Calling Bullshit by Carl T. Bergstrom, Jevin D. West – Book Summary in Hindi

इसमें मेरे लिए क्या है? जानें कैसे बकवास जगह है।

इन दिनों, हम सभी को हर समय जानकारी दी जा रही है। हमारे फोन पर, काम पर, खबरों में, हर जगह। लेकिन हमारे द्वारा खिलाया गया बहुत सारा सामान, दुर्भाग्य से, बकवास है।

यदि आप इसके बारे में जानते हैं, तब भी यह जानना मुश्किल हो सकता है कि इसके बारे में क्या करना है। झूठ जंगल की आग की तरह फैल सकता है, और उन्हें बाहर बुलाना अविश्वसनीय रूप से मुश्किल है।

लेकिन हम सब प्रयास करने के लिए मिल गए हैं। इन ब्लिंक में, आप विज्ञान और सांख्यिकी पर विशेष ध्यान देने के साथ कुछ सबसे सामान्य प्रकार के बकवास के बारे में जानेंगे, और यह जानेंगे कि संशयवाद की नाजुक कला का अभ्यास कैसे करें।

आप सीखेंगे


  • क्या अपराधियों के पास वास्तव में हमारे बाकी हिस्सों से अलग आकार के सिर हैं;
  • घर की कीमतें बढ़ने से प्रजनन क्षमता में गिरावट संभव नहीं है; तथा
  • क्यों वैज्ञानिक प्रकाशन चयन पूर्वाग्रह से ग्रस्त है।

हम सभी को बकवास के खतरों के प्रति सतर्क रहने की आवश्यकता है।

1998 में, मेडिकल जर्नल द लांसेट ने ब्रिटिश चिकित्सक एंड्रयू वेकफील्ड द्वारा सह-लिखित एक अध्ययन प्रकाशित किया। इसने दावा किया कि व्यापक रूप से इस्तेमाल किए जाने वाले एमएमआर वैक्सीन और ऑटिज्म के बीच एक संबंध हो सकता है।

लेकिन वहाँ नहीं था। बाद के कई अध्ययनों में कोई लिंक नहीं मिला, और यह पता चला कि वेकफील्ड का अध्ययन गहराई से त्रुटिपूर्ण था। लैंसेट ने 2010 में भी पेपर को वापस ले लिया। यह अब तक के सबसे व्यापक रूप से बदनाम अध्ययनों में से एक के रूप में गिना जाता है। यह बकवास था।

और फिर भी इसका प्रभाव बहुत बड़ा है। “एंटीवैक्स” आंदोलन अभी भी मजबूत हो रहा है, अमेरिका में वैक्सीन की दरें पहले की तुलना में कम हैं, और खसरे के मामले बढ़ रहे हैं।

दुखद सच्चाई यह है कि लोगों को अपने विचारों को बदलने के लिए जितना विश्वास करना चाहिए, उससे कहीं अधिक आसान है, लोगों को बकवास कहना।

लेकिन हम सभी का कर्तव्य है कि हम प्रयास करें।

यहाँ मुख्य संदेश है: हम सभी को बकवास के खतरों के प्रति सचेत रहने की आवश्यकता है।

बकवास केवल एक आधुनिक घटना नहीं है। प्राचीन ग्रीस में वापस, प्लेटो ने सोफिस्टों पर आरोप लगाया कि वे दर्शनशास्त्र के एक प्रतिद्वंद्वी स्कूल में बकवास का सामना कर रहे हैं। उन्होंने कहा कि वे केवल तर्कों को जीतने में रुचि रखते थे, वास्तव में सच नहीं था।

इक्कीसवीं सदी, हालांकि, विशेष रूप से उपजाऊ प्रजनन भूमि के साथ बकवास प्रदान करती है। इन दिनों, बुलशिट अक्सर विज्ञान में कड़े होने का दावा करता है, जैसे वेकफील्ड का टीकाकरण अध्ययन। या यह तस्वीरों की तरह प्रतीत होता है अकाट्य सबूत का उपयोग करता है।

आपको 2013 में बोस्टन मैराथन में बमबारी के बाद सामने आई एक कहानी याद हो सकती है। इस कहानी में दावा किया गया है कि सैंडी हुक एलीमेंट्री स्कूल की आठ साल की एक लड़की को मार दिया गया था – यहाँ तक कि उसके दौड़ते हुए फोटो भी थी। कहानी को सोशल मीडिया पर 92,000 से अधिक लोगों द्वारा साझा किया गया था।

