Dependance aux smartphones

Il y a eu plusieurs articles mettant en garde contre les dangers de la dépendance à la technologie, provenant de publications comme The Washington Post et The Atlantic , qui notent que la dépendance aux smartphones a entraîné des taux plus élevés de dépression et de suicide chez les adolescents. Il y a également eu des changements de comportement alarmants. Les enfants et les adolescents semblent de nos jours moins intéressés par la conduite ou la gestion de l'argent, l'âge adulte continue d'être reporté.

L'auteur de Hooked: How to Build Habit-Forming Products a écrit une courte réponse.

Il a fait référence à une mesure légale qui a été prise pour contrôler la façon dont certains produits technologiques pourraient être conçus.

Josh Hawley, un sénateur républicain du Missouri, a présenté la Social Media Addiction Reduction Technology Act, qui – au-delà de son acronyme forcé – était remarquable par son agressivité pour réglementer la conception de certains produits technologiques.

"Tech Addiction" est la nouvelle folie des récifs, Nir Eyal

Accor d à accepter d' Eyal, l'attentat contre la dépendance à la technologie est semblable à la folie Reefer qui a dépassé il y a des décennies aux États - Unis. Eyal note que tout ce que les gens ont à faire est de désactiver les notifications sur leur téléphone et ils cesseront d'être distraits.

Le problème, selon lui, n'est pas que les gens deviennent accros aux smartphones, mais qu'ils se laissent constamment distraire.

Qui a raison ?

Premièrement, le report de l'enfance est une observation faite par un écrivain après avoir observé des changements générationnels de comportement pendant des décennies. Mais le problème est que ces tendances ne nous disent pas tout. Par exemple, si vous voulez avoir une bonne idée de l'endroit où l'âge adulte n'est pas du tout reporté - c'est-à-dire que les enfants sont obligés de devenir adultes à un âge beaucoup plus jeune - c'est généralement dans les pays pauvres. Là-bas, les enfants font le saut vers l'âge adulte plus tôt que tard parce qu'ils n'ont pas le choix. S'ils ne devenaient pas adultes, ils mourraient de faim.

S'il existe une société où les enfants ne sont pas obligés de devenir des adultes, c'est généralement un bon signe.

La romance d'une époque révolue où les enfants « voulaient » conduire et assumer des responsabilités financières est un sentiment nostalgique, mais pas fondé sur la vérité. Les enfants ne « veulent » pas faire ces choses, mais si tout le monde autour d'eux les faisait, ils peuvent se convaincre que c'est aussi ce qu'ils veulent faire – une astuce psychologique importante qui les aide à faire face à une réalité plus dure.

Il est idiot de réduire la dépendance aux smartphones à une simple distraction. Comme l'a dit Tristan Harris, il y a un millier de personnes de l'autre côté de l'écran qui passent toutes leurs heures de travail à essayer de comprendre comment vous rendre accro. Ce n'est pas un combat loyal. Et si vous êtes le moins du monde réaliste quant à vos fragilités psychologiques, vous comprendrez à quel point il est facile pour les médias et la technologie de manipuler vos pensées et vos comportements.

Ce n'est pas seulement que les gens sont sujets à la manipulation et au contrôle, mais les technologies elles-mêmes suivent des principes qui ont été étudiés et perfectionnés depuis plus d'un siècle, depuis que Watson a fondé l'école comportementale en psychologie au début du 20e siècle. En d'autres termes, c'est une tempête parfaite, avec trois catastrophes.

1. Modèles commerciaux sur Internet (basés sur la publicité) qui incitent à maintenir l'attention des utilisateurs à tout prix.
2. Intelligence artificielle informée par des décennies de recherche sur la psychologie de la manipulation.
3. Un esprit humain distrait, fragile et confus.

Le problème, c'est qu'avec le temps, les choses ne font qu'empirer. L'esprit devient plus distrait, la technologie devient plus avancée et les modèles commerciaux qui ont survécu deviennent plus omniprésents et puissants.

