oPeniazoch.sk, conversable economist Foto: getty images
Veda o údajoch, či strojové učenie. Dá sa využiť na všeličo, napríklad dokážeme zistiť, či je autorom piesne od Beatles Lennon alebo McCartney pri tých, ktoré sú oficiálne pripisované obom.
Umelá inteligencia, rozšírená inteligencia, nie je inteligencia ľudského typu. Namiesto toho je to súbor počítačových programov, ktoré využívajú množstvo údajov. Ide o "strojové učenie", definované ako "algoritmické pole, ktoré spája myšlienky zo štatistík, počítačovej vedy a mnohých ďalších disciplín na navrhovanie algoritmov, spracúvanie údajov, vytváranie predpovedí a pomoci pri rozhodovaní.“
Napríklad spotrebiteľské odporúčania alebo systémy na odhaľovanie podvodov sú strojové učenie, nie flexibilná kognitívna schopnosť na vysokej úrovni, ktorú väčšina z nás považuje za „inteligenciu“. Informačné technológie, ktorá by fungovali, napr. ako operačný systém autonómnych vozidiel, sú viac prepojené s oveľa komplikovanejším systémom riadenia letovej prevádzky, než s ľudským mozgom.
Jedným z dôsledkov pre ekonomiku je, že ak je umelá inteligencia naozaj strojové učenie a strojové učenie je o programoch, ktoré sa môžu aktualizovať a trénovať sa na lepšie predpovede, potom je možné analyzovať vplyv umelej inteligencie na trh práce tým, že sa pozrieme na špecifické úlohy v rámci rôznych oblastí. Okrem toho algoritmy strojového učenia, ktoré často zahŕňajú zmiešanie výsledkov z minulého výskumu a existujúcich údajov v rôznych situáciách s novými formami údajov, môžu ponúknuť nesprávny výsledok. Popisuje to Michael I. Jordan v eseji s názvom "Umelá inteligencia – revolúcia ktorá sa ešte nestane."
Počítače robia už dnes rozhodnutia o živote alebo smrti. Jordan spomína príhodu, kedy šiel so svojou tehotnou manželkou na ultrazvuk. Biele škvrny okolo srdca plodu sú markermi Downovho syndrómu, riziko je jedna ku dvadsať, tvrdil lekár s tým, že či plod skutočne má genetickú modifikáciu, ktorá je základom Downovho syndrómu, sa dá zistiť pomocou amniocentézy. Spája sa to však s rizikom, že to plod neprežije 1:300. Jordan sa rozhodol zistiť, odkiaľ tieto štatistické čísla pochádzajú. V jednom prípade šlo o štatistickú analýzu, v ktorej tieto biele škvrny odrážali nahromadenie vápnika, a boli skutočne stanovené ako prediktor Downovho syndrómu.
Ale zobrazovací prístroj, ktorý jeho lekár použil, mal rozlíšenie niekoľko stoviek pixlov. Uveril, že biele škvrny sú pravdepodobne falošným poplachom, šlo by tak doslova o biely šum. „Ach, to vysvetľuje, prečo sme pred niekoľkými rokmi začali vidieť častejšie diagnózu Downovho syndrómu. To kvôli tomu, že prišiel nový prístroj.“ Žena o pár mesiacov neskôr porodila zdravé dieťa, ale mnoho tisícov ľudí sa rozhodlo pre amniocentézu a mnoho detí možno zomrelo úplne zbytočne. Problém teda bol so zdravotníckym systémom, ktorý meral premenné a výsledky na rôznych miestach a časoch, na základe čoho vytváral štatistické analýzy a využíval výsledky v iných situáciách.
Posledné desaťročie ukazuje, že ľudia môžu zaznamenávať svoje vlastné činy, keď čelia určitým úlohám, ktoré môžu byť recyklované, aby mohli prijímať nové rozhodnutia (alebo možno lepšie, pretože recyklované rozhodnutia sú imúnne voči únave a impulzom). Recyklovaná ľudská inteligencia si nezaslúži, aby sa označovala ako rozšírená inteligencia. To naozaj nie rozšírený rozsah ľudských schopností. Spoliehať sa na takéto recyklované informácie je riskantné; môže dávať systematicky nesprávne odpovede.
Johnson sa ale nezaoberá tým, či by sme mali hovoriť o rozšírenej inteligencii, alebo nie. Alebo či strojové učenie „nahradí“ pracovníkov, alebo nie. Namiesto toho premýšľa o tom, ako budú ľudia s týmito novými schopnosťami spolupracovať. Naráža na otázky týkajúce sa súkromia, prístupu k technológiám, štruktúry trhovej konkurencie a ďalšie. Johnson tvrdí, že v súčasných programoch strojového učenia chýba zmysel toho, čo chcú konkrétni ľudia. Odvoláva sa na úlohu trhov. Johnson tvrdí, že namiesto toho, aby sme predstierali, že napodobňujeme ľudskú "inteligenciu" so všetkými nedostatkami, o ktorých vieme, by sme mali premýšľať o interakciách toho, ako môžu informačné technológie riešiť prideľovanie verejných a súkromných zdrojov v prospech ľudí.
