ปัญญาประดิษฐ์ (AI) อยู่ในระดับแนวหน้าของการสนทนาในหลายอุตสาหกรรม และทำไมไม่? มันนำวิธีแก้ปัญหามากมายมาให้เรา ซึ่งช่วยประหยัดเวลาให้กับมนุษยชาติได้มาก แต่ก็ชอบทุกอย่างที่ดี มันมีข้อจำกัด โดยเฉพาะ AI ทั่วไป ซึ่งมักจะ
รู้สึกเหมือนเป็นคำศัพท์สำหรับอัลกอริธึมทั่วไปที่สามารถเข้าถึงได้ผ่านสปีกเกอร์โฟนบางตัวที่สามารถทำได้ทุกอย่าง
เมื่อ AI ถูก hyped เป็นวิธีแก้ปัญหาสำหรับหลาย ๆ อย่าง มันทำให้ฉันคิดว่าคุณจะขับมันได้ไกลแค่ไหน? ปาฐกถาที่มีชื่อเสียงจาก 'School of Life' on 'ทำไมถึงแต่งงานกับคนผิด' เกิดแรงบันดาลใจกับคำถามที่ว่า 'Would you
ให้ AI เลือกว่าคุณแต่งงานกับใคร?' มันจะช่วยทำให้การเลือกคู่ครองที่ถูกต้องได้หรือไม่?
แม้ว่า AI จะไม่สามารถตอบปัญหาความสัมพันธ์ที่ซับซ้อนอย่างยิ่งได้อย่างเต็มที่ แต่ก็สามารถช่วยให้คุณเข้าใกล้การค้นหาคำตอบมากขึ้น เราเจอสิ่งนี้ค่อนข้างบ่อยในโลกการเงิน AI สามารถทำนายข้อตกลงครั้งต่อไปได้หรือไม่? คำตอบคือไม่ นั่นยังเป็นไปไม่ได้
อย่างไรก็ตาม สามารถใช้ AI เพื่อสร้างแบบจำลองที่มีความสามารถในการวิเคราะห์และการคาดการณ์ที่ได้รับการปรับปรุง โดยให้ข้อมูลเชิงลึกที่ลึกซึ้งยิ่งขึ้นและเปิดเผยรูปแบบเพื่อให้แนวคิดที่ชัดเจนยิ่งขึ้นเกี่ยวกับสิ่งที่กำลังจะเกิดขึ้น
การนำ AI มาประยุกต์ใช้ในการตัดสินใจ
ลองพิจารณาเรื่องนี้ในบริบทของการตัดสินใจ ในวิธีง่ายๆ เรามีการตัดสินใจสองประเภท:
– สิ่งที่เราทำบ่อยๆ และด้วยเหตุนี้จึงมีข้อเสนอแนะมากมาย เช่น ซื้อนม ครอบครัวของฉันใช้เวลาสองสามเดือนกว่าจะพบว่าเราต้องการขวดสี่ขวดต่อสัปดาห์ เว้นแต่ว่ามันจะเย็น และในวันหยุดสุดสัปดาห์ที่ทุกคนต้องการ 'คัปปาอุ่นๆ' เพิ่มอีกสองสามแก้ว
AI อาจแก้ปัญหาให้เราเร็วกว่านี้ ตราบใดที่เราป้อนข้อมูลสภาพอากาศเพื่อระบุรูปแบบ
- ประเภทที่สองของการตัดสินใจคือสิ่งที่เราทำไม่บ่อยนัก อาจเป็นเพียงครั้งเดียวในชีวิตที่มีโอกาสเพียงเล็กน้อยที่จะแก้ไขตามผลลัพธ์ของการตัดสินใจของเรา เช่น การเลือกอาชีพ ระดับมหาวิทยาลัย งานแรก หรือ
ฮ่าๆ กำลังตัดสินใจแต่งงาน
แน่นอนว่าเราอยู่กับผลที่ตามมาของการเลือกของเรา แต่โอกาสในการเรียนรู้จากตัวเลือกเหล่านั้นและตัดสินใจเรื่องอื่นๆ นั้นมีจำกัดและมักมีค่าใช้จ่ายสูง
หนังสือการเลี้ยงดูบุตรที่ฉันอ่านมีข้อแม้ตามบรรทัดเหล่านี้: “ในขณะที่เราสนับสนุนคำแนะนำในการเลี้ยงดูบุตรในบทต่อไปนี้ เรารับทราบว่าเป็นไปไม่ได้ที่จะลองใช้วิธีการเลี้ยงดูแบบอื่นกับเด็กและเปรียบเทียบผลลัพธ์” พูดง่ายๆคือไม่มี
