人工知能 (AI) は、さまざまな業界の多くの会話の最前線にあります。 そして、なぜですか？ それは私たちに広範な解決策をもたらし、人類の時間を大幅に節約しました。 しかし、すべての優れた機能と同様に、特に一般的な AI には制限があります。
何でもできるスピーカーフォンを介してアクセスできる一般的なアルゴリズムの包括的な用語のように感じます。
AI が非常に多くのことの解決策として誇大宣伝されると、その誇大宣伝をどこまで推進できるのだろうかと考えさせられます。 「School of Life」の有名な講演なぜあなたは間違った人と結婚するのですか？ 「あなたは？
AIに結婚相手を選ばせる？ 正しい結婚の選択をするのに役立つでしょうか。
AI は非常に複雑な人間関係の問題に完全に答えることはできませんが、答えを見つけることに大きく近づくことができます。 これは、金融の世界でよく見かけます。 AI は次の取引を予測できますか? 答えはノーです。それはまだ不可能です。
ただし、AI を使用して、強化された分析および予測機能を備えたモデルを構築し、より深い洞察を提供し、パターンを明らかにして、今後のことをより明確に把握することができます。
意思決定への AI の適用
これを意思決定の文脈で考えてみましょう。 簡単に言うと、次の XNUMX 種類の決定があります。
– 私たちが頻繁に作成するもので、フィードバック ループがたくさんあります。 例：牛乳を買う。 私の家族は、寒くない限り週にXNUMX本のボトルが必要であることを発見するのに数か月かかりました.
パターンを特定するために気象データを与えていれば、AI はもっと早く問題を解決できた可能性があります。
- XNUMX 番目のタイプの決定は、まれに行うものです。 おそらく、私たちの決定の結果に基づいて修正を行う機会がほとんどない、一生に一度だけです。 例: 職業、大学の学位、最初の仕事の選択、または
笑 結婚を決意。
もちろん、私たちは自分の選択の結果とともに生きていますが、それらから学び、他の決定を下す機会は限られており、多くの場合、費用がかかります.
私が読んだ子育ての本には、次のような注意書きがあります。 簡単に言えば無い
さまざまな決定を試み、結果を比較する方法。 子育てが難しいことを示すもうXNUMXつのこと。
そして、パターンを確認するのに十分なデータを持つことがいかに重要かを示しています。
機械学習の課題
AI の一般的な形式である機械学習は、しばらくの間、複雑な問題に対する「魔法のような解決策」と見なされてきました。 たくさんのデータを吸収し、そこに意味を見出そうとできるという魅力は、ある種の魅力を持っています。 なぜそうしないのですか？ テクノロジーの約束
複雑なものを取り上げて最善の解決策を考え出すことは、意思決定者にとって魅力的です。
機械学習ソリューションの課題は、複雑な入力情報から簡単な意思決定を支援することです。 内部および外部の信じられないほどの量のデータ、そして出力がどのように伝達されるか。 . 上記の XNUMX 種類の決定の例では、
機械学習アルゴリズムが牛乳の購入に関する問題をかなり迅速に解決してくれることを願っています。
購入した数量と外の天気に関するデータを提供すると仮定すると、モデルは今後の良好な予測を作成します。 観光地、レストラン チェーン、航空会社、物流会社などの組織は、
天気に基づいて毎日、毎週、季節ごとの量を予測し、その需要を満たすために必要なリソースの数を推奨するために使用できる分析。 変数を追加すると、モデルがさらに複雑になり、潜在的な追加要素が作成されます。
他の質問に答えて、より多くの変数を追加する必要があります (例: 掃除機が来る週と来ない週)。
AIに結婚相手を決定させるという核心の問題に戻りましょう。 確かに、数億または数十億の結婚など、たくさんのデータ ポイントがあります。 関連する入力は、研究者と仲人によって何世紀にもわたって研究されてきました。 がある
アウトプットが豊富。
だから問題は何ですか？
- 多くのデータポイントがありますが、それぞれの意思決定者には独自の好みがあります。そのため、モデリングの世界では、結婚のためにマッチングする必要がある人ごとに異なるアルゴリズムを作成する必要があります. これは複雑ですが、可能です
将来。 Apple Music や Pandora などのレコメンデーション エンジンが、ユーザーの反応に基づいて提案する音楽の種類を進化させ続けていることを考えてみてください。 独自に最適化されたモデルによって各決定が行われるようなソリューションは、すでに展開されています
ビジネスの世界で。 - 次に、適切で関連性のあるデータ ポイントを取得し、「ノイズ」を減らす必要があります。 青い目のブルネットや茶色い目のブロンドを好む人もいるかもしれませんが、「好みのタイプ」に基づく結婚が他の人よりも成功することを証明するものはほとんどありません. デート
アプリは、そのような一致の正しい式を見つけることを期待して、アルゴリズムを磨き続けています. それでも、あなたはデートに行って見なければなりません. - 最後に、間違った決定を下すコストは高くなります。 決定を下す個人に任せても最良の結果が得られない可能性がありますが、機械学習ソリューションを構築する専門家チームは、これらの決定を行う責任を負いたくない場合があります。
解決する必要があるキャリア責任のリスクがあります。 ビジネスの文脈では、「ブラックボックス」が最もよく知っていると主張するよりも、専門家に決定させるほうがよいかもしれません。
盲目的な信頼を避ける
それでは、結婚の課題に戻りましょう。 スクール・オブ・ライフの有名な演説は、私たちはもちろん、何らかの点で私たちにとって間違っている人と結婚するだろうと単純に述べています. 「私たちに最も適している人は、私たちのすべての好みを共有する人ではありません (彼らはそうではありません)。
ありますが、好みの違いを賢く交渉できる人、意見の相違が得意な人です。
完全な補完性という概念的な考えではなく、寛大さを持って違いを許容する能力こそが、「あまり間違っていない」人の真の指標です。 互換性は愛の成果です。 それが前提条件であってはなりません。」
機械学習の言語で、より広い一般的なコンテキストに移ります。潜在的な候補者について事前に知っている標準変数のほとんどは、決定が間違っているかどうかを予測するのに役立ちません. 私たちは「餌を与える」ことから遠く離れています
大量のデータを機械加工し、それが意味をなすことを期待しています。 実際、人間の介入なしには決して起こらないかもしれません。 パイロットが乱気流中にオートパイロットをオフにすると、より安全に感じますが、それには正当な理由があります。
機械学習と AI は私たちの生活を楽にしてくれますが、これらのテクノロジーが私たちの生活を変える決定を下すと盲目的に信頼することはできないと言っても過言ではありません。 このことから、重要なビジネス上の意思決定を行う業界の専門家に何を言えますか? 使用する
AI と ML は、目標の途中まであなたを導きます。ただし、専門家に頼ってデータを分析し、状況に応じて最善の判断を下して最終的なステップに導きます。 私たちは確かにそれに取り組んでいます。
