Luarea automata a deciziilor (ADM) implica utilizarea datelor, masinilor si algoritmilor pentru a lua decizii intr-o gama larga de contexte, inclusiv administratie publica, afaceri, sanatate, educatie, drept, angajare, transport, mass-media si divertisment, cu diferite grade de supraveghere sau interventie.
ADM implica date la scara larga dintr-o gama larga de surse, cum ar fi baze de date, text, retele sociale, senzori, imagini sau vorbire, care sunt procesate folosind diverse tehnologii, inclusiv software de calculator, algoritmi, invatare automata, procesare a limbajului natural, inteligenta artificiala, inteligenta umana si robotica.
Utilizarea tot mai mare a sistemelor automate de luare a deciziilor (ADMS) intr-o serie de contexte prezinta multe beneficii si provocari pentru societatea umana, care necesita luarea in considerare a consecintelor tehnice, juridice, etice, societale, educationale, economice si de sanatate.
Prezentare generala
Exista diferite definitii ale ADM in functie de nivelul de automatizare implicat. Unele definitii sugereaza ca ADM implica decizii luate prin mijloace pur tehnologice, fara aport uman, cum ar fi Regulamentul general al UE privind protectia datelor (articolul 22).
Cu toate acestea, tehnologiile si aplicatiile ADM pot lua mai multe forme, de la sisteme de sprijinire a deciziilor care fac recomandari pentru ca factorii de decizie umani sa actioneze, uneori cunoscute sub numele de inteligenta augmentata sau „luare a deciziilor partajate” pâna la decizii complet automatizate – procesele care iau decizii in numele unor indivizi sau organizatii fara implicarea umana.
Modelele utilizate in sistemele automate de luare a deciziilor pot fi la fel de simple ca listele de verificare si arborii de decizie pâna la inteligenta artificiala si retelele neuronale profunde (DNN). Incepând cu anii 1950, computerele au trecut de la capacitatea de a efectua procesari de baza, la capacitatea de a indeplini sarcini complexe, ambigue si de inalta calificare, cum ar fi recunoasterea imaginilor si a vorbirii, jocul, analizele stiintifice si medicale si inferenta in mai multe surse de date. ADM este acum din ce in ce mai desfasurat in toate sectoarele societatii si in multe domenii diverse, de la divertisment la transport.
Un sistem ADM (ADMS) poate implica mai multe puncte de decizie, seturi de date si tehnologii (ADMT) si poate fi inclus intr-un sistem administrativ sau tehnic mai mare, cum ar fi un sistem de justitie penala sau un proces de afaceri. Luarea automata a deciziilor implica utilizarea datelor ca intrare, fie pentru a fi analizate in cadrul unui proces, model sau algoritm, fie pentru a invata si a genera noi modele.
Sistemele ADM pot utiliza si conecta o gama larga de tipuri si surse de date, in functie de obiectivele si contextele sistemului, de exemplu date de senzori pentru masini cu conducere autonoma si robotica, date de identitate pentru sistemele de securitate, date demografice si financiare pentru administratia publica, fise medicale in sanatate, caziere judiciare in drept. Acest lucru poate implica uneori cantitati mari de date si putere de calcul.
Calitatea datelor
Calitatea datelor care sunt disponibile si care pot fi utilizate in sistemele ADM este fundamentala pentru rezultate si este adesea extrem de problematica din multe motive.
Seturile de date sunt adesea foarte variabile, datele la scara larga pot fi controlate de corporatii sau guverne, restrictionate din motive de confidentialitate sau securitate, incomplete, partinitoare, limitate in termeni de timp sau acoperire, in masurarea si descrierea termenilor in moduri diferite si multe alte probleme.
Pentru ca masinile sa invete din date, sunt adesea necesare corpuri mari care pot fi dificil de obtinut sau de calculat, cu toate acestea, acolo unde sunt disponibile, au oferit progrese semnificative, de exemplu in diagnosticarea radiografiilor toracice.
