Когда появляется новая технология, потенциал которой еще мало изучен, об этой технологии говорят обобщениями. Часто это утопическое или антиутопическое видение.
То же самое происходит и с машинным обучением — частью того, что мы сейчас называем искусственным интеллектом (ИИ далее по тексту — прим. ред.). Доклад Лондонского королевского общества, опубликованный в мае, «Машинное обучение: сила и перспектива компьютеров, которые учатся на примерах», показал, что мы уже находимся в точке, где можем делать больше, чем обобщать.
Доклад Общества составлен с помощью структурированного общественного диалога, который проводился в течение шести дней в четырех местах по всей Великобритании, в нем участвовали люди из разных социально-экономических слоев. Количественные исследования показали, что только 9% людей слышали о машинном обучении, хотя многие регулярно использует его в таких приложениях, как словарь T9, вшитый в мобильный телефон, или в рекомендательных сервисах. Общественный диалог позволил людям обсудить вопросы развития ИИ с ведущими учёными.
Обсуждали потенциальные преимущества машинного обучения, такие как объективность и точность. Например, участники предпочли экспертную проверенную диагностическую систему, а не врача-человека, неспособного идти в ногу с новейшей литературой, подверженного стрессу и усталости. Даже в ограниченных по времени дискуссиях участники часто делали предположения о том, как машинное обучение может улучшаться, а не просто заменять существующие задачи или рабочие места. Большой потенциал увидели в решении глобальных проблем, таких как изменение климата.
В то же время доклад показал, что общество обеспокоено деперсонализацией ключевых услуг. Даже утомленный врач по-прежнему будет важен для личного разговора с пациентом о серьезном диагнозе. И может ли машинное обучение изменить то, к чему мы привыкли и в чем находим удовольствие (например, вождение авто или написание стихов) и сделать эти действия менее личными или «человеческими».
Доклад поднимает важный вопрос о реальных пределах способностей машинного обучения во всех сферах жизни человека. Участники доклада хотели избежать стереотипности, были бы против того, чтобы их выбор сузился (товары, услуги или новости). Также они подчеркнули возможную опасность машинного обучения и вред для отдельных лиц.
Диалог показал, что люди думают о преимуществах и вреде, а также о практических последствиях. Например, участники позитивно оценивали машинное обучение в здравоохранении, отнесли его к категории «высокая социальная ценность, низкий социальный риск». При этом системе рекомендаций для покупателя (за исключением финансовых услуг, таких как страхование и кредиты) искусству были присвоены категории «более низкая социальная ценность и более высокий социальный риск».
При обсуждении последствий потенциального физического вреда от систем автономных транспортных средств или домашних роботов социальной помощи участники обозначили несколько «потенциальных уровней уверенности». Чтобы обеспечить уверенность, что система машинного обучения точна или безопасна, ее предложили сравнить с человеком с эквивалентной компетенцией. В случаях, когда ставки высоки, предложили объединить ИИ и человека в надзирающей роли.
Проект затронул и другие темы. Лондонское королевское общество провело семинар с лидерами в профессиях, на котором подняли вопрос непрерывного профессионального развития и меняющийся характер технических и этических элементов профессиональной практики. Семинары с представителями промышленного сектора показали, насколько трудно малому бизнесу определить, когда и как он может создать ценность из машинного обучения, и как трудно найти ответы в новой области, где спрос на экспертов намного опережает предложение. На семинаре с лидерами в юридической профессии начали изучать, в какой степени машинное обучение может значительно нарушить бизнес-модели — чатботы уже выполняют основные юридические консультативные задачи, такие как рассмотрение штрафов за парковку. Системы машинного обучения могут заменить младший персонал в поиске юридических текстов. Кроме того, машинное обучение уже используется крупными фирмами для прогнозирования реакции контрагента в основных корпоративных случаях.
Работа Лондонского королевского общества в этой области будет продолжаться. Отчет об управлении данными и его использовании, подготовленный совместно с Британской академией, будет опубликован позднее летом.
Читать также:
Точки роста. Какие проблемы робототехники и интернета вещей решают сейчас