인공 지능(AI)은 산업 전반에 걸쳐 많은 대화의 최전선에 있습니다. 그리고 왜 안되지? 광범위한 솔루션을 제공하여 인류의 시간을 많이 절약했습니다. 그러나 모든 좋은 것과 마찬가지로 한계가 있습니다. 특히 일반적인 AI는 종종
모든 것을 할 수 있는 일부 스피커폰을 통해 액세스할 수 있는 일반 알고리즘에 대한 포괄적인 용어처럼 느껴집니다.
AI가 너무 많은 것에 대한 솔루션으로 과대 광고될 때, 나는 생각하게 됩니다. 과대 광고를 어디까지 추진할 수 있습니까? '에 대한 '스쿨 오브 라이프'의 유명한 연설엉뚱한 사람과 결혼하는 이유' '라는 질문에 영감을 주었습니다.
AI가 당신이 누구와 결혼할지 선택하게 하시겠습니까?' 올바른 결혼 선택을 하는 데 도움이 될 수 있습니까?
AI는 매우 복잡한 관계 문제에 완전히 답할 수는 없지만 답을 찾는 데 훨씬 더 가까이 다가갈 수 있습니다. 우리는 금융계에서 이것을 아주 자주 접합니다. AI가 다음 거래를 예측할 수 있습니까? 대답은 아니오, 아직은 불가능합니다.
그러나 AI는 향상된 분석 및 예측 기능으로 모델을 구축하는 데 사용할 수 있으며, 훨씬 더 깊은 통찰력을 제공하고 패턴을 발견하여 미래에 대한 더 명확한 아이디어를 제공할 수 있습니다.
의사결정에 AI 적용하기
의사 결정의 맥락에서 이것을 고려합시다. 간단한 방법으로 두 가지 유형의 결정이 있습니다.
– 우리가 자주 만드는 것, 따라서 많은 피드백 루프가 있습니다. 예: 우유 구입. 우리 가족은 날씨가 춥거나 주말에 모두가 약간의 추가 '따뜻한 컵파스'를 필요로 하는 경우를 제외하고 일주일에 XNUMX병이 필요하다는 것을 발견하는 데 몇 달이 걸렸습니다.
AI는 패턴을 찾기 위해 날씨 데이터를 제공하는 한 더 빨리 문제를 해결할 수 있었습니다.
-두 번째 유형의 결정은 우리가 드물게 내리는 결정입니다. 아마도 일생에 한 번뿐이며 결정의 결과에 따라 수정할 기회가 거의 없습니다. 예: 직업 선택, 대학 학위, 첫 직장 또는
LOL, 결혼하기로 결정했습니다.
물론 우리는 선택의 결과를 안고 살아가지만 선택에서 배우고 다른 결정을 내릴 기회는 제한적이며 종종 비용이 많이 듭니다.
내가 읽은 육아 책은 다음과 같은 경고를 담고 있습니다. "우리는 다음 장에서 육아 조언을 지지하지만, 아이에게 다른 육아 방법을 시도하고 결과를 비교하는 것은 불가능하다는 것을 인정합니다." 간단히 말해서 없다.
다른 결정을 시도하고 결과를 비교하는 방법. 육아를 보여주는 또 다른 것은 어렵습니다.
그리고 패턴을 보기에 충분한 데이터를 갖는 것이 얼마나 중요한지 보여줍니다.
기계 학습 과제
AI의 인기 있는 형태인 머신 러닝은 복잡한 문제에 대한 '마법의 솔루션'으로 한동안 여겨져 왔습니다. 많은 양의 데이터를 흡수하고 그 안에서 의미를 찾으려는 매력이 있습니다. 왜 안될까요? 기술의 약속
복잡한 것을 취하고 최상의 솔루션을 생각해 내는 것은 모든 의사 결정권자에게 어필할 것입니다.
기계 학습 솔루션의 과제는 복잡한 입력 정보에서 간단한 결정을 내리는 데 도움이 됩니다. 내부 및 외부의 엄청난 양의 데이터, 그리고 출력이 전달되는 방식. . 위의 두 가지 유형의 결정 예에서,
기계 학습 알고리즘은 우유 구매 문제를 보다 빨리 해결할 수 있기를 바랍니다.
구매 수량과 외부 날씨에 대한 데이터를 제공한다고 가정하면 모델은 앞으로 좋은 예측을 생성할 것입니다. 관광지, 레스토랑 체인, 항공사, 물류 회사 등과 같은 조직은
날씨를 기반으로 일별, 주별 및 계절별 볼륨을 예측하고 해당 수요를 충족하는 데 필요한 리소스 수를 권장하는 데 사용할 수 있는 분석입니다. 추가 변수는 모델에 더 많은 복잡성을 추가하고 잠재적인 추가 변수를 생성합니다.
