Menguasai Faktor Risiko: Akankah Anda Membiarkan AI Memilih Pasangan Anda? (Anna Slodka-Turner)

Kecerdasan Buatan (AI) berada di garis depan dalam banyak percakapan di berbagai industri. Dan kenapa tidak? Ini memberi kami solusi ekstensif, menghemat banyak waktu umat manusia. Tetapi seperti segala sesuatu yang baik, ia memiliki keterbatasan, khususnya AI umum, yang sering
terasa seperti istilah umum untuk algoritme umum yang dapat diakses melalui beberapa speakerphone yang dapat melakukan apa saja.

Ketika AI dihebohkan sebagai solusi untuk banyak hal, itu membuat saya berpikir, seberapa jauh Anda bisa mendorong hype itu? Pembicaraan terkenal dari 'School of Life' di 'Mengapa Anda akan menikah dengan orang yang salah' menginspirasi sebuah pertanyaan, 'Maukah Anda?
biarkan AI memilih siapa yang Anda nikahi?' Bisakah itu membantu membuat pilihan perkawinan yang tepat?

Meskipun AI tidak dapat sepenuhnya menjawab masalah hubungan yang sangat kompleks, AI dapat membuat Anda lebih dekat untuk menemukan jawabannya. Hal ini cukup sering kita jumpai di dunia keuangan. Apakah AI mampu memprediksi kesepakatan berikutnya? Jawabannya adalah tidak, itu belum mungkin.

Namun, AI dapat digunakan untuk membangun model dengan kemampuan analitis dan perkiraan yang ditingkatkan, memberikan wawasan yang jauh lebih dalam dan mengungkap pola untuk memberikan gagasan yang lebih jelas tentang apa yang akan datang.

Menerapkan AI pada Keputusan

Mari kita pertimbangkan ini dalam konteks pengambilan keputusan. Secara sederhana kita memiliki dua jenis keputusan:

 – Yang sering kami buat, dan karena itu dengan banyak loop umpan balik. Contoh: Membeli susu. Butuh beberapa bulan bagi keluarga saya untuk mengetahui bahwa kami membutuhkan empat botol seminggu kecuali jika cuaca dingin dan, pada akhir pekan, ketika semua orang membutuhkan beberapa 'cuppas hangat' ekstra.
AI berpotensi memecahkannya untuk kita lebih cepat, selama kita memberinya data cuaca untuk menemukan polanya.

-Jenis keputusan kedua adalah keputusan yang jarang kita buat. Mungkin, hanya sekali seumur hidup dengan sedikit kesempatan untuk melakukan koreksi berdasarkan hasil keputusan kita. Misalnya: Memilih profesi, gelar universitas, pekerjaan pertama, atau
LOL, memutuskan untuk menikah.

Tentu saja, kita hidup dengan konsekuensi dari pilihan kita, tetapi kesempatan untuk belajar darinya dan membuat keputusan lain terbatas dan seringkali mahal.

Sebuah buku parenting yang saya baca berisi peringatan seperti ini: “Meskipun kami mendukung saran parenting di bab-bab berikut, kami mengakui bahwa tidak mungkin mencoba metode parenting yang berbeda pada seorang anak dan membandingkan hasilnya”. Sederhananya, tidak ada
cara untuk mencoba keputusan yang berbeda dan membandingkan hasil. Hal lain yang menunjukkan bahwa mengasuh anak itu sulit.

Dan ini menggambarkan betapa pentingnya memiliki data yang cukup untuk melihat pola.

Tantangan Pembelajaran Mesin

Pembelajaran mesin, bentuk AI yang populer, untuk sementara waktu telah dilihat sebagai 'solusi ajaib' untuk masalah yang kompleks. Daya tariknya karena mampu menyerap banyak data dan mencoba menemukan makna di dalamnya memiliki daya tarik tertentu. Mengapa tidak? janji teknologi
mengambil sesuatu yang kompleks dan menghasilkan solusi terbaik akan menarik bagi setiap pembuat keputusan.

Tantangan solusi pembelajaran mesin adalah membantu membuat keputusan sederhana dari informasi input yang kompleks; jumlah data yang luar biasa, internal dan eksternal, dan kemudian bagaimana output dikomunikasikan. . Dalam contoh dua jenis keputusan di atas,
algoritme pembelajaran mesin diharapkan akan menyelesaikan pertanyaan pembelian susu dengan lebih cepat.