Plans d'affaires

De nombreux critiques bien intentionnés ont appelé à changer le modèle publicitaire en quelque chose d'autre. L'idée est que s'il y avait des incitatifs économiques différents, les résultats seraient différents. Le problème, c'est que l'industrie de la publicité en ligne ne fonctionne pas de cette façon. Tout comme la technologie, les modèles commerciaux ne sont pas construits sur des principes éthiques. Des entreprises comme Alphabet (Google) et Meta (Facebook) feront toujours ce qui est économiquement sensé.

Et ces entreprises sont les moteurs de l'industrie de la publicité en ligne qui est un marché à grande vitesse et implacable qui n'a pas le temps de méditer sur son comportement. Comme la bourse, elle doit continuer, sinon tout s'effondre.

Le changement est possible, mais seulement dans le format, et non dans la forme.

La publicité en ligne est en constante évolution mais le modèle de base est le même. Vous ne pouvez gagner de l'argent en ligne qu'en attirant l'attention. Et avec la devise de l'attention, vous pouvez annoncer vos propres produits ou les produits de quelqu'un d'autre.

Le format évoluera constamment - les vidéos et l'audio peuvent remplacer le texte, et les publicités invasives peuvent être remplacées par des publicités subtiles, mais le jeu sera une course pour attirer l'attention.

Intelligence artificielle

Les changements de comportement chez les jeunes ont toujours été un problème pour chaque génération.

« [Les jeunes] ont l'esprit élevé parce qu'ils n'ont pas encore été humiliés par la vie, ni n'ont fait l'expérience de la force des circonstances. »

— Rhétorique, Aristote, IVe siècle av.

"Le jeune imberbe... ne prévoit pas ce qui est utile, gaspillant son argent."

— Horace, Ier siècle av.

Tant que les civilisations ont existé, l'ancienne génération déplore la folie de la jeune génération. Sachant cela, il est stupide de dire que « cette fois, c'est différent ». Mais en même temps, il est stupide de dire que « les temps ne seront jamais différents ».

La vitesse à laquelle la civilisation a progressé technologiquement au cours des siècles précédents est incomparable à la vitesse à laquelle la civilisation progresse aujourd'hui.

Une grande partie de la sagesse du passé peut être conservée, mais c'est une erreur de traiter un monde dans lequel l'être humain a sous-traité tant de prise de décision à des algorithmes comme identique ou même similaire à un monde dans lequel les gens étaient isolés les uns des autres. Le monde hyper-connecté d'aujourd'hui signifie que ce n'est pas seulement l'aîné du village ou votre grand-mère que vous recevez des conseils et de la sagesse, mais toute l'histoire de la civilisation, passée et présente.

Et clairement, c'est un beau cadeau. Le côté obscur de ce compromis, cependant, est que cet individu est également la cible d'une publicité incessante et d'un pistage prédateur par des entreprises dont le modèle économique repose sur l'exploitation méthodique du cerveau.

Les gens qui comprennent la technologie sont ceux qui savent à quel point c'est dangereux. Steve Jobs connaissait les dangers des heures prolongées à l'écran. Apparemment, il a limité le temps qu'il a accordé à ses enfants pour utiliser les produits mêmes qu'il a aidé à mettre au monde. Le rappeur légendaire Notorious BIG l'a le mieux résumé dans sa chanson Ten Crack Commandments , lorsqu'il a déclaré : « Numéro 4, je sais que vous avez déjà entendu cela. Ne vous défoncez jamais avec votre propre approvisionnement.

Une caractéristique fondamentale de toute nouvelle technologie est qu'elle ne se soucie pas de votre bien-être. Ce n'est pas ainsi que fonctionne le système économique. Les produits qui se vendent sont ceux qui sont très demandés (pour une raison quelconque, y compris la dépendance). Il y a tellement d'indignation et de choc dans le public quant à la façon dont les entreprises ont gagné de l'argent en s'attaquant à la psychologie des gens, on pourrait penser que ces gens vivaient dans un monde différent où les entreprises ont établi des monopoles en étant de bons intendants de la terre. Comme c'est si souvent le cas, les gens recherchent la moralité aux mauvais endroits.

