Risk Faktöründe Ustalaşmak: Eşinizi Yapay Zekanın Seçmesine İzin Verir misiniz? (Anna Slodka-Turner)

Yapay Zeka (AI), endüstriler arasındaki birçok konuşmanın ön saflarında yer alıyor. Ve neden olmasın? Bize kapsamlı çözümler sunarak insanoğluna çok fazla zaman kazandırdı. Ancak iyi olan her şey gibi bunun da sınırlamaları var, özellikle de genel yapay zeka.
her şeyi yapabilen bir hoparlör aracılığıyla erişilebilen genel bir algoritma için her şeyi kapsayan bir terim gibi geliyor.

Yapay zeka pek çok şeye çözüm olarak abartıldığında, bu beni düşündürüyor: Bu abartıyı ne kadar ileri götürebilirsiniz? 'Hayat Okulu'ndan' ünlü bir konuşmaNeden yanlış kişiyle evleneceksin? bir soruya ilham kaynağı oldu: 'Yapabilir miydin?
kiminle evleneceğini yapay zekanın seçmesine izin mi vereceğim?' Doğru evlilik seçimlerini yapmanıza yardımcı olabilir mi?

Yapay zeka son derece karmaşık ilişki konularını tam olarak yanıtlayamasa da, sizi yanıtı bulmaya önemli ölçüde yaklaştırabilir. Finans dünyasında buna çok sık rastlıyoruz. Yapay zeka bir sonraki anlaşmayı tahmin edebiliyor mu? Cevap hayır, bu henüz mümkün değil.

Bununla birlikte yapay zeka, gelişmiş analitik ve tahmin yeteneklerine sahip modeller oluşturmak, çok daha derin içgörüler sağlamak ve ne olacağına dair daha net bir fikir sağlamak için kalıpları ortaya çıkarmak için kullanılabilir.

Yapay Zekanın Kararlara Uygulanması

Bunu karar verme bağlamında ele alalım. Basit bir şekilde iki tür kararımız var:

 – Sık sık yaptıklarımız ve dolayısıyla çok sayıda geri bildirim döngüsüne sahip olanlar. Örnek: Süt satın almak. Ailemin haftada dört şişeye ihtiyacımız olduğunu keşfetmesi birkaç ay sürdü; hava soğuk olmadığı sürece ve hafta sonları herkesin fazladan birkaç 'sıcak fincana' ihtiyaç duyduğu zamanlar dışında.
Deseni tespit etmek için ona hava durumu verilerini sağladığımız sürece yapay zeka bu sorunu bizim için daha erken çözebilirdi.

-İkinci tür kararlar ise nadiren verdiğimiz kararlardır. Muhtemelen ömürde yalnızca bir kez, kararımızın sonucuna göre düzeltme yapma şansımız çok azdır. Örneğin: Meslek seçimi, üniversite diploması, ilk iş veya
LOL, evlenmeye karar veriyorum.

Elbette seçimlerimizin sonuçlarıyla yaşıyoruz, ancak bunlardan ders alma ve başka kararlar alma fırsatları sınırlı ve çoğu zaman maliyetlidir.

Okuduğum bir ebeveynlik kitabında şu uyarı yer alıyor: "Sonraki bölümlerdeki ebeveynlik tavsiyelerini desteklerken, bir çocuk üzerinde farklı ebeveynlik yöntemleri denemenin ve sonuçları karşılaştırmanın mümkün olmadığını kabul ediyoruz". Basitçe söylemek gerekirse, yok
Farklı kararları denemenin ve sonuçları karşılaştırmanın bir yolu. Ebeveynliğin zor olduğunu gösteren başka bir şey daha var.

Bu da kalıpları görmek için yeterli veriye sahip olmanın ne kadar önemli olduğunu gösteriyor.

Makine Öğreniminin Zorlukları

Yapay zekanın popüler bir türü olan makine öğrenimi, bir süredir karmaşık sorunlara 'sihirli bir çözüm' olarak görülüyor. Bol miktarda veriyi özümseyip onda anlam bulmaya çalışmanın çekiciliği belli bir çekiciliğe sahip. Neden olmasın? Teknolojinin vaadi
Karmaşık bir şeyi alıp en iyi çözümü bulmak her karar vericinin ilgisini çekecektir.

Makine öğrenimi çözümlerinin zorluğu, karmaşık girdi bilgilerinden basit bir karar alınmasına yardımcı olmaktır; inanılmaz miktarda dahili ve harici veri ve ardından çıktının nasıl iletildiği. . Yukarıdaki iki tür karar örneğinde,
makine öğrenimi algoritmalarının süt satın alma sorununu oldukça hızlı bir şekilde çözeceğini umuyoruz.

