Arhiiv kuude lõikes: February 2021

Prokuratuuri mõjuvõimu mõõtmisest

Rein Lang ja Leon Glikman on korduvalt väitnud, et Eestis on prokuratuuril suur mõjuvõim, mida too ära kasutab alusetute süüdistuste esitamiseks ja et ajakirjandus on prokuratuuri suhtes kriitikavaba, lugedes kahtlustuse kohe süüdimõistmiseks. Prokuratuur eitab sellist käitumist. Mõlemad pooled on osavad sõnaseadjad. Sõna sõna vastu olukorras pole kodanikul selge, kummal on õigus.

Prokuratuuri tegeliku mõjuvõimu mõõtmiseks ja alusetute süüdistuste osakaalu hindamiseks peaks prokuratuuri tegevust võrdlema teiste riikide vastavate asutustega. Loomulikult on võrdlemiseks vaja eeldusi – kui uskuda vandenõuteooriat, et kogu riik on prokuratuuri kontrolli all ja iga süüdistus viib süüdimõistmisele, siis ei saa hinnata alusetute süüdistuste osakaalu. Eeldan, et kohtud ega kurjategijad ei tegutse prokuratuuriga kooskõlastatult erinevates riikides erineval määral. Kui nad igal pool sama palju kooskõlastavad, saame ikkagi eri riikide prokuratuuride keskmist mõjukust ja süüdistuste tõesust võrrelda.

Naiivne oleks ka lugeda süüdimõistmiste protsent süüdistuste hulgas prokuratuuri efektiivsuse mõõduks. Kui ühes riigis teatavad inimesed ainult ilmselgetest kuritegudest ja teises igasugusest kahtlasest tegevusest, siis on süüdimõistmise protsent esimeses suurem ka prokuratuuri pisut väiksema võimekuse korral, sest selget kuriteokoosseisu on lihtne kohtus tõestada. Kui ühes riigis on kohtud süüdistaja poole kaldu, teises kaitsja, siis on süüdimõistmise protsent esimeses kõrgem, isegi kui sealne prokuratuur on nõrgemal tasemel.

Kohtute kallutatust prokuratuuri suhtes või kriminaalasjades on raske eristada prokuratuuri tugevusest. Kui eeldada, et kohtute kallutatus süüdistaja poole on sama nii tsiviil- kui kriminaalasjades, siis saab seda kallutatust mõõta hageja kasuks lahendatud tsiviilasjade protsendiga, mida tuleb korrigeerida hagide arvuga elaniku kohta, sest kui ühes riigis esitatakse palju alusetuid hagisid, teises ainult põhjendatud hagid…

Kuriteost teatamise tõenäosust saab eraldi mõõta, seega eristada prokuratuuri tugevusest, kui on olemas õigussüsteemiväline mõõdik kuritegude hulga kohta ja kuriteoteadete arv. Väline mõõdik on näiteks esindusliku valimiga küsitlus „Kas olete isiklikult olnud kuriteoliigi x ohver?”, „Kas keegi teie tuttavatest on ja kui palju on teil tuttavaid?” Teatamise tõenäosuse erinevus kuriteoliikide lõikes on samuti kasulik teave. Vähe teatatud kuritegusid saab mõõta kaudselt, näiteks koduvägivalda kahtlaste vigastustega arstiabi saavate inimeste arvu järgi, kes väidavad, et kukkusid.

Praktiliselt võib prokuratuuri võimsuse mõõtmiseks jooksutada riikide lõikes regressiooni, kus sõltuv muutuja on süüdimõistmiste protsent, sõltumatud muutujad kuriteost teatamise tõenäosus ja kohtu süüdistaja poole kallutatuse määr. Lisada võib ka muid muutujaid nagu kuriteo liik, SKP inimese kohta, prokuratuuri suurus protsendina rahvastikust, prokuratuuri keskmine palk. Prokuratuuri tugevuse mõõt igas riigis on see osa süüdimõistmiste protsendist, mida sõltumatud muutujad ei seleta, ehk regressiooni jääk (inglise keeles residual).

Paying pharmaceutical firms for capacity is problematic

Lisa kommentaar

Castillo et al. 2021 (doi:10.1126/science.abg0889) make many valid points, e.g., vaccine production should be greatly expanded using taxpayer money because the quicker recovery from the pandemic more than pays for the expansion. Castillo et al. also suggest paying pharmaceutical manufacturers for the capacity they install instead of the quantity they produce. The reasoning of the authors is that producers are delaying installing capacity and the delivery of their promised vaccine quantities to save costs and to supply higher-paying buyers first, because the penalties for delaying are small. Producers refuse to sign contracts with larger penalties.

