Opanowanie czynnika ryzyka: czy pozwoliłbyś sztucznej inteligencji wybrać współmałżonka? (Anna Słodka-Turner)

Sztuczna inteligencja (AI) jest na czele wielu rozmów w różnych branżach. Czemu nie? Przyniosła nam rozbudowane rozwiązania, oszczędzając ludzkości tyle czasu. Ale jak wszystko co dobre, ma ograniczenia, w szczególności ogólną sztuczną inteligencję, która często
wydaje się być uniwersalnym terminem dla ogólnego algorytmu dostępnego przez zestaw głośnomówiący, który może zrobić wszystko.

Kiedy sztuczna inteligencja jest reklamowana jako rozwiązanie dla tak wielu rzeczy, to sprawia, że ​​zastanawiam się, jak daleko można osiągnąć ten szum? Słynny wykład ze „School of Life” na „Dlaczego poślubisz niewłaściwą osobę zainspirował pytanie: „Czy ty?”
niech AI wybierze kogo poślubisz? Czy może pomóc w dokonaniu właściwych wyborów małżeńskich?

Chociaż sztuczna inteligencja nie może w pełni odpowiedzieć na niezwykle złożone kwestie związane z relacjami, może znacznie przybliżyć Cię do znalezienia odpowiedzi. W świecie finansów spotykamy się z tym dość często. Czy AI jest w stanie przewidzieć następną transakcję? Odpowiedź brzmi: nie, to jeszcze nie jest możliwe.

Jednak sztuczna inteligencja może być wykorzystywana do budowania modeli z ulepszonymi możliwościami analitycznymi i prognozowania, zapewniając znacznie głębszy wgląd i odkrywanie wzorców, aby zapewnić jaśniejsze wyobrażenie o tym, co nadchodzi.

Stosowanie AI do decyzji

Rozważmy to w kontekście podejmowania decyzji. W prosty sposób mamy dwa rodzaje decyzji:

 – Takie, które robimy często, a więc z dużą ilością sprzężeń zwrotnych. Np. Kupowanie mleka. Kilka miesięcy zajęło mojej rodzinie odkrycie, że potrzebujemy czterech butelek tygodniowo, chyba że jest zimno i w weekendy, kiedy wszyscy potrzebują kilku dodatkowych „ciepłych filiżanek”.
Sztuczna inteligencja mogłaby potencjalnie rozwiązać to za nas wcześniej, pod warunkiem, że dostarczymy jej dane pogodowe, aby wykryć wzór.

– Drugi rodzaj decyzji to te, które podejmujemy rzadko. Możliwe, że tylko raz w życiu z niewielką szansą na dokonanie korekty w oparciu o wynik naszej decyzji. Np.: wybór zawodu, stopnia wyższego, pierwszej pracy lub
LOL, decydując się na ślub.

Oczywiście żyjemy z konsekwencjami naszych wyborów, ale możliwości uczenia się z nich i podejmowania innych decyzji są ograniczone i często kosztowne.

Książka dla rodziców, którą przeczytałem, zawiera następujące zastrzeżenie: „Chociaż popieramy porady dla rodziców w kolejnych rozdziałach, przyznajemy, że nie jest możliwe wypróbowanie różnych metod rodzicielskich na dziecku i porównanie wyników”. Mówiąc najprościej, nie ma
sposób na wypróbowanie różnych decyzji i porównanie wyników. Po prostu kolejna rzecz, która pokazuje, że rodzicielstwo jest trudne.

I ilustruje, jak ważne jest posiadanie wystarczającej ilości danych, aby zobaczyć wzorce.

Wyzwania związane z uczeniem maszynowym

Uczenie maszynowe, popularna forma sztucznej inteligencji, jest od jakiegoś czasu postrzegane jako „magiczne rozwiązanie” złożonych problemów. Atrakcyjność tego, że jest w stanie wchłonąć mnóstwo danych i spróbować znaleźć w nich sens, ma pewien urok. Dlaczego by nie? Obietnica technologii
podjęcie czegoś złożonego i znalezienie najlepszego rozwiązania spodoba się każdemu decydentowi.

Wyzwaniem dla rozwiązań uczenia maszynowego jest pomoc w podjęciu prostej decyzji na podstawie złożonych informacji wejściowych; niewiarygodne ilości danych, wewnętrznych i zewnętrznych, a następnie sposób przekazywania wyników. . W powyższych przykładach dwóch rodzajów decyzji,
Mam nadzieję, że algorytmy uczenia maszynowego dość szybko rozwiążą kwestię zakupu mleka.

