המרצים שמעצבים את עתיד הסטטיסטיקה

מה הופך את הסטטיסטיקה לאחד התחומים הרלוונטיים ביותר בעשור הנוכחי? שלושה מרצים מהחוג לסטטיסטיקה באוניברסיטת חיפה: פרופ׳ אורי דוידוב, ד”ר עידו נחום ופרופ׳ צבי ריס מספרים על המחקר שלהם, על הדרך שהובילה אותם לתחום, ועל מה שמלהיב אותם בעתיד של הסטטיסטיקה. בין אם מדובר בהבנת רשתות נוירונים, או בפיתוח מדדים לסנכרון בין-אישי – הנושא המשותף הוא אחד: לדעת מה ניתן להסיק מנתונים, ואיך לעשות זאת בצורה אחראית.

פרופ׳ אורי דוידוב

“שמי אורי דוידוב, ואני פרופסור בחוג לסטטיסטיקה באוניברסיטת חיפה. אני עוסק במחקר, הוראה והנחיית סטודנטים לתארים מתקדמים, ולאורך השנים לימדתי מגוון קורסים, הנחיתי תלמידי מחקר, הייתי מעורב בפיתוח תוכניות לימוד, וכיהנתי גם כראש החוג.

בתקופה האחרונה אני עוסק בשני כיווני מחקר עיקריים. הראשון הוא פיתוח שיטות סטטיסטיות שמאפשרות להסיק מסקנות בצורה אמינה כאשר קיימות הנחות מבניות על הנתונים, למשל מצבים שבהם מניחים שקיים סדר טבעי בין טיפולים, מינונים או קבוצות. הכיוון השני עוסק בבעיות דירוג והשוואה, למשל כיצד ניתן להסיק דירוג אמין של קבוצות, שחקנים, מוצרים או חלופות שונות מתוך נתונים של השוואות זוגיות. שאלה אחת שמעסיקה אותי היא כיצד ניתן להשתמש בהנחות מבניות כדי לשפר את ההסקה הסטטיסטית, אך בלי להגיע למסקנות מטעות כאשר ההנחות אינן נכונות. בתחום הדירוגים, השאלה היא כיצד אפשר לבנות דירוג שמשקף נאמנה את המידע שבנתונים, במיוחד כאשר הנתונים חלקיים, רועשים או אפילו מכילים סתירות. לדוגמה, ייתכן שא׳ עדיף על ב׳, ב׳ עדיף על ג׳, אבל ג׳ עדיף על א׳ — מצבים כאלה מעוררים שאלות מעניינות על עקביות, אי־ודאות ומשמעות הדירוג.

נמשכתי לתחום כי אני נמשך לבעיות שבהן יש פער בין מה שהנתונים מראים לבין הסיפור שאנחנו מספרים עליהם. גם בהסקה תחת אילוצים וגם בדירוגים, יש רצון לקבל מסקנה פשוטה וברורה: טיפול אחד עדיף, מינון גבוה יותר משפיע יותר, קבוצה אחת מדורגת מעל אחרת. אבל המציאות הסטטיסטית מורכבת יותר. בעיניי, האתגר הוא לפתח כלים שמאפשרים מסקנות ברורות, אבל גם אחראיות וזהירות.

כיום מתקבלות החלטות רבות על סמך נתונים – ברפואה, בתעשייה, במדיניות ציבורית ובמערכות בינה מלאכותית. ככל שהמודלים נעשים מורכבים יותר, חשוב לוודא שהמסקנות אינן רק מדויקות מבחינה חישובית, אלא גם נכונות מבחינת הפרשנות שלהן. דירוגים והשוואות נמצאים כמעט בכל מקום: מנועי חיפוש, מערכות המלצה, ספורט, קבלה ללימודים, הערכת חוקרים, דירוג מוסדות, דירוג מוצרים וקבלת החלטות ארגונית. לעיתים קרובות דירוג מוצג כמספר חד וברור, אבל מאחוריו יש נתונים חלקיים, הטיות ואי־ודאות.

