Место проведения: ПОМИ РАН, Мраморный зал (2й этаж), пятница 14:00 - 15:50.
Мы приведем наглядные примеры механизма "знание -> вероятность" и соответствующих информационных структур. После этого мы продолжим вводить параметры нашего объекта исследования, двигаясь в сторону операционализации. Мы опишем определенное взаимодействие между нашими экспертами (предсказывающий рынок) и с помощью него определим новые параметры: окончательную цену на предсказывающем рынке и определенным образом взвешенную медиану экспертных вероятностей. Дальнейшие лекции будут строиться вокруг статистической гипотезы о совпадении этих двух параметров и введенного ранее целевого параметра (коллективной вероятности).
| Приложения | Размер |
|---|---|
 Talk4.pdf | 173.16 КБ |
Мы закончим доказательство утверждения о том, что наш механизм получения вероятности из знания всегда может быть вложен в вероятностное пространство и описан через условные вероятности. Доказательство этого факта не столь очевидное, как показалось участникам семинара в конце прошлой лекции. Мы сформулируем также задачу об описании всех возможных вложений. Затем мы приведем наглядный пример такого механизма и соответствующей ему информационной структуры.
| Приложения | Размер |
|---|---|
| Talk3.pdf | 157.47 КБ |
В начале второй лекции мы очень кратко повторим основные тезисы первого доклада, разрешив некоторые важные вопросы, которые возникали у слушателей. В частности мы подчеркнем разницу между абстрактными вероятностями, котрые являются универсальным инструментом для научных исследований (включая наше), и между интерпретируемыми вероятностями, которые в нашем случае являются предметом исследования. Мы закончим обсуждать механизм получения вероятности из знания. После этого мы докажем утверждение о том, что обсуждаемый механизм всегда может быть вложен в вероятностное пространство и описан через условные вероятности. Мы сформулируем также задачу об описании всех возможных вложений. Затем мы приведем наглядный пример такого механизма и соответствующего ему вероятностного пространства.
| Приложения | Размер |
|---|---|
| Talk2.pdf | 162.75 КБ |
Collective intelligence systems are intended for aggregation of agents’ opinions on something (mostly on the probability of some event) in such a way that the aggregated opinion approximates the opinion of a hypothetical omniscient agent who owns all the information. We outline a CI theory that incorporates empirical and theoretical considerations: we rethink and combine topics from various fields such as probability interpretations, probabilistic logic, decision theory, statistics, and algorithmic game theory. We also describe how CI for medical studies should be designed.
| Приложения | Размер |
|---|---|
| Talk.pdf | 149.06 КБ |
Русский
English