Bazându-se pe modele predictive AI în diverse domenii de luare a deciziilor riscă consecințe catastrofale din cauza faptului că de obicei iau în considerare corelarea pentru cauzalitate. Prin urmare, factorii de decizie trebuie să adopte o altă abordare, IA cauzală, care poate ajuta la identificarea precisă a relației dintre efect și cauză. Cauzalitatea este acum considerată unul dintre cele mai importante elemente lipsă necesare pentru a permite un progres real în domeniul AI.
IA cauzală înțelege cauza și efectul
De ceva timp, experții în domeniu au spus deja să permită mașinile cu capacitatea de a raționa cu privire la efectele și cauzele. Marci mari precum Google, Microsoft, Facebook, Uber și Amazon investesc masiv în IA cauzală, așa că cercetarea cauzalității s-a accelerat și ea.
Sursa: Gartner.
Gartner, care este cea mai importantă firmă de analiză tehnologică, a enumerat, de asemenea, inteligența artificială cauzală printre cele 25 de tehnologii în evoluție care au potențialul de a transforma practicile de afaceri. Acum pare o cursă în industrie pentru a valorifica avantajele excepționale ale acestei tehnologii adoptând-o mai devreme, dar pentru ca acest lucru să se întâmple, este esențial să construiți mai întâi IA cauzală matură.
Pentru inteligența reală, o cerință necesară este acordarea de prioritate cauzei și efectului. Aceasta este problema căreia îi lipsește sistemele AI predictive, iar experții încearcă să o rezolve cu IA cauzală.
Noi, oamenii, suntem mai inteligenți decât datele pentru că înțelegem cauza și efectul, dar datele nu. Ne folosim capacitatea de a raționa prin cunoștințele noastre cauzale pentru a prezice modul în care o anumită acțiune va afecta o chestiune, așa că facem strategii și planuri în consecință. Ne putem imagina rezultate nedorite sau diferite de rezultatele așteptate, în funcție de capacitatea noastră de raționament cauzal. Aceasta este competența umană de a determina de ce ceva s-a terminat așa. Deci, AI care cunoaște cauza și efectul poate avea și această abilitate, care este adesea foarte puternică.
Cunoștințe de domeniu la bord
Unul dintre beneficiile cheie ale IA cauzală este utilizarea cunoștințelor de domeniu, care pot fi obținute de la experți în domeniu și încorporate în procesul sistemului. în acest fel, programatorii pot defini unele relații și pot restricționa modelul pentru a onora corelația. Această abilitate aduce experiența de domeniu la bord cu învățarea automată.
Sursa: Marketsandmarets.
Identificarea factorilor de bază nu este singurul beneficiu al utilizării AI ocazională; de asemenea, face posibilă proiectarea proceselor care pot schimba rezultatele utilizând algoritmii AI ocazional pentru a pune întrebări pentru raționament.
Să presupunem că doriți să evaluați un program de formare pentru instructori pentru a-și îmbunătăți competențele. Cât de mult ar trebui să se aștepte de la un stagiar pentru a-și îmbunătăți scorurile? Sau, de exemplu, un supraveghetor al fabricii de producție știe că atunci când căldura din camera X crește, presiunea din camera Y crește și ea. Deci, aceste cunoștințe dobândite de om pot fi încorporate în AI și asigurați-vă că sistemul respectă întotdeauna aceste criterii.
Sistemele actuale de inteligență artificială nu sunt aliniate cu valorile umane într-un mod inteligent. AI cauzală este apogeul inteligenței artificiale explicabile și al corectitudinii sistemelor AI. Sistemele bazate pe cauzalitate oferă performanțe mai bune și, de asemenea, explicabilitate a procesului, în timp ce IA convențională se concentrează pe anumite așteptări de acuratețe și ignoră transparența. Cunoașterea răspunsurilor la întrebări complexe ne ajută să înțelegem cum funcționează lumea reală și ne permite să luăm deciziile corecte pentru rezultate mai bune.
Povestea originală poate fi văzută aici.