Künstliche Intelligenz (KI) steht im Mittelpunkt vieler branchenübergreifender Gespräche. Und warum nicht? Es hat uns umfangreiche Lösungen gebracht und der Menschheit so viel Zeit gespart. Aber wie alles Gute hat es Einschränkungen, insbesondere die allgemeine KI, die sich oft wie ein Sammelbegriff für einen allgemeinen Algorithmus anfühlt, der über eine Freisprecheinrichtung zugänglich ist und alles kann.
Wenn KI als Lösung für so viele Dinge gehyped wird, denke ich, wie weit kann man diesen Hype treiben? Ein berühmter Vortrag aus der „School of Life“ über „Warum du die falsche Person heiraten wirst“ inspirierte zu einer Frage: „Würdest du die KI wählen lassen, wen du heiratest?“ Könnte es helfen, die richtigen Eheentscheidungen zu treffen?
Obwohl KI extrem komplexe Beziehungsangelegenheiten nicht vollständig beantworten kann, kann sie Sie der Suche nach der Antwort erheblich näher bringen. Das begegnet uns in der Finanzwelt recht häufig. Kann KI den nächsten Deal vorhersagen? Die Antwort ist nein, das ist noch nicht möglich.
KI kann jedoch verwendet werden, um Modelle mit verbesserten Analyse- und Prognosefähigkeiten zu erstellen, die viel tiefere Einblicke liefern und Muster aufdecken, um eine klarere Vorstellung davon zu geben, was kommt.
Anwendung von KI auf Entscheidungen
Betrachten wir dies im Zusammenhang mit der Entscheidungsfindung. Vereinfacht gesagt haben wir zwei Arten von Entscheidungen:
– Solche, die wir häufig machen und daher mit vielen Feedbackschleifen. Beispiel: Milch kaufen. Meine Familie brauchte ein paar Monate, um herauszufinden, dass wir vier Flaschen pro Woche brauchen, es sei denn, es ist kalt und am Wochenende, wenn jeder ein paar zusätzliche „warme Tassen“ braucht. KI hätte es möglicherweise früher für uns lösen können, solange wir es mit den Wetterdaten fütterten, um das Muster zu erkennen.
-Die zweite Art von Entscheidungen sind diejenigen, die wir selten treffen. Möglicherweise nur einmal im Leben mit geringer Chance, eine Korrektur basierend auf dem Ergebnis unserer Entscheidung vorzunehmen. ZB: Berufswahl, Hochschulabschluss, erster Job oder LOL, Entscheidung zu heiraten.
Natürlich leben wir mit den Folgen unserer Entscheidungen, aber die Möglichkeiten, daraus zu lernen und andere Entscheidungen zu treffen, sind begrenzt und oft kostspielig.
Ein Elternbuch, das ich gelesen habe, enthält einen Vorbehalt in dieser Richtung: „Obwohl wir die Erziehungsratschläge in den folgenden Kapiteln unterstützen, erkennen wir an, dass es nicht möglich ist, verschiedene Erziehungsmethoden an einem Kind auszuprobieren und die Ergebnisse zu vergleichen.“ Einfach ausgedrückt, es gibt keine Möglichkeit, verschiedene Entscheidungen auszuprobieren und die Ergebnisse zu vergleichen. Nur eine andere Sache, die zeigt, dass Elternschaft schwierig ist.
Und es zeigt, wie wichtig es ist, genügend Daten zu haben, um Muster zu erkennen.
Herausforderungen beim maschinellen Lernen
Maschinelles Lernen, eine beliebte Form der KI, gilt seit einiger Zeit als „magische Lösung“ für komplexe Probleme. Der Reiz, viele Daten aufzunehmen und zu versuchen, einen Sinn darin zu finden, hat einen gewissen Reiz. Warum nicht? Das Versprechen, dass Technologie etwas Komplexes nimmt und die beste Lösung hervorbringt, würde jeden Entscheidungsträger ansprechen.
Die Herausforderung von Lösungen für maschinelles Lernen besteht darin, aus komplexen Eingabeinformationen eine einfache Entscheidung zu treffen; unglaubliche Datenmengen, intern und extern, und dann, wie die Ausgabe kommuniziert wird. . In den obigen Beispielen für zwei Arten von Entscheidungen würden maschinelle Lernalgorithmen die Milchkauffrage hoffentlich ziemlich schnell lösen.
Angenommen, wir liefern die Daten zu den gekauften Mengen und dem Wetter draußen – das Modell würde eine gute Prognose für die Zukunft erstellen. Organisationen wie Reiseziele, Restaurantketten, Fluggesellschaften, Logistikunternehmen und viele mehr erhalten Analysen, mit denen sie das tägliche, wöchentliche und saisonale Volumen basierend auf dem Wetter vorhersagen und sogar empfehlen können, wie viele Ressourcen sie möglicherweise benötigen, um diesen Bedarf zu decken. Zusätzliche Variablen erhöhen die Komplexität des Modells und schaffen möglicherweise zusätzlichen Bedarf, andere Fragen zu beantworten und weitere Variablen hinzuzufügen (z. B. Wochen, in denen die Reinigungskraft kommt oder nicht).