आपने अनुमान लगाया: यह गलत था। फोटो में लड़की दौड़ भी नहीं रही थी – यह बच्चों के लिए खुली नहीं थी। लेकिन कहानी सिर्फ साझा नहीं करने के लिए बहुत ही अनूठा साबित हुई।

यह केवल एक उदाहरण है कि कैसे सोशल मीडिया जैसी आधुनिक तकनीक बुलिश को प्रभावित कर सकती है। यदि टीकाकरण अध्ययन जैसे बकवास 1998 में व्यापक रूप से वापस आ सकते हैं, तो उस नुकसान की कल्पना करें जो ट्विटर की उम्र में किया जा सकता है।

हमारे हाइपरपार्टिसन न्यूज नेटवर्क में फैक्टर, फर्जी खबरों पर मंथन करने वाले कारखाने, और छवि हेरफेर में आसानी, और हमने खुद को पूर्ण रूप से बकवास संकट में डाल लिया है। हमें अब कार्रवाई करने की जरूरत है।

“बुलशिट विशिष्ट मुद्दों के बारे में लोगों को गुमराह करके हमारी दुनिया को प्रदूषित करता है, और यह सामान्य रूप से जानकारी पर भरोसा करने की हमारी क्षमता को कम करता है।”

साक्ष्य के बारे में वास्तव में परवाह किए बिना, बुलशिटर्स लोगों को यह मानने के लिए मनाने की कोशिश करते हैं कि कुछ सच है।

इससे पहले कि हम बकवास को रोकें, एक सरल प्रश्न पूछें। क्या वास्तव में बकवास है?

लेखकों के अनुसार, बकवास लोगों को प्रभावित करने या राजी करने के लिए दृढ़ संकल्प से उत्पन्न होता है। बुलशिटर इस तर्क को जीतने से ज्यादा परवाह करते हैं कि क्या वे सच कह रहे हैं।

आधुनिक उपकरण जो उसके निपटान में हैं, वे हैं भाषा, सांख्यिकी और ग्राफिक्स। और वह उन्हें दर्शकों की भारी मात्रा में जानकारी के साथ बैराज करने के लिए उपयोग करता है। एक झूठ बस कुछ ऐसा हो सकता है जो सच नहीं है – लेकिन बकवास को जितना संभव हो उतना सच दिखने के लिए तैयार किया जाएगा।

यहां महत्वपूर्ण संदेश है: बुलशिटर्स लोगों को यह विश्वास दिलाने के लिए मनाने की कोशिश करते हैं कि कुछ सच है, बिना सबूतों की परवाह किए।

एक क्लासिक बुलशिंग बैठने की विधि का उपयोग करना है जो विज्ञान समाजशास्त्री ब्रूनो लाटौर ने ब्लैक बॉक्स कहा है । इसे इस तरह समझें: आप कुछ डेटा एकत्र करते हैं, और फिर उस डेटा को एक एल्गोरिथम जैसी जटिल वैज्ञानिक प्रक्रिया के माध्यम से फीड करते हैं। यह प्रक्रिया ब्लैक बॉक्स है, और जो भी इससे बाहर आता है, उसे वस्तुगत तथ्य के रूप में माना जाता है।

लेकिन यहाँ बात है। ब्लैक बॉक्स डेटा को कैसे संसाधित करता है, इस बात की जानकारी के बिना, अक्सर आलोचना करने के लिए बहुत कुछ होता है। शुरुआत के लिए, हमेशा यह देखें कि वास्तव में किस डेटा का उपयोग किया जा रहा है।

यहाँ एक उदाहरण है। 2016 में एक प्रयोग ने यह साबित करने का दावा किया कि अपराधियों और गैर-अपराधियों के सिर अलग-अलग आकार के थे – और यह एक एल्गोरिथम साबित हुआ।

परिणामों के अनुसार, अपराधियों और गैर-अपराधियों के नाक और मुंह के बीच थोड़ा अलग कोण और होंठ का एक अलग वक्रता होता है। लेकिन इससे पहले कि आप अपना टेप माप लें, इस पर विचार करें: अध्ययन में, अपराधियों की तस्वीरें सभी सरकार द्वारा जारी आईडी फोटो थीं, जबकि गैर-अपराधियों का प्रतिनिधित्व पेशेवर हेडशॉट्स द्वारा किया गया था।

आपको शायद यह महसूस करने के लिए सुपरकंपलेक्स एल्गोरिथ्म की आवश्यकता नहीं है कि लोग आईडी फोटो की तुलना में पेशेवर हेडशॉट में मुस्कुराने की अधिक संभावना रखते हैं।

