Dominar el factor de riesgo: ¿Dejarías que AI elija a tu cónyuge? (Anna Slodka-Turner)

La inteligencia artificial (IA) está al frente de muchas conversaciones en todas las industrias. ¿Y por qué no? Nos ha traído amplias soluciones, ahorrando mucho tiempo a la humanidad. Pero como todo lo bueno, tiene limitaciones, particularmente la IA general, que a menudo
se siente como un término general para un algoritmo general accesible a través de un altavoz que puede hacer cualquier cosa.

Cuando la IA se promociona como una solución para tantas cosas, me hace pensar, ¿hasta dónde puede llevar esa exageración? Una famosa charla de 'School of Life' sobre 'Por qué te casarás con la persona equivocada' inspiró una pregunta, '¿Quieres
¿Dejar que AI elija con quién te casas? ¿Podría ayudar a tomar las decisiones maritales correctas?

Si bien la IA no puede responder por completo a asuntos de relaciones extremadamente complejos, puede acercarlo significativamente a encontrar la respuesta. Nos encontramos con esto muy a menudo en el mundo financiero. ¿Es la IA capaz de predecir el próximo trato? La respuesta es no, eso aún no es posible.

Sin embargo, la IA se puede utilizar para crear modelos con capacidades analíticas y de pronóstico mejoradas, lo que brinda información mucho más profunda y descubre patrones para brindar una idea más clara de lo que se avecina.

Aplicación de IA a las decisiones

Consideremos esto en el contexto de la toma de decisiones. De forma sencilla tenemos dos tipos de decisiones:

 – Los que hacemos con frecuencia y, por lo tanto, con muchos bucles de retroalimentación. Ej: Compra de leche. Mi familia tardó unos meses en descubrir que necesitamos cuatro botellas a la semana, a menos que haga frío y, los fines de semana, cuando todo el mundo necesita unas 'tazas calientes' adicionales.
La IA podría haberlo resuelto potencialmente antes, siempre que le hayamos proporcionado los datos meteorológicos para detectar el patrón.

-El segundo tipo de decisiones son las que tomamos con poca frecuencia. Posiblemente, solo una vez en la vida con pocas posibilidades de hacer una corrección en función del resultado de nuestra decisión. Ej.: Elegir una profesión, título universitario, primer trabajo, o
LOL, decidiendo casarme.

Por supuesto, vivimos con las consecuencias de nuestras elecciones, pero las oportunidades de aprender de ellas y tomar otras decisiones son limitadas y, a menudo, costosas.

Un libro para padres que leí tiene una advertencia en este sentido: “Si bien apoyamos los consejos para padres en los siguientes capítulos, reconocemos que no es posible probar diferentes métodos de crianza en un niño y comparar los resultados”. En pocas palabras, no hay
manera de probar diferentes decisiones y comparar resultados. Solo otra cosa que muestra que la crianza de los hijos es difícil.

E ilustra lo importante que es tener suficientes datos para ver patrones.

Desafíos del aprendizaje automático

El aprendizaje automático, una forma popular de IA, se ha visto durante un tiempo como una "solución mágica" a problemas complejos. El atractivo de poder absorber una gran cantidad de datos y tratar de encontrarles sentido tiene cierto atractivo. ¿Por qué no? La promesa de la tecnología.
tomar algo complejo y encontrar la mejor solución atraería a cualquier tomador de decisiones.

El desafío de las soluciones de aprendizaje automático es ayudar a tomar una decisión simple a partir de información de entrada compleja; cantidades increíbles de datos, internos y externos, y luego cómo se comunica la salida. . En los ejemplos anteriores de dos tipos de decisiones,
Con suerte, los algoritmos de aprendizaje automático resolverían la pregunta sobre la compra de leche con bastante rapidez.

