Dominando o fator de risco: você deixaria a IA escolher seu cônjuge? (Anna Slodka-Turner)

A Inteligência Artificial (IA) está na vanguarda de muitas conversas em todos os setores. E porque não? Ele nos trouxe soluções abrangentes, economizando muito tempo para a humanidade. Mas, como tudo que é bom, tem limitações, principalmente a IA geral, que muitas vezes
parece um termo abrangente para um algoritmo geral acessível por meio de algum viva-voz que pode fazer qualquer coisa.

Quando a IA é anunciada como uma solução para tantas coisas, isso me faz pensar: até onde você pode levar esse hype? Uma famosa palestra de 'School of Life' em 'Por que você vai se casar com a pessoa errada' inspirou uma pergunta: 'Você
deixar a IA escolher com quem você se casa? Poderia ajudar a fazer as escolhas conjugais certas?

Embora a IA não possa responder totalmente a questões de relacionamento extremamente complexas, ela pode aproximá-lo significativamente de encontrar a resposta. Encontramos isso com bastante frequência no mundo financeiro. A IA é capaz de prever o próximo negócio? A resposta é não, isso ainda não é possível.

No entanto, a IA pode ser usada para criar modelos com recursos analíticos e de previsão aprimorados, fornecendo insights muito mais profundos e revelando padrões para fornecer uma ideia mais clara do que está por vir.

Aplicando IA às Decisões

Vamos considerar isso no contexto da tomada de decisão. De uma forma simples temos dois tipos de decisões:

 – Aqueles que fazemos com frequência e, portanto, com muitos ciclos de feedback. Ex.: compra de leite. Minha família levou alguns meses para descobrir que precisamos de quatro garrafas por semana, a menos que esteja frio e, no fim de semana, quando todo mundo precisa de algumas 'cuppas quentes' extras.
A IA poderia ter resolvido isso para nós mais cedo, desde que alimentássemos os dados climáticos para identificar o padrão.

-O segundo tipo de decisão são as que tomamos com pouca frequência. Possivelmente, apenas uma vez na vida com pouca chance de fazer uma correção com base no resultado de nossa decisão. Ex: Escolher uma profissão, diploma universitário, primeiro emprego ou
LOL, decidindo se casar.

É claro que vivemos com as consequências de nossas escolhas, mas as oportunidades de aprender com elas e tomar outras decisões são limitadas e muitas vezes caras.

Um livro sobre pais que li contém uma advertência nesse sentido: “Embora apoiemos os conselhos para pais nos capítulos seguintes, reconhecemos que não é possível tentar métodos diferentes de criação em uma criança e comparar os resultados”. Simplificando, não há
maneira de tentar diferentes decisões e comparar os resultados. Apenas outra coisa que mostra que ser pai é difícil.

E ilustra como é importante ter dados suficientes para ver padrões.

Desafios de aprendizado de máquina

O aprendizado de máquina, uma forma popular de IA, há algum tempo é visto como uma 'solução mágica' para problemas complexos. A atração de ser capaz de absorver muitos dados e tentar encontrar sentido nele tem um certo apelo. Por que não? A promessa da tecnologia
pegar algo complexo e encontrar a melhor solução atrairia qualquer tomador de decisão.

O desafio das soluções de aprendizado de máquina é ajudar a tomar uma decisão simples a partir de informações de entrada complexas; quantidades incríveis de dados, internos e externos, e como a saída é comunicada. . Nos exemplos acima de dois tipos de decisões,
Espera-se que os algoritmos de aprendizado de máquina resolvam a questão da compra de leite rapidamente.

