Такие решения, как правило, приходится принимать в условиях неопределенности. Учитель не знает наверняка, станет конкретный ребенок учиться лучше по одной или другой методике. Менеджер не уверен, насколько хорошо будет работать нанятый им сотрудник. Доктор неточно знает, необходимо ли дорогостоящее обследование. Все люди вынуждены прогнозировать.
Но прогноз – не решение. Чтобы принять решение, следует вынести суждение о прогнозе последующих действий. До недавнего прогресса машинного интеллекта данное разделение этапов интересовало только ученых, потому что люди всегда прогнозировали и судили одновременно, но сегодня развитие машинного прогнозирования привело нас к необходимости выяснить анатомию решений.
Анатомия решений
Влияние прогностических машин ощутимее всего на уровне решений. Но у них еще шесть ключевых составляющих (рис. 5.1). Когда кто-то (или что-то) принимает решение, то использует входные данные из окружающей обстановки, позволяющие сделать прогноз. Этот прогноз стал возможным вследствие обучения, из которого известно об отношениях между разными типами данных и о том, какой из них ближе всего к рассматриваемой ситуации. Объединив суждение о ней с прогнозом, принимающий решение выбирает действие. Оно ведет к результату (положительному или отрицательному). Результат есть следствие решения, он необходим для завершения картины. Также результат дает обратную связь, полезную для улучшения последующих решений.
Рис. 5.1. Анатомия решений
Представьте, что у вас заболела нога и вы пошли к врачу. Он осмотрел вас, сделал рентген, взял анализ крови, задал несколько вопросов – собрал входные данные. С их учетом, а также опираясь на полученные во время обучения знания и опыт лечения пациентов с похожими симптомами (обучающие данные и данные обратной связи), врач делает прогноз: «Скорее всего, у вас мышечные судороги, хотя есть и небольшая вероятность тромба».
Суждение осуществляется одновременно с анализом. Врач принимает во внимание и другие данные (в том числе интуицию и опыт). Если предположить мышечные судороги, то для выздоровления вам нужен покой. Если же симптомы указывают на тромбоз, необходимо другое лекарство без долговременных побочных эффектов, но у большинства пациентов его прием сопровождается незначительным недомоганием. Если врач ошибется и предложит лечить мышечные судороги лекарством от тромбоза, то вы зря пострадаете от несущественных побочных эффектов. Если же у вас тромб, а доктор пропишет вам отдых, вас могут ждать более серьезные последствия вплоть до фатальных. В суждении сопоставляются положительные и отрицательные стороны всех возможных результатов, являющихся следствием как верных, так и ошибочных решений (в данном случае это исцеление, побочные эффекты и серьезные осложнения). Определение положительных и отрицательных сторон всех возможных результатов необходимо, чтобы выбрать между медикаментозным лечением (которое принесет временный дискомфорт, зато снизит риск серьезных осложнений) и покоем.
Применив суждение к прогнозу, врач решает, вероятно с учетом вашего возраста и исходя из возможных рисков, назначить вам покой для лечения мышечной судороги, несмотря на минимальную вероятность тромбоза.
Далее следует действие – назначение лекарства и отслеживание результата: ушла ли боль в ноге, и не появились ли другие симптомы. Свои наблюдения врач сможет использовать для последующих прогнозов.
Разбивая решение на составляющие, мы получаем четкое представление о том, ценность какой деятельности человека снизится, а какой – повысится в результате внедрения машинных прогнозов. Что касается собственно прогнозов, то очевидно, что машины в целом справляются с ними лучше человека. И поскольку машины все чаще делают прогноз вместо людей, ценность человеческих прогнозов снижается. Но главный вывод в том, что прогноз представляет собой ключевой, но не единственный компонент любого решения, в остальных (суждение, данные и действие) уверенное преимущество остается за человеком. Составляющие решения дополняют прогноз, то есть их ценность повышается с его удешевлением. Например, мы готовы приложить усилия к вынесению суждения в случаях, когда раньше предпочитали не решать что-либо (то есть принимали все по умолчанию), потому что прогностические машины делают прогноз лучше, быстрее и дешевле. Вот почему спрос на суждения человека растет и продолжит расти.
Утрата знаний
Чтобы стать водителем знаменитых лондонских черных такси (Black Cab), претенденты проходят тест. Проверяется их знание тысяч мест и улиц города и – самое сложное – умение прогнозировать кратчайший или быстрейший путь между любыми двумя точками в любое время суток. Трудно представить себе объем такой информации даже для маленького города, а Лондон огромен. Он состоит из множества районов, которые раньше были отдельными городами и деревнями, но за последние две тысячи лет срослись в гигантский мегаполис. Чтобы пройти тест, будущий водитель должен правильно ответить на все вопросы. Неудивительно, что в среднем для этого требуется три года, и все это время необходимо не только изучать карты, но еще и кататься по городу и все запоминать. Пройдя тест и получив зеленый значок, таксист становится кладезем знаний
[65].
Уже понятно, к чему мы клоним. Десять лет назад знания лондонских таксистов были их конкурентным преимуществом, никто не мог сравниться с ними по качеству услуг. Даже если можно было дойти пешком, люди садились в такси, потому что водители знали дорогу лучше. Но пять лет назад простейшие мобильные GPS-устройства (или спутниковые навигационные системы) дали всем водителям доступ к данным и прогнозам, которыми раньше владели только таксисты. Сейчас любой получает эти преимущества бесплатно в мобильном телефоне. Заблудиться просто невозможно, каждый знает кратчайший путь. А телефоны обошли преимущества такси, потому что в реальном времени обновляют информацию о загруженности дорог.
Таксисты три года корпели над сдачей теста, не подозревая, что им придется состязаться с прогностическими машинами. Они «загрузили» карты в собственную память и протестировали маршруты, а если чего-то не знали, такие проблемы компенсировались смекалкой. Сейчас у навигаторов есть доступ к тем же картам, а алгоритмы и прогностическое обучение позволяют им в любой момент выбрать оптимальный маршрут с учетом прежде недоступных таксистам данных по обстановке на дорогах.
Судьба лондонских таксистов зависит не только от способности навигаторов прогнозировать, но и от других элементов, необходимых для выбора оптимального пути из пункта А в пункт Б. Во-первых, таксист полностью контролирует автомобиль. Во-вторых, у него есть свои «датчики» – глаза и уши, – через которые в мозг поступают контекстные данные, благодаря чему он правильно применяет свои знания. Но все это есть и у других людей. Ни один таксист не стал хуже водить из-за навигаторов – наоборот, непрофессиональные водители стали ездить лучше. Знания таксистов перестали принадлежать только им, и у них появились конкуренты на таких платформах, как Uber.