What the authors do not mention is that the same problems occur when paying for capacity. In addition, the capacity needs to be monitored, which is more difficult than checking the delivered quantity. Before large-scale production, how to detect the „Potemkin capacity” of installing cheap production lines unsuitable for large quantities? The manufacturer may later simply claim technical glitches when the production line does not work. Effective penalties are needed, which in turn requires motivating the producer to sign a contract containing these, just like for a quantity contract.

Paying in advance for capacity before the vaccine is proven to work insures firms against the risk of failure, as Castillo et al. say. The problem is that such advance payment also attracts swindlers who promise a miracle cure and then run with the money – there is adverse selection in who enters the government’s capacity contract scheme. Thus capacity contracts should be restricted to firms with a good established reputation. However, vaccines from innovative entrants may also be needed, which suggests continuing to use quantity contracts at least for some firms. If the law requires treating firms equally, then they should all be offered a similar contract.

Identifying unmeasurable effort in contests

Lisa kommentaar

To distinguish unmeasurable effort from unmeasurable exogenous factors like talent or environmental interference in contests, assumptions are needed, even for partial identification when overall performance can be objectively measured (e.g., chess move quality evaluated by a computer). Combining one of the following assumptions with the additive separability of effort and the exogenous factors provides sign restrictions on coefficient estimates. Additive separability means that talent or the environment changes performance the same way at any effort level.

One such identifying assumption is that effort is greatest when it makes the most difference – against an equal opponent. By contrast, effort is lower against much better and much worse opponents.

A similar identifying assumption is that if there is personal conflict between some contest participants but not others, then effort is likely higher against a hated opponent than a neutral one.

The performance of a given contestant against an equal opponent compared to against an unequal one is a lower bound on how much effort affects performance. Similarly, the performance against a hated rival compared to against a neutral contestant is a lower bound on the effect of effort. The lower bound is not the total influence of effort, because even against an unequal neutral opponent, effort is still positive.

Sisekujundus, mis arendab mõtlemist

Lisa kommentaar

Eriti koolides ja lasteaedades võiks kõik pinnad ja esemed muuta õppevahenditeks. Põrandal võiks olla maakaart, putuka- või taimepildid, teed ja liiklusmärgid. Seinad kaetud geomeetriliste kujundite (Sierpinsky vaip, mingi tessellatsioon), valemite, luuletuste või muu teabega. Laes tähekaart, pilvenäidised, linnupildid koos nimedega või ilma. Projektoriga võib valgele laele ja seintele ka pidevalt vahetuvat materjali kuvada. Laudade ja toolide pinnad võib ka teabega katta, sealhulgas altpoolt, mis pakub avastamisrõõmu.

Uksepiitadele võib joonistada või kleepida sentimeetripaela või ruudustiku, mille iga ruudu küljepikkus on algarv sentimeetreid, erinevatel piitadel erinev.

Trepiastmete vertikaalne ja horisontaalne osa võiks olla eri värvi, nii et trepi keskmine värvus muutub vastavalt vaatenurgale.

Mänguväljaku kiik võiks olla lihtsalt põrandalaud üle silindrilise paku, nii et jõu õlga saab muuta, nihutades lauda asümmeetriliselt üle paku. Teine huvitav kiik on ülal tala küljes kiikuv pulk, eri otsad eri pikkusega, otste küljes köied, nii et kiikuda saavad erineva raskusega inimesed või lühemas pulgaotsas kaks, pikemas üks.

Jooginõud võiksid olla mõõtetopsid, mille pealt saab ühikuid õppida. Erineva teadaoleva suurusega mõõtetopside abil saab diofantilisi võrrandeid tutvustada, näiteks mõõda 4- ja 7-ühikulise topsi abil 9 ühikut vett. Taldrikutele võib erineva laiusega sektorid glasuurida.

Klaasist või läbipaistvast plastikust prismad akendel tekitavad ilusaid vikerkaari. Saab võrrelda, miks LED lambid prismas vikerkaart ei tekita.

Difraktsioonivõre saavad lapsed ise teha, kriipides või joonistades läbipaistvale plastikplaadile lähestikku paralleelseid sirgjooni. Plaadi võib siis aknaklaasi asemele panna.

