16 . Согласно правилу последовательности математика Пьера-Симона Лапласа, вероятность того, что повторится то, что до сих пор происходило n раз, равна (n + 1) / (n + 2). В данном случае это около 99 процентов (100/101). См. Гигеренцер (2014).
17 . Данные по VIX доступны на сайте https://www.cboe.com/us/indices/dashboard/vix/.
18 . Цитируется в Makridakis, Hogarth, and Gaba (2019, p. 796).
19 . Цитируется в Posner (2009, p. 287).
20 . Например, см. М. Фридман (2007).
21 . Этот пример приведен в Haldane (2012).
22 . Montgomery (2020).
23 . Кей и Кинг (2020).
24 . Knight (1921).
25 . Следующий пример взят из книги Sull and Eisenhardt (2015).
26 . Эйзенхардт (1989, 1990).
27 . Хельмрайх и Мерритт (2000).
28 . Эта оценка количества пациентов, погибших в результате предотвратимых медицинских ошибок в больницах США, приведена в работе Kohn et al. (2000).
29 . Джеймс (2013).
30 . Гигеренцер (2014).
31 . Kahneman, Sibony, and Sunstein (2021).
32 . Kay (2022).
33. Кит и Фрезе (2011).
34 . См. ван Дейк и др. (2005).
35 . Artinger et al. (2019).
12 Искусственный интеллект и психологическая разведка
В 2011 году у IBM был знаменательный год. В эпизоде популярной викторины "Jeopardy!", вышедшем в эфир 16 февраля, Ватсон, суперкомпьютер компании, победил Кена Дженнингса, возможно, лучшего участника из людей, и выиграл приз в 1 миллион долларов. Это был подвиг, о котором ученые и инженеры IBM мечтали долгие годы, и золотая маркетинговая возможность для компании. Опираясь на свежую известность, IBM уже на следующий день объявила: "Уже сейчас мы изучаем возможности применения навыков Watson в богатом и разнообразном языке здравоохранения, финансов, юриспруденции и научных кругов". Руководители IBM были уверены, что передовые алгоритмы (в основном в области обработки естественного языка) и огромная вычислительная мощность Watson станут двигателем роста компании в ближайшие десятилетия, подобно тому, как это делали компьютеры-мейнфреймы в предыдущие десятилетия. Однако их амбиции закончились большим провалом. Watson с трудом приносил доход, а цена акций IBM в 2021 году упала на 10 % по сравнению с десятью годами ранее после триумфа Watson. Что же пошло не так?
Согласно отчету New York Times, похоже, что IBM сильно недооценила трудности, с которыми Watson столкнется при решении реальных задач. 1 В отличие от Jeopardy!, в которой правила фиксированы и ответы на вопросы общего характера определены, в диагностике рака, инвестиционных стратегиях или научных открытиях нет четких правил, а результаты зависят от множества непредсказуемых факторов. В условиях неопределенности даже большие объемы данных, которые на практике часто бывают беспорядочными, непоследовательными и полными ошибок, оказываются малоэффективными для создания хороших решений в области искусственного интеллекта (ИИ). Компания IBM утверждала, что Watson станет "лунной звездой", которая произведет революцию в медицине. Но это утверждение исходило от отдела маркетинга, а не от инженеров, которые знали лучше. Например, онкологический центр MD Anderson, , потратил 62 миллиона долларов на рекомендации Watson по лечению рака. После того как рекомендации оказались ненадежными, а некоторые даже угрожали жизни пациентов, они расторгли контракт. IBM признала, что Ватсон был на уровне студента-медика первого курса. Вскоре после этого Watson был продан по частям, включая данные о пациентах.
Несбывшиеся обещания Watson - отнюдь не исключение. В 1970-х и 1980-х годах вся область ИИ пережила так называемую "зиму ИИ" - периоды снижения интереса к ней, когда люди осознали большой разрыв между тем, что, как они надеялись, сможет сделать ИИ, и тем, что ИИ может сделать на самом деле. Только благодаря значительному увеличению вычислительных мощностей, доступности больших данных и достижениям в области машинного обучения надежды на ИИ возродились в этом веке. После громких побед Watson и AlphaGo (компьютерной программы игры Го) над лучшими человеческими игроками и агрессивных маркетинговых кампаний таких технологически подкованных компаний, как IBM и Google, фирмы поспешили запустить программы, основанные на ИИ, на своих предприятиях. Однако результаты часто оказываются неутешительными. В 2017 году компания Gartner Research сообщила, что 85 процентов проектов по созданию больших данных, которые она исследовала, не вышли за пределы предварительных стадий, 2 , а в 2019 году она прогнозировала, что только 20 процентов аналитических выводов принесут реальные результаты бизнесу к 2022 году. 3 Подробные отчеты о неудачных попытках компаний материализовать потенциал ИИ, больших данных и других аналитических подходов многочисленны. Учитывая столь низкие фактические и прогнозируемые показатели отдачи, неудивительно, что в ходе опроса 1000 американских руководителей в 2022 году только 27 %, 24 % и 11 % респондентов сообщили, что за последние двенадцать месяцев их компании использовали ИИ для "улучшения процесса принятия решений", "повышения опыта и квалификации сотрудников" и "повышения доверия акционеров", соответственно. 4