Tehisintellekti andmete 5 väärarvamust

Inimesed on harjunud nägema andmeid sellena, mis see paljudel juhtudel on: arvamus. Tegelikult kallutavad inimesed mõnel juhul andmeid nii kaugele , et need muutuvad kasutuks, valeks. Arvuti või AI-rakendus ei suuda tõesetel ja ebatõestel andmetel vahet teha – see näeb ainult andmeid. Üks probleem, mis teeb inimese moodi mõtleva tehisintellekti loomise raskeks, kui mitte võimatuks, on see, et inimesed saavad töötada valedega ja arvutid mitte. Parim, mida saate saavutada, on näha ekslikke andmeid kõrvalekalletena ja seejärel need välja filtreerida, kuid see meetod ei pruugi probleemi lahendada, sest inimene kasutaks siiski andmeid ja prooviks tuvastada tõde nende valede põhjal. on seal.

Levinud mõte vähem saastunud andmekogumite loomisel on see, et inimestel peaks andmete sisestamise asemel olema võimalik andmeid koguda andurite või muude vahendite abil. Kahjuks peegeldavad andurid ja muud mehaanilised sisestusmeetodid nende inimeste leiutajate eesmärke ja piire, mida konkreetne tehnoloogia suudab tuvastada. Järelikult võivad isegi masin- või anduripõhised andmed tekitada valesid, mida tehisintellektil on üsna raske tuvastada ja ületada.

Järgmises arutluses kasutatakse autoõnnetust peamise näitena, et illustreerida viit tüüpi valesid, mis võivad andmetes ilmneda. Mõisted, mida õnnetus üritab kujutada, ei pruugi alati andmetes ilmuda ja need võivad ilmneda erineval viisil kui arutatud. Fakt on see, et tavaliselt peate andmete vaatamisel selliste asjadega tegelema.

Komisjoni väärarvamused

Komisjoni väärarvamused on need, mis peegeldavad otsest katset asendada tõene teave ebaõige teabega. Näiteks võib keegi õnnetuse raportit täites väita, et päike pimestas teda hetkeks, muutes tabatute nägemise võimatuks. Tegelikkuses segas inimese tähelepanu võib-olla miski muu või ei mõelnud ta autojuhtimisele (võib-olla mõeldes meeldivale õhtusöögile). Kui keegi ei saa seda teooriat ümber lükata, võib inimene hakkama saada väiksema tasuga. Asi on aga selles, et ka andmed oleksid saastunud. Tulemuseks on see, et nüüd võtaks kindlustusselts kindlustusmaksete aluseks ekslikud andmed.

Kuigi näib, nagu oleks vahendustasude valetõde täiesti välditav, pole see sageli nii. Inimesed räägivad "väikesi valgeid valesid", et päästa teiste piinlikkusest või lahendada probleem väikseima isikliku pingutusega. Mõnikord põhineb vahendustasu ebatõde ekslikul sisendil või kuuldustel. Tegelikult on komisjoni vigade allikaid nii palju, et on tõesti raske välja mõelda stsenaariumi, mille kohaselt keegi saaks neid täielikult vältida. Kõik see on öeldud, vahendustasu ebatõed on üks valede liikide tüüp, mida keegi saab sagedamini vältida.

Väljajätmise väärarvamused

Väljajätmise väärarvamused on sellised, kus inimene räägib tõtt igas väljaöeldud faktis, kuid jätab kõrvale olulise fakti, mis muudaks ettekujutust juhtumist tervikuna. Mõeldes uuesti õnnetuse raportile, öelge, et keegi lööb hirve, põhjustades tema autole olulist kahju. Ta ütleb ausalt, et tee oli märg; oli hämaruse lähedal, nii et valgus ei olnud nii hea kui võiks; ta jäi piduri vajutamisega veidi hiljaks; ja hirved jooksid teeäärsest võsast lihtsalt välja. Järeldus oleks, et juhtum on lihtsalt õnnetus.

