Машинный интеллект сделает прогнозирование доступным

Традиционные технологические революции приводят к удешевлению какого-либо процесса. Машинный интеллект представляет собой технологию прогнозирования, а значит, с распространением алгоритмов товары и услуги, которые строятся на прогнозировании, будут стоить дешевле. В этом заключается главный экономический сдвиг будущего, пишут эксперты по экономике из Harvard Business Review.

Прогнозирование — это один из ключевых факторов в сфере транспорта, сельского хозяйства, здравоохранения, энергетики и торговли. Если стоимость технологии начнет резко падать, то люди начнут использовать прогнозирование там, где раньше оно не применялось.

Классический пример такой экономической матрицы — это вычисления. Полупроводники сделали вычисления дешевыми, поэтому анализ данных и бухгалтерский учет упали в цене. И со временем новые вычислительные возможности стали использоваться для совсем не арифметических задач. Один из таких примеров — фотография. На смену пленке пришла «цифра», а химический подход к фотографированию сменился математическим.

Такой же сценарий ожидает и машинный интеллект. Достаточно посмотреть, как развивается сфера навигации. До недавних пор беспилотные автомобили могли ездить только по ограниченной территории и под постоянным контролем программистов. Они старались заранее определить возможные сценарии развития и создавать алгоритмы «если…, то…». Например, «Если объект подойдет близко, то надо затормозить». Однако в реальных условиях таких алгоритмов понадобилось бы бесконечное количество.

Как только прогнозирование упало в цене, разработчики стали рассматривать вождение как задачку, которую можно решить с помощью грамотных прогнозов. ИИ должен предсказать, как повел бы себя человек в конкретной ситуации. Для этого робомобили оборудуют камерами, радарами и лидарами, а также собирают реальные данные о вождении. Все это в комплексе помогает машине составлять прогнозы — и действовать в соответственно.

Человеческая деятельность состоит из пяти важнейших компонентов: сбор данных, прогнозирование, вынесение суждения, действия и результаты. HBR приводит пример из медицины. При жалобах на боли пациент приходит ко врачу и проходит рентген, сдает кровь и другие анализы, то есть ведется сбор данных. Затем составляется прогноз — если выбрать лечение А, то стоит ожидать результат Б. После этого учитываются возраст пациента, его стиль жизни и семейное положение, риски и побочные эффекты — это классический пример суждения. Следующий этап — действие — применение лекарств. И последний этап — выздоровление, то есть результат. Машинный интеллект в этой ситуации возьмет на себя задачи по прогнозированию, но не сможет заменить человека. Алгоритмы будут определять состояние пациента за бесценок, а реальные врачи будут выносить итоговые суждения — и этот навык будет цениться особенно высоко.