Tarkkuus voi muuttua taakaksi
Desimaali, joka pysäytti kokoushuoneen
Hallintapaneelin luku oli 97,38 prosenttia. Kukaan ei haastanut sitä aluksi. Kaksidesimaalisilla luvuilla on tapana astua huoneeseen paremmissa kengissä kuin muilla. Tiimi kävi läpi automatisoitua priorisointityönkulkua. Viivan yläpuolella olevat tapaukset nostettiin käsittelyyn. Viivan alapuolella olevat tapaukset odottivat. Malli oli parantunut, kaavio kertoi. Keskimääräinen luottamus oli noussut. Jono näytti siistimmältä. Kokous oli melkein lopussa, kun operaattori kysyi, tarkoittiko 97,38 sitä, että järjestelmä oli oikeassa, vai vain sitä, että se oli hyvin varma sille annetusta esityksestä.
Huone hiljeni sillä tavalla, jolla tekniset huoneet hiljenevät, kun paikalle saapuu hyödyllinen häiriötekijä. Data-analyytikko selitti kalibroinnin. Tuoteomistaja selitti palvelutavoitteen. Operaatioiden vetäjä selitti työjonon. Compliance-vastaava kysyi, kuinka moneen ihmiseen kynnysarvon lähellä vaikutettiin. Joku avasi viennin. Kaksi desimaalia eivät kadonneet, mutta ne menettivät auktoriteettinsa. Luku oli ollut tarkka. Se ei ollut ollut riittävä.
Tarkkuus on viettelevä hyve teknisissä järjestelmissä. Se tuntuu kurinalaiselta. Se viittaa mittaukseen, toistettavuuteen ja hallintaan. Se saa hallintapaneelit näyttämään vakavilta ja auttaa tiimejä välttämään epämääräisiä väittelyitä. Monissa tapauksissa tarkkuus on välttämätöntä. Anturin kynnysarvo, taloudellinen laskelma, lääkeannos, kryptografinen vertailu, robotiikan liike tai ajastin voi epäonnistua pahasti, jos tarkkuus on huolimatonta. Ongelma ei ole tarkkuus itsessään. Ongelma on tarkkuus, joka juoksee todisteidensa edellä.
Tekoälyoperaatioissa tarkkuudesta voi tulla rasite, kun se muuttaa epävarmuuden kapealta näyttäväksi arvoksi ja antaa sitten työnkulun kohdella sitä arvoa totuutena. Pistemäärä 0,92 voi olla hyödyllinen. Se voi myös olla pieni asu, jonka päällä ovat epätäydellinen data, jakauman muutos, heikko merkintä, hauras kynnysarvo, testaamaton oletus tai päätösraja, jonka inhimillistä hintaa ei ole koskaan hinnoiteltu. Vaara ei ole siinä, että luku on väärä. Vaara on siinä, että luku on riittävän tarkka estääkseen ihmisiä kysymästä, mitä se tarkoittaa.
Tarkkuus ei ole oikeellisuus
Vanha erottelu on edelleen tärkeä. Tarkkuus kuvaa mittauksen hienojakoisuutta tai tuotoksen johdonmukaisuutta. Oikeellisuus kuvaa läheisyyttä siihen, mikä on olennaista. Rikkoutunut kello voi olla tarkka kieltäytyessään liikkumasta. Luokittelija voi tuottaa vakaita todennäköisyyksiä piirteistä, jotka jäävät paitsi todellisesta tilanteesta. Ranking-malli voi olla johdonmukaisesti väärässä tietyn alaryhmän kohdalla. Ennuste voi kantaa kolmea desimaalia ja silti nojata eilisen maailmaan. Tarkkuus ilman oikeellisuutta on siistiä virhettä.
Operatiivisissa järjestelmissä tämä ero usein hämärtyy, koska tarkat tulokset on helpompi automatisoida. Luku ylittää kynnyksen. Asia etenee. Suositus muuttuu toimenpiteeksi. Käyttäjä ohjataan, viivytetään, hyväksytään, estetään tai pyydetään antamaan lisätietoja. Kone ei tiedä, onko desimaali epistemologisesti rehellinen. Se tietää vain, että vertailu palautti arvon tosi. Siksi vertailu ansaitsee enemmän hallintaa kuin mitä kojelauta sille yleensä antaa.