दूसरे शब्दों में, इस अध्ययन में प्रयुक्त डेटा सेट बेकार था – इसलिए परिणाम भी थे। एल्गोरिदमिक ब्लैक बॉक्स को खोले बिना भी अध्ययन का खंडन करना संभव है।

क्या अध्ययन के लेखक लोगों को धोखा देने के लिए तैयार थे? शायद नहीं। लेकिन वे अपनी परिकल्पना को साबित करने से इतने चिंतित थे कि उन्होंने इस तथ्य को अतीत में देखा कि वे जिस डेटा का उपयोग कर रहे थे वह त्रुटिपूर्ण था। परिणाम? आपने अनुमान लगाया है। शुद्ध बकवास।

सहसंबंध प्रोत्साहन नहीं करता है।

सभी बकवास वैज्ञानिक अध्ययन आश्चर्यजनक परिणाम नहीं देते हैं। कुछ, वास्तव में, ऐसे परिणाम उत्पन्न करते हैं जो अविश्वसनीय रूप से स्पष्ट हैं। उदाहरण के लिए, हाल के एक अध्ययन कॉलेज के छात्रों को देख सकारात्मक आत्मसम्मान के बीच एक संबंध पाया और कॉलेज शुरू करने से पहले एक पहला चुंबन था चुके हैं।

लेकिन वह परिणाम वास्तव में क्या साबित करता है? यह स्वाभाविक रूप से आश्वस्त लोग मतलब यह है युवा चुंबन शुरू? या पहला चुंबन है कारण आत्म सम्मान में एक बढ़ावा की?

और पर पकड़ – कारण है कि हम भी कर रहे हैं बात कर चुंबन के बारे में? रोमांटिक रिश्तों की क्या भूमिका है? यह संभव नहीं है कि दोनों चुंबन और उच्च आत्म सम्मान एक रिश्ते में खुद को खोजने का परिणाम हैं?

ज़रूर, अध्ययन के निष्कर्ष स्पष्ट हैं। लेकिन भले ही यह एक सहसंबंध दिखाता है, यह हमें कुछ भी नहीं बताता है कि ये दोनों चीजें क्यों जुड़ी हुई हैं।

मुख्य संदेश यह है: सहसंबंध का अर्थ कार्य नहीं है।

यह बकवास का एक रूप है कि मीडिया प्रसार में एक बड़ी भूमिका निभाता है। कभी-कभी, एक सांख्यिकीय अध्ययन बहुत सावधान होगा कि दो चीजों के बीच एक कारण लिंक न हो – लेकिन जब अध्ययन अखबारों में समाप्त होता है, तो सभी सूक्ष्मता अक्सर खो जाती है।

रियल एस्टेट वेबसाइट Zillow की 2018 की रिपोर्ट एक उदाहरण प्रदान करती है। इससे पता चला कि घर की बढ़ती कीमतों वाले शहरों में भी महिलाओं के लिए प्रजनन दर कम होने की वजह से उनके बिसवां दशा में देरी हुई। लेकिन, जैसा कि रिपोर्ट में उल्लेख किया गया है, एक प्रवृत्ति दूसरे के कारण जरूरी नहीं थी।

उदाहरण के लिए, पैसे और कैरियर के विकास के बारे में अंतर्निहित चिंताएं आवास और पालन-पोषण दोनों के बारे में लोगों के फैसलों को प्रभावित कर सकती हैं। शायद वे बाद में बच्चे पैदा करने की योजना बना रहे थे – अध्ययन में 30 से अधिक उम्र की महिलाओं पर विचार नहीं किया गया था। ज़िलो की रिपोर्ट ने जवाब नहीं दिया – यह केवल एक सहसंबंध का वर्णन करता है।

लेकिन जब प्रेस ने पकड़ बनाई, तो वे कम सावधान थे। कहानियों ने “कारण” और “प्रभाव” जैसे शब्दों का इस्तेमाल किया, यह सुझाव देते हुए कि यह विशेष रूप से उच्च घर की कीमतें थीं जो कम युवा महिलाओं को बच्चे पैदा कर रही थीं। मूल अध्ययन बकवास नहीं था – लेकिन इसके बारे में रिपोर्टिंग थी।

यह भी याद रखने योग्य है कि कभी-कभी एक सहसंबंध हमें कुछ भी दिलचस्प नहीं बताता है। यदि आप जैविक खाद्य बिक्री के स्तर के खिलाफ आत्मकेंद्रित के प्रसार की साजिश करते हैं, तो आपको वास्तव में एक बहुत तंग सहसंबंध मिलेगा: दोनों रेखाएं हाल के वर्षों में काफी तेजी से बढ़ी हैं। लेकिन कनेक्शन का सुझाव देना हास्यास्पद होगा। वे बस दो चीजें हैं जो समय के साथ बढ़ी हैं।

