Δείκτες
Νους & πνεύμαΟυδέτερα

Πώς να αποφασίζουμε καλύτερα στην εποχή της τεχνητής νοημοσύνης

Η Σέριλ Στράους Άινχορν εξηγεί γιατί η ανθρώπινη κρίση γίνεται πιο σημαντική όσο ενσωματώνεται η τεχνητή νοημοσύνη στις αποφάσεις μας, και προτείνει πρακτικές —όπως η στρατηγική παύση, το «όραμα επιτυχίας» και η μέθοδος AREA— ώστε να χρησιμοποιούμε τα εργαλεία ΤΝ χωρίς να χάνουμε τις αξίες και τον έλεγχό μας.

Πώς να αποφασίζουμε καλύτερα στην εποχή της τεχνητής νοημοσύνης
Φωτογραφία: Greater Good (UC Berkeley)

Βασικά σημεία

  • Η τεχνητή νοημοσύνη δεν έχει αξίες, μόνο προκαταλήψεις· ο άνθρωπος πρέπει να φέρνει τις δικές του αξίες πριν τη χρησιμοποιήσει.
  • Η στρατηγική παύση, με τη μεταφορά του τσιτάχ, βοηθά να χωρίζουμε τη μάθηση και να ξεχωρίζουμε το αποτελεσματικό από το απλώς γρήγορο.
  • Το ερώτημα «όραμα επιτυχίας» περιορίζει την παράλυση της ανάλυσης και δίνει στην ΤΝ το σωστό πρόβλημα να λύσει.
  • Η μέθοδος AREA ελέγχει προκαταλήψεις, δικές μας και της ΤΝ, μέσα από πρωτογενείς και δευτερογενείς πηγές.
  • Το νέο ανταγωνιστικό πλεονέκτημα είναι η αυτογνωσία και η μεταγνώση, όχι η παράδοση του γνωστικού φορτίου στη μηχανή.

Η τεχνητή νοημοσύνη μπορεί να συνοψίζει έρευνες, να παράγει ιδέες και να αναλύει τεράστιους όγκους δεδομένων σε δευτερόλεπτα. Μπορεί όμως να μας βοηθήσει να παίρνουμε σοφότερες αποφάσεις; Σε συνέντευξή της στο Greater Good του Πανεπιστημίου της Καλιφόρνιας στο Μπέρκλεϋ, η Σέριλ Στράους Άινχορν (Cheryl Strauss Einhorn), συγγραφέας του The Human Edge: Smarter Decisions in the Age of AI, υποστηρίζει ότι η άνοδος της ΤΝ κάνει ορισμένες ανθρώπινες ιδιότητες ακόμη πιο σημαντικές: τον αναστοχασμό, την ενσυναίσθηση, τις αξίες και την ηθική κρίση.

Η Άινχορν είναι σαφής: η ΤΝ δεν έχει αξίες. Έχει προκαταλήψεις και επιρροές από εκείνους που τη σχεδίασαν και από τις πληροφορίες που τροφοδότησαν το σύστημά της. Γι’ αυτό, για να περάσουν αξίες όπως η καλοσύνη και η φροντίδα στη χρήση της, πρέπει να τις φέρει ο άνθρωπος. Πριν καθίσουμε μπροστά σε ένα εργαλείο ΤΝ, χρειάζεται να αναρωτηθούμε ποιο πρόβλημα λύνουμε, γιατί το λύνουμε και ποιο είναι το πλαίσιο.

Αν αφήσουμε τη μηχανή να σκεφτεί για εμάς, μπορεί να χάσουμε την αίσθηση του σωστού και του λάθους, επειδή μόνο εμείς γνωρίζουμε τις λεπτομέρειες για τους ανθρώπους με τους οποίους και για τους οποίους λύνουμε ένα πρόβλημα. Ένα χρήσιμο ερώτημα προς τον εαυτό μας ή προς το εργαλείο είναι: πριν ενεργήσω, βοήθησε με να σκεφτώ τους ανθρώπους, τις σχέσεις και τις ευθύνες που επηρεάζει αυτή η απόφαση, όχι μόνο το αποτέλεσμα.