Tarkkuus ei myöskään ole yksi globaali ominaisuus. Malli voi olla tarkka keskimäärin ja heikko juuri siinä kohdassa, jossa päätös on kivulias. Se voi toimia hyvin historiallisella datalla ja huonosti uudella kanavalla. Se voi olla luotettava tavallisissa tapauksissa ja hämmentyä reunatapauksista, joihin liittyy suuria kustannuksia. Se voi luokitella tapaukset oikein mutta olla huonosti kalibroitu. Se voi olla tarkka piirreavaruuden suhteen ja epätarkka ihmisen tilanteen suhteen. Keskiarvot ovat hyödyllisiä, kunnes niistä tulee piilopaikkoja.
Käytännön virhe on antaa tarkan pistemäärän periä auktoriteetti sitä ympäröivästä matematiikasta sen sijaan, että se perisi sen sitä ympäröivästä operatiivisesta näytöstä. Kysymys ei ole yksinkertaisesti siitä, onko malli tarkka. Kysymys on, tarkka mistä, kenelle, millä dataehdoilla, millä kynnyksellä, millä tarkistuspolulla ja millä kustannuksella, kun se on väärässä. Desimaali on keskustelun alku, ei sen puheenjohtaja.
Vastuu ilmenee rajapinnassa
Tarkkuudesta tulee vaarallista rajapinnoissa, koska rajapinnat muuttavat arvot toimiksi. Riskipisteet 0.701 ja 0.699 voivat olla käytännössä identtisiä näyttönä. Jos kynnys on 0.700, ne voivat tuottaa erilaiset elämät niiden takana oleville tapauksille. Toinen nostetaan käsittelyyn. Toinen odottaa. Toinen saa ihmisen. Toinen saa mallipohjan. Toinen saa lainan. Toinen saa kohteliaan kieltäytymisen valituspolulla, jonka voi löytää tai olla löytämättä ennen lounasta.
Kynnyksissä ei ole sinänsä mitään vikaa. Toiminta tarvitsee niitä. Jonot on priorisoitava. Hälytykset on laukaistava. Petostarkistusten on tehtävä päätöksiä. Turvajärjestelmien on pysäytettävä. Ongelma on teeskennellä, että kynnys on luonnonlaki, koska tarkka arvo ylitti sen. Kynnys on käytäntöön upotettua koneistoa. Se tarvitsee syyn, omistajan, näytön, tarkistusvyöhykkeen, seurannan ja tavan muuttua ilman historian uudelleenkirjoittamista. Muuten se on pieni rajanylityspaikka ilman tullitoimistoa.
Tarkistusvyöhykkeet ovat yksinkertainen vastalääke. Sen sijaan, että kohdeltaisiin arvoa 0.700 taianomaisena kallionkielekkeenä, määritellään alue, jolla järjestelmä säilyttää epävarmuuden ja pyytää ihmisen harkintaa tai lisänäyttöä. Vyöhykkeen leveys riippuu kustannuksista, palautuvuudesta, kapasiteetista ja näytön laadusta. Matalan kustannuksen suositus voi sietää kapean vyöhykkeen. Suuren vaikutuksen kelpoisuuspäätöksen ei pitäisi. Tarkkuus ei poista harkinnan tarvetta rajapinnan lähellä. Se kertoo, missä harkinta todennäköisimmin merkitsee.
Kokouksessa ollut operaattori ymmärsi tämän ennen kuin kukaan käytti muodollista sanastoa. Hän tiesi, että linjan lähellä olevat tapaukset eivät ole samoja kuin kaukana linjasta olevat tapaukset. Hän tiesi, että järjestelmä oli saanut linjan tuntumaan puhtaammalta kuin työ. Tällaista operatiivista viisautta kohdellaan usein anekdoottina, kunnes mittari vahvistaa sen. Voisimme säästää aikaa kunnioittamalla sitä aiemmin.
Operatiivinen tarkkuus voi kätkeä datan karheuden
AI-järjestelmät tuottavat usein tarkkoja tuloksia karheista syötteistä. Opetusmerkintä on voinut olla inhimillinen päätös, joka tehtiin aikapaineen alla. Lähdekenttä voi tarkoittaa eri asioita eri tiimeissä. Puuttuva arvo voi tarkoittaa ei, tuntematon, ei kysytty, ei sovellettavissa tai että siirtoskriptillä oli huono iltapäivä. Asiakirjan päivämäärä voi olla luontipäivä, allekirjoituspäivä, latauspäivä tai päivä, jolloin joku lopulta muisti portaalin salasanan. Malli ei koe tätä sotkua nolona. Se muuntaa sen piirteiksi.