Un esprit distrait

Alors que les générations précédentes souffraient d'épisodes d'ennui intense, la génération actuelle ne s'ennuie jamais. En fait, l'un des acquis indéniables de la technologie à notre époque est qu'il est devenu impossible de s'ennuyer. Qu'il s'agisse de regarder, d'écouter, de jouer, de discuter, de publier ou de faire défiler, vous devrez faire un effort pour éviter de vous divertir.

C'est vraiment un exploit remarquable. Mais encore une fois, un compromis qui a entraîné un compromis subtil et dangereux. Quand l'esprit s'ennuie, il erre, il réfléchit, il pense et il ressent. C'est généralement une bonne chose. C'est par l'ennui que nous pouvons sortir de notre routine, corriger nos erreurs et réorienter nos vies. Cet écart, l'espace entre nos actions, est essentiel pour bien fonctionner. C'est ce que les taoïstes savent depuis longtemps, mais ce que beaucoup semblent ignorer totalement.

Il y a plusieurs décennies, les dictateurs ont compris qu'un esprit distrait est faible et vulnérable à la propagande. En fait, si vous voulez laver le cerveau des gens, vous feriez tout ce qui est en votre pouvoir pour les empêcher de penser en silence. La meilleure façon d'exercer un contrôle est de garder les gens branchés et « connectés ». L'industrie de la publicité n'a pas été l'inventeur de la distraction, ce sont des adeptes tardifs.

Intuitivement, nous pensons que vivre sans s'ennuyer est une bonne chose. Plus d'excitation signifie plus de plaisir, et donc plus de bonheur. Le visionnaire Huxley dans Brave New World (1931) a si bien résumé la situation difficile de l'avenir lorsqu'il a écrit de manière vivante sur un monde dans lequel la majorité des êtres humains se soumettraient volontairement au lavage de cerveau non pas parce qu'ils étaient retenus contre leur propre volonté, mais de leur libre choix. Le confort était plus désirable que la lutte, le plaisir était plus désirable que la douleur. Une existence de félicité parfaite était à leur disposition, et ils l'ont prise - au détriment d'être humain.

Le paradoxe

Mais la technologie est devenue si essentielle à notre mode de vie (commodité), et regarder les écrans est souvent le seul moyen de travailler, de communiquer avec des amis et de lire les actualités. Comment pouvons-nous l'éviter? Combien de « liberté » gagnerions-nous à le faire ?

Et c'est là que réside le paradoxe.

Jeter votre smartphone n'est pas une bonne idée, car vous en avez besoin. Mais se laisser contrôler totalement ou même partiellement par des technologies qui vous obligent à en devenir accro n'est pas non plus une bonne idée.

Le seul compromis raisonnable est une forme d'autodiscipline, où la technologie elle-même est traitée comme tout ce qui est nuisible en excès. Mais le problème est que si une telle solution existe, elle n'est accessible qu'à une minorité d'individus idéalistes qui ont une volonté exceptionnelle.

Mais à mesure que le monde numérique continue de croître, ces individus deviendront obsolètes, car ils sont hors du nouveau système économique.

Il n'y a pas de solution claire, d'où le paradoxe.

Malheureusement, la plupart des gens ne pensent pas qu'il est important de garder leur temps contre un monde qui se dispute leur attention.

Dans Sapiens , Harari a résumé notre situation difficile d'une manière grossière mais véridique. Il a dit que l'état de l'économie numérique moderne nous a laissé deux choix. L'une consiste simplement à profiter de la balade et à laisser les algorithmes nous orienter dans la direction qu'il souhaite, y compris les informations que nous consommons, les produits que nous achetons et même les relations que nous poursuivons. La deuxième option est de vous comprendre plus rapidement que les algorithmes ne le peuvent.

 

Reseaux de neurones

Cette vignette donne une brève introduction aux réseaux neuronaux, à la magie des voitures sans conducteur, aux assistants virtuels, à la traduction automatique et à de nombreux autres sauts fascinants dont l'humanité sera témoin.

