Искусственный интеллект на службе бизнеса

Точные прогнозы позволяют предсказывать больше и чаще, снижая неопределенность. Каждый прогноз обладает косвенным воздействием: он делает возможным выбор, который вы раньше не рассматривали. И для этого не нужно подробно программировать «если» и «то». Прогностическую машину можно обучать на примерах. Вуаля! Проблемы, не считавшиеся раньше прогностическими, теперь решаются. А раньше мы постоянно шли на компромиссы, даже не осознавая этого.

Компромиссы – ключевой аспект принятия решений человеком. Лауреат Нобелевской премии по экономике Герберт Саймон назвал их разумной достаточностью. Тогда как в классических экономических моделях решения принимают гиперрациональные существа, Саймон в своей работе признал и подчеркнул, что людям не под силу справиться со сложностью. Они склоняются к разумной достаточности и делают все возможное для достижения цели. Думать трудно, поэтому люди все упрощают.

Саймон был разносторонне одаренным ученым. Кроме Нобелевской премии он получил премию Тьюринга, часто называемую Нобелевской премией по информатике, за вклад в ИИ. Его работы по экономике и информатике взаимосвязаны. В продолжение своей мысли в докладе 1976 года после вручения премии Тьюринга ученый подчеркнул, что у компьютеров «ограниченные ресурсы обработки; за конечное количество шагов в конечный период времени они выполняют конечное число процессов». Саймон признал, что компьютеры, как и люди, склонны к разумной достаточности[81].

Почтовые роботы и залы ожидания в аэропортах – примеры разумной достаточности при отсутствии точного прогноза. И такие примеры повсюду. Только опыт и время позволят представить все возможности качественной прогностики. Большинству неочевидно, что залы ожидания решают проблему неточных прогнозов и в эпоху совершенных прогностических машин станут не нужны. Мы так привыкли к разумной достаточности, что даже не рассматриваем прогнозирование в некоторых решениях.

В приведенном примере с переводом специалисты считали автоматический языковой перевод лингвистической, а не прогностической проблемой. С точки зрения лингвистики следует взять словарь и переводить одно слово за другим с учетом грамматических правил. Это было разумной достаточностью и давало плохой результат из-за слишком многих «если». Перевод стали считать прогностической проблемой, когда исследователи обнаружили, что его можно осуществлять не словами, а предложениями или целыми абзацами.

Перевод с помощью прогностических машин включает в себя прогнозирование вероятного эквивалента на другом языке. Статистика позволяет компьютеру выбрать лучший вариант перевода, прогнозируя «если»: какое предложение, вероятнее всего, использовал бы профессиональный переводчик из соответствующих данных. Что самое интересное, для этого не нужны лингвистические правила. Фредерик Йелинек[82] сказал: «Каждый раз, когда я увольняю лингвиста, работа распознавателя речи улучшается»[83]. Очевидно, лингвисты и переводчики этому не обрадуются. Прочие прогностические задачи – в том числе распознавание образов, шопинг и разговор – относятся к категории сложных, но разрешимых с помощью машинного обучения.

Точный прогноз для сложных решений снижает риски. Например, недавно ИИ нашлось практическое применение в рентгенологии. Работа рентгенолога заключается в основном в изучении рентгенограммы пациента для выявления причины возникшего недомогания. Таким образом рентгенологи прогнозируют аномалии развития какого-либо процесса или внутреннего органа.

ИИ все чаще способен выполнять прогностическую функцию на уровне физиологии человека – и делает это лучше, что поможет рентгенологам и другим врачам принимать более оправданные решения относительно системы лечения. Важнейшим показателем эффективности служит точность диагноза: сможет ли машина прогнозировать заболевание у больных людей и отсутствие болезней у здоровых.

Следует учитывать все факторы таких решений. Предположим, что врачи подозревают опухоль и должны решить, каким способом выяснить, злокачественная она или нет. Один из вариантов – медицинская визуализация. Есть еще инвазивные методы, такие как биопсия. Ее преимущества заключаются в высокой вероятности постановки верного диагноза. Но из-за инвазивного характера самого метода как врачи, так и пациенты стремятся его избежать, если вероятность злокачественной опухоли невелика. Как правило, биопсию проводят только при высокой вероятности серьезного диагноза. Это гарантия своевременного лечения смертельно опасного заболевания, но она дорого обходится.

Решение сделать биопсию зависит от стоимости, степени инвазивности самой процедуры и уровня риска, если время на лечение будет упущено. Опираясь на эти факторы, врач решает, стоит ли биопсия физических и финансовых издержек.