آزمایشگاه آزاد؛ بدون نیاز به ورود
ارزش اطلاعات؛ آزمون چه‌قدر به تصمیم کمک می‌کنه؟
فرض کن پیش از تصمیم می‌تونی یک آزمون بی‌خطا بگیری: اگر نتیجه خوب باشه اقدام می‌کنی و اگر بد باشه منصرف می‌شی. ویجت ارزش موردانتظارِ این راه رو با اقدام‌کردن بدون آزمون مقایسه می‌کنه؛ همهٔ مبلغ‌ها فرضی‌اند.
آزمایش رو شروع کناز p=۰٫۵، پاداش=۱۰۰۰، زیان=۵۰۰ و هزینهٔ آزمون=۲۰۰ شروع کن. مدل برای اقدام بی‌آزمون ۲۵۰ و برای آزمون کامل و بعد اقدام ۳۰۰ می‌ده؛ اختلاف دو راه ۵۰ واحد پولیِ فرضیه.
آزمایشگاه در حال آماده شدنه…
حالا خودت امتحان کن
هر بار فقط یک چیز رو تغییر بده تا اثرش رو ببینی. قبل از اجرا، نتیجه رو حدس بزن.
دو راه رو باهم مقایسه کن
با مقدارهای شروع، ستون «اقدام بدون آزمون» و «آزمون و بعد اقدام» رو بخون. هزینهٔ آزمون رو هم در نظر بگیر.
حدست چیه؟ در این مدل، آزمون کامل نسبت به اقدام فوری چه‌قدر ارزش اضافه می‌کنه؟
توضیح نتیجه رو ببین
ارزش موردانتظارِ اقدام بدون آزمون ۲۵۰ و راهِ آزمون کامل ۳۰۰ واحد پولی می‌شه؛ پس اختلاف دو گزینه ۵۰ واحده. این نتیجه فقط با فرض‌های همین مدل درسته و به معنی توصیهٔ واقعی برای خرید آزمون نیست.
هزینهٔ آزمون رو بالا ببر
همه‌چیز رو مثل شروع نگه دار، اما هزینهٔ آزمون رو از ۲۰۰ به ۳۰۰ برسون.
حدست چیه؟ با گران‌تر شدن آزمون، کدوم راه ارزش موردانتظار بیشتری داره؟
توضیح نتیجه رو ببین
اقدام بدون آزمون همچنان ۲۵۰ می‌ارزه، اما راه آزمون ۲۰۰ می‌شه؛ اختلاف ارزش اطلاعات منفی ۵۰ است. در مقایسهٔ این دو راه، اقدام بدون آزمون ۵۰ واحد بالاتره.
زیان شکست رو تغییر بده
هزینهٔ آزمون رو دوباره روی ۲۰۰ بذار و زیان شکست رو از ۵۰۰ به ۸۰۰ افزایش بده؛ p و پاداش رو تغییر نده.
حدست چیه؟ وقتی شکست پرهزینه‌تر می‌شه، اختلاف دو راه چه تغییری می‌کنه؟
توضیح نتیجه رو ببین
اقدام بدون آزمون ۱۰۰ و راه آزمون کامل ۳۰۰ واحد پولی می‌شه؛ پس ارزش اطلاعات در مقایسه با اقدام فوری ۲۰۰ واحده. آزمون کامل در این مدل بخشی از زیانِ احتمالی رو کنار می‌زنه، ولی نتیجه هنوز توصیهٔ دنیای واقعی نیست.
پشت این حرکت چه خبره؟
ارزش موردانتظار، میانگینِ چند پیامده
اگر احتمال موفقیت p باشه، پاداش موفقیت R و زیان شکست L باشه، مدلِ اقدام فوری میانگین وزنی دو نتیجه رو حساب می‌کنه. این عدد پول قطعی یا قولِ نتیجهٔ آینده نیست.
آزمون این مدل بی‌خطاست
مدل فرض می‌کنه آزمون همیشه نتیجهٔ واقعی رو درست می‌گه و هزینهٔ C در هر حالت پرداخت می‌شه. اگر آزمون موفقیت رو پیش‌بینی کنه، اقدام می‌کنی؛ اگر شکست رو پیش‌بینی کنه، اقدام نمی‌کنی و فقط هزینهٔ آزمون رو می‌دی.
