середа, 22 січня 2025 р.

Чи Може Штучний Інтелект Передбачати Майбутнє?

Нове дослідження Філіпа Тетлока, професора Вартонської школи, показало, що поєднання прогнозів великих мовних моделей штучного інтелекту може досягти такої ж точності, як і людські прогнози.

Декілька десятиліть ми спостерігали, як рішення часто приймаються з урахуванням «мудрості натовпу» — коли багато людей об’єднують свої судження для отримання кращих результатів, ніж здогадки окремої особи. Але що, якщо цей «натовп» — не людський?

Тетлок у своєму дослідженні показав, що комбінування прогнозів кількох систем штучного інтелекту (ШІ), зокрема великих мовних моделей (LLMs), дає таку ж точність, що й прогнози людей. Це відкриття дозволяє отримати дешевші та швидші прогнози, наприклад, для передбачення політичних подій чи економічних тенденцій.

«Мудрість кремнієвого натовпу»

Вчені називають цей метод «мудрістю кремнієвого натовпу». Ідея в тому, щоб використати групи ШІ для отримання точних прогнозів майбутнього. Співавторами дослідження є Філіп Шенеггер з Лондонської школи економіки, Індре Тумінаускайте та Пітер Парк з Массачусетського технологічного інституту.

Цей метод дає організаціям можливість отримати високоякісні прогнози без необхідності використовувати дорогі команди аналітиків.

«Це не про заміну людей, а про те, щоб зробити прогнози швидшими, точнішими й доступнішими», — зазначає Тетлок.

Як працюють прогнози ШІ?

Окремо моделі ШІ, як GPT-4 від OpenAI, не завжди показують хороші результати в прогнозуванні. Однак дослідження Тетлока доводить, що поєднання прогнозів кількох таких моделей значно підвищує точність.

Ключовий момент полягає в тому, як помилки моделей взаємно компенсують одна одну. Це схоже на те, як людські групи згладжують особисті упередження. Кожна модель вносить унікальний погляд, який допомагає отримати більш точний прогноз.

Також було виявлено, що прогнози ШІ стають точнішими на 17–28%, коли до них додаються результати людських турнірів з прогнозування.

«Найкращі прогнози виникають, коли інтуїція людини поєднується з точністю машини», — додає Тетлок.

Переваги та обмеження прогнозів ШІ

Хоча результати дослідження обіцяють  перспективи, є й певні виклики. Наприклад, моделі ШІ можуть не впоратись з прогнозами, що стосуються подій, які відбулися після закінчення їхнього навчання. Це може знижувати точність.

Ще однією проблемою є надмірна впевненість ШІ у своїх прогнозах, коли ймовірність певних подій не відповідає реальним даним.

Тетлок пропонує метод «роздільної впевненості», щоб чітко визначати ймовірності подій. Мета — підвищити точність, фокусуючись на найбільш ймовірних подіях.

Майбутнє прогнозування

Дослідження показує реальну користь від використання ШІ для прогнозування, особливо в таких сферах, як політика та економіка, де точні прогнози мають важливе значення. Об’єднання прогнозів ШІ — це практичне, ефективне та масштабоване рішення.

«Це лише початок. З удосконаленням цих систем їх точність збільшуватиметься, а самі методи змінюватимуть підхід до прийняття рішень» — підсумовує Тетлок.

Авторка: Дар’я Бровченко

Немає коментарів:

Дописати коментар

Примітка: лише член цього блогу може опублікувати коментар.