วิธีที่จะลองตัดสินใจต่างๆ และเปรียบเทียบผลลัพธ์ อีกสิ่งหนึ่งที่แสดงให้เห็นว่าการเป็นพ่อแม่นั้นยาก
และแสดงให้เห็นว่าการมีข้อมูลเพียงพอที่จะดูรูปแบบมีความสำคัญเพียงใด
ความท้าทายของการเรียนรู้ของเครื่อง
แมชชีนเลิร์นนิงซึ่งเป็นรูปแบบหนึ่งของ AI ที่ได้รับความนิยม ถูกมองว่าเป็น "วิธีแก้ปัญหาที่มหัศจรรย์" สำหรับปัญหาที่ซับซ้อนมาระยะหนึ่งแล้ว ความน่าดึงดูดของความสามารถในการดูดซับข้อมูลจำนวนมากและพยายามค้นหาความรู้สึกนั้นมีความดึงดูดบางอย่าง ทำไมจะไม่ได้? คำมั่นสัญญาของเทคโนโลยี
การทำสิ่งที่ซับซ้อนและหาทางออกที่ดีที่สุดจะดึงดูดผู้มีอำนาจตัดสินใจ
ความท้าทายของโซลูชันแมชชีนเลิร์นนิงช่วยให้ตัดสินใจง่าย ๆ จากข้อมูลอินพุตที่ซับซ้อน ข้อมูลจำนวนมหาศาลทั้งภายในและภายนอก และวิธีการสื่อสารผลลัพธ์ . ในตัวอย่างข้างต้นของการตัดสินใจสองประเภท
หวังว่าอัลกอริธึมการเรียนรู้ของเครื่องจะแก้ปัญหาการซื้อนมได้ค่อนข้างเร็ว
สมมติว่าเราให้ข้อมูลเกี่ยวกับปริมาณที่ซื้อและสภาพอากาศภายนอก – โมเดลจะสร้างการคาดการณ์ที่ดีในอนาคต องค์กรต่างๆ เช่น สถานที่ท่องเที่ยว เครือข่ายร้านอาหาร สายการบิน บริษัทขนส่ง และอื่นๆ อีกมากมายได้รับ
การวิเคราะห์ที่สามารถใช้เพื่อคาดการณ์ปริมาณรายวัน รายสัปดาห์ และตามฤดูกาลตามสภาพอากาศ และยังแนะนำจำนวนทรัพยากรที่อาจต้องใช้เพื่อตอบสนองความต้องการดังกล่าว ตัวแปรเพิ่มเติมเพิ่มความซับซ้อนให้กับแบบจำลองและสร้างศักยภาพเพิ่มเติม
ต้องตอบคำถามอื่นๆ และเพิ่มตัวแปรเพิ่มเติม (เช่น สัปดาห์ที่ตัวทำความสะอาดมาเทียบกับไม่)
กลับไปที่คำถามหลักในการอนุญาตให้ AI ตัดสินใจว่าคุณแต่งงานกับใคร แน่นอนว่ามีจุดข้อมูลมากมาย - การแต่งงานหลายร้อยล้านหรือพันล้านครั้ง ปัจจัยการผลิตที่เกี่ยวข้องได้รับการศึกษามานานหลายศตวรรษทั้งโดยนักวิจัยและผู้จับคู่ มี
ผลผลิตมากมาย
แล้วปัญหาคืออะไร
- แม้ว่าจะมีจุดข้อมูลมากมาย แต่ผู้มีอำนาจตัดสินใจแต่ละคนจะมีความชอบเฉพาะตัว ดังนั้นในโลกของการสร้างแบบจำลอง เราจะต้องสร้างอัลกอริทึมที่แตกต่างกันสำหรับแต่ละคนที่ต้องการจับคู่เพื่อแต่งงาน ซับซ้อนแต่เป็นไปได้
ในอนาคต. พิจารณาว่าเครื่องมือแนะนำอย่าง Apple Music และ Pandora ยังคงพัฒนาประเภทของเพลงที่พวกเขาแนะนำให้คุณตามปฏิกิริยาของคุณอย่างไร โซลูชันดังกล่าวซึ่งการตัดสินใจแต่ละครั้งโดยแบบจำลองที่ได้รับการปรับให้เหมาะสมที่สุดได้ถูกนำมาใช้แล้ว
