Padroneggiare il fattore di rischio: lasceresti che l'IA scelga il tuo coniuge? (Anna Slodka-Turner)

L'intelligenza artificiale (AI) è in prima linea in molte conversazioni in tutti i settori. E perchè no? Ci ha portato soluzioni estese, facendo risparmiare all'umanità così tanto tempo. Ma come ogni cosa buona, ha dei limiti, in particolare l'IA generale, che spesso
sembra un termine generico per un algoritmo generale accessibile tramite un vivavoce che può fare qualsiasi cosa.

Quando l'IA viene pubblicizzata come una soluzione per così tante cose, mi fa pensare, fino a che punto puoi guidare quel clamore? Un famoso discorso da 'School of Life' su 'Perché sposerai la persona sbagliata' ha ispirato una domanda, 'Vorresti
lasciare che sia l'IA a scegliere chi sposare?' Potrebbe aiutare a fare le giuste scelte coniugali?

Sebbene l'IA non possa rispondere completamente a questioni di relazione estremamente complesse, può avvicinarti notevolmente alla ricerca della risposta. Lo incontriamo abbastanza spesso nel mondo finanziario. L'IA è in grado di prevedere il prossimo affare? La risposta è no, non è ancora possibile.

Tuttavia, l'intelligenza artificiale può essere utilizzata per creare modelli con capacità analitiche e di previsione avanzate, fornendo approfondimenti molto più approfonditi e scoprendo modelli per fornire un'idea più chiara di ciò che sta arrivando.

Applicare l'IA alle decisioni

Consideriamo questo nel contesto del processo decisionale. In modo semplice abbiamo due tipi di decisioni:

 – Quelli che produciamo frequentemente, e quindi con molti cicli di feedback. Es: acquisto di latte. Alla mia famiglia ci sono voluti alcuni mesi per scoprire che abbiamo bisogno di quattro bottiglie a settimana, a meno che non faccia freddo e, nel fine settimana, quando tutti hanno bisogno di qualche "tazza calda" in più.
L'intelligenza artificiale avrebbe potuto risolverlo prima per noi, a condizione che gli avessimo fornito i dati meteorologici per individuare il modello.

-Il secondo tipo di decisione sono quelle che prendiamo di rado. Forse, solo una volta nella vita con poche possibilità di apportare una correzione in base all'esito della nostra decisione. Es: scelta di una professione, titolo universitario, primo lavoro, o
LOL, decidendo di sposarsi.

Certo, viviamo con le conseguenze delle nostre scelte, ma le opportunità per imparare da esse e prendere altre decisioni sono limitate e spesso costose.

Un libro sui genitori che ho letto contiene un avvertimento in questo senso: "Sebbene sosteniamo i consigli sui genitori nei capitoli seguenti, riconosciamo che non è possibile provare diversi metodi genitoriali su un bambino e confrontare i risultati". In poche parole, non c'è
modo per prendere decisioni diverse e confrontare i risultati. Solo un'altra cosa che mostra che la genitorialità è difficile.

E illustra quanto sia importante disporre di dati sufficienti per vedere i modelli.

Sfide di apprendimento automatico

L'apprendimento automatico, una forma popolare di intelligenza artificiale, è stata per un po' considerata una "soluzione magica" a problemi complessi. L'attrazione di essere in grado di assorbire molti dati e cercare di trovare un senso in essi ha un certo fascino. Perché non dovrebbe? La promessa della tecnologia
prendere qualcosa di complesso e trovare la soluzione migliore farebbe appello a qualsiasi decisore.

La sfida delle soluzioni di apprendimento automatico è aiutare a prendere una decisione semplice da informazioni di input complesse; incredibili quantità di dati, interni ed esterni, e poi come viene comunicato l'output. . Negli esempi precedenti di due tipi di decisioni,
Si spera che gli algoritmi di apprendimento automatico risolvano la domanda sull'acquisto di latte piuttosto rapidamente.

