Отличный анализ. Спасибо, Грег!
Запутанная корреляция с причинно-следственной связью — это давнее и широко распространенное неправильное представление о рассуждениях не только ИИ, но и самих людей. На разработку методологий преодоления этих трудностей ушли столетия, и мы можем гордиться тем, что нашли решение. Это нынешняя научная методология, которая почти во всех науках грубо содержит следующие элементы: наблюдение, формирование теории, генерация гипотез, экспериментирование (с изменением предполагаемых причинных факторов), оценка и интерпретация. С некоторых пор эта методология также применяется к бизнес-стратегии и разработке продуктов. Спасибо Стиву Бланку и Эрику Рису за то, что они сделали концепцию бережливого стартапа общедоступной.
ИИ приобрел огромную мощь в сложной аналитике данных и прогнозах. Я предполагаю, что пройдет много времени, прежде чем ИИ достигнет состояния, когда он сможет самостоятельно выполнять причинно-следственные рассуждения. Одних алгоритмов, вроде каузального исчисления Judea Pearl будет недостаточно. Может быть, это даже не разумная цель. При обнаружении причинно-следственных связей люди и ИИ могут стать непобедимой командой. Некоторые идеи, как это может работать:
- Наблюдение: обширные коллекции данных могут быть отправной точкой, а искусственный интеллект — эффективным инструментом для их анализа. Что мы получаем, так это, по крайней мере, корреляции и распознавание образов.
- Формирование теории (может начаться даже до наблюдения): благодаря широкому пониманию мира и того, как он устроен, люди все же лучше формируют разумную теорию. Возможно, однажды ИИ сможет предоставить набор различных предложений для теории, которую люди смогут оценить и уточнить.
- Генерация гипотез: они выводятся из определенной теории и дают прогнозы, которые можно проверить. Как и формирование теории, это все еще задача, которую люди решают лучше. Но вполне возможно, что машины могли бы помочь, основываясь на предполагаемых корреляциях, предполагаемых искажающих факторах и контрфактах.
- Эксперименты: разработка и проведение экспериментов уже могут быть выполнены в высоком качестве и в большом количестве с помощью ИИ, если все, что нужно, — это цифровые технологии. Тысячи экспериментов по оптимизации, которые Amazon, Facebook, Alibaba и другие компании проводят каждый день, являются хорошим примером. Как только физический объект или люди должны быть вовлечены в эксперимент, люди по-прежнему будут ведущей частью экспериментов.
- Оценка: отличная задача для ИИ. Он может анализировать тонны данных за считанные секунды.
- Интерпретация: я считаю это привилегией для людей. Опять же, это требует широкого понимания мира, более широкого, чем у ИИ на данный момент.
Вообще говоря, переход к более умным машинам может быть только одной стороной дела. В конце концов, речь идет о переходе к более разумному сотрудничеству машин и людей. ИИ и люди могут образовывать сильные и эффективные команды, которые вместе могут получить более глубокое понимание, чем одна из сторон в одиночку.