Peeglid 90-kraadistes nurkades ei pööra kujutist ümber kui täpselt keskele vaadata. Peeglid vastasseintes tekitavad lõpmatuid peegelduste jadasid.

Kõikvõimalikud masinad ja seadmed võiksid olla korpuseta või kui ohutus nõuab korpust, siis läbipaistva korpusega, et näha osi, mis seal sees. Loputuskast tualetis, ukseluku ja aknalinkide katteplaadid näiteks.

Teaduskatsete ideed teadusmessiks annavad veel võimalusi.

Ühesuunaline liiklus kitsas garderoobis kiirendab kokkuvõttes asjade kättesaamist võrreldes sama ukse või käiguvahe kaudu sisse ja välja trügimisega. Klassi eesotsast kontrolltööde võtmisel on samuti ühesuunaline ringiratast käimine parem kui punti kogunemine ja seal keskele ja välja trügimine.

Köieveo asemel võib teha paljude inimestega rõngavedu, kus igaüks püüab rõngast võimalikult oma nurga lähedale saada. Koostöös on lihtsam tõmmata, aga siis peab nurga osas teistega kompromissi leidma. Kolme võistkonnaga jalgpall auhindab ka strateegilist tegutsemist.

Inimesesuurune hamstri jooksuratas on lõbus. Selleks, et pööreldes ettevaatamatult küljele sirutatud käed ratast ülal hoidvate pulkade ja ratta diameetripulkade „kääride” vahele ei jääks, võiks ratast külgedelt kinnitada pikemate horisontaaltorudega, mis alles meetri kaugusel ratta diameetripulkadest allapoole maapinnani pöörduvad.

Käsitsi vändatav ventilaator (kaitsevõrega), või ka jalgrattatrenažööri või sõudeergomeetri külge ühendatud.

Computer vision training sets of photos are endogenous

1 vastus

In principle, every pixel could be independent of any other, so the set of possible photos is the number of pixels times the number of colours – billions at least. No training data set is large enough to cover these photo possibilities many times over, as required for statistical analysis, of which machine learning is a subfield. The problem is solved by restricting attention to a small subset of possible photos. In this case, there is a reasonable number of possible photos, which can be covered by a reasonably large training data set.

Useful photos on any topic usually contain just one main object, such as a face, with less than 100 secondary objects (furniture, clothes, equipment). There is a long right tail – some useful photos have dozens of the main object, like a group photo full of faces, but I do not know of a photo with a thousand distinguishable faces. Photos of mass events may have ten thousand people, but lack the resolution to make any face in these useful.

Only selected photos are worth analysing. Only photos sufficiently similar to these are worth putting in a computer vision training dataset. The sample selection occurs both on the input and the output side: few of the billions of pixel arrangements actually occur as photos to be classified by machine vision and most of the training photos are similar to those. There are thus fewer outputs to predict than would be generated from a uniform random distribution and more inputs close to those outputs than would occur if input data was uniform random. Both speed learning.

When photo resolution improves, more objects of interest may appear in photos without losing usefulness to blur. Then such photos become available in large numbers and are added to the datasets.

Turumanipulatsioon Funderbeamis iseendale müües

Lisa kommentaar

Idufirmade kapitalikaasamise ja nende osakutega kauplemise platvormil Funderbeam pole internetiotsingu kohaselt kümne aasta jooksul ükski idufirma edukalt väljunud (börsile läinud, kellegi poolt ära ostetud), kuigi Funderbeami hinnagraafikute kohaselt on mõnede idufirmade osakute hinnad kümneid kordi tõusnud. Tekib küsimus, kas Funderbeamis näidatavad graafikud ikka peegeldavad tegelikku turgu.

Üks võimalus, kuidas näiteks idufirma X omanik võib selle osaku hinda Funderbeami (ja muude ühisrahastusplatvormide) järelturul üles pumbata, on müüa iseenda muude firmade Y ja Z vahel idufirma X osakut kõrge hinnaga (Y ja Z on Funderbeami investorid, aga X Funderbeamis kaubeldav ettevõte). Selline turumanipulatsioon iseendalt ostmise abil on võimalik, sest erinevalt börsist, kus tehing sõlmitakse anonüümselt parima hinna pakkujaga, saab Funderbeami järelturul valida, kellega tehingut teha. Seega saab vastaspooleks valida endaga seotud kaupleja. Siis pole karta raha kaotamist, ostes osakuid kõrge hinnaga, sest ostetakse iseendalt.