Muuntamisen jälkeen karheus voi kadota näkyvistä. Piirrevektori näyttää siistiltä. Pisteet näyttävät siisteiltä. Kaavio näyttää siistiltä. Operatiivinen todellisuus, joka tuotti syötteen, pysyy likaisena. Näin tarkkuus pesee epävarmuuden. Se ei valehtele tarkoituksella. Se muotoilee monitulkintaisuuden sellaiseen muotoon, jota alavirran järjestelmät voivat käsitellä, ja alavirran järjestelmät sekoittavat usein käsiteltävyyden totuuteen.
Luettavien AI-toimintojen pitäisi pitää karheus näkyvissä siellä, missä se vaikuttaa päätöksiin. Näytä lähteen laatu. Säilytä puuttuvuuden semantiikka. Seuraa merkintöjen alkuperää. Erota havaitut tosiasiat päätellyistä arvoista. Merkitse vanhentunut data. Pidä luottamusvälit tai vyöhykkeet siellä, missä ne ovat hyödyllisiä. Kirjaa, kun ihminen korjasi arvon. Nämä yksityiskohdat eivät ole esteettisiä. Ne ratkaisevat, ansaitseeko tarkka tulos toimenpiteen vai tarkastelun.
Vahvimmat järjestelmät eivät palvo puhdasta dataa. Ne tietävät, missä data on puhdasta, missä vain siistiä ja missä se on huhu, jolla on sarakenimi. Tämä ero merkitsee enemmän kuin yksi desimaali lisää. Karhealle datalle rakennettu malli voi silti olla hyödyllinen, mutta vain jos sitä ympäröivä toiminta muistaa karheuden. Unohtaminen on se kohta, josta vastuu alkaa.
Ratkaisijan luottamus ei ole institutionaalista luottamusta
Nykyaikaiset AI-pinot sisältävät monia ratkaisijoita: luokittelijoita, rankkereita, hakijoita, optimoijia, kielimalleja, suunnittelijoita, sääntömoottoreita ja inhimillisiä arvioijia. Jokainen voi tuottaa omanlaisensa luottamuksen. Hakija voi rankata kohdan korkealle. Malli voi vastata sujuvasti. Luokittelija voi määrittää todennäköisyyden. Suunnittelija voi löytää toteuttamiskelpoisen reitin. Nämä luottamukset ovat paikallisia. Ne kertovat jotakin komponentin sisäisestä tehtävästä. Ne eivät automaattisesti kerro, että instituution pitäisi toimia.
Tämä ero katoaa usein, koska komponentin luottamus on helppo näyttää. Hakutulos ilmestyy. Mallin luottamus ilmestyy. Rankkausprosenttipiste ilmestyy. Koontinäytöstä tulee numeroparaati, joka näyttää vertailukelpoiselta, koska numerot jakavat typografian. Ne eivät ole vertailukelpoisia. Samankaltaisuuspisteet eivät ole totuuspisteitä. Todennäköisyys ei ole moraalinen lupa. Reitinoptimoijan luottamus ei ole lausunto työn oikeudenmukaisuudesta. Kielimallin sujuvuus ei ole todiste siitä, että lähde oli riittävä.
Institutionaalinen luottamus rakentuu osatekijöiden näytöstä sekä politiikasta, kontekstista, kustannuksista, palautettavuudesta ja vastuuvelvollisuudesta. Osatekijä voi sanoa todennäköisesti. Institution on päätettävä, riittääkö todennäköisesti tähän toimenpiteeseen. Matalan riskin ehdotuksen lähettäminen voi olla hyväksyttävää. Palvelun epääminen ei välttämättä ole. Jonon uudelleenjärjestely voi olla hyväksyttävää, jos valitus- ja seurantamenettelyt ovat olemassa. Tapauksen sulkeminen voi vaatia vahvempaa näyttöä. Tarkkuuden pitäisi ruokkia institution harkintaa, ei jäljitellä sitä.
