Системный подход к ИИ

В 2022 году канадские исследователи Аджей Агравал, Джошуа Ганс, Ави Голдфарб опубликовали книгу «От предвидения к власти. Как ИИ-прогнозирование трансформирует экономику и как использовать его силу в своих целях». Вот, что они в ней написали.
Необходимо найти способ использовать машинные прогнозы для повышения эффективности работы, то есть для принятия более эффективных решений. Благодаря искусственному интеллекту (ИИ) люди смогут делать больше, поскольку будут принимать лучшие решения. Речь идет не только о технических аспектах прогнозирования (сборе данных, построении моделей, генерации прогнозов), но и об организационных — создании условий, позволяющих людям принимать правильные решения в нужное время. А стратегическая задача состоит в том, чтобы определить, что можно сделать по-другому после получения более качественной информации.
Настоящая трансформация произойдет, только если сосредоточиться на системных решениях. Они поднимут внедрение ИИ на уровень экономики в целом и создадут импульс для его дальнейшего прикладного применения. При таком потенциале масштабирования и последующих инноваций ИИ станет экономически выгодным.
Машины движутся быстрее лошадей, но лошади по-прежнему участвуют в скачках. И хотя машины обгоняют людей на любой дистанции, Олимпийские игры по-прежнему проводятся регулярно. Почему должно быть иначе, даже если машина начнет выигрывать одну партию в го за другой? Может быть, она и превзойдет человека, однако совсем не обязательно заменит его.
Но когда человек выбирает, кому поручить ту или иную задачу, чувства или спорт не играют роли. Критерии выбора предназначены для оценки эффективности выполнения задачи и отдают предпочтение тому, кто делает это с меньшими затратами. Если машина может выполнить эту задачу и стоит дешевле, то, несомненно, заменит человека. Лошади продолжают участвовать в скачках, но они больше не перевозят людей. Машины заменили людей в сфере физического труда; возможно, в области интеллектуального труда произойдет то же самое.
Возникла целая индустрия, пооперационно изучающая работу людей, чтобы оценить, смогут ли машины справиться с этими операциями в эпоху искусственного интеллекта. Несмотря на то что ИИ превосходит людей в выполнении целого ряда задач, во многих случаях люди — со всеми их недо­статками — дешевле, чем машины. Поэтому, несмот­ря на утверждения некоторых экономистов (например, Дарона Аджемоглу и Паскуаля Рестрепо) о том, что из-за субсидирования капитальных затрат по сравнению с трудовыми это лишь вопрос времени, пока что мы можем перевести дух.
ИИ в ведущих технологических компаниях — это не демонстрационные проекты. Это полномасштабные производственные системы, приносящие миллиарды долларов дохода. Он не строился на основе декомпо­зиции бизнес-процессов на отдельные операции и по­ручении некоторых из них ИИ. Вместо этого крупные технологические компании построили совершенно новые системы.
Результат успешного внедрения ИИ — то, что мы будем называть системным мышлением. Оно противостоит пооперационному мышлению в том смысле, что видит более широкий потенциал ИИ и признает, что для создания реальной ценности необходимо перестроить и создать системы принятия решений, включающие как машинное прогнозирование, так и человека. В некоторых местах это уже происходит, но история говорит нам, что системные изменения легче проводить новым, а не устоявшимся компаниям отрасли. Именно они могут воспользоваться преимуществами новых технологий общего назначения, в том числе ИИ-прогнозированием. Автомобили стали лучшим средством передвижения, чем лошади, но для автомобилей нужны бензоколонки, хорошие дороги и целый ряд новых законов.