Ένα παράδειγμα από τη συνέντευξη δείχνει τη διαφορά. Η Φελίτσε, επιστήμονας τροφίμων σε εταιρεία τροφών για κατοικίδια, χρησιμοποίησε ΤΝ για να αναλύσει φόρτο εργασίας και εξειδίκευση της ομάδας της. Το σύστημα πρότεινε να αναθέσει ένα κρίσιμο τεστ σταθερότητας στην πιο έμπειρη τεχνικό, όμως η Φελίτσε καταλάβαινε βαθύτερες δυναμικές: ποιος δουλεύει καλύτερα υπό πίεση, ποιος αγαπά την καινοτομία και ποιος χρειάζεται καθοδήγηση. Έδωσε τελικά τη δουλειά σε έναν νεότερο επιστήμονα που ήθελε να αναπτύξει δεξιότητες, εξασφαλίζοντας έτσι και βραχυπρόθεσμη επιτυχία και μακροπρόθεσμη ανάπτυξη της ομάδας.

Η Άινχορν χρησιμοποιεί τη μεταφορά του τσιτάχ για να μιλήσει για τη στρατηγική παύση. Το τσιτάχ φτάνει από 0 στα 60 μίλια την ώρα σε περίπου τρία δευτερόλεπτα, αλλά η κυνηγετική του ικανότητα προέρχεται από την ικανότητά του να επιβραδύνει έως και κατά εννέα μίλια την ώρα σε έναν μόνο διασκελισμό. Αυτή η παύση δημιουργεί ευελιξία και δυνατότητα αλλαγής πορείας. Μας επιτρέπει να χωρίσουμε τη μάθηση σε κομμάτια και να ανοίξουμε γνωστικό χώρο για νέες πληροφορίες. Όπως λέει, υπάρχει διαφορά ανάμεσα στην ταχύτητα και την ποιότητα, και ανάμεσα στο αποτελεσματικό και το αποδοτικό.

Η ίδια προειδοποιεί ότι περισσότερες πληροφορίες δεν σημαίνουν απαραίτητα καλύτερες αποφάσεις. Ο Φράνσις Μπέικον είχε πει ότι «η γνώση είναι δύναμη», αλλά σήμερα έχουμε συχνά ήδη όλες τις απαντήσεις. Χωρίς σαφή ορισμό του προβλήματος, κίνητρο και πλαίσιο, κινδυνεύουμε με παράλυση της ανάλυσης. Η Άινχορν προτείνει το ερώτημα «όραμα επιτυχίας»: να φανταστούμε ότι η απόφαση έχει ήδη ληφθεί καλά και να εντοπίσουμε τα λίγα πράγματα που, αν δεν πετύχουν, η απόφαση αποτυγχάνει. Αυτά γίνονται τα όρια που επικοινωνούμε στην ΤΝ, ώστε η έρευνά της να είναι στοχευμένη.

Το παράδειγμα του Μαξ, που σχεδίαζε διακοπές, το δείχνει καθαρά. Ζητώντας απευθείας βοήθεια από την ΤΝ, πήρε προορισμούς, πτήσεις, αξιοθέατα, βαθμολογίες και συγκρίσεις τιμών, αλλά ένιωσε παράλυση από τον όγκο των επιλογών. Όταν χρησιμοποίησε το «όραμα επιτυχίας», μπόρεσε να πει στο εργαλείο: «Θέλω να γυρίσω σπίτι πραγματικά ξεκούραστος, έχοντας περάσει ποιοτικό χρόνο με την οικογένειά μου, χωρίς υπερβολικά έξοδα». Τότε η ΤΝ απέκτησε ένα ουσιαστικό πρόβλημα να λύσει. Δεν μπορεί να ορίσει την επιτυχία, αλλά μπορεί να βελτιστοποιήσει για την επιτυχία που ορίζουμε εμείς.

