إتقان عامل المخاطرة: هل تسمح للذكاء الاصطناعي باختيار زوجتك؟ (آنا سلودكا تورنر)

الذكاء الاصطناعي (AI) هو في طليعة العديد من المحادثات عبر الصناعات. ولما لا؟ لقد جلبت لنا حلولًا شاملة ، مما وفر للبشرية الكثير من الوقت. ولكن مثل كل شيء جيد ، فإن له قيودًا ، خاصةً الذكاء الاصطناعي العام ، والذي غالبًا
يبدو وكأنه مصطلح شامل لخوارزمية عامة يمكن الوصول إليها عبر بعض مكبرات الصوت التي يمكنها فعل أي شيء.

عندما يتم الترويج للذكاء الاصطناعي كحل للعديد من الأشياء ، فإنه يجعلني أفكر ، إلى أي مدى يمكنك دفع هذا الضجيج؟ حديث مشهور من 'School of Life' on 'لماذا ستتزوج الشخص الخطأ؟ ألهمت سؤالًا ، "هل تريد
دع منظمة العفو الدولية تختار من تتزوج؟ هل يمكن أن تساعد في اتخاذ الخيارات الزوجية الصحيحة؟

في حين أن الذكاء الاصطناعي لا يمكنه الإجابة بشكل كامل على مسائل العلاقة المعقدة للغاية ، إلا أنه يمكن أن يجعلك أقرب بشكل كبير من العثور على الإجابة. نواجه هذا في كثير من الأحيان في عالم المال. هل الذكاء الاصطناعي قادر على توقع الصفقة التالية؟ الجواب لا ، هذا ليس ممكناً بعد.

ومع ذلك ، يمكن استخدام الذكاء الاصطناعي لبناء نماذج ذات قدرات تحليلية وتوقعية محسّنة ، مما يوفر رؤى أعمق بكثير وأنماط للكشف عن الأنماط لتقديم فكرة أوضح عما هو قادم.

تطبيق الذكاء الاصطناعي على القرارات

دعونا ننظر في هذا في سياق اتخاذ القرار. بطريقة بسيطة لدينا نوعان من القرارات:

 - تلك التي نصنعها بشكل متكرر ، وبالتالي مع الكثير من حلقات التغذية الراجعة. على سبيل المثال: شراء الحليب. لقد استغرقت عائلتي بضعة أشهر لاكتشاف أننا بحاجة إلى أربع زجاجات أسبوعيًا ما لم يكن الجو باردًا ، وفي عطلة نهاية الأسبوع ، عندما يحتاج الجميع إلى عدد قليل من "أكواب القهوة الدافئة" الإضافية.
كان بإمكان الذكاء الاصطناعي أن يحلها لنا قريبًا ، طالما قمنا بتزويدها ببيانات الطقس لتحديد النمط.

- النوع الثاني من القرار هو الذي نتخذه بشكل غير منتظم. من المحتمل ، مرة واحدة فقط في العمر مع فرصة ضئيلة لإجراء تصحيح بناءً على نتيجة قرارنا. على سبيل المثال: اختيار المهنة أو الدرجة الجامعية أو الوظيفة الأولى أو
لول ، تقرر الزواج.

بالطبع ، نحن نعيش مع تبعات اختياراتنا ، لكن فرص التعلم منها واتخاذ قرارات أخرى محدودة وغالبًا ما تكون مكلفة.

كتاب الأبوة والأمومة الذي قرأته يحمل تحذيرًا على هذا المنوال: "بينما ندعم نصيحة الأبوة والأمومة في الفصول التالية ، فإننا نعترف بأنه من غير الممكن تجربة طرق تربية مختلفة على الطفل ومقارنة النتائج". ببساطة ، لا يوجد
طريقة لتجربة قرارات مختلفة ومقارنة النتائج. مجرد شيء آخر يظهر أن الأبوة صعبة.

ويوضح مدى أهمية وجود بيانات كافية لرؤية الأنماط.

تحديات تعلم الآلة

يُنظر إلى التعلم الآلي ، وهو شكل شائع من أشكال الذكاء الاصطناعي ، لفترة من الوقت على أنه "حل سحري" للمشكلات المعقدة. إن جاذبية قدرتها على استيعاب الكثير من البيانات ومحاولة إيجاد معنى لها لها جاذبية معينة. لماذا لا؟ وعد التكنولوجيا
إن أخذ شيء معقد والتوصل إلى أفضل حل من شأنه أن يروق لأي صانع قرار.

يساعد التحدي المتمثل في حلول التعلم الآلي في اتخاذ قرار بسيط من معلومات الإدخال المعقدة ؛ كميات هائلة من البيانات الداخلية والخارجية ، ثم كيفية توصيل المخرجات. . في الأمثلة أعلاه لنوعين من القرارات ،
نأمل أن تحل خوارزميات التعلم الآلي مسألة شراء الحليب بسرعة.

