Може ли Изкуственият интелект да избира по-добри лидери от нас?
Лидерството има значение. Всичко, което човечеството в миналото е постигнало, е резултат от взаимна работа и е допустимо единствено в случай че някой дава отговор за координирането на груповата човешка активност. През цялата ни еволюционна история е било относително елементарно да се избират верните водачи. Например нашите предшественици ловци-събирачи са живели на дребни групи, където всички са се познавали доста добре. Лидерският гений се е определял от относително дребен набор от забележими умения, като физическа мощ, експедитивност, умелост и храброст. А по отношение на честността, която е имала толкоз огромно значение, колкото и през днешния ден, тя доста по-трудно е можело да се фалшифицира, написа за Fast Company доктор Томас Чаморо, основен шеф по нововъведенията в ManpowerGroup, професор по бизнес логика на психиката в University College London и Columbia University.
В сегашното обаче се сблъскваме със следното предизвикателство: Въпреки че лидерските качества са доста по-разнообразни и комплицирани, ние към момента разчитаме на инстинктите си, с цел да ги разберем. Еволюирахме, с цел да решаваме дали можем да се доверим на някого въз основа на интуицията, написа още Чаморо, който е и съосновател на deepersignals.com, както и помощник в Harvard's Entrepreneurial Finance Lab. Сега, когато лидерският капацитет включва необятен набор от интелектуални умения, като любознание, емпатия, прочувствена просветеност и дарба за учене, да не приказваме за напреднала техническа експертиза, би трябвало да разчитаме на принадлежности и данни, с цел да измерим лидерския капацитет на хората. Това е мястото, където логаритмите имат голям капацитет. Подхранвани с огромни масиви от данни за това, което водачите са създали и постигнали през годините, те могат да ни оказват помощ да създадем по-добри заключения за капацитета на претендентите. Ако това звучи прекомерно неразбираемо, помислете за това по следния метод: Алгоритмите са всъщност предписания, отчасти основани от компютри, написа Чаморо. Представете си, че имаме база данни за 1000 водачи, които са класирани или оценени съгласно действителното им показване. Представете си, че имаме и тонове данни за това кои са те, какви са техните полезности, умения и десетки други личностни категории. Изкуственият разсъдък може да влезе в приложимост, с цел да научи за какво някои водачи са по-ефективни от други, и на собствен ред да основава логаритми, които преработват формулата за умело водачество. Следващата стъпка е да преценим дали претендентите наподобяват на сполучливите претенденти, което не се разграничава от метода, по който Netflix или Spotify оферират нови филми или песни въз основа на това дали те наподобяват на нашите минали избори, добавя създателят. Той обаче показва редица опасности, за които би трябвало да сме готови, с цел да се избегнат грешки и неправда.
Колко надеждни са историческите данни за представянето на водачите? Винаги съществува риск оценките на представянето на водачите да са инфектирани със субективни отзиви. Едно е хората да научат логаритмите, че даден обект на пътя е дърво или светофар, напълно друго е да ги научат, че някой е добър или неприятен водач. Алгоритмите ще третират всяка подредба като факт или истина, което значи, че освен може да възпроизведе, само че и да усили пристрастията. Например, в случай че хората са по-склонни да бъдат избрани като високоефективни водачи, когато са мъже, бели и на междинна възраст, логаритмите ще предлагат белите мъже на междинна възраст да бъдат определени и нараснали в лидерски функции, само че това ще усили или ще понижи резултатите на организацията?, написа професорът по бизнес логика на психиката. Как логаритмите ще влияят на самодейностите за многообразие? Ако обучим логаритми да предсказват вероятността някой да стане водач, те ще усъвършенстват на база „ тъждественост “, а не на многообразие. Т. е., в случай че има формула за това „ по какъв начин наподобява положителното “, разумно е определените претенденти да станат по-хомогенни, изяснява създателят. Този проблем може да бъде решен посредством фокусиране върху екипи, а не върху обособени лица. Добрите екипи постоянно са композиция от хора, които имат друг опит, умения и метод на мислене. В този смисъл логаритмите могат да бъдат подготвени да откриват съществуващи пропуски в даден екип и да търсят съответните изчезнали профили, с цел да подсилят разнообразието. Трябва да можем да разбираем за какво даден логаритъм е избрал някого (или не), споделя още Чаморо. Това в действителност е едно от огромните преимущества, които компютърните логаритми могат да имат пред хората. Без значение какво ви споделят хората, в никакъв случай не знаем за какво са харесали или не даден претендент, разяснява той.
Два мозъка мислят по-добре от един Тъй като логаритмите към момента не реализират покрай съвършеното степени на акуратност, евентуално в краткосрочно бъдеще ще продължим да виждаме това, което виждаме през днешния ден, а точно хората да вземат по-добри решения, когато са подкрепени от логаритми, ръководени от данни, и противоположното. Алгоритмите ще бъдат по-ценни, в случай че могат да бъдат подсилени от човешкия опит. В прочут смисъл това постоянно е било по този начин. Някои специалистите могат да вземат интуитивни решения, тъй като тяхната вътрешен глас е резултат от насъбрани познания и опит. Това значи, че от хората ще продължава да се чака да прибавят стойност, оттатък тази, която AI и логаритмите могат да имат. Например, когато логаритмите са в положение да открият 80% от качествата, които вършат водачите по-ефективни, останалите 20% може да са подготвеност на хората, написа още Чаморо. В последна сметка логаритмите са човешко откритие. Те са още един образец за нашата дарба да сътворяваме механически принадлежности, с цел да вършим повече с по-малко и да подобряваме разнообразни области от живота. Тъй като изборът на верните водачи е главно изискване за основаване на по-добри екипи, организации и общества, коства си да опитвам в тази област. Не на последно място и поради мрачните „ върхове “ на човечеството в изборите на водачи.