Inimene on aga jätnud välja olulise fakti. Ta saatis sel ajal sõnumeid. Kui korrakaitsjad sõnumite saatmisest teaksid, muudaks see õnnetuse põhjuse tähelepanematuks juhtimiseks. Juht võidakse trahvida ja kindlustuskorraldaja kasutaks juhtumit andmebaasi kandes teistsugust põhjust. Nagu vahendustasu väära puhul, muudaksid sellest tulenevad ekslikud andmed seda, kuidas kindlustusselts kindlustusmakseid korrigeerib.

Väljajätmise valede vältimine on peaaegu võimatu. Jah, keegi võib teadlikult aruandest faktid välja jätta, kuid sama tõenäoline on, et keegi lihtsalt unustab kõik faktid lisada. Lõppude lõpuks on enamik inimesi pärast õnnetust üsna segased, nii et on lihtne kaotada fookus ja teatada ainult nendest tõdedest, mis jätsid kõige olulisema mulje. Isegi kui inimene mäletab hiljem täiendavaid üksikasju ja annab neist teada, ei sisalda andmebaas tõenäoliselt kunagi täielikku tõde.

Perspektiivi väärarvamused

Perspektiivi väärkohtlemine ilmneb siis, kui mitu osapoolt vaatavad juhtumit mitmest vaatenurgast. Näiteks jalakäijaga juhtunud õnnetuse puhul on autot juhtinud isikul, autolt löögi saanud inimesel ja sündmust pealt näinud pealtnägijal erinevad vaatenurgad. Igalt inimeselt aruandeid koostav ohvitser saaks arusaadavalt igaühelt erinevaid fakte, isegi eeldades, et iga inimene räägib tõtt nii, nagu igaüks seda teab. Tegelikult näitab kogemus, et see on peaaegu alati nii ja see, mida ohvitser aruandena esitab, on kõigi asjaosaliste väidete kesktee, mida täiendab isiklik kogemus. Teisisõnu on aruanne tõele lähedal, kuid mitte piisavalt lähedal AI jaoks.

Perspektiivi käsitlemisel on oluline arvestada vaatepunktiga. Auto juht näeb armatuurlauda ja teab auto seisukorda õnnetuse hetkel. See on teave, mis kahel teisel osapoolel puudub. Samuti on autolt löögi saanud inimesel parim vaatepunkt juhi näoilme (kavatsus) nägemiseks. Kõrvalseisja võib kõige paremini näha, kas juht üritas peatuda, ja hinnata probleeme, näiteks seda, kas juht üritas kõrvale põigata. Iga osapool peab koostama aruande nähtud andmete põhjal, ilma peidetud andmete kasutamiseta.

Perspektiiv on võib-olla kõige ohtlikum valedest, sest igaüks, kes püüab selle stsenaariumi järgi tõde tuletada, jõuab parimal juhul erinevate lugude keskmiseni, mis pole kunagi täiesti õige. Inimene, kes teavet vaatab, võib tõele parema hinnangu saamiseks tugineda intuitsioonile ja instinktidele, kuid tehisintellekt kasutab alati ainult keskmist, mis tähendab, et tehisintellekt on alati olulises ebasoodsas olukorras. Kahjuks on ebaõigete vaatenurkade vältimine võimatu, sest olenemata sellest, kui palju teil sündmusel tunnistajaid on, on parim, mida saate loota, tõe ligikaudne, mitte tegelik tõde.

Arvestada tuleb ka teist tüüpi eksiarvamusega ja see on vaatenurk. Mõelge sellele stsenaariumile: olete 1927. aastal kurt. Iga nädal lähete teatrisse tummfilmi vaatama ja tund aega või kauem tunnete end nagu kõik teised. Saate filmi kogeda samamoodi nagu kõik teised; erinevusi pole. Sama aasta oktoobris näete silti, et teater uuendab helisüsteemi, et saaks kuvada kõnesid— heliribaga filmid. Silt ütleb, et see on kõigi aegade parim asi ja peaaegu kõik näivad nõustuvat, välja arvatud sina, kurt, kes on nüüd pandud tundma end teise klassi kodanikuna, kõigist teistest erinevana ja isegi teatrist üsna suures osas välja tõrjutuna. . Kurtide silmis on see märk vale; helisüsteemi lisamine on halvim võimalik asi, mitte parim võimalik asi. Asi on selles, et see, mis näib üldiselt tõsi olevat, ei kehti tegelikult kõigi jaoks. Idee üldisest tõest, mis kehtib kõigi jaoks, on müüt. Seda pole olemas.