ارزش اطلاعات، اختلاف همین دو راهه
EV_now=p*R-(1-p)*L; EV_test=p*(R-C)-(1-p)*C; VOI=EV_test-EV_now=(1-p)*L-C
این ویجت اختلاف ارزش موردانتظارِ آزمون و اقدام فوری رو نشان می‌ده. در همین فرمول، پاداش R از اختلاف حذف می‌شه؛ هزینهٔ کمتر یا زیانِ شکستِ موردانتظارِ بیشتر می‌تونه این اختلاف رو بالا ببره.
احتمال موفقیت یک فرض ورودی است
p در این صفحه عددی است که خودت وارد می‌کنی؛ از داده یا پیش‌بینی واقعی به دست نمی‌آد. اگر p بالا بره، زیانِ موردانتظارِ شکست در این مدل کم می‌شه و ارزش آزمون هم پایین می‌آد.
سؤالت رو بپرس، جوابش رو هم ببین
وقتی توی چت دربارهٔ یک مفهوم درس می‌خونی، دستیار هوش مصنوعی می‌تونه شبیه‌سازی مرتبط رو کنار توضیحش نشون بده. پارامترها رو تغییر می‌دی و با کمک توضیح بعدی، نتیجه رو بهتر می‌فهمی.
شروع یادگیری با چتبرای ادامه در چت، وارد مسیر شروع و ورود می‌شی. نتیجهٔ این آزمایش به چت منتقل نمی‌شه.
نمونهٔ نمایشی از آموزش در چت
اگه ارزش اطلاعات مثبت باشه، یعنی حتماً باید آزمون بگیرم؟
نه؛ فقط می‌گه در فرض‌های مدل، راه آزمون از اقدام فوری بهتر دراومده. آزمون را بی‌خطا فرض کرده و حتی انتخابِ «اقدام نکن» را ندارد؛ برای همین پیام ویجت توصیهٔ واقعی نیست و عددهای پولی هم فرضی‌اند.
سؤال‌های رایج
ارزش موردانتظار یعنی این مبلغ حتماً به دستم می‌رسه؟
نه. این میانگینِ وزن‌دارِ چند نتیجه با احتمال‌های ورودی است. یک بار نتیجه می‌تونه با میانگین فرق کنه و احتمال p هم فقط فرض مدل است.
اگر ارزش اطلاعات مثبت شد، آزمون همیشه انتخاب خوبیه؟
نه. ویجت فقط آزمون را با اقدام فوری مقایسه می‌کنه و در این نسخه گزینهٔ هیچ‌کدام را نمی‌سنجه. اگر هر دو ارزش منفی داشته باشن هم ممکنه آزمون را برندهٔ این مقایسه نشان بده، پس پیامش را توصیهٔ واقعی نگیر.
چرا هزینهٔ آزمون می‌تونه ارزش اطلاعات رو منفی کنه؟
اگر هزینه از زیانِ موردانتظارِ قابل‌جلوگیری بیشتر بشه، آزمون در مقایسه با اقدام فوری ارزش کمتری پیدا می‌کنه. مثلاً در شروع، با هزینهٔ ۳۰۰، ارزش اطلاعات منفی ۵۰ می‌شه.
چرا عوض‌کردن پاداش، اختلاف ارزش اطلاعات رو تغییر نمی‌ده؟
در همین دو فرمول، هر دو راه در حالت موفقیت همان پاداش را می‌گیرن؛ برای همین R از تفاضل حذف می‌شه. خود ارزش موردانتظار هر دو راه هنوز با پاداش بالا و پایین می‌ره.
اگر آزمون گاهی اشتباه کنه چی؟
این ویجت خطای آزمون رو حساب نمی‌کنه و آن را کاملاً درست فرض می‌گیره. برای آزمون واقعی باید احتمال خطا و هزینه‌ها را جدا بررسی کرد؛ این صفحه چنین پیش‌بینی‌ای نمی‌کنه.
چرا عددها با واحد دلار نمایش داده می‌شن؟
این واحد ثابتِ ویجته، اما برای آزمایش درس می‌تونی همهٔ رقم‌ها رو واحد پولی فرضی بخونی. این رقم‌ها نرخ بازار، بازده واقعی یا توصیهٔ مالی نیستن.