Obvladovanje dejavnika tveganja: Ali bi dovolili, da umetna inteligenca izbere vašega zakonca? (Anna Slodka-Turner)

Umetna inteligenca (AI) je v ospredju številnih pogovorov v panogah. In zakaj ne? Prinesel nam je obsežne rešitve, ki so človeštvu prihranile toliko časa. Toda kot vse dobro ima tudi ta omejitve, zlasti splošno umetno inteligenco, ki pogosto
zdi se kot vsesplošen izraz za splošen algoritem, dostopen prek nekega zvočnika, ki zmore karkoli.

Ko se umetna inteligenca oglaša kot rešitev za toliko stvari, se pomislim, kako daleč lahko poženete to navdušenje? Slavni govor iz 'Šole življenja' na 'Zakaj se boš poročil z napačno osebo' navdihnilo vprašanje: »Ali bi
naj AI izbere, s kom se boš poročil?' Ali bi lahko pomagal pri pravilni zakonski odločitvi?

Čeprav umetna inteligenca ne more v celoti odgovoriti na izjemno zapletene zadeve v odnosih, vas lahko bistveno približa iskanju odgovora. V finančnem svetu se s tem pogosto srečamo. Ali lahko AI napove naslednji posel? Odgovor je ne, to še ni mogoče.

Vendar pa je AI mogoče uporabiti za izdelavo modelov z izboljšanimi analitičnimi in napovedovalnimi zmogljivostmi, ki zagotavljajo veliko globlje vpoglede in odkrivanje vzorcev za jasnejšo predstavo o tem, kaj prihaja.

Uporaba AI pri odločitvah

Razmislimo o tem v kontekstu odločanja. Na preprost način imamo dve vrsti odločitev:

 – Tisti, ki jih izdelujemo pogosto in zato z veliko povratnimi zankami. Npr.: Nakup mleka. Moja družina je potrebovala nekaj mesecev, da je odkrila, da potrebujemo štiri steklenice na teden, razen če je hladno in ob koncu tedna, ko vsi potrebujejo nekaj dodatnih "toplih skodelic".
Umetna inteligenca bi to lahko rešila namesto nas prej, če bi ji posredovali vremenske podatke, da bi opazil vzorec.

-Druga vrsta odločitev so tiste, ki jih sprejemamo redko. Po možnosti samo enkrat v življenju z malo možnosti, da naredimo popravek glede na izid naše odločitve. Npr.: Izbira poklica, univerzitetna diploma, prva zaposlitev, oz
LOL, odločam se za poroko.

Seveda živimo s posledicami svojih odločitev, vendar so možnosti, da se iz njih učimo in sprejemamo druge odločitve, omejene in pogosto drage.

Knjiga o starševstvu, ki sem jo prebral, vsebuje naslednje opozorilo: "Čeprav podpiramo starševske nasvete v naslednjih poglavjih, priznavamo, da ni mogoče preizkusiti različnih starševskih metod na otroku in primerjati rezultatov." Preprosto povedano, ni
način za preizkušanje različnih odločitev in primerjavo rezultatov. Še ena stvar, ki kaže, da je starševstvo težko.

In ponazarja, kako pomembno je imeti dovolj podatkov, da vidimo vzorce.

Izzivi strojnega učenja

Strojno učenje, priljubljena oblika umetne inteligence, je nekaj časa veljalo za "čarobno rešitev" zapletenih problemov. Privlačnost tega, da lahko absorbira veliko podatkov in poskuša najti smisel v njih, ima določeno privlačnost. Zakaj ne bi? Obljuba tehnologije
vzeti nekaj zapletenega in najti najboljšo rešitev bi bilo všeč vsakemu odločevalcu.

Izziv rešitev strojnega učenja je pomoč pri sprejemanju enostavne odločitve na podlagi kompleksnih vhodnih informacij; neverjetne količine podatkov, notranjih in zunanjih, in nato, kako se posreduje rezultat. . V zgornjih primerih dveh vrst odločitev,
Upamo, da bi algoritmi strojnega učenja precej hitro rešili vprašanje odkupa mleka.