Zakładając, że dostarczymy dane o zakupionych ilościach i pogodzie na zewnątrz – model stworzy dobrą prognozę na przyszłość. Organizacje takie jak ośrodki turystyczne, sieci restauracji, linie lotnicze, firmy logistyczne i wiele innych otrzymują
analityka, która może być wykorzystana do przewidywania dziennego, tygodniowego i sezonowego wolumenu w oparciu o pogodę, a nawet zalecania ilości zasobów, które mogą być potrzebne do zaspokojenia tego zapotrzebowania. Dodatkowe zmienne zwiększają złożoność modelu i tworzą potencjalne dodatkowe
musisz odpowiedzieć na inne pytania i dodać więcej zmiennych (np. tygodnie, w których przychodzi sprzątacz, a nie).

Wracając do podstawowego pytania, jakim jest umożliwienie sztucznej inteligencji decydowania, kogo poślubisz. Z pewnością istnieje wiele punktów danych – setki milionów lub miliardów małżeństw. Odpowiednie dane wejściowe były badane od wieków zarówno przez naukowców, jak i swatów. Są
mnóstwo wyjść.

Więc w czym problem?

1. Chociaż istnieje wiele punktów danych, każdy unikalny decydent będzie miał swoje unikalne preferencje – więc w świecie modelowania musielibyśmy stworzyć inny algorytm dla każdej osoby, która musi być dopasowana do małżeństwa. To skomplikowane, ale możliwe
   w przyszłości. Zastanów się, jak silniki rekomendacji, takie jak Apple Music i Pandora, wciąż ewoluują typy muzyki, które proponują na podstawie twoich reakcji. Takie rozwiązania, w których każda decyzja jest podejmowana przez unikalnie zoptymalizowany model, są już wdrożone
   w świecie biznesu.
2. Po drugie, musimy uchwycić właściwe i istotne punkty danych i zredukować „szum”. Chociaż niektórzy mogą preferować niebieskookie brunetki lub brązowookie blondynki, niewiele jest dowodów na to, że małżeństwa oparte na „preferowanych typach” są bardziej udane niż inne. Randki
   aplikacje nadal doskonalą swoje algorytmy w nadziei na znalezienie właściwej formuły dla takich dopasowań. Mimo to musisz iść na randki i zobaczyć.
3. Wreszcie, koszt podjęcia błędnej decyzji jest wysoki. Pozostawiając to osobom podejmującym decyzje, może nie przynosić najlepszych wyników, zespół ekspertów tworzący rozwiązanie do uczenia maszynowego może nie chcieć ponosić odpowiedzialności za podejmowanie tych decyzji.
   Istnieje ryzyko odpowiedzialności zawodowej, które należy przeanalizować. W kontekście biznesowym – może lepiej pozwolić, aby eksperci decydowali, niż upierać się, że „czarna skrzynka” wie najlepiej.

Unikanie ślepego zaufania

Wróćmy więc do wyzwań małżeńskich. Słynne przemówienie School of Life po prostu stwierdza, że ​​oczywiście poślubimy osobę, która jest dla nas pod pewnymi względami niewłaściwa. „Osoba, która najlepiej do nas pasuje, nie jest osobą, która podziela każdy nasz gust (nie
istnieją), ale osoba, która potrafi inteligentnie negocjować różnice w gustach — osoba, która jest dobra w niezgodzie.

Zamiast jakiejś wyobrażonej idei doskonałej komplementarności, to zdolność do hojności tolerowania różnic jest prawdziwym wyznacznikiem osoby „nie nadmiernie złej”. Kompatybilność jest osiągnięciem miłości; nie może to być jego warunkiem wstępnym”.

Przechodząc do szerszego ogólnego kontekstu, w języku uczenia maszynowego – prawie żadna ze standardowych zmiennych, które znamy z wyprzedzeniem na temat potencjalnego kandydata, nie pomoże nam przewidzieć, czy decyzja jest nieprawidłowa. Jesteśmy daleko od „nakarmienia”
obrabiać mnóstwo danych” i oczekiwać, że będzie to miało sens. W rzeczywistości może się to nigdy nie wydarzyć bez interwencji człowieka. Czujemy się bezpieczniej, gdy pilot wyłącza autopilota podczas turbulencji i nie bez powodu.

Chociaż uczenie maszynowe i sztuczna inteligencja mogą ułatwić nam życie, można śmiało powiedzieć, że nie zaufalibyśmy ślepo tym technologiom w podejmowaniu decyzji zmieniających nasze życie. Na tej podstawie, co możemy powiedzieć ekspertom branżowym podejmującym ważne decyzje biznesowe? Posługiwać się
Sztuczna inteligencja i uczenie maszynowe, które zaprowadzą Cię w połowie drogi do celu, ale pozostań przy swoich ekspertach, aby przeanalizowali dane i wykorzystali ich najlepszą ocenę z kontekstem, aby poprowadzić Cię na ostatnich krokach. Na pewno nad tym pracujemy.