Humbug

Blog Humbug Josef Havelka
Proč umělá inteligence všechno (ne)vyřeší?

Proč umělá inteligence všechno (ne)vyřeší?


Dennodenně jsem bombardován e-maily a telefonáty od agentur, které nabízejí nový „Svatý Grál“ – pokročilá statistická řešení (deep learning) a umělou inteligenci.  

Slyším, jak kombinace velkých (big) dat & umělé inteligence přinesou odpovědi na všechny otázky. Stačí mít plné „jezero dat“, najmout jejich agenturu, která vyvinula jedinečný statistický program a má ty nejlepší analytiky, a pak stačí louskat prstem a máme odpovědi na všechny otázky.

Nějak zapomínají, že „jezero plné dat“ má své čerstvé vody plné ryb, ale i zatuchlé bažiny a zálivy stojatých vod. Prostě data a informace, obsažené v glorifikovaném jezeře, jsou různé kvality a nepopisují celou realitu.

Krásným příkladem, jak různá data můžou vést k různým výsledkům, byl test programu umělé inteligence, kdy jeden systém byl krmen daty z normálního webu a druhý systém byl krmen daty z tzv. šedého webu (dark web). Následně byly oba systémy umělé inteligence vystaveny Rorschachovu testu.




A odpovědi byly hodně odlišné, podobně jako u lidí. 


WWW:                                                                        WWW Šedý (dark) web :

Dva lidi                                                   Krev

Slon                                                         Elektrické křeslo

Zvíře                                                       Odpovědi se sexuálním podtextem

Medvěď                            

Výsledek je vždy ovlivněn vstupními daty. Zdroje dat si nejsou rovné. Navíc žádná data nejsou schopna zachytit celou realitu. Tohle jsou ještě datoví konzultanti schopni pochopit.  Méně chápou, že celkový kontext se poměrně rychle a výrazně mění. Mnohá data, která popisují minulé nákupní chování, se každým rokem stávají méně a méně relevantní. Život lidí se mění, nákupní chování se mění, počasí se mění (ano, i to je jeden z významných faktorů) a můžu pokračovat. Tohle pochopily investiční firmy, které na každém letáku malým písmem píšou, že „minulé výsledky nejsou zárukou budoucích výnosů“, protože podmínky, které vedly k minulým výsledkům, se změnily.  

Jak nové faktory ovlivňují budoucí chování, nám umělá inteligence pomáhá pochopit, ale i to má bohužel své limity. Tak to bylo o datech. Jiná kapitola jsou samotní analytici. Hodně často vědí, jak fungují statistické modely, trochu méně jak funguje umělá inteligence, a skoro vůbec jak funguje business. Často mluví jazykem, kterému je těžké porozumět. Proto potřebují „tlumočníky“, kteří chápou rámcově „tajemnou“ statistiku, vědí, co je důležité pro business a jsou schopni přeložit někdy nepochopitelný žargon analytiků do jazyka, který pochopí i marketér.