ในโลกธุรกิจ - ประการที่สอง เราต้องจับจุดข้อมูลที่ถูกต้องและเกี่ยวข้อง และลด 'สัญญาณรบกวน' แม้ว่าบางคนอาจชอบสาวผมบรูเน็ตต์ตาสีฟ้าหรือผมสีบลอนด์ตาสีน้ำตาล แต่การแต่งงานตาม “ประเภทที่ต้องการ” นั้นแทบไม่มีเลยที่จะพิสูจน์ว่าประสบความสำเร็จมากกว่าคนอื่นๆ ออกเดท
แอพยังคงพัฒนาอัลกอริธึมของพวกเขาต่อไปโดยหวังว่าจะได้สูตรที่เหมาะสมสำหรับการจับคู่ดังกล่าว ยังไงก็ต้องไปเดทกันดู - สุดท้าย ค่าใช้จ่ายในการตัดสินใจผิดก็สูง แม้ว่าการปล่อยให้เป็นหน้าที่ของแต่ละคนในการตัดสินใจอาจไม่ได้ผลลัพธ์ที่ดีที่สุด แต่ทีมผู้เชี่ยวชาญที่สร้างโซลูชันแมชชีนเลิร์นนิงอาจไม่ต้องการรับผิดชอบในการตัดสินใจเหล่านี้
มีความเสี่ยงด้านอาชีพที่ต้องแก้ไข ในบริบททางธุรกิจ การให้ผู้เชี่ยวชาญตัดสินใจอาจดีกว่าการยืนยันว่า 'กล่องดำ' รู้ดีที่สุด
หลีกเลี่ยงความเชื่อใจตาบอด
ดังนั้น กลับมาที่ความท้าทายของการแต่งงาน สุนทรพจน์ที่มีชื่อเสียงโดย School of Life ระบุว่าเราจะแต่งงานกับคนที่ผิดสำหรับเราอย่างแน่นอน “คนที่เหมาะกับเราที่สุดไม่ใช่คนที่แบ่งปันทุกรสนิยมของเรา (พวกเขาไม่
มีอยู่) แต่คนที่สามารถต่อรองความแตกต่างในรสชาติอย่างชาญฉลาด — บุคคลที่ไม่เห็นด้วยดี
แทนที่จะเป็นแนวความคิดเกี่ยวกับความเกื้อกูลที่สมบูรณ์แบบ แต่มันคือความสามารถในการทนต่อความแตกต่างด้วยความเอื้ออาทรซึ่งเป็นเครื่องหมายที่แท้จริงของบุคคลที่ 'ไม่ผิดมากเกินไป' ความเข้ากันได้คือความสำเร็จของความรัก มันต้องไม่ใช่เงื่อนไขเบื้องต้น”
การย้ายไปสู่บริบททั่วไปที่กว้างขึ้นในภาษาของการเรียนรู้ของเครื่อง – แทบไม่มีตัวแปรมาตรฐานที่เราทราบล่วงหน้าเกี่ยวกับผู้สมัครที่มีศักยภาพสามารถช่วยเราคาดการณ์ได้หากการตัดสินใจไม่ถูกต้อง เราอยู่ห่างไกลจากการ 'ให้อาหาร
เครื่องจักรของข้อมูลจำนวนมาก' และคาดหวังว่ามันจะสมเหตุสมผล อันที่จริง มันไม่มีทางเกิดขึ้นได้หากปราศจากการแทรกแซงของมนุษย์ เรารู้สึกปลอดภัยมากขึ้นเมื่อนักบินปิดการทำงานอัตโนมัติในช่วงที่มีความวุ่นวาย และด้วยเหตุผลที่ดี
แม้ว่าแมชชีนเลิร์นนิงและ AI จะทำให้ชีวิตของเราง่ายขึ้น แต่ก็ปลอดภัยที่จะบอกว่าเราจะไม่ไว้ใจเทคโนโลยีเหล่านี้อย่างสุ่มสี่สุ่มห้าในการตัดสินใจที่เปลี่ยนแปลงชีวิตสำหรับเรา จากสิ่งนั้น เราจะพูดอะไรกับผู้เชี่ยวชาญในอุตสาหกรรมในการตัดสินใจทางธุรกิจที่สำคัญได้บ้าง ใช้
AI และ ML จะนำคุณไปสู่เป้าหมายได้ครึ่งทาง แต่ให้ผู้เชี่ยวชาญของคุณวิเคราะห์ข้อมูลและใช้วิจารณญาณที่ดีที่สุดพร้อมบริบทเพื่อแนะนำคุณในขั้นตอนสุดท้าย เรากำลังดำเนินการแก้ไขอยู่