यह परेशान करना आसान है कि आप जो कुछ भी करना चाहते हैं उसे संख्या कहना आसान है।

एक शाम, लेखकों में से एक – कार्ल – ने खुद को एक होटल की लॉबी में और गर्म पेय की जरूरत के लिए पाया। उसने कोको का एक पैकेट उठाया। बिस्तर से पहले कैफीन पर खुराक नहीं लेना चाहते थे, कार्ल ने पैकेजिंग की जांच करने का फैसला किया और यह पढ़कर प्रसन्न हुआ कि यह “99.9 प्रतिशत कैफीन मुक्त” था। जब तक उसने एक पल के लिए भी इसके बारे में नहीं सोचा।

यह पता चला है कि एक स्टारबक्स कॉफी में प्रति 20 औंस में 415 मिलीग्राम कैफीन होता है, जो मानक कप लगभग 0.075 प्रतिशत कैफीन बनाता है। जिसका मतलब है कि कॉफी 99.9 प्रतिशत कैफीन मुक्त है।

तो गर्म कोको के एक पैकेट पर, यह एक दावा का ज्यादा नहीं है।

यहाँ मुख्य संदेश है: यह अशांतिपूर्वक संख्याओं को कहना आसान है जो आप उन्हें चाहते हैं।

सभी उदाहरण गर्म कोको के एक कप के रूप में हानिरहित नहीं हैं। 2017 में, वेबसाइट Breitbart ने लिखा है कि D13A स्थिति वाले 2,139 लोग – जो लोग अवैध रूप से अमेरिका में प्रवेश करते थे, जब वे नाबालिग थे और उन्हें माफी दी गई थी – उन्हें दोषी ठहराया गया था या अपराधों के आरोपी थे।

लेकिन यह कुल 700,000 लोगों में से एक था – हर 300 में एक से भी कम। वर्तमान में अमेरिकी नागरिक के रूप में दोगुना होने की संभावना है क्योंकि एक DACA प्राप्तकर्ता का अपराध होने का आरोप लगाया गया है। हालांकि यह संख्या – 2,139 – निश्चित रूप से डरावनी लगती है।

संख्या या प्रतिशत का उपयोग करना है या नहीं, यह चुनकर आप किसी समस्या के पैमाने को बड़ा या छोटा बना सकते हैं। और प्रतिशत वृद्धि की बात करते समय आप एक ही काम कर सकते हैं।

द लांसेट की एक प्रेस विज्ञप्ति के अनुसार , हर दिन एक मादक पेय को शून्य के बजाय पीने से अल्कोहल से संबंधित स्वास्थ्य समस्या के विकास का खतरा 0.5 प्रतिशत बढ़ जाता है। जो काफी गंभीर लगता है।

लेकिन पहली बार में शराब संबंधी ये समस्याएँ कितनी प्रचलित हैं? वे केवल एक प्रतिशत लोगों में होते हैं जो शराब नहीं पीते हैं। इसलिए 0.5 प्रतिशत की वृद्धि का जोखिम 1.005 प्रतिशत है।

प्रतिशत अंतर और प्रतिशत बिंदु अंतर के बीच अंतर को याद रखना महत्वपूर्ण है । उस उदाहरण में, 0.5 का प्रतिशत अंतर बड़ा लग रहा था, लेकिन प्रतिशत बिंदु का अंतर एक छोटा 0.005 था।

दूसरे शब्दों में, लोग झूठ का सहारा लिए बिना भी संख्या के साथ बकवास का उत्पादन कर सकते हैं। उन्हें सही तरीके से प्रस्तुत करना – या गलत तरीके से – बहुत बड़ा प्रभाव डाल सकता है। तो अपने पैर की उंगलियों पर रखना महत्वपूर्ण है।

जब आप परीक्षण के लिए उपयोग किया जाने वाला डेटा तटस्थ नहीं होता है, तो परिणाम चयन पूर्वाग्रह दिखाएगा।

आंकड़े हमारे चारों ओर हैं। लेकिन वे कहाँ से आते हैं? उदाहरण के लिए, हम कैसे जानते हैं कि डच पुरुष दुनिया के सबसे ऊंचे हैं? बहुत बार, उपयोग किया जाने वाला डेटा केवल एक नमूना है। नीदरलैंड में, वे हर एक आदमी को नहीं मापते थे, बल्कि आबादी के सिर्फ एक नमूने को देखते थे।