بافتراض أننا نقدم البيانات المتعلقة بالكميات المشتراة والطقس بالخارج - سيخلق النموذج تنبؤًا جيدًا للمضي قدمًا. تستقبل المنظمات مثل الوجهات السياحية وسلاسل المطاعم وشركات الطيران وشركات الخدمات اللوجستية وغيرها الكثير
التحليلات التي يمكن استخدامها للتنبؤ بالحجم اليومي والأسبوعي والموسمي بناءً على الطقس ، وحتى التوصية بعدد الموارد التي قد يحتاجون إليها لتلبية هذا الطلب. تضيف المتغيرات الإضافية مزيدًا من التعقيد إلى النموذج وتخلق إمكانات إضافية
بحاجة للإجابة على أسئلة أخرى وإضافة المزيد من المتغيرات (على سبيل المثال ، الأسابيع التي يأتي فيها المنظف مقابل لا).

عد إلى السؤال الأساسي المتمثل في السماح للذكاء الاصطناعي بتحديد من تتزوج. بالتأكيد ، هناك الكثير من نقاط البيانات - مئات الملايين أو المليارات من الزيجات. تمت دراسة المدخلات ذات الصلة لعدة قرون من قبل الباحثين والمطابقة. هناك
الكثير من النواتج.

إذا ما هي المشكلة؟

1. في حين أن هناك العديد من نقاط البيانات ، سيكون لكل صانع قرار فريد تفضيلاته الفريدة - لذلك في عالم النمذجة ، سنحتاج إلى إنشاء خوارزمية مختلفة لكل شخص يحتاج إلى المطابقة للزواج. هذا معقد ، لكنه ممكن
   فى المستقبل. ضع في اعتبارك كيف تستمر محركات التوصية مثل Apple Music و Pandora في تطوير أنواع الموسيقى التي تقترحها عليك بناءً على ردود أفعالك. يتم بالفعل نشر مثل هذه الحلول حيث يتم اتخاذ كل قرار من خلال نموذج محسن بشكل فريد
   في عالم الأعمال.
2. ثانيًا ، نحتاج إلى التقاط نقاط البيانات الصحيحة وذات الصلة وتقليل "الضوضاء". في حين أن البعض قد يفضل السمراوات ذات العيون الزرقاء أو الشقراوات ذات العيون البنية ، لا يوجد الكثير لإثبات أن الزيجات القائمة على "الأنواع المفضلة" أكثر نجاحًا من غيرها. التعارف
   تستمر التطبيقات في صقل خوارزمياتها على أمل العثور على الصيغة الصحيحة لمثل هذه التطابقات. لا يزال ، عليك أن تذهب في التواريخ وترى.
3. أخيرًا ، تكلفة اتخاذ القرار الخاطئ باهظة. في حين أن ترك الأمر للأفراد الذين يتخذون القرارات قد لا يؤدي إلى أفضل النتائج ، فقد لا يرغب فريق الخبراء الذي يبني حل التعلم الآلي في تحمل مسؤولية اتخاذ هذه القرارات.
   هناك مخاطر المسؤولية المهنية التي تحتاج إلى حل. في سياق العمل - قد يكون من الأفضل ترك الخبراء يقررون بدلاً من الإصرار على أن "الصندوق الأسود" يعرف أفضل.

تجنب الثقة العمياء

لذا ، لنعد إلى تحديات الزواج. الخطاب الشهير لمدرسة الحياة ينص ببساطة على أننا بالطبع سوف نتزوج من شخص ما هو خطأ بالنسبة لنا من بعض النواحي. "الشخص الأنسب لنا ليس هو الشخص الذي يشاركنا كل الأذواق (لا يفعلون ذلك
موجود) ، ولكن الشخص الذي يمكنه التفاوض على الاختلافات في الذوق بذكاء - الشخص الذي يجيد الاختلاف.

بدلاً من فكرة نظرية عن التكامل التام ، فإن القدرة على تحمل الاختلافات بسخاء هي العلامة الحقيقية للشخص "غير الخطأ بشكل مفرط". التوافق هو إنجاز للحب. يجب ألا يكون شرطه المسبق ".

الانتقال إلى سياق عام أوسع بلغة التعلم الآلي - إلى حد كبير لا يمكن لأي من المتغيرات القياسية التي نعرفها مسبقًا عن مرشح محتمل أن تساعدنا في توقع ما إذا كان القرار غير صحيح. نحن بعيدون عن "إطعام
آلة الكثير من البيانات "وتوقع أن تفهمها. في الواقع ، قد لا يحدث ذلك أبدًا بدون تدخل بشري. نشعر بأمان أكبر عندما يقوم الطيار بإيقاف تشغيل الطيار الآلي أثناء الاضطرابات ولسبب وجيه.

بينما يمكن للتعلم الآلي والذكاء الاصطناعي أن يجعل حياتنا أسهل ، فمن الآمن أن نقول إننا لن نثق بشكل أعمى في هذه التقنيات لاتخاذ قرارات تغير حياتنا. انطلاقا من ذلك ، ماذا يمكننا أن نقول لخبراء الصناعة الذين يتخذون قرارات تجارية مهمة؟ يستخدم
سيأخذك الذكاء الاصطناعي والتعلم الآلي في منتصف الطريق نحو هدفك - ولكن احتفظ بخبرائك لتحليل البيانات واستخدام أفضل أحكامهم مع السياق لإرشادك في الخطوات النهائية. نحن بالتأكيد نعمل على ذلك.