Uudised, mis ülehomseks aegunud

Uudistelugemine tundub kasulik — informatsiooni kogumine on ju vähemalt natuke produktiivne? Tõsi, aga info väärtus seisneb selle võimes muuta meie käitumist või mudelit maailmast (mis siis tulevikus tegusid muudab). Pidevas voos, mis koosneb ainult juhuslikest arvudest või sõnadest või lausetest, on palju infot, aga su käitumist ega maailmamudelit see ei muuda.

Kirjutamise hetkel olid Postimehe esilehe esimesed uudised:

  • Iraak võitis ISISelt Mosuli;
  • kolm keskerakondlast tülitsevad Facebookis;
  • Hiinasse ehitatakse päikesefarm, kus paneelid on paigutatud panda kujundisse;
  • Trump ja Putin on alfaisased (video);
  • Jaapani peaminister jätab loodusõnnetuse tõttu Eestisse tulemata;
  • üks tüüp võitis teist vormelisõidus;
  • õhukeste kilekottide tarbimine on vähenenud;
  • Hamburgi pagulased ei mõista G20 tippkohtumise vastu protestijate vägivaldsust;
  • ühe UK jalgpalliklubi peatreeneri põie kasvaja eemaldati.

Ülaltoodud uudiste hulgas on väga vähe selliseid, mis kellegi käitumist muudaks. Kui su töö jaoks on väga oluline välispoliitikas toimuv või keskkonnapoliitika tulemuslikkus, või jälgid põnevuse pärast vormelit või jalgpalli, siis võib-olla. Aga ülejäänute jaoks pole nii väike infokogus kulutatud tähelepanu ja aega väärt.

Üks lahendus on mitte hoolida mikrotaseme muudatustest ja lugeda kokkuvõtteid uudistest kord päevas või nädalas. Teine võimalus on filtreerida oma Facebooki voogu nii, et sinna jääb ainult väga kvaliteetne sisu. Mõlema lahenduse point on, et keegi teine vaatab kogu müra läbi ja võtab olulisema sinu jaoks kokku. Veidi ekstreemsem variant on mitte lugeda ka kokkuvõtteid ning loota, et tõsisematest sündmustest annavad sõbrad-tuttavad niikuinii teada.

Enamik uudisteallikaid optimeerivad kõvasti oma sisu evolutsioonilist põnevust — surma/vägivalda (terrorism, sõjad, autoõnnetused, looduskatastroofid, välispoliitika), hõimukaaslaste tegevust (A tegi B seljataga X-i ja B kommenteeris: “Y”; see teine grupp on paha ja meie oleme head; meie grupi esindaja on maailma kõige parem sportlane), seksi (16 põhjust joonistada magamistoa seinale härg) jne. Nendest teemadest eemaldumine aitab rohkem keskenduda oma elule (mida teen hästi, milles ebaõnnestun?), makro-trendidele (kus on maailm 10 aasta pärast ja kuidas seda ennustust ära kasutada?), fundamentaalsetele küsimustele (kuidas otsustada, mis on eetiline?) ja muudele igavatele olulistele küsimustele.

Uudised ei ole muidugi 100% pahad. Võib-olla tundud vestlustes natuke rumal, kui ei tea midagi hiljutiste sündmuste kohta; võib-olla jääd mõnest superolulisest üritusest ilma. See-eest saad palju kergemini kaasa rääkida universaalsetel teemadel ja seeläbi sisulisemalt ühenduda inimestega sõltumata nende taustast, ametist või elukohast. (Vaata ka mu postitust small talki vastandist.)

Kui enamik uudiseid ei muuda meie käitumist (ka kauges hüpoteetilises tulevikus), siis kuhu see aeg mõistlikumalt kulutada? Mitteilukirjanduslikele raamatutele (või kvaliteetsetele blogidele). Paljud raamatud, eriti ilukirjandus, on nagu telesarjad — nad on mõeldud peamiselt meelt lahutama –, aga on ka palju selliseid, mis selgitavad mingit kasulikku raamistikku. Näiteks õnnelikkusest, karismast, investeerimisest või ettevõtetest.

Kui sul (nagu mu blogi keskmisel lugejal) on jäänud elada 50-60 aastat, on mõttetu raisata tähelepanu infole, mis ülehomseks aegub.

 

Kaanepilt: elandarel, avaldatud litsentsi CC BY-NC-SA all. Originaali on siin muudetud.