लेकिन कल्पना करें कि उस नमूने में एक बास्केटबॉल टीम शामिल थी।

या कल्पना करें कि आप एक कार्बनिक बाजार में जाते हैं, और लोगों से उनके राजनीतिक विचार पूछते हैं। संभावना है, आपको आबादी का प्रतिनिधि नमूना नहीं मिलेगा – आप शायद वहां अधिक उदारतापूर्वक अधिक उदार पाएंगे।

इसे चयन पूर्वाग्रह के रूप में जाना जाता है , और यह आंकड़ों में एक गंभीर समस्या है।

यह महत्वपूर्ण संदेश है: जब आप परीक्षण के लिए उपयोग किया जाने वाला डेटा तटस्थ नहीं होता है, तो परिणाम चयन पूर्वाग्रह दिखाएगा।

यहां एक उदाहरण है जो दिखाता है कि अजीब प्रभाव चयन पूर्वाग्रह हो सकते हैं। सही या गलत: गर्म लोग झटके होते हैं।

मान लेते हैं कि कोई वास्तविक सहसंबंध नहीं है: यदि आप एक ग्राफ पर सुंदरता के खिलाफ आकर्षण की साजिश करते हैं, तो डॉट्स को यादृच्छिक रूप से वितरित किया जाता है। हालाँकि, उस ग्राफ़ पर कुछ बिंदु ऐसे पुरुष हैं जिन्हें आप डेटिंग के बारे में कभी नहीं समझेंगे। तो सभी पूर्ण झटके को छानकर, और आप सभी को बहुत बदसूरत लगता है, हम मूल रूप से एक सीधी रेखा के सभी बिंदुओं को हटा सकते हैं।

डॉट्स है कि अब रहने होगा , एक आपसी संबंध को प्रदर्शित क्योंकि रास्ते से हम सिर्फ नमूना समायोजित किया। जब तक गर्म लोग सामान्य रूप से झटके नहीं लेते हैं, तो जिन लोगों को आप डेटिंग पर विचार करेंगे , उस दिशा में एक प्रवृत्ति है।

यह जीवन का एक दुर्भाग्यपूर्ण तथ्य है, लेकिन यह बकवास नहीं है। अगला उदाहरण, हालांकि, है। बहुत ज्यादा हर कार बीमा एजेंसी का दावा है कि उन पर स्विच करने से लोगों को औसतन $ 500 प्रति वर्ष की तरह कुछ उच्च आंकड़े मिलते हैं। यह संभवतः कैसे सच हो सकता है?

ठीक है, केवल वे लोग जो वास्तव में स्विच करने के लिए परेशान करते हैं वे हैं जो ऐसा करके गंभीर धन बचाएंगे – अन्यथा, वे बस डाल देंगे। अनिवार्य रूप से, $ 500 के उस आंकड़े में केवल एक अप्रमाणित नमूना शामिल है।

नैदानिक ​​परीक्षणों में, इस समस्या को डेटा सेंसरिंग के रूप में जाना जाता है । कभी-कभी लोग एक नई दवा के लिए परीक्षणों से बाहर निकल जाते हैं यदि वे दुष्प्रभावों का अनुभव करते हैं, तो उनके अनुभव डेटा में दर्ज नहीं किए जाते हैं। यदि लोगों का गैर-आयामी चयन एक प्रयोग से बाहर हो जाता है, तो यह अनिवार्य रूप से परिणामों को कम कर देगा।

वास्तव में यादृच्छिक नमूने प्राप्त करने की तुलना में कठिन हैं, जिसकी आप कल्पना कर सकते हैं, क्योंकि चयन पूर्वाग्रह हर जगह है। यह एक और कारण है कि आपको अपने आँकड़ों के बारे में ध्यान से सुनने की आवश्यकता है।

बड़े डेटा और मशीन सीखने से चकाचौंध मत हो – अंतर्निहित डेटा को अभी भी ध्वनि होना चाहिए।

आधुनिक तकनीक का उपयोग करते हुए, ग्राफिक डिजाइनर विस्तृत और कभी-कभी हास्यास्पद चित्र बना सकते हैं – बकरियों के बारे में एक चार्ट की तरह जो राम के सींग के आकार, या बाइबल पुस्तकों या संगीत शैलियों के “मेट्रो मैप” में फिट होने के लिए बनाया गया है।