Tehnologii ADM
Tehnologiile automate de luare a deciziilor (ADMT) sunt instrumente digitale codificate prin software care automatizeaza traducerea datelor de intrare in date de iesire, contribuind la functionarea sistemelor automate de luare a deciziilor. Exista o gama larga de tehnologii utilizate in aplicatiile si sistemele ADM:
- ADMT-uri care implica operatii de calcul de baza Cautare (include 1-2-1, 1-2-multe, potrivirea/imbinarea datelor)
- Potrivire (doua lucruri diferite)
- Calcul matematic (formula)
- ADMT pentru evaluare si grupare: Profilarea utilizatorilor
- Sisteme de recomandare
- Clustering
- Clasificare
- Invatarea caracteristicilor
- Analiza predictiva (include prognoza)
- ADMT-uri referitoare la spatiu si fluxuri: Analiza retelelor sociale (include predictia link-urilor)
- Cartografiere
- Dirijare
- ADMT-uri pentru prelucrarea de formate complexe de date
- Procesarea imaginii
- Procesare audio
- Procesarea limbajului natural (NLP)
- Analiza serii temporale
- Detectarea anomaliilor
- Modelare/Simulare
Invatare automata
Invatarea automata (ML) implica instruirea programelor de calculator prin expunerea la seturi mari de date si exemple pentru a invata din experienta si pentru a rezolva probleme. Invatarea automata poate fi utilizata pentru a genera si analiza date, precum si pentru a face calcule algoritmice si a fost aplicata la recunoasterea imaginilor si a vorbirii, traduceri, text, date si simulari.
In timp ce invatarea automata exista de ceva timp, aceasta devine din ce in ce mai puternica datorita progreselor recente in formarea retelelor neuronale profunde (DNN) si a cresterilor dramatice ale capacitatii de stocare a datelor si ale puterii de calcul cu ajutorul coprocesoarelor GPU si cloud computing.
Sistemele de invatare automata bazate pe modele de baza ruleaza pe retele neuronale profunde si folosesc potrivirea modelelor pentru a antrena un singur sistem imens pe cantitati mari de date generale, cum ar fi text si imagini.
Modelele timpurii au avut tendinta de a incepe de la zero pentru fiecare problema noua, insa, de la inceputul anilor 2020, multe sunt capabile sa fie adaptate la noi probleme. Exemple de aceste tehnologii includ DALL-E de la Open AI, un program de creare de imagini si model de limbaj GPT si programul de model de limbaj PaLM, de la Google.
Aplicatii ale ADM sunt folosite pentru a inlocui sau a spori luarea deciziilor umane de catre organizatiile din sectorul public si privat, dintr-o serie de motive, inclusiv pentru a ajuta la cresterea coerentei, imbunatatirea eficientei, reducerea costurilor si a permite noi solutii la probleme complexe.
Dezbate Cercetarea si dezvoltarea sunt in curs de desfasurare in utilizarea tehnologiei pentru a evalua calitatea argumentelor, evaluarea eseurilor argumentative si dezbaterile judecatoresti. Aplicatiile potentiale ale acestor tehnologii argumentale se intind in educatie si societate. Scenariile de luat in considerare, in aceste privinte, includ pe cele care implica evaluarea si evaluarea argumentarii si dezbaterilor conversationale, matematice, stiintifice, interpretative, juridice si politice.
In sistemele juridice din intreaga lume, instrumente algoritmice, cum ar fi instrumentele de evaluare a riscurilor (RAI), sunt folosite pentru a completa sau inlocui rationamentul uman al judecatorilor, functionarilor publici si ofiterilor de politie in multe contexte.
In Statele Unite ale Americii sunt utilizate pentru a genera scoruri pentru a prezice riscul de recidiva in detentia preventiva si deciziile de condamnare, pentru a evalua eliberarea conditionata pentru detinuti si pentru a prezice „punctele fierbinti” sau riscul de recidiva, pentru infractiunile viitoare. Aceste scoruri pot avea ca rezultat efecte automate sau pot fi folosite pentru a informa deciziile luate de oficialii din cadrul sistemului de justitie.
In Canada, ADM a fost folosit din 2014 pentru a automatiza anumite activitati desfasurate de oficialii de imigrare si pentru a sprijini evaluarea unor cereri pentru imigranti si vizitatori.