Eelarvamuste väärarvamused

Eelarvamuste väärarvamus ilmneb siis, kui keegi suudab tõde näha, kuid isiklike murede või veendumuste tõttu ei suuda seda tegelikult näha. Näiteks võib juht õnnetusele mõeldes keskenduda nii täielikult tee keskele, et hirv teeservas muutub nähtamatuks. Järelikult ei ole juhil aega reageerida, kui hirv otsustab ootamatult üle tee keskele välja sõita.

Eelarvamusega seotud probleem on see, et seda võib olla uskumatult raske kategoriseerida. Näiteks juht, kes hirve ei näe, võib sattuda tõelisse õnnetusse, mis tähendab, et hirve varjas võsa. Juht võib aga olla süüdi ka tähelepanematus juhtimises vale fookuse tõttu. Samuti võib juht kogeda hetkelist tähelepanu hajumist. Ühesõnaga, selles, et juht hirve ei näinud, pole küsimus; hoopis iseasi, miks juht hirve ei näinud. Paljudel juhtudel muutub kallutatuse allika kinnitamine oluliseks kallutatuse allika vältimiseks loodud algoritmi loomisel.

Teoreetiliselt on alati võimalik vältida erapoolikust valet tõde. Tegelikkuses on aga kõigil inimestel erinevat tüüpi eelarvamusi ja need eelarvamused põhjustavad alati valesid, mis moonutavad andmekogumeid. Lihtsalt panna keegi midagi vaatama ja seejärel nägema – panna see inimese ajus registreerima – on keeruline ülesanne. Inimesed tuginevad filtritele, et vältida teabe üleküllust, ja need filtrid on ka eelarvamuste allikaks, kuna takistavad inimestel asju tegelikult näha.

Võrdlusraam

Viiest valest valest ei pea võrdlusraamistik tegelikult olema mingisuguse vea tulemus, vaid mõistmine. Võrdlusraamistiku vale ilmneb siis, kui üks osapool kirjeldab midagi, näiteks sündmust nagu õnnetus, ja kuna teisel osapoolel puudub sündmusega kogemus, muutuvad detailid segaseks või täiesti valesti aru. Palju on komöödiat, mis põhinevad viiteraami vigadel. Üks kuulus näide on pärit Abbottist ja Costellost, Who's On First? . Ühe inimese mõistmine, mida teine ​​inimene räägib, võib olla võimatu, kui esimesel inimesel puuduvad kogemuslikud teadmised – võrdlusraamistik.

Teine võrdlusraamistiku vale näide ilmneb siis, kui üks osapool ei saa teist aru. Näiteks kogeb meremees merel tormi. Võib-olla on tegemist mussooniga, kuid oletagem hetkeks, et torm on tõsine – võib-olla eluohtlik. Isegi videoid, intervjuusid ja simulaatorit kasutades oleks eluohtliku tormi käes merel viibimise kogemust võimatu edasi anda kellelegi, kes pole sellist tormi omal nahal kogenud; sellel inimesel puudub tugiraamistik.

Parim viis võrdlusraamistiku valede vältimiseks on tagada, et kõik osapooled saaksid välja töötada sarnased võrdlusraamistikud. Selle ülesande täitmiseks vajavad erinevad osapooled sarnaseid kogemuslikke teadmisi, et tagada andmete täpne edastamine ühelt inimeselt teisele. Kui aga potentsiaalsel vaatajal puuduvad nõutavad kogemuslikud teadmised, ilmnevad paratamatult salvestatava andmestikuga töötades staatilised andmed, võrdlusraami vead.

AI-l on alati probleeme võrdlusraamistikuga, kuna tehisintellektil puudub paratamatult kogemuse loomise võime. Omandatud teadmiste andmepank ei ole päris sama asi. Andmepank sisaldaks fakte, kuid kogemus põhineb mitte ainult faktidel, vaid ka järeldustel, mida praegune tehnoloogia ei suuda dubleerida.