Toimiva arkkitehtuuri erottaa paikallisten ratkaisijoiden signaalit operatiivisesta auktoriteetista. Se kirjaa, mikä osatekijä tuotti minkäkin signaalin, miten signaali kalibroitiin, mikä politiikkaportti sen tulkitsi ja kuka toimija hyväksyi lopullisen toimenpiteen. Se voi kuulostaa byrokraattiselta. Se on vähemmän byrokraattista kuin jälkikäteen selittäminen, että järjestelmä toimi, koska luku näytti suurelta.
Tarkkuus voi saada ajautumisen näyttämään edistykseltä
Ajautuminen saapuu harvoin kyltin kanssa. Syötteiden jakaumat muuttuvat. Käyttäjien käytös muuttuu. Politiikka muuttaa nimikkeen merkitystä. Uusi kanava tuo erilaisia tapauksia. Henkilökunta oppii, miten järjestelmä käyttäytyy, ja muuttaa omaa käytöstään sen ympärillä. Ylävirran lomake suunnitellaan uudelleen. Toimittaja muuttaa oletusasetuksia. Mallipäivitys parantaa yhtä mittaria ja heikentää toista. Hallintapanelissa voi edelleen näkyä tarkkoja arvoja. Ne voivat jopa parantua. Kysymys on, mittaavatko ne edelleen samaa asiaa.
Tämä on klassinen operatiivinen ansa. Tarkkuus antaa mittarille jatkuvuutta, kun maailma sen alla muuttuu. Jonotusaika laskee, koska vaikeat tapaukset ohjataan muualle. Luottamuspisteet nousevat, koska malli näkee enemmän helppoja tapauksia. Väärän positiivisen osuus näyttää vakaalta, koska valitusten tekeminen on liian vaikeaa. Malli näyttää paremmalta, koska arviointiaineisto ei enää vastaa todellista kysyntää. Luku on tarkka. Mittaussopimus on rikki.
Hyvät operaatiot kiinnittävät mittarit mittaussopimuksiin. Mitä perusjoukkoa tämä mittari edustaa. Mitkä syötteet sisältyvät. Mitkä poissulkemiset sovelletaan. Mitkä nimikkeet määrittelevät onnistumisen. Miten viivästyneet tulokset käsitellään. Mitä alaryhmiä seurataan. Kuinka usein kalibrointi tarkistetaan. Mitkä operatiiviset muutokset mitätöivät vertailun. Ilman tätä sopimusta tarkkuus voi muuttua jatkuvuuden illuusioksi. Kuvaajan viiva on sileä, koska määritelmä muuttui hiljaa sen alla.
Ajautumisen seurantaan tulisi sisällyttää myös inhimillisiä signaaleja. Ohittavatko operaattorit useammin. Valittavatko käyttäjät. Muuttuvatko tukipyynnöt. Luovatko tiimit sivutaulukoita. Kasaantuvatko tapaukset kynnysarvojen lähelle. Tuottavatko tietyt lähteet vanhentunutta dataa. Inhimillinen käytös havaitsee ajautumisen usein ennen aggregoituja mittareita. Jos malli on tarkka ja ihmiset ovat levottomia, älä oleta, että ihmiset ovat se meluisa osa.
Ylisovittamisen riski operaatioissa
Tarkkuus voi houkutella tiimejä optimoimaan mitattua osaa järjestelmästä, kunnes mittaamaton osa alkaa maksaa. Reititysmalli lyhentää keskimääräistä käsittelyaikaa lähettämällä monimutkaiset tapaukset erikoistiimille, joka nyt palaa loppuun. Petostentorjuntakynnys vähentää tappioita mutta lisää vääriä estoja asiakkaille, jotka sitten lähtevät. Kunnossapidon ennustemalli vähentää tarkastuksia, kunnes harvinaiset viat muuttuvat vakavammiksi. Sisällön luokittelija parantaa vertailutarkkuutta, kun taas tuki saa enemmän hämmentäviä reunatapauksia. Mittari paranee. Järjestelmä voi huonommin.
