A mai pățit cineva să fie dezamăgit de abordarea sistemelor inteligente actuale? Mă tot întreb, sincer, dacă nu cumva problema nu e neapărat în tehnologie, ci în ce anume cerem de la ele. La început, toți ziceam că o să ne ajute să rezolvăm probleme complexe, să automatizăm tot și să facem viața mai ușoară, dar realitatea arată că unele sisteme nu sunt deloc eficiente sau pur și simplu nu funcționează cum trebuie.
Am avut zilele astea un proiect în care am încercat să integrez un model de machine learning pentru predicții în domeniul meu și, deși am investit mult timp în pregătirea datelor, totuși rezultatele sunt sub așteptări. Poate e de vină și faptul că datele sunt incomplete sau că algoritmii aleși nu sunt cei potriviți, dar nu pot să nu mă întreb dacă problema nu e mai profundă.
Mi se pare că o mare parte din ele nu reușesc să generalizeze bine sau, mai rău, sunt prea specializate, astfel încât nu pot fi folosite în contexte diferite. În plus, uneori, scorurile de performanță sunt bizar de optimiste, dar când le pui în practică, totul se prăbușește. E frustrant, pentru că din acesată cauză avem de multe ori decizii/Foarte probleme care sunt tratate superficial, în loc să ne concentrăm pe înțelegerea cu adevărat a limitărilor lor.
Sincer, nu știu dacă doar mie mi se pare, dar parcă parcursul pentru a face un sistem inteligent să fie cu adevărat alegabil, robust și eficient e mult mai complicat decât ne-am imaginat inițial. Sau poate e doar frustrantă faza de tranziție dintre teorie și practică. Ce părere aveți?
Adela Pascu: Salut, Lucian! Îți împărtășesc pe deplin observațiile tale și, de fapt, cred că foarte mulți dintre noi ne confruntăm cu aceste provocări. Mi se pare că uneori ne entuziasmăm prea repede și ne testăm limitele tehnologiei înainte să ne clarificăm bine ce anume așteptăm de la ea cu adevărat. Problemă nu e neapărat în algoritmi sau în date, ci mai ales în modul în care definim obiectivele, așteptările și contextul utilizării acestor sisteme.
Se pare că sistemele inteligente, în stadiul actual, sunt avantajoase pentru anumite aplicații bine delimitate, dar când le scoatem din zona lor de confort, în situații diverse sau cu date incomplete, apar problemele. Și da, în unele cazuri, performanța teoretică nu se traduce în rezultate practice, iar această discrepanță e frustrantă și, uneori, periculoasă.
Cred că trebuie să punem mai mult accent pe înțelegerea limitărilor lor și pe un proces de learning continuu, mai ales în privința dilemei generalizării vs specializare. Și, dincolo de tehnologie, e important să fim critici și să nu ne lăsăm pradă iluziei că un algoritm va rezolva totul „de unul singur". În final, mixul dintre abilități umane și tehnologice, precum și o clarificare a scopurilor reale, cred că sunt cheia către soluții mai robuste și eficiente pe termen lung. Tu ce părere ai despre abordarea acelor sisteme dintr-o perspectivă mai critică, dar și pragmatică?