Tous les réseaux de neurones sont composés de perceptrons (neurones artificiels) qui tentent d'imiter le fonctionnement des neurones biologiques du cerveau humain. Pour posséder une compréhension transparente des réseaux de neurones artificiels, examinons d'abord un neurone biologique.

Des neurones dans notre cerveau

Les neurones biologiques sont les éléments fondamentaux du cerveau. Ils génèrent des signaux électriques et présentent l'avantage de transmettre des signaux sur de longues distances. Un neurone se compose principalement de trois parties (Dendrite, Soma et Axon) et d'une partie externe appelée synapse qui est un petit écart entre 2 neurones.

Comment un neurone transmet-il des informations ?

Les dendrites reçoivent les signaux. Les récepteurs sur les dendrites peuvent capturer des signaux d'autres neurones qui se présentent sous la forme de produits chimiques appelés neurotransmetteurs. Les signaux captés par les dendrites provoquent un changement électrique dans le neurone. Ce changement est interprété par une partie appelée Soma. Soma prend le signal et le transmet à une zone appelée la butte d'axone. Si le signal est au-dessus d'un seuil, il est transmis à la partie suivante appelée axone.

Le signal à ce stade est appelé potentiel d'action. Le potentiel d'action se déplace le long de l'axone recouvert de myéline. La myéline aide à prévenir la dégradation du signal. Dans la dernière étape, le potentiel d'action se situe au niveau des boutons synaptiques. Les signaux lorsqu'ils atteignent le bouton synaptique déclenchent la libération de neurotransmetteurs. Ces neurotransmetteurs libérés interagissent avec les récepteurs dendrites dans les neurones connectés.

Neurones artificiels

Perceptron (neurone artificiel) est l'élément fondamental du réseau de neurones artificiels (ANN). Les perceptrons sont des modèles mathématiques inspirés du modèle des neurones biologiques.

Chaque perceptron a ce qui suit

les fonctions:

1. Prend les entrées de la couche/nœud d'entrée
2. Les pèse séparément et les résume
3. Transmettez cette somme à une fonction d'activation pour produire une sortie.

Le perceptron se compose de 4 parties :

• Nœud d'entrée

Initialement, les valeurs d'entrée sont transmises à cette couche. Il est similaire aux dendrites dans les neurones biologiques.

• Poids et biais

Les poids sont multipliés par les valeurs d'entrée respectives. Ensuite, nous prendrons la somme de ces valeurs. Ensuite, nous ajouterons une valeur de biais à la somme pondérée.

• Fonction d'activation

La fonction d'activation décide si un neurone doit s'activer ou non.

• Couche de sortie

La couche de sortie donne la sortie finale d'un perceptron qui sera transmis à d'autres perceptrons du réseau de neurones.

Comprenons le fonctionnement d'un perceptron avec un exemple.

Considérons deux entrées x1=2 et x2=5

Ensemble donné de poids w1= 0,2 et w2= 0,5

Soit 0.5 la valeur de biais b=0.5

La couche d'entrées accepte les valeurs x1 et x2 et est multipliée par les poids w1 et w2. Ensuite, une valeur de biais est ajoutée.

A = ( x1*w1)+(x2*w2)+b

= (2*0,2)+(5*0,5)+0,5

= 3,4

A est l'entrée de la couche d'activation. Soit l'activation sigmoïde.

f (s) = 1 /(1 + e ^− s)

= 1/(1 + e^ - 3,4)

= 0.9677

La valeur seuil pour la fonction sigmoïde est de 0,5. Le neurone se déclenchera lorsque la sortie de la fonction sigmoïde > 0,5. Comme notre valeur de sortie est de 0.9677, le neurone se déclenchera.

Les réseaux de neurones Perceptron ou monocouches sont les niveaux de base des réseaux de neurones. J'espère que ce texte pourra vous motiver à vous plonger dans des réseaux de neurones plus complexes comme CNN, GAN et RNN.

Projet de science des donnees

Bvant le début de chaque projet, il est important de poser des questions pour vous aider à comprendre sur quoi vous allez travailler au cours des prochaines semaines, voire des prochains mois. Des questions telles que ce que nous essayons d'accomplir, pourquoi essayons-nous d'accomplir et comment cela va-t-il bénéficier à l'utilisateur final sont-elles vraiment importantes à poser au début du projet car elles sont essentielles pour obtenir des résultats positifs et apporter de la clarté aux le problème que vous essayez de résoudre.