Supponendo di fornire i dati sulle quantità acquistate e sul tempo esterno, il modello creerebbe una buona previsione per il futuro. Organizzazioni come destinazioni turistiche, catene di ristoranti, compagnie aeree, società di logistica e molte altre ricevono
analisi che possono essere utilizzate per prevedere il volume giornaliero, settimanale e stagionale in base alle condizioni meteorologiche e persino consigliare di quante risorse potrebbero essere necessarie per soddisfare tale domanda. Ulteriori variabili aggiungono più complessità al modello e creano potenziale aggiuntivo
è necessario rispondere ad altre domande e aggiungere più variabili (ad esempio, settimane in cui l'addetto alle pulizie viene e non).

Torniamo alla questione fondamentale di consentire all'IA di decidere chi sposare. Sicuramente, ci sono molti punti dati: centinaia di milioni o miliardi di matrimoni. Gli input rilevanti sono stati studiati per secoli sia da ricercatori che da sensali. Ci sono
un sacco di uscite.

Allora, qual'è il problema?

1. Sebbene ci siano molti punti dati, ogni decisore unico avrà le sue preferenze uniche, quindi nel mondo della modellazione dovremmo creare un algoritmo diverso per ogni persona che deve essere abbinata per il matrimonio. Questo è complesso, ma possibile
   nel futuro. Considera come i motori di raccomandazione come Apple Music e Pandora continuano a far evolvere i tipi di musica che ti suggeriscono in base alle tue reazioni. Tali soluzioni in cui ogni decisione è presa da un modello ottimizzato in modo univoco sono già implementate
   nel mondo degli affari.
2. In secondo luogo, dobbiamo acquisire i punti dati giusti e pertinenti e ridurre il "rumore". Mentre alcuni potrebbero preferire le brune dagli occhi azzurri o le bionde dagli occhi castani, c'è poco da dimostrare che i matrimoni basati su "tipi preferiti" hanno più successo di altri. Datazione
   le app continuano ad affinare i loro algoritmi nella speranza di trovare la formula giusta per tali corrispondenze. Tuttavia, devi andare sulle date e vedere.
3. Infine, il costo per prendere la decisione sbagliata è alto. Anche se lasciare che siano le persone a prendere le decisioni potrebbe non produrre i migliori risultati, un team di esperti che costruisce una soluzione di apprendimento automatico potrebbe non volere la responsabilità di prendere queste decisioni.
   C'è un rischio di responsabilità professionale che deve essere risolto. Nel contesto aziendale, potrebbe essere meglio lasciare che siano gli esperti a decidere piuttosto che insistere sul fatto che la "scatola nera" conosce meglio.

Evitare la fiducia cieca

Quindi, torniamo alle sfide del matrimonio. Il famoso discorso di School of Life afferma semplicemente che ovviamente sposeremo una persona che è in qualche modo sbagliata per noi. “La persona più adatta a noi non è quella che condivide tutti i nostri gusti (non lo fanno
esiste), ma la persona che sa negoziare le differenze di gusto in modo intelligente — la persona che è brava nel disaccordo.

Piuttosto che un'idea nozionale di perfetta complementarietà, è la capacità di tollerare le differenze con generosità che è il vero indicatore della persona "non eccessivamente sbagliata". La compatibilità è una conquista dell'amore; non deve essere la sua precondizione”.

Passando a un contesto generale più ampio, nel linguaggio dell'apprendimento automatico, praticamente nessuna delle variabili standard che conosciamo in anticipo su un potenziale candidato potrebbe aiutarci a prevedere se la decisione è errata. Siamo lontani dall' sfamare il
macchina un sacco di dati' e aspettarsi che ne dia un senso. In effetti, potrebbe non accadere mai senza l'intervento umano. Ci sentiamo più sicuri quando il pilota spegne l'autopilota durante la turbolenza, e per una buona ragione.

Sebbene l'apprendimento automatico e l'intelligenza artificiale possano semplificarci la vita, è sicuro dire che non ci fideremmo ciecamente di queste tecnologie per prendere decisioni che cambiano la vita per noi. Detto questo, cosa possiamo dire agli esperti del settore che prendono decisioni aziendali importanti? Uso
AI e ML per portarti a metà strada verso il tuo obiettivo, ma mantieni i tuoi esperti per analizzare i dati e utilizzare il loro miglior giudizio con il contesto per guidarti nei passaggi finali. Sicuramente ci stiamo lavorando.