Zurück zur Kernfrage, KI entscheiden zu lassen, wen man heiratet. Sicherlich gibt es viele Datenpunkte – Hunderte von Millionen oder Milliarden von Ehen. Die relevanten Eingaben werden seit Jahrhunderten sowohl von Forschern als auch von Heiratsvermittlern untersucht. Es gibt viele Ausgänge.
Also, was ist das Problem?
Obwohl es viele Datenpunkte gibt, hat jeder einzigartige Entscheidungsträger seine einzigartigen Vorlieben – in der Modellierungswelt müssten wir also für jede Person, die für die Ehe zusammengebracht werden muss, einen anderen Algorithmus erstellen. Das ist aufwändig, aber in Zukunft möglich. Überlegen Sie, wie Empfehlungsmaschinen wie Apple Music und Pandora die Musikarten, die sie Ihnen vorschlagen, basierend auf Ihren Reaktionen weiterentwickeln. Solche Lösungen, bei denen jede Entscheidung von einem einzigartig optimierten Modell getroffen wird, werden bereits in der Geschäftswelt eingesetzt. Zweitens müssen wir die richtigen und relevanten Datenpunkte erfassen und das „Rauschen“ reduzieren. Während einige vielleicht blauäugige Brünette oder braunäugige Blondinen bevorzugen, gibt es wenig Beweise dafür, dass Ehen, die auf „bevorzugten Typen“ basieren, erfolgreicher sind als andere. Dating-Apps verfeinern weiterhin ihre Algorithmen in der Hoffnung, die richtige Formel für solche Übereinstimmungen zu finden. Trotzdem müssen Sie zu den Daten gehen und sehen. Schließlich sind die Kosten für eine falsche Entscheidung hoch. Während es den einzelnen Personen überlassen wird, Entscheidungen zu treffen, werden möglicherweise nicht die besten Ergebnisse erzielt, aber ein Expertenteam, das eine Lösung für maschinelles Lernen entwickelt, möchte möglicherweise nicht die Verantwortung für das Treffen dieser Entscheidungen übernehmen. Es besteht ein Berufshaftpflichtrisiko, das es zu klären gilt. Im geschäftlichen Kontext ist es möglicherweise besser, die Experten entscheiden zu lassen, als darauf zu bestehen, dass die „Black Box“ es am besten weiß.
Blindes Vertrauen vermeiden
Also zurück zu den Herausforderungen der Ehe. Die berühmte Rede von School of Life besagt einfach, dass wir natürlich eine Person heiraten werden, die in gewisser Weise falsch für uns ist. „Die Person, die am besten zu uns passt, ist nicht die Person, die jeden unserer Vorlieben teilt (es gibt sie nicht), sondern die Person, die Geschmacksunterschiede intelligent aushandeln kann – die Person, die gut darin ist, zu widersprechen.
Anstelle einer fiktiven Vorstellung von perfekter Komplementarität ist es die Fähigkeit, Unterschiede großzügig zu tolerieren, die das wahre Kennzeichen der „nicht allzu falschen“ Person ist. Kompatibilität ist eine Errungenschaft der Liebe; es darf nicht seine Voraussetzung sein.“
Um zu einem breiteren allgemeinen Kontext zu kommen, in der Sprache des maschinellen Lernens – so gut wie keine der Standardvariablen, die wir im Voraus über einen potenziellen Kandidaten kennen, könnte uns helfen, vorherzusagen, ob die Entscheidung falsch ist. Wir sind weit davon entfernt, „die Maschine mit vielen Daten zu füttern“ und zu erwarten, dass sie einen Sinn ergibt. Tatsächlich kann es ohne menschliches Eingreifen niemals passieren. Wir fühlen uns sicherer, wenn der Pilot bei Turbulenzen den Autopiloten abschaltet, und das aus gutem Grund.
Obwohl maschinelles Lernen und KI unser Leben erleichtern können, können wir mit Sicherheit sagen, dass wir diesen Technologien nicht blind vertrauen würden, um lebensverändernde Entscheidungen für uns zu treffen. Was können wir davon ausgehend Branchenexperten sagen, die wichtige Geschäftsentscheidungen treffen? Verwenden Sie KI und ML, um Sie auf halbem Weg zu Ihrem Ziel zu bringen – aber lassen Sie Ihre Experten die Daten analysieren und nutzen Sie ihr bestes Urteilsvermögen mit Kontext, um Sie in den letzten Schritten zu führen. Wir arbeiten sicher daran.