Voici une liste des questions que vous devriez poser avant le début de votre projet scientifique de données:

1. Qui est le client, dans quel domaine d'activité se trouve le client ?

Comprendre dans quel domaine commercial se trouve le client, comment il opère, ce qui compte pour lui, quelles variables clés sont utilisées pour définir le succès dans cet espace vous permettra de créer une solution qui a un impact direct sur ce qui est important pour le client.

2. Quel problème commercial essayons-nous de résoudre ?

Le livre Fundamentals of Machine Learning For Predictive Data Analytics décrit parfaitement cela :

Les organisations n'existent pas pour faire de l'analyse prédictive des données. Les organisations existent pour faire des choses comme gagner plus d'argent, gagner de nouveaux clients, vendre plus de produits ou réduire les pertes dues à la fraude. Malheureusement, les modèles d'analyse prédictive que nous pouvons construire ne font rien de tout cela. Les modèles que les praticiens de l'analyse construisent font simplement des prédictions basées sur des modèles extraits d'ensembles de données historiques. Ces prédictions ne résolvent pas les problèmes commerciaux ; ils fournissent plutôt des informations qui aident l'organisation à prendre de meilleures décisions pour résoudre ses problèmes commerciaux.

Une étape clé de tout projet d'analyse de données consiste donc à comprendre le problème commercial que l'organisation souhaite résoudre et, sur cette base, à déterminer le type d'informations qu'un modèle d'analyse prédictive peut fournir pour aider l'organisation à résoudre ce problème. Cela définit la solution d'analyse que le praticien de l'analyse s'efforcera de créer à l'aide de l'apprentissage automatique .

Si l'objectif de votre entreprise est de réduire le taux de désabonnement des clients, une solution possible pourrait consister à créer un modèle de prédiction qui identifierait les clients les plus susceptibles de se désabonner dans un proche avenir.

3. Comment va-t-il être consommé par le client ?

Comprendre comment votre client utilisera la sortie de votre modèle vous permettra de créer votre travail qui lui est destiné. Par exemple, construisez-vous des modèles qui servent les utilisateurs internes et influencent la stratégie de l'entreprise, ou construisez-vous des modèles qui s'adressent aux clients.

4. Quel est l'impact économique de ce projet ?

Mettre un montant d'argent dans un projet est l'une des choses les plus difficiles à faire. Mais savoir comment votre produit de données générera des revenus ou réduira les coûts pour le client vous permet de faire preuve de leadership et de vous soutenir tout au long du projet.

5. Quel type de décisions notre fonctionnalité de science des données entraînera-t-elle ?

Quel est le modèle qui va leur donner les moyens de faire ce qu'ils ne pouvaient pas faire auparavant.

6. Quelle métrique allons-nous utiliser pour qualifier ce projet de réussite et comment allons-nous le mesurer ?

Avoir un objectif spécifique en tête vous assurera que votre projet a un résultat final et que vous n'y travaillez pas indéfiniment. Quantifiez quelle amélioration des valeurs des métriques est utile pour le scénario client (par exemple, réduire les coûts de main-d'œuvre de 20 %). La mesure doit être SMART ( S pécifique, M esurable, A chievable, R Elevant et T liés ime-). Par exemple : atteignez une précision de 20 % de la prédiction de l'attrition des clients d'ici la fin de ce projet de 3 mois afin que nous puissions offrir des promotions pour réduire l'attrition .

 

Imaginez un dialogue entre un data scientist (DS) et un chef de produit (PM) sur l'introduction d'une nouvelle fonctionnalité ML dans l'application conçue pour offrir une meilleure visibilité aux opérations d'entrepôt. Supposons que le chef de produit connaisse bien l'espace de l'entrepôt et ait déjà une fonctionnalité en tête.

DS : Je pense que le client ABC est confronté à un problème. Pouvez-vous m'aider à comprendre quel est le problème?

