Riskiteguri valdamine: kas laseksite tehisintellektil valida oma abikaasa? (Anna Slodka-Turner)

Tehisintellekt (AI) on paljude tööstusharude vestluste esirinnas. Ja miks mitte? See on toonud meile ulatuslikke lahendusi, säästes inimkonnale nii palju aega. Kuid nagu kõigel heal, on sellel piirangud, eriti üldine AI, mis sageli
tundub kõikehõlmava terminina üldise algoritmi jaoks, millele pääseb juurde mõne valjuhääldi kaudu, mis suudab kõike teha.

Kui tehisintellekti reklaamitakse lahendusena paljudele asjadele, paneb see mind mõtlema, kui kaugele saate selle hüppe juhtida? Kuulus kõne "Elu koolist" teemal "Miks sa abiellud vale inimesega? ajendas küsimust: „Kas sa tahaksid
kas AI valib, kellega abiellute?' Kas see võib aidata teha õigeid abieluvalikuid?

Kuigi tehisintellekt ei suuda täielikult vastata ülikeerulistele suhteküsimustele, võib see teid vastuse leidmisele oluliselt lähemale viia. Finantsmaailmas puutume sellega üsna sageli kokku. Kas AI suudab järgmist tehingut ennustada? Vastus on ei, see pole veel võimalik.

Tehisintellekti saab aga kasutada täiustatud analüüsi- ja prognoosimisvõimalustega mudelite loomiseks, pakkudes palju sügavamat ülevaadet ja avastades mustreid, et saada selgem ettekujutus tulevast.

AI rakendamine otsustele

Vaatleme seda otsuste tegemise kontekstis. Lihtsamalt öeldes on meil kahte tüüpi otsuseid:

 – Selliseid, mida valmistame sageli ja seetõttu on neil palju tagasisidet. Nt: Piima ostmine. Minu perel kulus paar kuud, enne kui avastasime, et vajame nelja pudelit nädalas, välja arvatud juhul, kui on külm, ja nädalavahetusel, kui kõik vajavad mõnda täiendavat sooja tassi.
AI oleks võinud selle meie jaoks varem lahendada, kui oleksime andnud sellele mustri tuvastamiseks ilmaandmed.

-Teist tüüpi otsused on need, mida teeme harva. Võimalik, et ainult üks kord elus, ilma et oleks võimalik teha parandus meie otsuse tulemusel. Nt: Elukutse valimine, kõrgharidus, esimene töökoht või
LOL, otsustasin abielluda.

Loomulikult elame oma valikute tagajärgedega kaasa, kuid võimalused neist õppida ja teisi otsuseid langetada on piiratud ja sageli kulukad.

Minu loetud lastekasvatuse raamatus on hoiatus: „Kuigi toetame järgmistes peatükkides toodud vanemlikke nõuandeid, tunnistame, et ei ole võimalik proovida lapse peal erinevaid vanemlusmeetodeid ja võrrelda tulemusi”. Lihtsamalt öeldes ei ole
kuidas proovida erinevaid otsuseid ja võrrelda tulemusi. Veel üks asi, mis näitab, et lapsevanemaks olemine on raske.

Ja see näitab, kui oluline on mustrite nägemiseks piisavalt andmeid.

Masinõppe väljakutsed

Masinaõpet, populaarset tehisintellekti vormi, on mõnda aega peetud keerukate probleemide maagiliseks lahenduseks. Teatud veetlus on selle atraktiivsusel, et see suudab absorbeerida palju andmeid ja püüda selles mõtet leida. Miks mitte? Tehnoloogia lubadus
millegi keerulise võtmine ja parima lahenduse leidmine meeldiks igale otsustajale.

Masinõppelahenduste väljakutse on aidata keerulise sisendteabe põhjal teha lihtsaid otsuseid; uskumatud sise- ja välisandmemahud ja seejärel väljundi edastamine. . Ülaltoodud kahte tüüpi otsuste näidetes
masinõppe algoritmid lahendaksid piima ostmise küsimuse loodetavasti üsna kiiresti.