Satın alınan miktarlara ve dışarıdaki hava durumuna ilişkin verileri sağladığımızı varsayarsak, model ileriye yönelik iyi bir tahmin oluşturacaktır. Turistik destinasyonlar, restoran zincirleri, havayolları, lojistik şirketleri ve daha pek çok kuruluş,
Hava durumuna göre günlük, haftalık ve sezonluk hacmi tahmin etmek ve hatta bu talebi karşılamak için ne kadar kaynağa ihtiyaç duyabilecekleri konusunda öneride bulunmak için kullanılabilecek analitikler. Ek değişkenler modele daha fazla karmaşıklık katar ve potansiyel ilaveler yaratır.
diğer soruları yanıtlamanız ve daha fazla değişken eklemeniz gerekir (örneğin, temizlikçinin geldiği ve gelmediği haftalar).

Kiminle evleneceğinize yapay zekanın karar vermesine izin verme şeklindeki temel soruya geri dönelim. Elbette çok sayıda veri noktası var; yüz milyonlarca veya milyarlarca evlilik. İlgili girdiler yüzyıllardır hem araştırmacılar hem de çöpçatanlar tarafından incelenmektedir. Var
bol miktarda çıktı.

Peki sorun nedir?

1. Pek çok veri noktası olmasına rağmen, her karar vericinin kendine özgü tercihleri ​​olacaktır; dolayısıyla modelleme dünyasında, evlilik için eşleştirilmesi gereken her kişi için farklı bir algoritma oluşturmamız gerekir. Bu karmaşık ama mümkün
   gelecekte. Apple Music ve Pandora gibi öneri motorlarının tepkilerinize göre size önerdikleri müzik türlerini nasıl geliştirmeye devam ettiklerini düşünün. Her kararın benzersiz şekilde optimize edilmiş bir model tarafından alındığı bu tür çözümler halihazırda uygulamaya konmuştur
   iş dünyasında.
2. İkinci olarak doğru ve ilgili veri noktalarını yakalayıp 'gürültüyü' azaltmamız gerekiyor. Bazıları mavi gözlü esmerleri veya kahverengi gözlü sarışınları tercih etse de, "tercih edilen tiplere" dayalı evliliklerin diğerlerinden daha başarılı olduğunu kanıtlayacak çok az şey var. Flört
   uygulamalar bu tür eşleşmeler için doğru formülü bulma umuduyla algoritmalarını geliştirmeye devam ediyor. Yine de randevulara gidip görmeniz gerekiyor.
3. Son olarak, yanlış karar vermenin maliyeti yüksektir. Karar verme işini kişilere bırakmak en iyi sonuçları vermeyebilir, ancak makine öğrenimi çözümü geliştiren uzman bir ekip bu kararları verme sorumluluğunu istemeyebilir.
   Üzerinde çalışılması gereken bir kariyer sorumluluğu riski vardır. İş bağlamında – 'kara kutunun' en iyisini bildiği konusunda ısrar etmek yerine uzmanların karar vermesine izin vermek daha iyi olabilir.

Kör Güvenden Kaçınmak

Evliliğin zorluklarına dönelim. School of Life'ın ünlü konuşması, bazı açılardan bizim için yanlış olan biriyle elbette evleneceğimizi belirtiyor. “Bize en uygun kişi her zevkimizi paylaşan kişi değildir (onlar
var), ancak zevk farklılıklarını akıllıca müzakere edebilen kişi - anlaşmazlıkta iyi olan kişi.

Kusursuz tamamlayıcılık gibi kavramsal bir fikirden ziyade, 'aşırı derecede hatalı olmayan' kişinin gerçek işareti, farklılıklara cömertlikle hoşgörü gösterme kapasitesidir. Uyumluluk sevginin bir başarısıdır; bu onun önkoşulu olmamalıdır.”

Makine öğrenimi dilinde daha geniş bir genel bağlama bakarsak, potansiyel bir aday hakkında önceden bildiğimiz standart değişkenlerin hemen hemen hiçbiri, kararın yanlış olup olmadığını tahmin etmemize yardımcı olamaz. beslemekten uzağız
çok sayıda veriyi işliyor ve ondan anlam çıkarmasını bekliyoruz. Aslında insan müdahalesi olmadan bu asla gerçekleşmeyebilir. Pilot türbülans sırasında otomatik pilotu kapattığında kendimizi daha güvende hissederiz ve bunun iyi bir nedeni vardır.

Makine öğrenimi ve yapay zeka hayatımızı kolaylaştırabilirken, bu teknolojilerin bizim için hayatı değiştirecek kararlar almasına körü körüne güvenmeyeceğimizi söylemek yanlış olmaz. Buradan hareketle, önemli iş kararları veren sektör uzmanlarına ne söyleyebiliriz? Kullanmak
Yapay zeka ve makine öğrenimi sizi hedefinizin yarısına kadar götürecek; ancak verileri analiz etmeleri ve son adımlarda size rehberlik edecek bağlamla ilgili en iyi kararlarını kullanmaları için uzmanlarınıza güvenin. Mutlaka üzerinde çalışıyoruz.