Suponiendo que proporcionamos los datos sobre las cantidades compradas y el clima exterior, el modelo crearía un buen pronóstico en el futuro. Organizaciones como destinos turísticos, cadenas de restaurantes, aerolíneas, empresas de logística y muchas más reciben
análisis que se pueden usar para predecir el volumen diario, semanal y estacional en función del clima, e incluso recomendar cuántos recursos podrían necesitar para satisfacer esa demanda. Las variables adicionales agregan más complejidad al modelo y crean potencial adicional
necesita responder a otras preguntas y agregar más variables (p. ej., semanas en las que el limpiador viene versus no).

Volvamos a la cuestión central de permitir que AI decida con quién te casas. Seguramente, hay muchos puntos de datos: cientos de millones o miles de millones de matrimonios. Las entradas relevantes han sido estudiadas durante siglos por investigadores y casamenteros. Existen
un montón de salidas.

¿Entonces, cuál es el problema?

1. Si bien hay muchos puntos de datos, cada tomador de decisiones único tendrá sus preferencias únicas, por lo que en el mundo de los modelos, necesitaríamos crear un algoritmo diferente para cada persona que necesita ser emparejada para el matrimonio. Esto es complejo, pero posible.
   en el futuro. Considere cómo los motores de recomendación como Apple Music y Pandora continúan evolucionando los tipos de música que le sugieren en función de sus reacciones. Estas soluciones en las que cada decisión se toma mediante un modelo optimizado de forma única ya están implementadas
   en el mundo empresarial.
2. En segundo lugar, necesitamos capturar los puntos de datos correctos y relevantes y reducir el 'ruido'. Si bien algunos pueden preferir morenas de ojos azules o rubias de ojos marrones, hay poco que demuestre que los matrimonios basados ​​en "tipos preferidos" son más exitosos que otros. Tener una cita
   Las aplicaciones continúan perfeccionando sus algoritmos con la esperanza de encontrar la fórmula adecuada para tales coincidencias. Aún así, tienes que ir en las fechas y ver.
3. Por último, el costo de tomar la decisión equivocada es alto. Si bien es posible que dejar que las personas tomen las decisiones no produzca los mejores resultados, es posible que un equipo de expertos que construya una solución de aprendizaje automático no quiera asumir la responsabilidad de tomar estas decisiones.
   Existe un riesgo de responsabilidad profesional que debe resolverse. En el contexto empresarial, puede ser mejor dejar que los expertos decidan que insistir en que la 'caja negra' sabe más.

Evitar la confianza ciega

Entonces, volvamos a los desafíos del matrimonio. El famoso discurso de School of Life simplemente afirma que, por supuesto, nos casaremos con una persona que, en cierto modo, no sea adecuada para nosotros. “La persona que mejor se adapta a nosotros no es la persona que comparte todos nuestros gustos (no
existen), sino la persona que puede negociar las diferencias de gusto de manera inteligente, la persona que es buena para el desacuerdo.

En lugar de una idea nocional de complementariedad perfecta, es la capacidad de tolerar las diferencias con generosidad lo que es el verdadero marcador de la persona 'no demasiado equivocada'. La compatibilidad es un logro del amor; no debe ser su precondición.”

Pasando a un contexto general más amplio, en el lenguaje del aprendizaje automático: prácticamente ninguna de las variables estándar que conocemos de antemano sobre un candidato potencial podría ayudarnos a predecir si la decisión es incorrecta. Estamos lejos de 'alimentar al
maquinar muchos datos' y esperar que tenga sentido. De hecho, es posible que nunca suceda sin la intervención humana. Nos sentimos más seguros cuando el piloto apaga el piloto automático durante las turbulencias, y por una buena razón.

Si bien el aprendizaje automático y la IA pueden facilitarnos la vida, es seguro decir que no confiaríamos ciegamente en estas tecnologías para tomar decisiones que nos cambien la vida. A partir de eso, ¿qué podemos decirles a los expertos de la industria que toman decisiones comerciales importantes? Usar
AI y ML para llevarlo a la mitad del camino hacia su objetivo, pero confíe en sus expertos para analizar los datos y use su mejor juicio con contexto para guiarlo en los pasos finales. Seguro que estamos trabajando en ello.