המחקר יכול לסייע בפיתוח כלים לקבלת החלטות אמינות יותר. למשל, בניסויים רפואיים או ביולוגיים, חשוב לא רק לזהות שקיים אפקט, אלא גם להבין נכון את הכיוון שלו: האם טיפול באמת משפר תוצאה? האם מינון גבוה יותר באמת מוביל לתגובה חזקה יותר? דוגמה קונקרטית היא ניסוי שבו בוחנים השפעה של מינון תרופה או חומר כימי, ומצפים שככל שהמינון עולה, התגובה תרד או תעלה באופן מסודר. שיטה סטטיסטית רגילה עשויה לזהות שקיים אפקט, אבל לפרש אותו בטעות כאפקט חד־כיווני. השיטות שאני מפתח מאפשרות להבחין בין ‘יש אפקט’ לבין ‘האפקט באמת תומך בכיוון המסוים שאנו טוענים לו’. דוגמה אחרת היא דירוג קבוצות ספורט או חלופות על סמך תוצאות של השוואות זוגיות — במקום להפיק דירוג יחיד כאילו הוא ודאי, ניתן לבחון אילו הבדלים באמת נתמכים על ידי הנתונים, היכן קיימת אי־ודאות, והאם קיימים דפוסים מעגליים שבהם אין דירוג ליניארי פשוט שמתאר היטב את המערכת.

אני חושב שנראה יותר ויותר שילוב בין סטטיסטיקה, למידת מכונה ומערכות קבלת החלטות. בתחומים כמו דירוגים, המלצות ובינה מלאכותית, לא מספיק לבנות מודל שמפיק תוצאה — צריך להבין עד כמה התוצאה אמינה, האם היא יציבה, והאם היא הוגנת.

מה שמלהיב אותי הוא שהסטטיסטיקה נמצאת בלב כמעט כל תחום מדעי וטכנולוגי. בעידן של בינה מלאכותית ונתוני עתק, דווקא החשיבה הסטטיסטית הבסיסית — אי־ודאות, הטיה, הסקה, בדיקת הנחות — נעשית חשובה יותר, ומלהיב אותי במיוחד שהסטטיסטיקה מאפשרת לא רק לנתח נתונים, אלא גם לבקר את המסקנות שנובעות מהם”.

ד”ר עידו נחום

“שמי עידו נחום, אני מרצה בכיר בחוג לסטטיסטיקה, בפקולטה למדעי הטבע באוניברסיטת חיפה, ועוסק במחקר ובהוראה בעיקר בתחומים שנמצאים במפגש בין סטטיסטיקה תאורטית, תורת הלמידה ורשתות נוירונים.

בתקופה האחרונה עסקתי בשאלות תאורטיות על הכללה בלמידת מכונה: איך אפשר להבין מתמטית את העובדה שמודלים גדולים מאוד, ובפרט רשתות נוירונים, מצליחים לעיתים לעבוד היטב גם על דוגמאות שלא ראו בזמן האימון. אחד המחקרים האחרונים שלי הוא על מגבלות של חסמי הכללה עבור רשתות נוירונים, שהתפרסם תחת הכותרת Fantastic Generalization Measures are Nowhere to be Found. השאלה המרכזית היא האם קיימים חסמים תאורטיים שבאמת יכולים להסביר בצורה אמינה למה רשתות נוירונים גדולות מכלילות היטב – במילים פשוטות: האם התאוריה הקיימת יכולה להסביר את ההצלחה של למידה עמוקה, או שיש מגבלות עקרוניות על סוג ההסברים שאנחנו מחפשים. במאמר הראינו שבמסגרות מסוימות לא ניתן לקבל חסמי הכללה הדוקים באופן אחיד בסביבה עתירת פרמטרים.

