Tehisintellekt sündmuste ennustamisel

Kuidas algoritmid andmeid loevad

Ennustav mudel vajab kõigepealt sisendit. Selleks võivad olla varasemad sündmused, ajamustrid, asukohad, kasutajate tegevus, ilmastikuolud või muud mõõdetavad tegurid. Mida paremini on andmed kogutud ja korrastatud, seda selgemalt saab algoritm neist midagi kasulikku välja lugeda.

Näiteks sündmuste tõenäosuse hindamisel ei piisa ainult ühest näitajast. Oluline võib olla mitme teguri koosmõju. Inimene teeb seda sageli vaistlikult, kui ta hindab mõne tulemuse võimalikkust kogemuse, konteksti ja värske info põhjal. Sama loogikat võib näha ka digikeskkondades nagu Tonybet, kus olukorrad muutuvad kiiresti ja hinnangud kujunevad värske info põhjal.

Andmemustrid ei ole juhuslikud aimdused

Algoritmid otsivad korduvaid seoseid. Kui mingid tingimused on varem sageli viinud sarnase tulemuseni, võib mudel pidada samasugust tulemust ka tulevikus tõenäolisemaks. See on varasema info põhjal kujunev hinnang, mitte pelk aimdus. Siin tuleb aga teha oluline vahe: korrelatsioon ei tähenda alati põhjust. Kaks nähtust võivad esineda koos ka siis, kui nende vahel puudub otsene seos.

Seepärast ei piirdu hästi ehitatud mudel ainult pindmiste seostega. Ta arvestab eri andmekihte, võrdleb tegurite koosmõju ja püüab eristada püsivaid mustreid juhuslikust mürast. Üksik ebatavaline juhtum võib andmetes silma paista, kuid see ei pruugi veel näidata püsivat mustrit. Mida keerulisem on sündmus, seda ettevaatlikum peab olema järeldustega.

Täpsus sõltub info kvaliteedist

Prognoosi usaldusväärsus ei sõltu ainult algoritmi keerukusest. Väga oluline on see, millistest andmetest mudel õpib. Kui andmed on puudulikud, kallutatud või aegunud, võib ka tehniliselt võimas süsteem anda eksitava tulemuse.

Hea prognoosi jaoks on tähtis, et andmed oleksid järgmiste omadustega.

• Ajakohased ja asjakohased, sest vananenud või teemaga nõrgalt seotud info võib viia järeldusteni, mis ei kirjelda enam tegelikku olukorda.
• Võimalikult täielikud, et mudel ei peaks liiga palju oletama ega toetuks üksikutele lünkadega andmepunktidele.
• Ühtlaselt kogutud, kuna eri viisidel või eri tingimustes kogutud andmed võivad anda sündmustest moonutatud pildi.
• Vigadest puhastatud, et juhuslikud sisestusvead, kordused või valed väärtused ei hakkaks prognoosi ebavajalikult mõjutama.
• Konteksti arvestavad, sest sama näitaja võib eri olukordades tähendada erinevat ning ilma taustata võib algoritm seoseid valesti tõlgendada.

Kui mudelile antakse tegelikkusest ebatäpne pilt, jääb ka prognoos paratamatult piiratumaks. Sama kehtib ka inimeste kohta. Kui otsustame millegi tõenäosuse üle vaid ühe kuulujutu, vana kogemuse või pooliku teadmise põhjal, on eksimisvõimalus suurem.

Inimlik hinnang ja masinlik arvutus

Inimesed hindavad tõenäosusi kogu aeg, isegi kui nad seda nii ei nimeta. Hommikul otsustame ilma järgi, kas võtta vihmavari või piisab kergemast jakist. Enne ostu kaalume, kas hind tundub mõistlik ja kas valitud ese teenib oma eesmärki piisavalt kaua. Tööplaane tehes hindame, kui kaua mingi ülesanne võib võtta ning kas vahele võib tulla midagi, mis ajakava muudab. Need otsused tuginevad kogemusele, mälule, harjumustele ja hetkeolukorra tajule.

Tehisintellekti töö meenutab seda mõttekäiku, kuid toimub märksa suuremas mahus ja teisel viisil. Ta ei kasuta sisetunnet, vaid võrdleb varasemaid juhtumeid ja hindab, millised tegurid on tulemusega sagedamini seotud olnud. Seal, kus inimene toetub mõnele meelde jäänud näitele, saab algoritm läbi töötada palju suurema hulga juhtumeid. Nii võivad nähtavale tulla korduvused, mis üksikute kogemuste põhjal kergesti märkamatuks jäävad.

Ometi ei tähenda see, et masinlik arvutus oleks alati parem kui inimlik otsus. Inimese tugevus on konteksti mõistmine, väärtushinnangud ja paindlik mõtlemine. Algoritmi tugevus on järjekindel arvutus ja hinnangute kiire uuendamine uue info põhjal. Parim tulemus sünnib sageli siis, kui neid kahte ei vastandata, vaid kasutatakse koos: tehisintellekt aitab näha suuremat pilti, inimene aga otsustab, kuidas seda tegelikus olukorras tõlgendada.

Miks ennustamine jääb alati hinnanguks

Ka hästi töötav mudel ei muuda maailma täielikult etteaimatavaks. Uued asjaolud, ootamatud sündmused ja inimeste muutuv käitumine võivad muuta senised mustrid vähem kasulikuks. Prognoos jääb seetõttu tõenäosuslikuks hinnanguks, mitte lõplikuks vastuseks.

Selliseid hinnanguid tasub käsitleda abivahendi, mitte garantiina. Tehisintellekt võib aidata märgata seoseid, mida inimene ei näe, ja toetada paremaid otsuseid. Samas jääb vastutus tõlgendamise eest inimesele. Targalt kasutatud prognoos ei asenda mõtlemist, vaid annab sellele tugevama aluse.

Tähelepanu! Tegemist on hasartmängu reklaamiga. Hasartmäng pole sobiv viis rahaliste probleemide lahendamiseks. Tutvuge reeglitega ja käituge vastutustundlikult!