Η μέθοδος AREA, που έχει αναπτύξει η Άινχορν, είναι ένα πλαίσιο για να αμφισβητούμε υποθέσεις και λάθη σκέψης, ενσωματώνοντας τις οπτικές άλλων. Το πρώτο «A» σημαίνει Absolute: πρωτογενής, αφιλτράριστη πληροφορία από πρωτογενείς πηγές. Το «R» σημαίνει Relative: εξωτερικές οπτικές και δευτερογενείς πηγές. Το «E» σημαίνει Exploration and Exploitation: η εξερεύνηση διευρύνει την έρευνα με συνεντεύξεις και ασυνήθιστες πηγές, ενώ η αξιοποίηση στρέφεται προς τα μέσα και αμφισβητεί προσωπικές προκαταλήψεις. Το τελευταίο «A» σημαίνει Analysis: συνθέτει τα πάντα και φέρνει σαφήνεια σε σύνθετες αποφάσεις.

Η μέθοδος γίνεται ακόμη πιο σημαντική με την ΤΝ, επειδή η ΤΝ δεν εξαλείφει την προκατάληψη· μπορεί να την αντανακλά και μερικές φορές να την ενισχύει μέσα από τα δεδομένα εκπαίδευσης, τον σχεδιασμό και τον τρόπο χρήσης. Η Άινχορν σημειώνει ότι μεγάλο μέρος των πληροφοριών της ΤΝ προέρχεται από το Reddit, μπορεί να είναι ελλιπές ή ξεπερασμένο, και ότι το σύστημα μερικές φορές δίνει λάθος απαντήσεις. Γι’ αυτό χρειάζεται διαδικασία ελέγχου και όχι απλή αποδοχή της απάντησης. Η AREA βοηθά ώστε η χρήση της ΤΝ να γίνεται συζήτηση και όχι συναλλαγή, με μια οπτική βασισμένη σε τεκμήρια και διαφορετικούς ενδιαφερόμενους.

Το νέο ανταγωνιστικό πλεονέκτημα, σύμφωνα με την Άινχορν, θα είναι η αυτογνωσία. Είναι το πρώτο εργαλείο που ζητά μέρος του γνωστικού μας φορτίου και μας καλεί να παραχωρήσουμε αποφάσεις. Αν παραδώσουμε αυτό το φορτίο, εξασθενεί η σκέψη μας· αν όμως κατανοήσουμε τη μεταγνώση μας, μπορούμε να ενισχύσουμε τα εργαλεία σκέψης. Η πρόσκληση είναι να στραφούμε πρώτα στον εαυτό μας: να ρωτήσουμε γιατί χρησιμοποιούμε το εργαλείο και αν θα έπρεπε να στραφούμε αντίθετα στον εαυτό μας. Έτσι μπορούμε να λύνουμε προβλήματα μαζί με την ΤΝ, αλλά και πέρα από αυτήν.

Σας φάνηκε χρήσιμο αυτό το άρθρο;

Βαθμολογία αναγνωστών: 0 · οι ψήφοι σας μάς βοηθούν να διαλέγουμε τα επόμενα θέματα

Διαβάστε το πρωτότυπο ↗

Τα άρθρα γράφονται με τη βοήθεια τεχνητής νοημοσύνης, αποκλειστικά από τα κείμενα των πηγών που αναφέρονται. Οι εικόνες με την ένδειξη «AI» δημιουργούνται επίσης με τεχνητή νοημοσύνη.

⚑ Αναφορά λάθους

Βρήκατε κάποιο λάθος στο άρθρο (γεγονός, μετάφραση, ορθογραφία); Πείτε μας και θα το διορθώσουμε.

Σχόλια

Το Jumpship λειτουργεί προσωρινά μόνο για ανάγνωση. Ψήφοι, σχόλια και σύνδεση επανέρχονται σε λίγα λεπτά.