Maîtriser le facteur de risque : laisseriez-vous l'IA choisir votre conjoint ? (Anna Slodka-Turner)

L'intelligence artificielle (IA) est au premier plan de nombreuses conversations dans tous les secteurs. Et pourquoi pas? Cela nous a apporté des solutions étendues, faisant gagner beaucoup de temps à l'humanité. Mais comme tout bien, il a des limites, notamment l'IA générale, qui souvent
ressemble à un terme fourre-tout pour un algorithme général accessible via un haut-parleur qui peut tout faire.

Quand l'IA est présentée comme une solution à tant de choses, cela me fait penser, jusqu'où pouvez-vous pousser ce battage médiatique ? Un discours célèbre de 'School of Life' sur 'Pourquoi tu vas épouser la mauvaise personne' inspiré une question, 'Voulez-vous
laisse AI choisir avec qui tu te marieras ? Cela pourrait-il aider à faire les bons choix conjugaux?

Bien que l'IA ne puisse pas répondre entièrement à des questions de relations extrêmement complexes, elle peut vous rapprocher considérablement de la recherche de la réponse. Nous rencontrons cela assez souvent dans le monde financier. L'IA est-elle capable de prédire la prochaine transaction ? La réponse est non, ce n'est pas encore possible.

Cependant, l'IA peut être utilisée pour créer des modèles avec des capacités d'analyse et de prévision améliorées, fournissant des informations beaucoup plus approfondies et découvrant des modèles pour fournir une idée plus claire de ce qui s'en vient.

Application de l'IA aux décisions

Considérons cela dans le contexte de la prise de décision. De manière simple, nous avons deux types de décisions :

 – Ceux que nous faisons fréquemment, et donc avec beaucoup de boucles de rétroaction. Ex : Acheter du lait. Il a fallu quelques mois à ma famille pour découvrir que nous avions besoin de quatre bouteilles par semaine, à moins qu'il ne fasse froid et, le week-end, lorsque tout le monde a besoin de quelques « tasses chaudes » supplémentaires.
L'IA aurait pu potentiellement le résoudre pour nous plus tôt, tant que nous lui avons fourni les données météorologiques pour repérer le modèle.

-Le deuxième type de décision est celles que nous prenons rarement. Peut-être, une seule fois dans une vie avec peu de chance de faire une correction en fonction du résultat de notre décision. Ex. : Choisir une profession, un diplôme universitaire, un premier emploi ou
LOL, décider de se marier.

Bien sûr, nous vivons avec les conséquences de nos choix, mais les occasions d'en tirer des leçons et de prendre d'autres décisions sont limitées et souvent coûteuses.

Un livre sur la parentalité que j'ai lu contient une mise en garde dans ce sens : "Bien que nous soutenions les conseils parentaux dans les chapitres suivants, nous reconnaissons qu'il n'est pas possible d'essayer différentes méthodes parentales sur un enfant et de comparer les résultats". En termes simples, il n'y a pas
façon d'essayer différentes décisions et de comparer les résultats. Juste une autre chose qui montre que la parentalité est difficile.

Et cela illustre à quel point il est important d'avoir suffisamment de données pour voir des modèles.

Défis d'apprentissage automatique

L'apprentissage automatique, une forme populaire d'IA, a pendant un certain temps été considéré comme une "solution magique" à des problèmes complexes. L'attrait de pouvoir absorber beaucoup de données et d'essayer d'y trouver un sens a un certain attrait. Pourquoi ne le serait-il pas ? La promesse de la technologie
prendre quelque chose de complexe et trouver la meilleure solution plairait à tout décideur.

Le défi des solutions d'apprentissage automatique est d'aider à prendre une décision simple à partir d'informations d'entrée complexes ; des quantités incroyables de données, internes et externes, puis la façon dont le résultat est communiqué. . Dans les exemples ci-dessus de deux types de décisions,
les algorithmes d'apprentissage automatique résoudraient, espérons-le, la question de l'achat de lait assez rapidement.