वे बातें बस कुछ के बारे में कुछ तथ्यों या बिंदुओं को सूचीबद्ध करने का एक मजेदार तरीका पेश कर सकती हैं। लेकिन इसका मतलब यह नहीं है कि पारंपरिक दिखने वाले ग्राफ स्वचालित रूप से अधिक गंभीर या सटीक हैं। यदि आप एक बार चार्ट को देख रहे हैं, तो हमेशा जांचें कि y- अक्ष शून्य तक नीचे जाता है। यदि ऐसा नहीं होता है, तो आप चीजों को सही अनुपात में नहीं देखेंगे।

दूसरी समस्या जो तकनीक हमें प्रस्तुत करती है वह है बड़े डेटा का उदय, जिसमें अनुसंधान हमेशा मजबूत नींव पर नहीं बनाया जाता है।

यहाँ मुख्य संदेश है: बड़े डेटा और मशीन सीखने से चकाचौंध मत हो – अंतर्निहित डेटा अभी भी ध्वनि होना है।

विशाल डेटासेट जिन्हें “बड़ा डेटा” कहा जाता है, रहस्यमय एल्गोरिदम में खिलाए जाते हैं, जो खुद को चेहरे से लेकर ट्रेडिंग स्टॉक को पहचानने तक कुछ भी करना सिखाते हैं। इसे मशीन लर्निंग के रूप में जाना जाता है , और यह उस रहस्यमय, असंवेदनशील “ब्लैक बॉक्स” के प्रकार का एक बड़ा उदाहरण है जिसके बारे में हमने पहले बात की थी।

हमने पहले से ही मशीन सीखने का एक उदाहरण देखा है जो बकवास बना रहा है: एल्गोरिथ्म जो कथित तौर पर अपराधियों की पहचान उनके चेहरे के आधार पर करता है। अन्य उदाहरण और भी हास्यास्पद हैं।

एक मशीन को छाती के एक्स-रे खिलाया गया था, इस उम्मीद में कि यह उन छवियों को निकाल सकता है जिनमें हृदय या फेफड़े के मुद्दे थे। इसने ऐसा सही ढंग से किया – लेकिन केवल इसलिए कि इसने देखा कि अस्वास्थ्यकर चेस्ट के स्कैन में कोने में कुछ टेक्स्ट छपा है। सभी अस्वास्थ्यकर स्कैन जो इसे खिलाए गए थे वे एक विशेष मशीन द्वारा बनाए गए थे। अन्य स्कैन पर परीक्षण किया, यह काम नहीं किया।

एक और उदाहरण बड़े पैमाने पर गलत हो गया। 2008 में, Google ने Google फ़्लू रुझान विकसित करना शुरू कर दिया, जिससे यह अनुमान लगाया जा सके कि फ़्लू “फ़्लू लक्षण” या “फ़ार्मेसी” जैसी शर्तों के आधार पर अमेरिका में कैसे घूमेगा।

Google का एल्गोरिदम स्पष्ट रूप से फ़्लू से असंबंधित शब्दों की तलाश में था – जैसे “हाई स्कूल बास्केटबॉल” – केवल इसलिए कि उनके लिए खोज भी सर्दियों में चरम पर थी। और समय के साथ, इसकी फ्लू की भविष्यवाणियां बदतर और बदतर हो गईं।

अतीत को देखते हुए, एल्गोरिथ्म फ्लू के रुझानों और अन्य कारकों के बीच संबंध खोजने में सक्षम था। लेकिन, जैसा कि हम जानते हैं, सहसंबंध कार्य का अर्थ नहीं है। इसलिए जब इसने भविष्य की ओर देखा, तो यह अपने चेहरे पर सपाट हो गया।

मशीन सीखने की क्षमता काफी है। लेकिन कभी-कभी यह एक मानव को यह बताने के लिए लेता है कि वह सिर्फ बकवास पैदा कर रहा है।

आधुनिक विज्ञान की खामियों का मतलब है कि हर जगह बकवास।

विज्ञान के बारे में एक बड़ी बात यह है कि यह खुद को सही करता है। यदि एक अध्ययन एक दिलचस्प परिणाम पाता है, तो अन्य इसे दोहराने की कोशिश करेंगे, किसी भी समस्या को दूर करेंगे और धीरे-धीरे प्रगति करेंगे।

इसका मतलब है कि वास्तव में पूर्ण वैज्ञानिक सत्य जैसी कोई चीज नहीं है। बल्कि, विज्ञान केवल उन सभी प्रयोगों का संचय है जो अब तक किए गए हैं।

