Искусственный интеллект на службе бизнеса - читать онлайн книгу. Автор: Джошуа Ганс, Аджей Агравал, Ави Голдфарб cтр.№ 29

Для повышения качества прогнозов машины должны различать больше «если». В этом случае почтовый робот умел бы реагировать на разные ситуации. Прогностическая машина позволяет роботу определить следующее: когда темно и сыро, в двадцати метрах сзади бежит человек, а впереди – кошка, скорость нужно снизить, но, когда темно и сыро, человек стоит в двадцати метрах сзади, а впереди белка, этого можно не делать. Благодаря прогностической машине робот может двигаться не только по размеченному пути. Новые почтамобили функционируют в более сложной обстановке, а подорожали несущественно.

Роботы-доставщики уже распространены повсеместно. Склады оборудованы автономными системами доставки, которые прогнозируют обстановку и соответственно реагируют. Вереницы роботов Kiva транспортируют продукты по гигантским центрам Amazon. Стартапы экспериментируют с роботами-доставщиками, по тротуарам и улицам развозящими посылки (или пиццу) из компании и обратно.

Такая услуга стала возможной благодаря тому, что роботы используют для прогнозирования среды данные высокотехнологичных датчиков, а затем получают инструкции о действиях. Вообще это не считается прогнозированием, но по сути все же это так. И чем дешевле прогноз, тем совершеннее роботы.

Джордж Стиглер, лауреат Нобелевской премии по экономике, как-то заметил: «Люди, которые никогда не опаздывали на самолет, слишком много времени провели в аэропортах» ^[80]. Логика данного утверждения своеобразна, и встречный аргумент перевешивает ее: работать и отдыхать в аэропорту можно не хуже, чем в любом другом месте, зато не нужно переживать, что опоздаешь на самолет. Поэтому в аэропортах и появились залы ожидания. Их придумали авиакомпании, чтобы обеспечить пассажиров (по крайней мере, состоятельных или своих постоянных клиентов) удобным и тихим пространством для ожидания, потому что большинство приезжает в аэропорт пораньше. Те, кто постоянно опаздывает, бывают в залах мимоходом, в ожидании отложенного рейса или оплакивая пропущенный вылет на Бали.

В зале ожидания удобно скоротать время, если не удалось приехать в определенный час (как это чаще всего и бывает).

Предположим, ваш вылет в 10:00. Авиакомпания рекомендует прибыть в аэропорт за час до этого времени. Значит, вы успеете, если приедете к 9:00. Во сколько же выходить из дому?

Обычно дорога в аэропорт занимает полчаса, то есть из дома нужно выйти в 8:30, но это без учета пробок. По дороге в нью-йоркский аэропорт Ла Гуардия, куда мы отправились после встречи по поводу этой книги, чтобы улететь в Торонто, возникли такие пробки, что последние полтора километра пришлось идти пешком вдоль шоссе. Это еще плюс полчаса (или больше, если не любите рисковать). Значит, отправляться в аэропорт надо в 8:00, и вы всегда будете выходить в это время, если не знаете обстановку на дорогах. И в итоге минимум полчаса проведете в зале ожидания.

Приложения вроде Waze очень точно рассчитывают время: они отслеживают автомобильные пробки в режиме реального времени и учитывают обычную ситуацию на маршруте для прогнозирования и обновления кратчайшего пути. Добавьте к нему Google Now, а возможные задержки вылета, исходя из прецедентов в прошлом и местоположения самолетов, рассчитают другие приложения. Все они вместе дают надежный прогноз, предоставляющий свободу выбора: «если пробок нет, выходить позже и сразу идти на посадку» или «если вылет задерживается, можно выйти из дома позднее».

Точный прогноз в результате снижения или устранения ключевого источника неопределенности избавляет от необходимости ожидания в аэропорту. А самое главное – точный прогноз меняет действия. Вместо жесткого правила выходить за два часа до вылета можно руководствоваться условным правилом – рассчитывать время исходя из информации. Условные правила представляют собой утверждения «если, то» и позволяют больше «то» (выходить раньше, вовремя или позднее) в зависимости от степени точности прогноза. Таким образом, прогностика, кроме создания больше «если», еще и увеличивает количество осуществимых «то».

У почтовых роботов и залов ожидания в аэропортах есть кое-что общее: и то и другое является неидеальным решением проблемы неопределенности и пострадает с ростом точности прогнозов.

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.