En supposant que nous fournissions les données sur les quantités achetées et la météo à l'extérieur, le modèle créerait une bonne prévision pour l'avenir. Des organisations comme les destinations touristiques, les chaînes de restaurants, les compagnies aériennes, les entreprises de logistique et bien d'autres reçoivent
des analyses qui peuvent être utilisées pour prédire le volume quotidien, hebdomadaire et saisonnier en fonction de la météo, et même recommander le nombre de ressources dont ils pourraient avoir besoin pour répondre à cette demande. Des variables supplémentaires ajoutent plus de complexité au modèle et créent des possibilités supplémentaires
besoin de répondre à d'autres questions et d'ajouter plus de variables (par exemple, les semaines où le nettoyeur vient vs pas).

Revenons à la question centrale de permettre à l'IA de décider avec qui vous vous mariez. Certes, il existe de nombreux points de données - des centaines de millions ou des milliards de mariages. Les apports pertinents ont été étudiés pendant des siècles à la fois par les chercheurs et les entremetteurs. Il y a
beaucoup de sorties.

Donc quel est le problème?

1. Bien qu'il existe de nombreux points de données, chaque décideur unique aura ses préférences uniques - donc dans le monde de la modélisation, nous aurions besoin de créer un algorithme différent pour chaque personne qui doit être jumelée pour le mariage. C'est complexe, mais possible
   à l'avenir. Considérez comment les moteurs de recommandation comme Apple Music et Pandora continuent de faire évoluer les types de musique qu'ils vous suggèrent en fonction de vos réactions. De telles solutions où chaque décision est prise par un modèle optimisé de manière unique sont déjà déployées
   dans le monde des affaires.
2. Deuxièmement, nous devons capturer les bons points de données pertinents et réduire le « bruit ». Alors que certains peuvent préférer les brunes aux yeux bleus ou les blondes aux yeux bruns, il y a peu de preuves que les mariages basés sur les «types préférés» réussissent mieux que d'autres. Sortir ensemble
   les applications continuent de perfectionner leurs algorithmes dans l'espoir de trouver la bonne formule pour de telles correspondances. Encore faut-il aller sur les dates et voir.
3. Enfin, le coût d'une mauvaise décision est élevé. Bien que laisser les décisions aux individus ne donne pas les meilleurs résultats, une équipe d'experts qui élabore une solution d'apprentissage automatique peut ne pas vouloir la responsabilité de prendre ces décisions.
   Il existe un risque de responsabilité professionnelle qui doit être résolu. Dans le contexte commercial, il peut être préférable de laisser les experts décider plutôt que d'insister pour que la « boîte noire » sache mieux.

Éviter la confiance aveugle

Revenons donc aux défis du mariage. Le célèbre discours de School of Life déclare simplement que nous épouserons bien sûr une personne qui, à certains égards, ne nous convient pas. « La personne qui nous convient le mieux n'est pas celle qui partage tous nos goûts (elle ne
existent), mais la personne qui peut négocier intelligemment les différences de goût - la personne qui est douée pour le désaccord.

Plutôt qu'une idée théorique de parfaite complémentarité, c'est la capacité à tolérer les différences avec générosité qui est le véritable marqueur de la personne « pas trop tort ». La compatibilité est une réalisation de l'amour; cela ne doit pas être sa condition préalable.

Passant à un contexte général plus large, dans le langage de l'apprentissage automatique - pratiquement aucune des variables standard que nous connaissons à l'avance sur un candidat potentiel ne pourrait nous aider à prédire si la décision est incorrecte. Nous sommes loin de "nourrir les
machine beaucoup de données » et s'attendent à ce qu'elles aient un sens. En fait, cela peut ne jamais arriver sans intervention humaine. Nous nous sentons plus en sécurité lorsque le pilote coupe le pilote automatique pendant les turbulences, et pour cause.

Bien que l'apprentissage automatique et l'IA puissent nous faciliter la vie, il est prudent de dire que nous ne ferions pas aveuglément confiance à ces technologies pour prendre des décisions qui changent notre vie. Partant de là, que pouvons-nous dire aux experts de l'industrie qui prennent des décisions commerciales importantes ? Utilisation
L'IA et le ML pour vous emmener à mi-chemin de votre objectif - mais gardez vos experts pour analyser les données et utiliser leur meilleur jugement avec le contexte pour vous guider dans les étapes finales. Nous y travaillons certainement.