Supondo que forneçamos os dados sobre as quantidades compradas e o clima externo – o modelo criaria uma boa previsão daqui para frente. Organizações como destinos turísticos, redes de restaurantes, companhias aéreas, empresas de logística e muitas outras recebem
análises que podem ser usadas para prever o volume diário, semanal e sazonal com base no clima e até mesmo recomendar quantos recursos eles podem precisar para atender a essa demanda. Variáveis ​​adicionais adicionam mais complexidade ao modelo e criam potenciais adicionais
precisa responder a outras perguntas e adicionar mais variáveis ​​(por exemplo, semanas que o limpador vem vs não).

De volta à questão central de permitir que a IA decida com quem você se casa. Certamente, há muitos pontos de dados – centenas de milhões ou bilhões de casamentos. Os insumos relevantes são estudados há séculos por pesquisadores e casamenteiros. Há
abundância de saídas.

Então qual é o problema?

1. Embora existam muitos pontos de dados, cada tomador de decisão exclusivo terá suas preferências exclusivas – portanto, no mundo da modelagem, precisaríamos criar um algoritmo diferente para cada pessoa que precisa ser correspondida para o casamento. Isso é complexo, mas possível
   no futuro. Considere como mecanismos de recomendação como Apple Music e Pandora continuam a evoluir os tipos de música que eles sugerem para você com base em suas reações. Essas soluções em que cada decisão é tomada por um modelo exclusivamente otimizado já estão implantadas
   no mundo dos negócios.
2. Em segundo lugar, precisamos capturar os pontos de dados corretos e relevantes e reduzir o 'ruído'. Enquanto alguns podem preferir morenas de olhos azuis ou loiras de olhos castanhos, há pouco para provar que casamentos baseados em “tipos preferidos” são mais bem-sucedidos do que outros. Namoro
   os aplicativos continuam aprimorando seus algoritmos na esperança de encontrar a fórmula certa para essas correspondências. Ainda assim, você tem que ir nas datas e ver.
3. Por fim, o custo de tomar a decisão errada é alto. Embora deixar que os indivíduos tomem decisões possa não produzir os melhores resultados, uma equipe de especialistas que cria uma solução de aprendizado de máquina pode não querer a responsabilidade de tomar essas decisões.
   Há um risco de responsabilidade de carreira que precisa ser trabalhado. No contexto de negócios – pode ser melhor deixar os especialistas decidirem do que insistir que a 'caixa preta' sabe melhor.

Evitando a confiança cega

Então, de volta aos desafios do matrimônio. O famoso discurso da School of Life simplesmente afirma que, é claro, nos casaremos com uma pessoa que, de certa forma, é errada para nós. “A pessoa mais adequada para nós não é a pessoa que compartilha todos os nossos gostos (eles não
existem), mas a pessoa que pode negociar as diferenças de gosto de forma inteligente – a pessoa que é boa em discordar.

Em vez de uma ideia nocional de complementaridade perfeita, é a capacidade de tolerar diferenças com generosidade que é o verdadeiro marcador da pessoa "não excessivamente errada". A compatibilidade é uma conquista do amor; não deve ser sua pré-condição”.

Movendo-se para um contexto geral mais amplo, na linguagem do aprendizado de máquina – praticamente nenhuma das variáveis ​​padrão que conhecemos de antemão sobre um possível candidato poderia nos ajudar a prever se a decisão está incorreta. Estamos longe de 'alimentar o
máquina muitos dados' e esperando que isso faça sentido. Na verdade, pode nunca acontecer sem intervenção humana. Nos sentimos mais seguros quando o piloto desliga o piloto automático durante a turbulência, e por um bom motivo.

Embora o aprendizado de máquina e a IA possam facilitar nossas vidas, é seguro dizer que não confiaríamos cegamente nessas tecnologias para tomar decisões que mudam nossas vidas. Partindo disso, o que podemos dizer aos especialistas do setor que tomam importantes decisões de negócios? Usar
AI e ML para levá-lo a meio caminho de seu objetivo – mas conte com seus especialistas para analisar os dados e usar seu melhor julgamento com contexto para orientá-lo nas etapas finais. Com certeza estamos trabalhando nisso.