Zoberme si príklad. Chcete vytvoriť aplikáciu, ktorá odporúča trasy na letisko. Ak len málo ľudí v meste používa aplikáciu, potom je pre nich užitočná. Keď mnoho ľudí začne používať aplikáciu, bude pravdepodobne odporúčať rovnakú cestu pre veľké množstvo ľudí a vzniknú zápchy. Najlepším spôsobom, ako zmierniť takéto preťaženie, nie je jednoducho priradiť ľudí k ich túžbam, ale aby sa brali do úvahy aj ich preferencie. V daný deň sa niektorí ľudia môžu ponáhľať, aby sa dostali na letisko včas, ale iní nemusia byť v časovom strese. Efektívny systém by tieto preferencie rešpektoval a nechal tých, ktorí sa ponáhľajú, aby zaplatili viac za svoju rýchlejšiu trasu a umožnili ostatným ušetriť.
Ale ako môže aplikácia poznať preferencie svojich používateľov? Rovnako ako v oblasti reklamy je úlohou počítača zistiť preferencie ľudí zhromažďovaním čo najväčšieho množstva informácií o svojich používateľoch a využívaním umelej inteligencie. Ale to je predsa absurdné. V reálnom svete sú naše preferencie a rozhodnutia kontextové a aktuálne. Neexistuje spôsob, ako môžu firmy zbierať dostatok údajov, aby vedeli, čo naozaj chceme. Taktiež by sme nechceli, aby takéto údaje zbierali. Príťažlivejším prístupom je posilnenie postavenia jednotlivcov vytvorením obojsmerného trhu, kde (povedzme) segmenty ulíc ponúkajú možnosti vodičom a vodiči sa môžu rozhodovať o tom, do akej miery ich využijú a sú ochotní zaplatiť si za rýchlejšiu trasu. Podobne by systém odporúčaní reštaurácií mohol posielať veľké množstvo ľudí do tej istej reštaurácie. Opäť by to nemalo byť ponechané výhradne na umelej inteligencii, ktorý údajne vie všetko o užívateľoch danej platformy. Namiesto toho by sa mal vytvoriť obojsmerný trh, na ktorom sa obe strany navzájom vidia prostredníctvom systémov odporúčaní.
Len tak sa dokážeme presunúť nad rámec klasickej mikroekonomiky. Rovnako ako nám moderné systémy odporúčaní umožnili zabudnúť na klasické katalógy tovarov, musíme na vytvorenie nových druhov obojsmerných trhov využiť informatiku a štatistiku. Obchodné modely moderných informačných technológií by mali byť menej o speňažení reklamy, pretože neposkytujú dostatočnú ekonomickú hodnotu priamo spotrebiteľovi, ale viac o poskytovaní nových spojení medzi (novými druhmi) výrobcov a spotrebiteľov. Vytvorenie týchto prepojení v kontexte novej inžinierskej disciplíny, dokáže budovať trhové mechanizmy prevyšujúce tok údajov. Vytvorili by sa nové „inteligentné trhy“, ktoré ešte v súčasnosti neexistujú. Takéto trhy by vytvorili pracovné miesta a podporili kreativitu.
Vyžaduje si to veľkú pozornosť venovanú toku údajov a analýze údajov, vyžadovalo by si to premiešanie analýzy s myšlienkami z trhového dizajnu a teórie hier. Vyžadovalo by si to integráciu všetkých vyššie uvedených oblastí s inovatívnym myslením v oblasti sociálnej, právnej a verejnej politiky. Trhové sily určite nie sú všeliek, sú však dôležitým zdrojom algoritmických nápadov na budovanie inteligentných systémov, aké zatiaľ ignorujeme. Vidíme skôr riziko, ako systémy umelej inteligencie vytvárajú problémy týkajúce sa spravodlivosti, zaujatosti či škrtania pracovných miest. Musíme tieto problémy znovu definovať spôsobom, aby sa na úrovni algoritmov mohli brať do úvahy trhové mechanizmy ako súčasť úsilia o to, aby bol celkový systém „inteligentnejší“.
Ignorovanie trhových mechanizmov pri rozvoji moderných informačných systémov by bolo podobné, ako rozvíjať oblasť stavebného inžinierstva a zároveň ignorovať gravitáciu. Trhy je potrebné regulovať, samozrejme, a na zistenie vhodných regulačných mechanizmov je potrebný čas a skúsenosti. To však nie je pre trhy jedinečný problém. To isté platí aj o gravitácii, keď ju chápeme ako nástroj v stavebníctve. Niekedy spôsobí pád ľudí, mostov a budov. Preto by sa mala rešpektovať, chápať. Budeme potrebovať nové druhy trhov, čo si bude vyžadovať výskum nových trhových návrhov a primeranú reguláciu. Ale otvoria sa nám obrovské možnosti.