다른 질문에 답하고 더 많은 변수를 추가해야 합니다(예: 클리너가 제공되는 주와 제공되지 않는 주).
AI가 당신과 결혼할 사람을 결정할 수 있도록 하는 핵심 질문으로 돌아가십시오. 확실히 수많은 데이터 포인트가 있습니다. 수억 또는 수십억 건의 결혼입니다. 관련 입력은 연구원과 중매인 모두에 의해 수세기 동안 연구되었습니다. 있다
많은 출력.
그래서 무엇이 문제입니까?
- 많은 데이터 요소가 있지만 각각의 고유한 의사 결정자는 고유한 선호도를 갖습니다. 따라서 모델링 세계에서는 결혼을 위해 일치해야 하는 각 사람에 대해 서로 다른 알고리즘을 만들어야 합니다. 이것은 복잡하지만 가능한
미래에. Apple Music 및 Pandora와 같은 추천 엔진이 사용자의 반응을 기반으로 제안하는 음악 유형을 계속 발전시키는 방법을 고려하십시오. 각각의 결정이 고유하게 최적화된 모델에 의해 결정되는 이러한 솔루션은 이미 배포되어 있습니다.
비즈니스 세계에서. - 둘째, 적절하고 적절한 데이터 포인트를 포착하고 '노이즈'를 줄여야 합니다. 일부 사람들은 파란 눈의 갈색 머리 또는 갈색 눈의 금발을 선호할 수 있지만 "선호하는 유형"에 기반한 결혼이 다른 사람들보다 더 성공적임을 증명할 수 있는 것은 거의 없습니다. 데이트
앱은 이러한 일치에 대한 올바른 공식을 찾기 위해 알고리즘을 계속 연마합니다. 그래도 날짜에 가서 봐야 합니다. - 마지막으로, 잘못된 결정을 내리는 데 드는 비용이 높습니다. 결정을 내리는 개인에게 맡기면 최상의 결과를 얻을 수 없지만 머신 러닝 솔루션을 구축하는 전문가 팀은 이러한 결정을 내리는 책임을 원하지 않을 수 있습니다.
해결해야 할 직업 책임 위험이 있습니다. 비즈니스 맥락에서 '블랙박스'가 가장 잘 알고 있다고 주장하는 것보다 전문가가 결정하도록 하는 것이 더 나을 수 있습니다.
맹목적인 신뢰 피하기
그래서, 결혼의 문제로 돌아갑니다. School of Life의 유명한 연설은 우리가 어떤 면에서 우리에게 잘못된 사람과 당연히 결혼할 것이라고 간단하게 말합니다. “우리에게 가장 잘 맞는 사람은 우리의 모든 취향을 공유하는 사람이 아닙니다.
존재), 그러나 취향의 차이를 지능적으로 협상할 수 있는 사람 - 불일치를 잘하는 사람.
완전한 상보성에 대한 어떤 관념적 개념보다는, '과도하게 잘못되지 않은' 사람의 진정한 지표는 관대함과 함께 차이를 용인하는 능력입니다. 호환성은 사랑의 성취입니다. 그것이 전제 조건이 되어서는 안 된다.”
기계 학습의 언어로 더 넓은 일반적인 맥락으로 이동하면 잠재적인 후보자에 대해 미리 알고 있는 표준 변수가 거의 결정이 잘못된지 예측하는 데 도움이 되지 않습니다. 우리는 '먹이'와는 거리가 멉니다.
많은 데이터를 기계화'하고 그것이 의미를 갖기를 기대합니다. 사실, 그것은 인간의 개입 없이는 결코 일어날 수 없습니다. 조종사가 난기류 중에 자동 조종 장치를 끌 때 우리는 더 안전하다고 느낍니다. 그럴만한 이유가 있습니다.
기계 학습과 AI가 우리의 삶을 더 쉽게 만들 수 있지만 우리가 삶을 변화시키는 결정을 내리기 위해 이러한 기술을 맹목적으로 신뢰하지는 않을 것이라고 말하는 것이 안전합니다. 이를 통해 중요한 비즈니스 결정을 내리는 업계 전문가에게 무엇을 말할 수 있습니까? 사용
AI 및 ML을 통해 목표에 도달할 수 있습니다. 하지만 전문가가 데이터를 분석하고 상황에 따른 최선의 판단을 통해 최종 단계를 안내하도록 합니다. 우리는 확실히 그것을 위해 노력하고 있습니다.