בחרתי בתחום הזה כי הוא משלב בין מתמטיקה לבין שאלות שמגיעות מהעולם האמיתי. מצד אחד יש כאן שאלות תאורטיות נקיות על מידע, הסתברות ולמידה; מצד שני, השאלות האלה קשורות ישירות לבינה מלאכותית שמשפיעה כמעט על כל תחום היום. רשתות נוירונים כמו ChatGPT ו Claude- כבר עובדות נהדר ומשתלבות ביותר ויותר מערכות אוטומטיות, אך עדיין חסרה לנו הבנה עמוקה של למה הן מצליחות, מתי הן נכשלות ומה אפשר להבטיח לגביהן.

ההשפעה של המחקר היא בעיקר דרך בניית הבנה טובה יותר של מערכות למידה – אם נבין מתי מודלים לומדים היטב, מתי הם נכשלים, ומה התאוריה כן או לא יכולה להבטיח, נוכל לפתח מערכות אמינות יותר. לצד פיתוח מודלים גדולים וחזקים יותר, תהיה דרישה הולכת וגוברת להבין אותם: להסביר מתי הם אמינים, איך הם מכלילים ואיפה הם עלולים לטעות.

מה שמלהיב אותי הוא שהסטטיסטיקה נמצאת בדיוק במרכז של המהפכה הנוכחית – סטטיסטיקה היא שפה מדעית להבנת למידה וקבלת החלטות, והעתיד המעניין ביותר הוא החיבור בין תאוריה עמוקה לבין בעיות חדשות שמגיעות מבינה מלאכותית, מדע הנתונים והעולם שמחוץ לאקדמיה”.

פרופ׳ צבי ריס

“שמי צבי ריס, ביוסטטיסטיקאי ופרופסור מן המניין בחוג לסטטיסטיקה באוניברסיטת חיפה. יש לי מגוון די רחב של שיתופי פעולה, כולל בפסיכולוגיה, נוירוביולוגיה, ארכיאולוגיה ובריאות הציבור. לפי פתגם ישן בתחום הסטטיסטיקה היישומית ‘סטטיסטיקאי זוכה לשחק בארגזי החול של כולם’. מעבר לשיתופי פעולה עם מדענים מתחומים ספציפיים, אני מפתח שיטות סטטיסטיות ותוכנות לניתוח נתונים שאפשר להשתמש בהן בהרבה תחומים.

אחרי שני תארים במתמטיקה, גיליתי שבתחום הסטטיסטיקה אוכל לעסוק במחקר עם אימפקט יותר ישיר. היום העולם די טובע בנתונים, ויש צורך גדול מתמיד בסטטיסטיקאים שיודעים מה ניתן להסיק מאותם נתונים — ואיך לעשות זאת בפועל.

דוגמה טובה לכך היא שיתוף הפעולה שלי עם חוג הפסיכולוגיה, שם חוקרות כמו סימון שמאי-צורי וסיגל זלכה-מנו עוסקות בסנכרון בין-אישי והשפעתו על תהליכי טיפול ועל חיי היום-יום. אם רוצים להבין סנכרון כזה, צריכים לדעת איך למדוד אותו – ובמאמר שפרסמתי בשיתוף פעולה עם המעבדה של סימון, פיתחנו מדד סנכרון מקורי, שימושי ודי פשוט.

תחום הסטטיסטיקה, כמו כמעט כל תחום, עובר שינויים בעידן מודלי השפה הגדולים. אין ספק שניתוח נתונים עובר אוטומיזציה במידה מסוימת – אך על מנת להסיק מסקנות מושכלות מנתונים, דרושה חשיבה ביקורתית מהסוג שאנחנו מלמדים בחוג לסטטיסטיקה”.

רוצים להיות חלק מתחום שנמצא בלב כל החלטה, כל מחקר, כל פיתוח טכנולוגי? החוג לסטטיסטיקה באוניברסיטת חיפה מזמין אתכם לגלות עוד. לפרטים נוספים לחצו כאן.