Dengan asumsi bahwa kami memberikan data tentang jumlah yang dibeli dan cuaca di luar – model akan membuat perkiraan yang baik ke depan. Organisasi seperti tujuan wisata, jaringan restoran, maskapai penerbangan, perusahaan logistik, dan banyak lagi menerima
analitik yang dapat digunakan untuk memprediksi volume harian, mingguan, dan musiman berdasarkan cuaca, dan bahkan merekomendasikan berapa banyak sumber daya yang mungkin mereka perlukan untuk memenuhi permintaan tersebut. Variabel tambahan menambah kompleksitas model dan menciptakan potensi tambahan
perlu menjawab pertanyaan lain dan menambahkan lebih banyak variabel (misalnya, minggu saat pembersih datang vs tidak).

Kembali ke pertanyaan inti tentang mengizinkan AI memutuskan siapa yang Anda nikahi. Tentunya, ada banyak titik data – ratusan juta atau miliaran pernikahan. Masukan yang relevan telah dipelajari selama berabad-abad baik oleh peneliti dan mak comblang. Ada
banyak output.

Jadi apa masalahnya?

1. Meskipun ada banyak titik data, setiap pembuat keputusan unik akan memiliki preferensi uniknya sendiri – jadi di dunia modeling, kita perlu membuat algoritme yang berbeda untuk setiap orang yang perlu dicocokkan untuk pernikahan. Ini rumit, tapi mungkin
   di masa depan. Pertimbangkan bagaimana mesin rekomendasi seperti Apple Music dan Pandora terus mengembangkan jenis musik yang mereka sarankan kepada Anda berdasarkan reaksi Anda. Solusi seperti itu di mana setiap keputusan dibuat oleh model yang dioptimalkan secara unik sudah digunakan
   dalam dunia bisnis.
2. Kedua, kita perlu menangkap titik data yang tepat dan relevan dan mengurangi 'noise'. Sementara beberapa mungkin lebih suka berambut cokelat bermata biru atau pirang bermata cokelat, hanya sedikit yang membuktikan bahwa pernikahan berdasarkan "tipe yang disukai" lebih berhasil daripada yang lain. Penanggalan
   aplikasi terus mengasah algoritme mereka dengan harapan menemukan formula yang tepat untuk kecocokan semacam itu. Namun, Anda harus pergi pada tanggal dan melihat.
3. Terakhir, biaya membuat keputusan yang salah tinggi. Meskipun menyerahkannya kepada individu yang membuat keputusan mungkin tidak memberikan hasil terbaik, tim ahli yang membangun solusi pembelajaran mesin mungkin tidak menginginkan tanggung jawab untuk membuat keputusan ini.
   Ada risiko tanggung jawab karier yang perlu diselesaikan. Dalam konteks bisnis – mungkin lebih baik membiarkan para ahli memutuskan daripada bersikeras 'kotak hitam' tahu yang terbaik.

Menghindari Kepercayaan Buta

Jadi, kembali ke tantangan pernikahan. Pidato terkenal dari School of Life hanya menyatakan bahwa kita tentu saja akan menikahi seseorang yang dalam beberapa hal salah bagi kita. “Orang yang paling cocok dengan kita bukanlah orang yang berbagi setiap selera kita (mereka tidak .)
ada), tetapi orang yang bisa menegosiasikan perbedaan selera dengan cerdas — orang yang pandai berselisih.

Alih-alih beberapa gagasan tentang komplementaritas yang sempurna, kapasitas untuk mentolerir perbedaan dengan kemurahan hatilah yang merupakan penanda sebenarnya dari orang yang 'tidak terlalu salah'. Kompatibilitas adalah pencapaian cinta; itu tidak harus menjadi prasyaratnya.”

Pindah ke konteks umum yang lebih luas, dalam bahasa pembelajaran mesin – hampir tidak ada variabel standar yang kami ketahui sebelumnya tentang kandidat potensial yang dapat membantu kami memprediksi jika keputusannya salah. Kami jauh dari 'memberi makan
mesin banyak data' dan mengharapkannya untuk memahaminya. Bahkan, itu mungkin tidak akan pernah terjadi tanpa campur tangan manusia. Kami merasa lebih aman ketika pilot mematikan autopilot selama turbulensi, dan untuk alasan yang baik.

Meskipun pembelajaran mesin dan AI dapat membuat hidup kita lebih mudah, aman untuk mengatakan bahwa kita tidak akan begitu saja mempercayai teknologi ini untuk membuat keputusan yang mengubah hidup kita. Mengambil dari itu, apa yang dapat kita katakan kepada pakar industri yang membuat keputusan bisnis yang penting? Menggunakan
AI dan ML akan membawa Anda setengah jalan menuju tujuan Anda – tetapi tetap berpegang pada pakar Anda untuk menganalisis data dan menggunakan penilaian terbaik mereka dengan konteks untuk memandu Anda dalam langkah terakhir. Kami yakin sedang mengerjakannya.