Economie
Sistemele automate de tranzactionare folosesc programe informatice pentru a crea ordine de cumparare si vânzare si pentru a trimite automat ordinele catre centrele de piata sau burse. Programele de calculator pot genera automat ordine bazate pe un set predefinit de reguli folosind strategii de tranzactionare care se bazeaza pe analize tehnice, calcule statistice si matematice avansate sau intrari din alte surse electronice.
Media si divertisment
Media digitala, platformele de divertisment si serviciile de informare ofera din ce in ce mai mult continut publicului prin sisteme de recomandare automatizate bazate pe informatii demografice, selectii anterioare, filtrare colaborativa sau filtrare bazata pe continut. Acestea includ platforme muzicale si video, publicatii, informatii despre sanatate, baze de date despre produse si motoare de cautare.
Multe sisteme de recomandare ofera, de asemenea, o anumita agentie utilizatorilor in acceptarea recomandarilor si incorporeaza bucle de feedback algoritmice, bazate pe date ale actiunilor utilizatorului sistemului.
Modelele lingvistice de invatare automata la scara larga si programele de creare a imaginilor dezvoltate de companii precum OpenAI si Google in anii 2020, au acces restrictionat, dar este posibil sa aiba aplicatii pe scara larga in domenii precum publicitate, copywriting, imagini de stoc si design grafic, de asemenea si in alte domenii precum jurnalismul si dreptul.
Publicitate
Publicitatea online este strâns integrata cu multe platforme media digitale, site-uri web si motoare de cautare si implica adesea livrarea automata a reclamelor afisate in diverse formate. Publicitatea online „programatica” implica automatizarea vânzarii si livrarii de publicitate digitala pe site-uri web si platforme prin intermediul software-ului, mai degraba decât prin luarea deciziilor umane directe.
Acesta este uneori cunoscut sub numele de „modelul cascada”, care implica o secventa de pasi in diferite sisteme: editori si platforme de gestionare a datelor, date despre utilizatori, servere de anunturi si datele de livrare ale acestora, sisteme de gestionare a stocurilor, comercianti de anunturi si schimburi de anunturi.
Exista diverse probleme cu acest sistem, inclusiv lipsa de transparenta pentru agentii de publicitate, valorile neverificabile, lipsa de control asupra locatiilor publicitare, urmarirea publicului si preocuparile privind confidentialitatea. Utilizatorii de internet carora nu le plac reclamele au adoptat contramasuri, cum ar fi tehnologiile de blocare a reclamelor, care permit utilizatorilor sa filtreze automat reclamele nedorite de pe site-uri web si unele aplicatii de internet.
Sanatate
Modelele de imagini AI de invatare profunda sunt utilizate pentru examinarea razelor X si detectarea starii oculare a degenerescentei maculare.
Servicii sociale
Guvernele au implementat tehnologii digitale pentru a oferi servicii administrative si sociale mai eficiente inca de la inceputul anilor 2000, adesea denumite e-guvernare. Multe guverne din intreaga lume folosesc acum sisteme algoritmice automatizate pentru profilarea si directionarea politicilor si serviciilor, inclusiv controlul algoritmic de politie bazat pe riscuri, sortarea de supraveghere a persoanelor, cum ar fi verificarea aeroporturilor, furnizarea de servicii bazate pe profiluri de risc in protectia copilului, furnizarea de servicii de angajare si guvernare.
O aplicatie semnificativa a ADM in serviciile sociale se refera la utilizarea analizei predictive – de exemplu, previziuni ale riscurilor pentru copii din cauza abuzului/neglijarii in protectia copilului, previziuni de recidiva sau infractiuni in politie si justitie penala, previziuni privind bunastarea/frauda fiscala in sistemele de conformitate, previziuni ale somajului pe termen lung in serviciile de ocupare a fortei de munca.
Din punct de vedere istoric, aceste sisteme s-au bazat pe analize statistice standard, cu toate acestea, de la inceputul anilor 2000, invatarea automata a fost dezvoltata si implementata din ce in ce mai mult.
