Românul genial de la Stanford ai cărui algoritmi luptă cu foametea și situațiile de criză. „Nu-s convins că societatea e pregătită încă pentru asta”

Profesor la Universitatea Stanford, Dan Iancu explică, într-un interviu pentru „Adevărul”, cum ar putea matematica aplicată și AI să rezolve situații de criză, foametea, sărăcia și blocajele din lanțurile de aprovizionare globale sau deciziile medicale dificile.

Adevărul: În ce măsură ar putea matematica aplicată, analiza de date și inteligența artificială să rezolve crize umane concrete, cum ar fi sărăcia, blocajele din lanțurile de aprovizionare globale sau deciziile medicale dificile? Se pot corecta aceste probleme doar prin algoritmi?

Dan Andrei Iancu: Doar prin algoritmi nu cred că e posibil. Dar algoritmii – și, în general, matematica aplicată – pot ajuta mult în luarea unor astfel de decizii complexe. Atâta vreme cât există date care pot fi utilizate pentru a măsura factorii importanți, putem folosi modele matematice, principii economice, și algoritmi pentru a reprezenta procesele relevante și a lua decizii mai bine fundamentate. Este însă important și să recunoaștem că majoritatea problemelor pe care le-ați mentionat sunt extrem de complexe și implică multe aspecte care sunt greu de modelat și cuantificat sau care se schimbă rapid – de exemplu, factori socio-economici, instituționali, juridici, sau care țin de mediul natural. Modele matematice ne pot ajuta să înțelegem mai bine astfel de probleme și să luam decizii mai bune, dar nu pot surprinde întreaga complexitate și, cu atât mai puțin, nu le pot rezolva singure…

Cât de eficiente vor fi finalmente aceste soluții?

Depinde foarte mult de context. În primul rând, contează calitatea datelor pe care le folosim pentru a calibra modelele. Dacă datele conțin multe erori, reflectă anumite distorsiuni sau prejudecăți ori ajung cu întârziere, atunci și recomandările modelului pot avea probleme. În același timp, niciun model nu este perfect, pentru că orice model simplifică realitatea. Există un citat foarte cunoscut în domeniul nostru, atribuit statisticianului George Box: „toate modelele sunt greșite, dar unele sunt utile”. Întrebarea importantă este, așadar, dacă modelul surprinde elementele esențiale ale problemei și dacă nu ignoră fenomene sau criterii care contează pentru decizia respectivă. Legat de asta, este foarte important si modul în care definim succesul. Un model poate fi foarte performant în raport cu obiectivul pentru care a fost construit, de exemplu, reducerea costurilor, dar poate avea rezultate mai puțin bune dacă ne interesează și alte criterii, cum ar fi echitatea, reziliența, calitatea serviciului sau impactul pe termen lung. Dacă aceste obiective nu au fost incluse în model, nu ne putem aștepta ca algoritmul să le optimizeze implicit. De aceea, eficiența unor astfel de metode depinde nu doar de cât de sofisticat este algoritmul, ci și de calitatea datelor, de modul în care formulăm problema și, mai ales, de contextul în care soluția e folosită.

Riscurile adoptării AI în companii

Vedem deja cazuri de companii mari din SUA, cum ar fi Ford, care au rechemat angajații concediați după ce au realizat că inteligența artificială pe care doreau să se bazeze a dat greș. Cum se explică acest fenomen? La ce ar trebui să ne așteptăm în această privință, într-un viitor previzibil?

Nu cunosc în detaliu acest exemplu, dar fenomenul în sine nu mă surprinde. Aud povești similare de la mulți dintre executivii cu care interacționez în programele în care predau. Multe companii sunt încă într-o fază de experimentare și încearcă să înțeleagă cum să gestioneze compromisurile pe care le presupune adoptarea inteligenței artificiale…https://adevarul.ro/stiri-interne/evenimente/romanul-genial-de-la-stanford-ai-carui-algoritmi-2552306.html