez lepergett a kormányról, a CEU-t lényegében erőből elzavarták végül. Mit gondol a fejleményekről?

Az egyetemek különösen meghatározó szerepet töltenek be egy térség gazdaságában, jó egyetemet létrehozni pedig elképesztően nehéz. Egyebek mellett sok embernek kell hosszú időre elhinnie, hogy itt létre fog jönni valami értékes, és emellett hosszú időre el is kell köteleződniük. Mellé intézményeket, előremutató kultúrát kell kialakítani. Ráadásul manapság, amikor az innováció ennyire fontos, akkor minden ország igyekszik inkább megtartani az okos embereket. Visszacsatolási hatása is van, hiszen az embereknek el kell hinniük, hogy Magyarország egy jó hely lesz a magasan képzett embereknek, az ő ismerőseiknek is el kell hinniük és így tovább.

Tragikus, hogy egy ilyen erőforrást, ilyen óriási társadalmi értéket eldob egy ország.

Ráadásul az egész világ egy biztonságosabb hely lehetne, ha a világ humántőkéje jobban szétoszlana, és nem csak egy pár országban vagy térségben gyűlne fel. Ma egész országok érezhetik úgy, hogy igazából nem vesznek részt a valódi innovációban, és ez komoly feszültségeket szülhet még. Egész Európa kényes helyzetben van, hogy a jó oktatási rendszereik mellett az innováció inkább az USA-ban és Kínában összpontosul. Ilyen helyzetben a ki nem kényszerített hiba teljesen érthetetlen. Még akkor is nehéz relevánsnak maradni globális innovációs hálózatokban, ha mindent a lehető legjobban igyekszünk csinálni. Önként elküldeni egy ilyen erőforrást egyértelmű tévútnak tűnik.

(Borítókép: Bődey János / Index)

Rovatok