Васант Дхар

Васант Дхар
Васант Дхар, бывший главный редактор Big Data Journal; Профессор Школы бизнеса Стерна; Факультет Центра науки о данных Нью-Йоркского университета
Национальность	Индийский
Альма-матер	Школа Лоуренса, Санавар Индийский технологический институт Дели Университет Питтсбурга
Научная карьера
Поля	Наука о данных Информационные системы Машинное обучение Искусственный интеллект Большие данные Финансы
Учреждения	Нью-Йоркский университет

Васант Дхар — профессор Школы бизнеса Стерна и Центра науки о данных Нью-Йоркского университета . бывший главный редактор журнала Big Data и основатель SCT Capital, одного из первых хедж-фондов, основанных на машинном обучении, в Нью-Йорке в 1990-х годах. Его исследования сосредоточены на построении масштабируемых систем принятия решений на основе больших источников данных с использованием методов и принципов из дисциплин искусственного интеллекта и машинного обучения .

Ранняя жизнь и образование

Дхар — выпускник школы Лоуренса в Санаваре , которую он считает одним из лучших подарков, которые ему подарили родители, даже не осознавая этого. он окончил Индийский технологический институт в Дели В 1978 году со степенью бакалавра технических наук в области химического машиностроения . Впоследствии он поступил в Питтсбургский университет , где получил степень магистра философии и доктора философии. в 1984 году. После получения докторской степени он поступил на факультет Нью-Йоркского университета. С 1994 по 1997 год он работал в Morgan Stanley, где создал группу интеллектуального анализа данных, которая занималась прогнозированием финансовых рынков и поведения клиентов.

Основные моменты карьеры

Дхар — исследователь искусственного интеллекта и специалист по данным, чьи исследования задаются вопросом: когда мы доверяем системам искусственного интеллекта принятие решений? Этот вопрос особенно актуален для современных автономных систем машинного обучения, которые обучаются и адаптируются на основе текущих данных. Его исследование было мотивировано созданием прогностических моделей в ряде областей, в первую очередь в финансах, а также в таких областях, как здравоохранение, спорт, образование и бизнес, и задавался вопросом, почему мы готовы доверять машинам в некоторых областях, а не в других? По его мнению, возникает разрыв, когда мы даем полный контроль над принятием решений машине, которая учится на текущих данных. Этот разрыв создает некоторые риски, особенно связанные с ошибками, допущенными такими системами, которые напрямую влияют на нашу степень доверия к ним.

Исследование Дхара разбивает доверие по двум измерениям, основанным на риске: предсказуемость или частота ошибок системы (ось X) и связанные с этим издержки ошибок (ось Y) таких ошибок. Исследование демонстрирует существование «границы», выражающей компромисс между частотой ошибок системы и последствиями таких ошибок. Доверие и, следовательно, наша готовность передать контроль над принятием решений машине, возрастает с увеличением предсказуемости и снижением стоимости ошибок. Другими словами, мы готовы доверять машинам, если они не допускают слишком много ошибок и их затраты приемлемы. Поскольку количество ошибок увеличивается, мы требуем, чтобы их последствия были менее дорогостоящими.

Граница автоматизации дает естественный способ задуматься о будущем работы. Благодаря увеличению количества и улучшению данных и алгоритмов части существующих процессов становятся автоматизированными из-за повышения предсказуемости и пересекают границу автоматизации в зону «доверия машине», тогда как части с высокими затратами на ошибки остаются под контролем человека. Модель дает возможность задуматься об изменении обязанностей людей и машин по мере того, как больше данных и более совершенные алгоритмы становятся лучше, чем люди в принятии решений.

Дхар также использует эту структуру для формулирования политических вопросов, связанных с рисками платформ социальных сетей на основе искусственного интеллекта, а также вопросов конфиденциальности, этического использования и управления данными. Он регулярно пишет в средствах массовой информации об искусственном интеллекте, социальных рисках, связанных с платформами ИИ, управлении данными, конфиденциальности, этике и доверии. Он часто выступает на академических и промышленных форумах.

Дхар преподает курсы по систематическому инвестированию, прогнозированию, науке о данных и основам FinTech. Он написал более 100 исследовательских статей, финансируемых за счет грантов промышленности и государственных учреждений, таких как Национальный научный фонд.

См. также

• Наука о данных
• Прогнозная аналитика

Внешние ссылки

• Страница факультета Стерна Нью-Йоркского университета