В сегашното обаче се сблъскваме със следното предизвикателство: Въпреки че лидерските качества са доста по-разнообразни и комплицирани, ние към момента разчитаме на инстинктите си, с цел да ги разберем. Еволюирахме, с цел да решаваме дали можем да се доверим на някого въз основа на интуицията, написа още Чаморо, който е и съосновател на deepersignals.com, както и помощник в Harvard's Entrepreneurial Finance Lab. Сега, когато лидерският капацитет включва необятен набор от интелектуални умения, като любознание, емпатия, прочувствена просветеност и дарба за учене, да не приказваме за напреднала техническа експертиза, би трябвало да разчитаме на принадлежности и данни, с цел да измерим лидерския капацитет на хората. Това е мястото, където логаритмите имат голям капацитет. Подхранвани с огромни масиви от данни за това, което водачите са създали и постигнали през годините, те могат да ни оказват помощ да създадем по-добри заключения за капацитета на претендентите. Ако това звучи прекомерно неразбираемо, помислете за това по следния метод: Алгоритмите са всъщност предписания, отчасти основани от компютри, написа Чаморо. Представете си, че имаме база данни за 1000 водачи, които са класирани или оценени съгласно действителното им показване. Представете си, че имаме и тонове данни за това кои са те, какви са техните полезности, умения и десетки други личностни категории. Изкуственият разсъдък може да влезе в приложимост, с цел да научи за какво някои водачи са по-ефективни от други, и на собствен ред да основава логаритми, които преработват формулата за умело водачество. Следващата стъпка е да преценим дали претендентите наподобяват на сполучливите претенденти, което не се разграничава от метода, по който Netflix или Spotify оферират нови филми или песни въз основа на това дали те наподобяват на нашите минали избори, добавя създателят. Той обаче показва редица опасности, за които би трябвало да сме готови, с цел да се избегнат грешки и неправда.
Колко надеждни са историческите данни за представянето на водачите? Винаги съществува риск оценките на представянето на водачите да са инфектирани със субективни отзиви. Едно е хората да научат логаритмите, че даден обект на пътя е дърво или светофар, напълно друго е да ги научат, че някой е добър или неприятен водач. Алгоритмите ще третират всяка подредба като факт или истина, което значи, че освен може да възпроизведе, само че и да усили пристрастията. Например, в случай че хората са по-склонни да бъдат избрани като високоефективни водачи, когато са мъже, бели и на междинна възраст, логаритмите ще предлагат белите мъже на междинна възраст да бъдат определени и нараснали в лидерски функции, само че това ще усили или ще понижи резултатите на организацията?, написа професорът по бизнес логика на психиката. Как логаритмите ще влияят на самодейностите за многообразие? Ако обучим логаритми да предсказват вероятността някой да стане водач, те ще усъвършенстват на база „ тъждественост “, а не на многообразие. Т. е., в случай че има формула за това „ по какъв начин наподобява положителното “, разумно е определените претенденти да станат по-хомогенни, изяснява създателят. Този проблем може да бъде решен посредством фокусиране върху екипи, а не върху обособени лица. Добрите екипи постоянно са композиция от хора, които имат друг опит, умения и метод на мислене. В този смисъл логаритмите могат да бъдат подготвени да откриват съществуващи пропуски в даден екип и да търсят съответните изчезнали профили, с цел да подсилят разнообразието. Трябва да можем да разбираем за какво даден логаритъм е избрал някого (или не), споделя още Чаморо. Това в действителност е едно от огромните преимущества, които компютърните логаритми могат да имат пред хората. Без значение какво ви споделят хората, в никакъв случай не знаем за какво са харесали или не даден претендент, разяснява той.
Два мозъка мислят по-добре от един Тъй като логаритмите към момента не реализират покрай съвършеното степени на акуратност, евентуално в краткосрочно бъдеще ще продължим да виждаме това, което виждаме през днешния ден, а точно хората да вземат по-добри решения, когато са подкрепени от логаритми, ръководени от данни, и противоположното. Алгоритмите ще бъдат по-ценни, в случай че могат да бъдат подсилени от човешкия опит. В прочут смисъл това постоянно е било по този начин. Някои специалистите могат да вземат интуитивни решения, тъй като тяхната вътрешен глас е резултат от насъбрани познания и опит. Това значи, че от хората ще продължава да се чака да прибавят стойност, оттатък тази, която AI и логаритмите могат да имат. Например, когато логаритмите са в положение да открият 80% от качествата, които вършат водачите по-ефективни, останалите 20% може да са подготвеност на хората, написа още Чаморо. В последна сметка логаритмите са човешко откритие. Те са още един образец за нашата дарба да сътворяваме механически принадлежности, с цел да вършим повече с по-малко и да подобряваме разнообразни области от живота. Тъй като изборът на верните водачи е главно изискване за основаване на по-добри екипи, организации и общества, коства си да опитвам в тази област. Не на последно място и поради мрачните „ върхове “ на човечеството в изборите на водачи.
Източник: profit.bg
КОМЕНТАРИ