PM : Bien sûr. ABC lutte constamment pour atteindre son objectif de commandes quotidiennes.

DS : Qu'est-ce qu'un objectif de commande quotidien ?

PM : Les entrepôts fixent généralement un objectif de commande au début de la journée qu'ils essaient d'expédier avant la fin de leur journée. Par exemple, au début de la journée, un opérateur de l'entrepôt fixera un objectif de commande, disons 45 000 commandes, dont il a besoin pour sortir et expédier avant la fin de la journée.

DS : Compris ! Et pourquoi atteindre cet objectif quotidien est-il important pour eux ?

PM : Bonne question. Ne pas atteindre leur objectif de commande pour la journée signifie ne pas livrer leurs clients à temps, ce qui peut entraîner des coûts d'assistance supplémentaires, des dommages à la réputation et un désabonnement pour notre client. Et pour faciliter la vie du client, je propose de publier une fonctionnalité ML dans l'application qui aide notre client à mieux savoir s'il est sur la bonne voie pour atteindre son objectif de commande aujourd'hui en fonction de ses performances actuelles .

DS : Je vois. Et pourquoi pensez-vous que cette fonctionnalité leur est utile ? Quels types de décisions cela entraînera-t-il ?

PM : Bonne question. L'un des cas d'utilisation les plus importants est qu'il permettra aux opérateurs de l'entrepôt d'allouer la main-d'œuvre en conséquence dès le début. Par exemple, si notre prévision de commande expédiée pour la journée est inférieure à leur objectif quotidien, ils peuvent augmenter le nombre de travailleurs pour faire avancer les choses plus rapidement. Cela les aide donc à mener leurs opérations quotidiennes plus efficacement.

DS : Comment va-t-il être consommé par le client ?

PM : Laissez-moi partager mon écran pendant une seconde et vous le montrer. Les utilisateurs pourront voir cette fonctionnalité dans notre application. Voici comment je l'envisage : la ligne bleue continue montre la commande qu'ils ont expédiée jusqu'à présent. La ligne pointillée verte est la prédiction générée à partir de notre modèle. Et la ligne rouge continue est leur objectif pour aujourd'hui.

DS : Ah, c'est un bon visuel — ça me rend les choses très claires. Cela va donc être une fonctionnalité en temps réel où nous mettons à jour les prévisions générées pour la journée toutes les heures ?

PM : Oui. C'est correct.

DS : Une autre question : qu'utilisent-ils actuellement et quelle est la valeur de référence (actuelle) de cette métrique ?

PM : Ils n'utilisent actuellement rien, et c'est pourquoi cette fonctionnalité apportera beaucoup de clarté à leurs opérations.

DS : Quel est l'impact économique de ce projet ? Et quels sont les critères de réussite ?

PM : Excellente question. Eh bien, si nos prévisions ont une erreur absolue moyenne de moins de 30% à la fin de cette période de 2 mois, nous pouvons appeler la première itération de ce projet terminée. En ce qui concerne l'impact économique, mon estimation approximative est que cette fonctionnalité leur permettra également d'optimiser leurs décisions de planification et d'allocation des ressources, ce qui les aidera à réduire la dépendance au travail et à réduire les coûts de 30%. Je vais devoir faire plus d'enquêtes et analyser quelques chiffres pour obtenir le montant exact en dollars.

DS : Ah, il semble que cette fonctionnalité augmentera l'efficacité de nombreux services pour notre client. Permettez-moi d'examiner les données, puis de prendre toutes ces informations et de créer un plan approximatif sur la façon dont je vais mener à bien ce projet, et de les partager avec vous et l'équipe pour obtenir des commentaires.

PM : Génial ! Merci.

 

Dans son livre Anticipate Failure , Lak Ananth a déclaré que « Chaque entreprise commence par cette composante du problème, de la solution et de la raison pour laquelle est-ce une entreprise convaincante ». De même, un projet de science des données doit commencer par une hypothèse du problème client que nous essayons de résoudre, pourquoi nous essayons de le résoudre et quel en sera l'impact.