Ob predpostavki, da posredujemo podatke o kupljenih količinah in vremenu zunaj – bi model ustvaril dobro napoved za naprej. Prejmejo organizacije, kot so turistične destinacije, verige restavracij, letalske družbe, logistična podjetja in mnoge druge
analitiko, ki jo je mogoče uporabiti za napovedovanje dnevnega, tedenskega in sezonskega obsega na podlagi vremena ter celo priporočiti, koliko virov bodo morda potrebovali za izpolnitev tega povpraševanja. Dodatne spremenljivke dodatno zapletejo model in ustvarijo morebitne dodatne
treba je odgovoriti na druga vprašanja in dodati več spremenljivk (npr. tedni, ko čistilec pride, in ne).

Nazaj k osrednjemu vprašanju dovoliti AI, da se odloči, s kom se poročiš. Zagotovo obstaja veliko podatkovnih točk – na stotine milijonov ali milijard porok. Ustrezne vložke že stoletja preučujejo tako raziskovalci kot iskalci vžigalcev. obstajajo
veliko izhodov.

Torej, kaj je problem?

1. Čeprav obstaja veliko podatkovnih točk, bo imel vsak edinstven odločevalec svoje edinstvene preference – zato bi morali v svetu modeliranja ustvariti drugačen algoritem za vsako osebo, ki jo je treba uskladiti za zakonsko zvezo. To je zapleteno, a možno
   v prihodnosti. Razmislite, kako mehanizmi za priporočila, kot sta Apple Music in Pandora, še naprej razvijajo vrste glasbe, ki vam jih predlagajo na podlagi vaših odzivov. Takšne rešitve, kjer vsako odločitev sprejme edinstveno optimiziran model, so že nameščene
   v poslovnem svetu.
2. Drugič, zajeti moramo prave in ustrezne podatkovne točke ter zmanjšati 'šum'. Medtem ko imajo nekateri morda raje modrooke rjavolaske ali rjavooke blondinke, je le malo dokazov, da so poroke, ki temeljijo na »prednostnih tipih«, uspešnejše od drugih. Zmenki
   aplikacije še naprej izpopolnjujejo svoje algoritme v upanju, da bodo našle pravo formulo za takšna ujemanja. Kljub temu moraš iti na zmenke in videti.
3. Nazadnje, stroški napačne odločitve so visoki. Medtem ko prepuščanje odločanja posameznikom morda ne bo prineslo najboljših rezultatov, strokovna ekipa, ki gradi rešitev za strojno učenje, morda ne želi prevzeti odgovornosti za sprejemanje teh odločitev.
   Obstaja tveganje karierne odgovornosti, ki ga je treba obravnavati. V poslovnem kontekstu – morda je bolje prepustiti strokovnjakom, da se odločijo, kot pa vztrajati, da "črna skrinjica" ve najbolje.

Izogibanje slepemu zaupanju

Torej, nazaj k izzivom zakonske zveze. Slavni govor School of Life preprosto pravi, da se bomo seveda poročili z osebo, ki je na nek način napačna za nas. »Oseba, ki nam najbolj ustreza, ni oseba, ki ima enak naš okus (oni ne
obstajajo), ampak oseba, ki se zna inteligentno pogajati o razlikah v okusu – oseba, ki je dobra v nestrinjanju.

Namesto neke fiktivne zamisli o popolnem dopolnjevanju je zmožnost velikodušnega toleriranja razlik tista, ki je pravi znak 'ne pretirano napačne' osebe. Združljivost je dosežek ljubezni; ne sme biti njen predpogoj.«

Če se premaknemo v širši splošni kontekst, v jeziku strojnega učenja – skoraj nobena od standardnih spremenljivk, ki jih vnaprej poznamo o potencialnem kandidatu, nam ne more pomagati napovedati, ali je odločitev napačna. Daleč smo od tega, da bi nahranili
stroj veliko podatkov« in pričakujejo, da bodo imeli smisel. Pravzaprav se morda nikoli ne zgodi brez človeškega posredovanja. Bolj varne se počutimo, ko pilot med turbulenco izklopi avtopilota, in to z dobrim razlogom.

Medtem ko nam lahko strojno učenje in umetna inteligenca olajšata življenje, lahko rečemo, da tem tehnologijam ne bi slepo zaupali, da bodo namesto nas sprejemale odločitve, ki bodo spremenile življenje. Če izhajamo iz tega, kaj lahko rečemo strokovnjakom iz industrije, ki sprejemajo pomembne poslovne odločitve? Uporaba
AI in ML, ki vas bosta popeljala na pol poti do vašega cilja – vendar se držite svojih strokovnjakov, da analizirajo podatke in uporabijo svojo najboljšo presojo s kontekstom, da vas vodijo v zadnjih korakih. Zagotovo delamo na tem.