Sõnades Funderbeam muidugi keelab turumanipulatsiooni, aga sõnades on neil ka palju teisi reegleid, mida nad ei jõusta, näiteks idufirmade kohustus iga kvartali aruanne esitada. Funderbeami esindaja isegi tunnistas, et nad ei tee muud kui meeldetuletuste saatmine kui kaubeldavad idufirmad aruandekohustust ei täida.

Kui idufirma osaku hinnagraafik joonistatakse lihtsalt viimaste tehingute keskmise hinna põhjal, siis on hinnapumpamine eriti lihtne, sest piisab ühe osaku edasi-tagasi kauplemisest piisav arv kordi enda valitud hinnaga enda firmade Y ja Z vahel. Isegi kui Funderbeam joonistab hinnagraafiku tehingute väärtustega kaalutud keskmise põhjal, saab hinna üles ajada – peab vaid ajaühikus suurt mahtu enda firmade vahel liigutama. Selleks ei pea ise palju osakuid omama, lihtsalt peab palju edasi-tagasi tehinguid tegema. Kauplemistasu ju ei ole, tehingud on tasuta, nii et turumanipulatsioon ka.

Kui keegi teine teeb madala hinnaga tehingu ja seega osaku hinnagraafiku alla tõmbab, võib manipuleerija arvutiprogramm selle kiirelt tuvastada ja teha palju kõrge hinnaga tehinguid Y ja Z vahel. See lööb hinna jälle üles.

Funderbeamil on motiiv sellist hinnapumpamist lubada (ma kindlasti ei väida, et nad seda tegelikult lubavad või et keegi seda teeb), sest nii tundub uutele investoritele, et Funderbeamis kaubeldavate idufirmade osakute väärtused tõusevad, mis meelitab investoreid platvormile. Funderbeam ei võta investoritelt tasu, küll aga idufirmadelt, kelle osakuid noteerib. Idufirmadele meeldib platvorm, kus on palju investoreid, kes nende osakuid esmaemissioonil ostavad. Konkurents investorite vahel laseb idufirmal osaku eest kõrgemat hinda küsida, ehk kaasata rohkem kapitali või müüa sama raha eest väiksema osa ettevõttest. Kaotajaks jäävad investorid, kes hinnagraafikul olevast numbrist isegi tunduvalt odavamalt oma osakuid müüa ei suuda. Millegipärast ostetakse vahel järelturul kõrge hinnaga pakutavaid osakuid enne madalamaid.

Üks seletus on, et kuna pakutava müügiorderi peab ostma täies mahus, siis ostja valib endale sobiva koguse isegi kui peab selle eest kõrgemat ühikuhinda maksma. Suure hinnavahe korral ei tundu see tõenäoline. Samuti saab foorumisse kirjutada soovi teatud kogust osta koos palvega, et osaku müüjad oma suure orderi väiksemateks tükkideks jagaksid.

Hinnapumpamist takistaks börsisarnane „parima hinnaga tehingu” reegel, et tehing sõlmitakse turu vastaspoolel parimat hinda pakkuva kauplejaga. Kui keegi tahaks kõrge hinnaga iseendale müüa, peaks ta nii ostu- kui müügiorderi börsile edastama. Kõrge hinnaga müügiorderit ei võtaks teised kauplejad vastu, aga ostuorder täidetaks teiste kauplejate müügipakkumisega, mille hinnad on madalamad. Nii peaks manipuleerija ostma kõik pakutavad müügiorderid kuni tema soovitud hinnatasemeni, et hinda sellele tasemele pumbata. Need ostud läheksid väga kulukaks ja koormaksid manipuleerijat suure koguse madala väärtusega osakutega, mille eest ta kõrget hinda maksis.

Teisest mullipumpamise taktikast ühisrahastuses olen kirjutanud postituses Overbidding incentives in crowdfunding, mis räägib esmaemissiooni, mitte järelturu manipulatsioonist.