Ma polnud enne tänast pea kuu aega postitanud. Sel on olnud mitu põhjust:

  • Tegelesin intensiivselt küsimusega, mida pärast ETH lõpetamist edasi teha. Otsus on nüüd tehtud, aga kuulutan selle välja siis, kui aeg käes.
  • Mõtlesin selle peale, kuidas blogimisega edasi minna nii meediumi, formaadi, sisu kui keele osas — praeguseks olen pea 2.5 aastat enam-vähem sama asja teinud. Praegu ei ole ma kindlalt midagi otsustanud, aga ilmselt kirjutan pungas.ee-s veidi harvemini kui varem lubatud 1 postitus nädalas. Mõtlen praegu muuhulgas sellest, kui palju panna rõhku eesti vs inglise keeles kirjutamisele, kas ja milliseid videoid oleks mul mõtet teha, kui palju panna aega muudele kirjutamisprojektidele (näiteks datasci.ee-sse tuleb üks seeria andmeteadusest) ja mis kasu sellest kõigest on.
  • Puhkasin.
  • Kõige selle kõrvalt tegin veidi magistritööd (selle teemast kirjutan varsti).

Aasta lõpuks teen ilmselt olulisi muudatusi.

 

P.S. Proovin nüüd Instagrami tõsisemalt võtta: instagram.com/taivopungas.

Universaalselt kasulik erialavalik

Tuhanded noored peavad lähinädalatel tegema suure otsuse oma tulevase hariduse ja karjääri kohta — valima eriala ülikoolis. Tean, et see on raske, ja maadlesin enda otsusega terve aasta. Küsimust teevad veel keerulisemaks inimesed, kes ütlevad: “tee seda, mille vastu huvi tunned” (või inglise keeles “follow your passion“), aga see on halb nõu. Kui kunagi hakkasid juhuslikult (näiteks parima sõbrannaga koos) tegelema sipelgafarmide niisutussüsteemide arendamisega ja oled nüüdseks selles YouTube’i ja interneti abiga päris heaks saanud, on su passion ilmselt sipelgad+hüdraulika ja peaksid justkui oma karjääri sellele pühendama.

Follow your passion” ei võta arvesse, et meile meeldivad asjad, milles head oleme. Panustame meeldivatesse asjadesse omakorda rohkem aega, mis viib positiivse tagasisidega tsüklini, kus huvi ja oskus kasvavad koos. See tähendab, et ükskõik mille õppimisel tuleb natuke kannatada enne, kui töö vilju nautida saab — aga siis läheb tsükkel käima ja edasine õppimine muutub lihtsamaks. Järeldus: passion ei tohiks olla eriline argument.

Kuidas siis erialavalikust mõelda?

Continue reading

Programmeerimine, tunded ja erialavalik

Ma läksin arvutiteaduse bakasse üsna suvaliselt. Põhi- ja keskkoolis käisin paljudel olümpiaadidel, kusjuures kõige halvemini läks füüsikas (tunnen siiani, et võiksin omada füüsika alustest paremat ettekujutust) ja informaatikas (sealt pärineb mu ainuke riigivooru viimane koht). Seetõttu otsustasin 2012. aastal astuda Tartu ülikooli informaatikasse ja võtta esimese ülikooliaasta jooksul paralleelselt ka kõiki füüsika 1. kursuse aineid.

Continue reading

Tehnoloogiline progress ja ebavõrdsus

(Peamiselt toetun siin tuntud majandusteadlaste1 ideedele, aga kui teen mingi jubeda majandusteadusliku vea, siis tulistage mind kommentaarides alla.)

Tehnoloogia vähendab meie vajadust inimeste järele. Isejuhtivad autod nõuavad oluliselt vähem inimtähelepanu kui praegused autod; üks traktor asendab sadu põllutöölisi; e-riigi tõttu on meil vähem ametnikke vaja; tootmisliinidel asendavad masinad järjest inimesi.

See on hea ja õige. Need muutused toovad tüüpiliselt hinda alla või kvaliteeti üles ning vabastavad meid vajadusest ise raskeid tüütuid töid teha. Kui võrrelda sajanditagust tüüpilist tööd (raske ja füüsiline) tänasega (põnevam ja tervisele vähem koormav), ei tahaks keegi meist ajamasinasse astuda.

Lisaks füüsilisele heaolule kasvatab tehnoloogiline progress kujundlikku majanduspirukat meie kõigi jaoks. Kahanev hind tähendab tõenäoliselt tarbimise kasvu2: kui suvaline (isejuhtiv) taksosõit Tallinnas maksaks alla 1€, kasutataks seda varianti palju rohkem kui praeguseid taksosid hinnaga 4-6€/sõit. Transpordi odavnemisel on omakorda positiivne mõju kõigile toodetele, mille hinnas on kohaletoomine oluline komponent (nt toit). Seega võidab ühiskond ja võidab uue tehnoloogia väljaarendaja/tootja (sest tal on võimalik seda kõigile kasumiga müüa), aga on ka ilmselged kaotajaid: need, kes ära automatiseeritakse.