Tämä on operationaalista ylisovittamista. Se ei ole pelkkä mallinnusongelma. Se tapahtuu, kun organisaatio virittää itsensä tarkkojen mittareiden ympärille, jotka eivät edusta koko tehtävää. Mitä tarkempi ja tiheämpi mittari, sitä voimakkaampi houkutus. Ihmiset hallinnoivat sitä, mitä mitataan. Koneet optimoivat sitä, mistä palkitaan. Molemmat voivat tuottaa erinomaista paikallista suorituskykyä ja huonoa järjestelmäkäyttäytymistä. Mittaristo ei pyydä anteeksi. Se on kiireinen ollessaan vihreä.
Lääke on yhdistää tarkkuus vastamittareihin. Jos nopeus paranee, seuraa laatua, korjaustyötä, valituksia ja henkilöstön kuormitusta. Jos automaatioaste paranee, seuraa virheiden vakavuutta ja käyttäjälle aiheutuvaa haittaa. Jos kustannukset laskevat, seuraa sietokykyä ja poistumista. Jos mallin luottamus kasvaa, seuraa kalibrointia ja alaryhmien suorituskykyä. Jos tarkkuus paranee vertailussa, seuraa reaaliaikaista ajautumaa. Jokainen tarkka tavoite tarvitsee naapureita, jotka voivat valittaa.
Vastamittarit eivät ole tapa välttää päätöksiä. Ne ovat tapa pitää päätökset rehellisinä. Operaatioihin liittyy aina kompromisseja. Ongelma ei ole valitseminen. Ongelma on valitseminen silloin, kun tarkka mittari piilottaa sen osan laskusta, joka lähetetään muualle. Vakavissa järjestelmissä maksamaton lasku löytää yleensä ihmisen.
Tarkkuus tarvitsee hallintakehyksen
Ratkaisu ei ole pyöristää jokaista lukua, kunnes kukaan ei näe mitään. Epämääräisyys ei ole inhimillisempää pelkästään siksi, että siinä on vähemmän desimaaleja. Ratkaisu on hallintakehys tarkkuuden ympärillä. Tarkan arvon mukana tulisi kulkea metatieto: lähde, aika, perusjoukko, kalibrointi, luottamusväli tai epävarmuuskaista, kun se on hyödyllinen, päätöskynnys, tarkistuskäytäntö, tunnetut rajoitteet, omistaja ja todiste viimeisimmästä validoinnista. Se kuulostaa raskaalta, kunnes sitä vertaa tarkan virheen painoon.
Kehys antaa eri lukijoille mahdollisuuden käyttää tarkkuutta vastuullisesti. Operaattori näkee, onko tapaus lähellä rajaa. Esimies näkee, edustaako mittari edelleen aiottua perusjoukkoa. Auditoija näkee, miksi toimenpide tehtiin. Kehittäjä näkee, mikä syöte muuttui. Käyttäjä saa selityksen, joka ei teeskentele, että järjestelmä löysi kohtalon. Luku pysyy hyödyllisenä. Se lakkaa matkustamasta yksin.
Suunnittelussa on haaste. Liika metatieto kaikkialla muuttuu sumuksi, jossa on tarroja. Oikea käyttöliittymä paljastaa tarkkuuskontekstin asteittain. Päänäkymä näyttää arvon ja sen, onko se turvallinen, vanhentunut, epävarma vai lähellä tarkistusaluetta. Yksityiskohtainen näkymä näyttää todisteet. Auditointinäkymä näyttää versiot ja alkuperän. Operaationäkymä näyttää ajautuman ja kynnyspaineen. Eri lukijat tarvitsevat eri ovet samaan totuuteen.
Tässä myös tuote- ja insinöörityön kurinalaisuus kohtaavat. Ei riitä, että mallikortti mainitsee epävarmuuden, kun työnkulku muuttaa jokaisen pistemäärän kovaksi toimenpiteeksi. Ei riitä, että mittariston työkaluvihje selittää kalibroinnin, kun API palauttaa paljaan liukuluvun. Tarkkuutta on hallittava käyttöpaikassa. Muuten järjestelmä dokumentoi varovaisuuden kohteliaasti ja sitten jättää sen huomiotta.
Oppia olemaan tarkka epävarmuudesta
Kypsä asenne ei ole tarkkuuden vastustamista. Se on tarkkuutta epävarmuudesta. Sen sijaan, että teeskentelee pistemäärän olevan tosiasia, näytä, millainen väite se on. Onko se arvio, järjestys, todennäköisyys, samankaltaisuus, ennuste, mittaus vai politiikan tuotos. Mikä on epävarmuus. Mitä maksaa toimia nyt. Mitä maksaa odottaa. Mikä näyttö muuttaisi päätöstä. Mitkä tapaukset ovat niin lähellä rajaa, että järjestelmän pitäisi pyytää apua. Nämä kysymykset tekevät tarkkuudesta hyödyllisempää, eivät vähemmän hyödyllistä.