Eeldusel, et anname andmed ostetud koguste ja väljas valitseva ilma kohta, loob mudel hea prognoosi edaspidiseks. Sellised organisatsioonid nagu turismisihtkohad, restoraniketid, lennufirmad, logistikaettevõtted ja paljud teised saavad
analüütika, mida saab kasutada päeva, nädala ja hooajalise mahu ennustamiseks ilmastiku põhjal ning isegi soovitada, kui palju ressursse neil selle nõudluse rahuldamiseks vaja võib minna. Täiendavad muutujad muudavad mudeli keerukamaks ja loovad potentsiaalseid lisamuutujaid
tuleb vastata teistele küsimustele ja lisada rohkem muutujaid (nt nädalad, mil koristaja tuleb vs mitte).

Tagasi põhiküsimuse juurde, mis võimaldab AI-l otsustada, kellega abielluda. Kindlasti on palju andmepunkte – sadu miljoneid või miljardeid abielusid. Vastavaid sisendeid on sajandeid uurinud nii teadlased kui ka kosjasobitajad. Seal on
palju väljundeid.

Mis siis probleem on?

1. Kuigi andmepunkte on palju, on igal unikaalsel otsustajal oma unikaalsed eelistused – seega peaksime modelleerimismaailmas looma erineva algoritmi iga inimese jaoks, keda tuleb abielu jaoks sobitada. See on keeruline, kuid võimalik
   tulevikus. Mõelge, kuidas soovitusmootorid, nagu Apple Music ja Pandora, jätkavad teie reaktsioonide põhjal teile soovitatud muusikatüüpide arendamist. Sellised lahendused, kus iga otsuse teeb ainulaadselt optimeeritud mudel, on juba kasutusele võetud
   ärimaailmas.
2. Teiseks peame tabama õiged ja asjakohased andmepunktid ning vähendama "müra". Kuigi mõned võivad eelistada sinisilmseid brünette või pruunisilmseid blonde, on vähe tõendeid, et "eelistatud tüüpidel" põhinevad abielud on teistest edukamad. Tutvumine
   rakendused jätkavad oma algoritmide lihvimist lootuses leida selliste vastete jaoks õige valem. Ikka tuleb kohtingutel käia ja vaadata.
3. Lõpuks on vale otsuse tegemise hind kõrge. Kuigi otsustajate hooleks jätmine ei pruugi anda parimaid tulemusi, ei pruugi masinõppelahendust loov ekspertmeeskond soovida nende otsuste tegemise eest vastutust.
   Tekib karjäärivastutuse risk, mis vajab väljatöötamist. Ärikontekstis – võib-olla parem on lasta ekspertidel otsustada, kui nõuda, et „must kast” teab kõige paremini.

Pimeda usalduse vältimine

Niisiis, tagasi abielu väljakutsete juurde. Elukooli kuulus kõne ütleb lihtsalt, et loomulikult abiellume inimesega, kes on mõnes mõttes meie jaoks vale. "Meile kõige paremini sobib inimene, kes jagab meie iga maitset (nad ei jaga
olemas), kuid inimene, kes suudab maitseerinevuste üle arukalt läbi rääkida, on inimene, kes oskab hästi erimeelsusi.

Täiusliku komplementaarsuse mõttelise idee asemel on võime taluda erinevusi suuremeelsusega, mis on "mitte liiga vale" inimese tõeline marker. Ühilduvus on armastuse saavutus; see ei tohi olla selle eeltingimus.

Liikudes laiemasse üldisesse konteksti, masinõppe keeles – peaaegu ükski standardmuutujatest, mida me potentsiaalse kandidaadi kohta enne tähtaega teame, ei aita meil ennustada, kas otsus on vale. Oleme kaugel sellest, et toita
masin palju andmeid" ja loodab, et see on mõistlik. Tegelikult ei pruugi see kunagi juhtuda ilma inimese sekkumiseta. Tunneme end turvalisemalt, kui piloot lülitab turbulentsi ajal autopiloodi välja ja seda mõjuval põhjusel.

Kuigi masinõpe ja tehisintellekt võivad meie elu lihtsamaks muuta, võib kindlalt öelda, et me ei usaldaks pimesi neid tehnoloogiaid meie eest elumuutvate otsuste tegemisel. Mida saame sellest lähtuvalt öelda valdkonnaekspertidele, kes teevad olulisi äriotsuseid? Kasuta
AI ja ML viivad teid poolel teel oma eesmärgini – kuid hoidke oma ekspertidelt andmeid, et analüüsida andmeid ja kasutada nende parimat hinnangut konteksti, et teid viimastes sammudes juhendada. Kindlasti töötame selle kallal.