वास्तव में, आज हमारे पास जो वैज्ञानिक प्रणाली है, वह समस्याओं से भरी हुई है। उदाहरण के लिए, इस बारे में सोचें कि कौन से अध्ययन पत्रिकाओं में प्रकाशित होते हैं। आमतौर पर, यह वही है जो सकारात्मक परिणाम दिखाता है। लेकिन क्या होगा अगर दस अन्य अध्ययनों ने पहले से ही एक ही बात साबित करने की कोशिश की है, और सभी असफल रहे? उन निष्कर्षों को अक्सर रिपोर्ट नहीं किया जाता है।

दूसरे शब्दों में, वैज्ञानिक प्रकाशन चयन पूर्वाग्रह से ग्रस्त है। और यह सिर्फ एक तरीका है, जिसमें बकवास को आधुनिक वैज्ञानिक प्रणाली में सही ढंग से पकाया जाता है

यहां मुख्य संदेश यह है: आधुनिक विज्ञान की खामियों का मतलब है कि हर जगह बकवास रेंगता है।

अंगूठे के एक नियम के रूप में, वैज्ञानिक स्वीकार करते हैं कि एक सहसंबंध सांख्यिकीय रूप से महत्वपूर्ण है यदि इसका 0.0 मान या उससे कम है। इसका मतलब है कि पांच प्रतिशत से कम संभावना है कि सहसंबंध मौका का परिणाम है।

उचित लगता है, है ना? लेकिन यह गुडहार्ट के कानून के बारे में सोचने लायक है । यह बताता है कि जैसे ही एक उपाय एक लक्ष्य बन जाता है, यह अप्रभावी हो जाता है, क्योंकि लोग वहां पहुंचने के लिए सिस्टम को गेम करने की कोशिश करते हैं।

अफसोस की बात है कि इसमें वैज्ञानिक शामिल हैं। जैसा कि हम पहले ही देख चुके हैं, यह कहना आसान है कि आप जो चाहते हैं उसे बनाने के लिए संख्याओं में फेरबदल करें। एक प्रयोग के परिणामों के बारे में चयनात्मक किया जा रहा है, यह अक्सर एक इंजीनियर काफी आसान है पी 0.05 या उससे कम की -value। इसे पी-हैकिंग कहा जाता है , और यह व्यापक है।

एक और प्रमुख मुद्दा यह है कि मीडिया में सामान की रिपोर्ट कैसे की जाती है – या क्या यह सब रिपोर्ट किया जाता है। वैज्ञानिक अनुसंधान का केवल एक छोटा सा हिस्सा रिपोर्ट किया जाता है, और अनिवार्य रूप से जो अध्ययन सबसे अच्छी सुर्खियां बनते हैं, वे हैं कवर किए गए। तो बेशक वहाँ चयन पूर्वाग्रह प्रचुर मात्रा में है।

वैज्ञानिक पत्रिकाओं में भी समस्याएं हैं। यदि वे लेखक को भुगतान करने के लिए तैयार हैं, तो कम-सम्मानित पत्रिकाएँ काफी प्रकाशित होती हैं। शुक्र है, कि वैज्ञानिक बकवास को उजागर करने के लिए एक अपेक्षाकृत आसान तरीका को जन्म देता है: यदि आप एक छोटे जर्नल में किए गए एक बड़े दावे को देखते हैं, तो संदेह करें। यदि परिणाम के बारे में कुछ भी विश्वसनीय था, तो आश्वस्त रहें कि शोधकर्ताओं ने इसे कहीं बेहतर प्रकाशित किया होगा।

कुछ सरल तकनीकों के माध्यम से, आप अपने आप को बकवास के खिलाफ लड़ाई में लैस कर सकते हैं।

पत्रकारों को सब कुछ सही नहीं मिलता है, खासकर जब वे विज्ञान पर रिपोर्ट करते हैं। लेकिन उनकी एक आदत अच्छी तरह से ध्यान में रखने लायक है। जब आप यह जानने की कोशिश कर रहे हों कि क्या कुछ सच है, एक पत्रकार की तरह तीन प्रश्न पूछें: इस जानकारी के पीछे कौन है? उन्हें यह कैसे मिला? और क्या वे बेचने की कोशिश कर रहे हैं?