Tiimit voivat rakentaa tämän asenteen arjen toimintaan. Arvioinnin pitäisi sisältää kalibrointi, alaryhmien käyttäytyminen, kynnysherkkyys ja tulosten viive. Seurannan pitäisi tarkkailla jakaumia, rajan lähellä olevaa volyymia, ohituksia, valituksia, vanhentuneita lähteitä ja sivuvaikutuksia. Käyttöliittymien pitäisi erottaa signaali päätöksestä. Poikkeamakatselmusten pitäisi kysyä, piilottiko tarkka arvo epävarmuuden. Hankinnassa pitäisi kysyä, miten työkalu tuo esiin luottamuksen ja rajat, ei vain sitä, onko sillä luottamuslukema. Luottamuslukema ilman luottamusdisipliiniä on vain pieni merkki suuremman arvauksen päällä.
Mukana on myös kulttuurinen puoli. Organisaatioiden on annettava ihmisten haastaa tarkkoja lukuja ilman, että heitä kohdellaan dataa vastustavina. Operaattori, joka kysyy, mitä 97.38 tarkoittaa, ei hidasta tiedettä. Hän suojelee siltaa mittauksen ja toiminnan välillä. Terve tekninen kulttuuri tekee tilaa sille kysymykselle. Epäterve osoittaa kojelautaa ja julistaa kokouksen päättyneeksi.
Tarkkuus ansaitsee luottamuksen, kun se pysyy nöyränä. Se kertoo, mitä mitattiin, kuinka hienojakoisesti, millä oletuksilla, kuinka äskettäin, millä virheellä ja mitä pitäisi tapahtua reunan lähellä. Se on vähemmän dramaattista kuin puhdas pistemäärä. Se on myös hyödyllisempää. Järjestelmistä ei tule turvallisempia näyttämällä varmoilta. Niistä tulee turvallisempia, kun ne tietävät, milloin varmuus on perusteltua.
Luku ja työ
Desimaalia kokouksessa ei tarvinnut poistaa. Se piti laittaa takaisin paikalleen. Tiimi säilytti pistemäärän, lisäsi tarkistusvyöhykkeen, erotti luottamuksen toiminnasta, seurasi kynnyksen lähellä olevia tapauksia ja muutti kojelautaa niin, että operaattorit näkivät lähteen tuoreuden ja kalibroinnin. Työstä tuli vähemmän kiiltävää ja rehellisempää. Tämä on yleensä hyvä vaihtokauppa.
Tarkkuus on yksi parhaista työkaluista, joita meillä on monimutkaisten järjestelmien pyörittämiseen. Sen avulla havaitsemme pieniä muutoksia, vertaamme vaihtoehtoja, automatisoimme turvallisesti, kohdennamme niukkaa huomiota ja parannamme ajan myötä. Mutta sama tarkkuus voi muuttua taakaksi, kun se karkaa mittauskontekstistaan ja alkaa hallita ihmisiä kuin jokainen desimaali olisi pala totuutta. Tekoälytoiminta on täynnä tätä riskiä, koska se muuntaa sotkuisen näytön sujuviksi, numeerisiksi ja toiminnallisiksi pinnoiksi.
Vastaus ei ole se, että numeroihin ei luotettaisi. Vastaus on, että numeroita ei enää anneta matkustaa ilman passia. Tarkan tuloksen mukana tulisi kulkea sen lähde, epävarmuus, rajaus, omistaja ja virheen hinta. Sen tulisi kutsua tarkasteluun merkittävien rajojen lähellä. Sen ajautumista tulisi seurata. Sen tulisi pysyä yhteydessä siihen inhimilliseen ja institutionaaliseen tarkoitukseen, jota sen on tarkoitus palvella.
Tarkkuus on hyödyllistä, kun se terävöittää huomiota. Siitä tulee vaarallista, kun se kaventaa vastuuta. Ero on toiminnallinen suunnitteluvalinta, ei matemaattinen kohtalo.