Talgud kui laenuvõtt

Lisa kommentaar

Külaühiskonnas püstitati uus hoone tihti talgukorras. Naiivselt võiks arvata, et teised külaelanikud tegid ühele perele heateo, ehitades neile tasuta maja. Tegelikult eeldasid ehitustalgulised, et kasu saanud pere osaleb edaspidi ise talgutel, kus midagi ehitajate kasuks tehakse, ehk maksab talguliste algse töö oma hilisema tööga tagasi. Sisuliselt oli tegu tööjõu laenamisega. Kui laenu saanud pere oleks keeldunud edaspidi teistele talgutööd tegemast, oleks küla neid karistanud vähemalt sotsiaalse halvakspanu ja verbaalse vägivallaga, ilmselt ka keeldunud tööriistu või näljaajal toitu laenamast.

Laen loob väärtust kui laenatavat vara saab kohe kasutama hakata, selle asemel, et vara ostmiseks säästa, lükates kasutamise algust edasi kuni piisav summa koguneb. Ühel taluperel kuluks hoone püstitamiseks mitu kuud, mille jooksul peaksid nad elama ajutises onnis, mille peaks omakorda enne ehitama. Talguliste tööd laenates saavad nad paari päevaga sisse kolida ja onni ehituskulu jääb ära. Majas on kütmine, söögitegemine ja toidu säilitamine efektiivsem kui onnis.

Tänapäeval on majalaenul sarnane eesmärk kui põllumajandusühiskonnas talgutöö laenamisel. Selle asemel, et 25 aastat üürikorteris sääste koguda ja elu lõpus maja osta, võib laenata, kohe majja kolida ja seal elades 25-30 aastat laenu tagasi maksta. Intressi tõttu on tagasimaksed kokku küll suuremad kui algne laen, aga ometi on laen kasulik, sest heaolu suuremast ja püsivamast eluasemest ületab intressikulu.

Jõusaalis käimine vs treenimine

Lisa kommentaar

Tehkem vahet jõusaalis käimise ja jõusaalis treenimise vahel. Nende jaoks, kes jõusaalimasinatel istuvad ja telefoni näpivad või omavahel juttu ajavad, võiks paigaldada seina äärde istepingid. Nad saavad seal istuda ja pärast ausalt väita, et käisid jõusaalis – kõndisid pingini ja tagasi. Kõik võidavad, sest pingid on istumiseks mugavamad kui masinad, mis omakorda vabanevad trennitegijatele.

Jõusaalimasinatele võiks paigaldada sellised elektrilised seadmed, et kui keegi masinal istub, aga seda ei liiguta (trenni ei tee), siis saab särtsu tagumikku. See motiveeriks jõusaalis käijaid/istujaid masinat vabastama, et teised saaksid seda kasutada.

Teksti ja kõne automaatse teisendamise treeningandmed

Lisa kommentaar

Masinõppeks on vaja suurt andmehulka. Vähese kõnelejate arvuga keele puhul on kallis palgata inimesi arvutile tekste ette lugema, et arvuti õpiks teksti kõneks teisendama. Samuti on kallis kõne kirjapanijaid palgata, et arvuti õpiks kõnet tekstiks tõlkima. Peaks leidma juba nii kõnes kui kirjas olemas olevaid tekste, mida masinõppele sööta. Üks näide on raadiointervjuud, mis ka ajalehes avaldatakse (Kuku Raadio saade Restart Postimehe majanduslehekülgedel, Toomas Sildami intervjuud). Probleemiks on suulise intervjuu toimetamine enne kirjalikku avaldamist, mis tähendab, et kõne ja tekst ei ole üksüheses vastavuses. Natuke kasu sellest siiski arvutile on, sest osad laused korduvad kõnes ja kirjas. Kõnenäidiseid ilma kirjaliku vasteta saab audiovisuaalsest ajakirjandusest hulganisti, samuti kirjalikku teksti helilise vasteta trükiajakirjandusest.

Kui koolides on tehtud etteütlusi arvutisse trükituna ja nende suuline salvestis on ka saadaval, siis saab neid arvuti treenimiseks kasutada.

Näidendite ja filmide tekstid ja helisalvestised on samuti vastavuses kõne ja kiri. Samuti laulusõnad ja laulud, aga laulu hääldus ja rütm on tavakõnest erinev, nii et see ei pruugi arvutit aidata muus kui laulude tõlkimisel heli ja kirja vahel.

Audioraamatud, mille puhul ettelugemine vastab kirjapandule, on head pikad sama häälega loetud tekstid arvuti treenimiseks.

Maailma suuremate keelte edukamad masintõlkefirmad on ilmselt leidnud palju teisi treeningandmete hulki, mida oma programmide arendamiseks kasutada.