यह एकमात्र तरीका नहीं है जिससे हम बकवास की पहचान कर सकते हैं – बल्कि यह एक शानदार तरीका है।

यह महत्वपूर्ण संदेश है: कुछ सरल तकनीकों के माध्यम से, आप अपने आप को बकवास के खिलाफ लड़ाई में लैस कर सकते हैं।

आप अभिव्यक्ति जानते हैं “सच होना बहुत अच्छा है”? ज्यादातर समय, यह पैसे पर बहुत ज्यादा है। यदि आप ऐसा कुछ सुनते हैं जो सिर्फ प्रशंसनीय नहीं लगता है, तो यह बहुत ही स्वस्थ संभावना है कि यह बकवास है।

एक बढ़िया तरीका यह है कि फर्मी का आकलन करने के लिए किसी चीज को कितना उपयोगी माना जाए । ये बहुत ही मोटे अंदाज़े हैं जो आप अपने सिर में कर सकते हैं जो आपको बताएंगे कि क्या पैमाने के मामले में कुछ ज्यादा या कम है।

कहें कि किसी ने आपको बताया कि यूके में 121,000 जॉन स्मिथ थे। आइए तथ्य-जांच जल्दी करें। यूके में कितने लोग हैं? दस मिलियन से अधिक, लेकिन एक अरब से भी कम। तो चलिए बताते हैं 100 करोड़। कितने लोगों को जॉन कहा जाता है? दस में से एक से कम, लेकिन निश्चित रूप से एक हजार में एक से अधिक – तो चलो एक सौ में कहते हैं। यह शायद स्मिथ कहे जाने वाले लोगों के बारे में ही है।

यह हमें जॉन स्मिथ की संख्या सौ से विभाजित 100 मिलियन के रूप में देता है, एक सौ से विभाजित – यह दस हजार बनाता है। यह बहुत सटीक नहीं है, लेकिन यह स्पष्ट करने के लिए पर्याप्त है कि 121,000 बकवास है।

बुलशिट के खिलाफ एक और टिप पुष्टि पूर्वाग्रह से सावधान रहना है । यह जानकारी पर विश्वास करने की प्रवृत्ति है जो पुष्टि करता है कि हम पहले से ही क्या सोचते हैं। हम समय-समय पर इसके लिए सभी दोषी हैं – इसलिए आप जिस तरह की आवाज़ चाहते हैं, उसकी जानकारी के साथ अतिरिक्त सावधानी बरतें।

सहसंबंध और कार्य-कारण को भी याद रखें, और विशेष रूप से संदेहपूर्ण रहें यदि आप पढ़ते हैं कि एक प्रवृत्ति ने दूसरे को “कारण” दिया है – प्रत्येक के लिए एक पूरी तरह से अलग कारण हो सकता है।

और अंत में: ट्विटर जैसे अविश्वसनीय ऑनलाइन स्रोतों के माध्यम से मिली जानकारी के साथ अतिरिक्त सतर्क रहें।

बकवास करने पर आप क्या करते हैं? इसे बाहर बुलाओ। लेकिन लेखक आपको ऐसा करने के लिए विनम्र होने के लिए कहते हैं। आखिर हम सब गलतियाँ करते हैं। और क्या अधिक है, यदि आप इसके बारे में अच्छे हैं, तो आप किसी के दिमाग को बदलने की अधिक संभावना रखते हैं।

अंतिम सारांश

प्रमुख संदेश:

बुलशिट किसी भी चीज़ के लोगों को रिझाने की सर्व-सामान्य कला है, जबकि वास्तव में सच्चाई की परवाह नहीं है। सोशल मीडिया और बड़े डेटा की आधुनिक दुनिया में, आपको अतिरिक्त सावधान रहने की आवश्यकता है जो आपको अंदर नहीं ले जाती है। यह समझते हुए कि सहसंबंध कार्य का अर्थ नहीं करता है, यह देखते हुए कि जो संख्याएं हमें बताई गई हैं, वे वास्तव में संदर्भ में हैं, और होने का मतलब है डेटासेट की खूबियों के बारे में उलझन में, आप अपने आप को बकवास से तथ्य बताने के लिए बेहतर तरीके से लैस कर सकते हैं।

कार्रवाई की सलाह:

तथ्यों को सही पाकर बकवास कहें।

बस बकवास की पहचान करना पर्याप्त नहीं है। जब हम इसे देखते हैं, तो हम सभी को बुलबुल को बुलाना निर्भर करता है, ताकि अधिक से अधिक लोग यह देख सकें कि हम कितनी बार फर्जी आंकड़ों के द्वारा लिए गए हैं। लेकिन जब आप ऐसा करते हैं, तो तथ्यों को सही होना महत्वपूर्ण है। इसलिए सुनिश्चित करें कि आपके पास कार्य करने के लिए किसी अन्य व्यक्ति को लेने से पहले आपके पास सही आंकड़े हैं और अगर आप कोई गलती करते हैं, तो उसे स्वीकार करें। अन्यथा, आप सिर्फ एक और बकवास हैं।


Leave a Reply

Your email address will not be published. Required fields are marked *