Liigume selgelt lihttööde (sellised, mida saab ilma pikema hariduseta teha) äraautomatiseerimise suunas, seega lihttööjõud muutub aina vähem vajalikuks ja väärtuslikuks. Eeldatavasti langeb seega ka madalapalgaliste palk3. Kapitali (investeeringute) pealt saab samal ajal aga aina rohkem teenida: kuna rohkem tööd teevad ära masinad, siis annab masinate omamine võrreldes ise töötamisega aina rohkem tulu. Inimkeeli: rikastel muutub rahateenimine aina lihtsamaks ja vaestel aina keerulisemaks.

See efekt kandub edasi ka üle põlvkondade, sest rikkad pärandavad oma lastele absoluutsummas palju rohkem kui vaesed. Teine oluline viis, kuidas see põlvkonna piiri ületab, on haridus. Haritud töötajad on turul paremas positsioonis (teenivad rohkem ja leiavad kergemini tööd), aga kooliskäimisel on kulu4 ja jõukamad vanemad suudavad oma laste õpinguid (kauem) toetada.

Kõik eelnev kokku tähendab, et kuigi pirukas kokkuvõttes kasvab, jääb mitterikastele jaotatav lõik aina väiksemaks: kindlasti protsentuaalselt ja võimalik, et ka absoluutselt.

Lahendused

Tavaliselt kirjutaksin siin lahti ka hulga lahendusi: näiteks võiks aidata tasuta kõrgharidus5, negatiivne tulumaks, kodanikupalk või muu sarnane skeem. Detailid ei ole aga praegu olulised: mulle tundub, et tihti vaieldakse väljapakutud skeemile vastu just detailide tõttu6. Kui teeme endale selgeks, et ebavõrdsus muutub aina suuremaks probleemiks, saame ühiselt hakata otsima aktsepteeritavaid lahendusi ning mitte vasak- ja parempoolsuse pinnal vastanduma.

Ja võib-olla tundub, et haletsen üleolevalt neid vaeseid, aga paarikümne aasta pärast võib sellesse gruppi kuuluda 90% elanikkonnast, sealhulgas sina ja mina.

NB: vaata altpoolt Kristjani ja Sandri kommentaare, mis vähendasid mu enesekindlust ülaltoodud argumentatsioonis.

 

Kaanepilt: Bob Jagendorf, avaldatud litsentsi CC BY-NC all.

Neli sõnakõlksu: masinõpe, tehisintellekt, suurandmed, andmeteadus

Jagan nelja enda definitsiooni mõistetest, mida kasutatakse palju, aga mille jaoks üldlevinud definitsioone kokku lepitud pole.

Masinõpe [machine learning]: hulk meetodeid, mis võimaldavad arvutil õppida kogemuste põhjal keerulisi ülesandeid lahendama.

Masinõppe kohta kirjutasin paar kuud tagasi ka põhjaliku postituse.

Tehisintellekt [artificial intelligence]:

1) inimese poolt loodud agent, mis on intelligentne, kus “intelligentne” tähendab ligikaudu “inimtasemel”. Mõnikord mõeldakse ka tehisintellekti all üldist intellekti, mis tähendab, et agent on võimeline õppima erinevaid ülesandeid lahendama ja teadmisi ühest ülesandest teise üle kandma.

2) uurimissuund, mille eesmärk on arendada ülalmainitud agente.Tehisintellekt kasutab palju masinõppe meetodeid, aga ka klassikalisemaid arvutiteaduse algoritme (nt otsingupuid).

Suurandmed [big data]: andmestikud, mis ei mahu ühe arvuti mällu (RAMi).

Suurima mäluga Amazoni virtuaalmasinal on praegu mälu 2 TB (2000 GB). Mõnikord mahuvad andmed küll ära, aga nende töötlemine võib nõuda kordades rohkem mälu.

Andmeteadus [data science]: ükskõik milline tegevus, mis aitab andmete põhjal kasulikke otsuseid teha.

See võib tähendada väga mittetehnilisi asju nagu kirjalikke analüüse või lihtsat kirjeldavat statistikat, veidi tehnilisemat tööd nagu andmete ettevalmistamist või visualiseerimist, või matemaatiliselt keerulisemaid asju nagu ennustamist (masinõppe meetodeid kasutades).

Kust leida usaldusväärset infot?

I

Hiljuti Tartus toimunud tõepõhjahäkatonil arutasin osalejate ja mentoritega küsimust: kuidas leida tõtt? Kui meil on konkreetne küsimus, näiteks “kas kofeiini tarbimine on sinu jaoks hea“, siis kust leiaksime infot, mis oleks täielik ja kallutamata? (Kui tahad laiemat ettekujutust mingist alast, annab head juhised LW artikkel “Scholarship: How to Do It Efficiently“.)

Continue reading