Данная статья рассматривает возможности и преимущества применения искусственного интеллекта в текущей деятельности.

Авторы полагают, что использование ИИ для прогнозирования поведения может привести к серьезным ошибкам в выстраивании политики, в том числе, и в социальном секторе, и поэтому программы, нацеленные на здравоохранение и развитие, должны применять именно причинно-следственные модели, которые лучше объясняют, почему люди ведут себя тем или иным образом, чтобы помочь определить наиболее эффективные рычаги воздействия.

ИИ для повседневной деятельности способен идентифицировать основные причины поведения или события и на этой основе формулировать значимые идеи, которые прогнозные модели не способны предложить. Данная технология может применяться в самых разных отраслях, например, климатические изменения или смертность среди матерей и новорожденных. В какой-бы сфере ИИ не внедрялся, всегда существует ряд сложностей на пути эффективного внедрения этой технологии.

Авторы статьи предлагают ознакомиться с 7 способами повышения эффективности ИИ.

1) Найти более эффективный способ использования данных и непрерывно повышать их качество.

2) Собирайте более полноценные, всеобъемлющие данные.

3) Создавайте масштабируемые, высокопроизводительные инструменты с открытым исходным кодом для применения алгоритмов повседневного ИИ.

4) Продемонстрируйте ценность повседневного ИИ в секторе развития.

5) Повышайте осведомленность и знания основных заинтересованных сторон о технологиях повседневного ИИ.

6) Комбинируйте искусственный интеллект с человеческим интеллектом.

7) Улучшайте способы оценки производительности алгоритмов ИИ.

Сема К. Сгайер, Винсент Хуанг, Грейс Чарльз. [The Case for Causal AL. Sema K. Sgaier, Vincent Huang, Grace Charles]. Stanford Social Innovation Review. Лето, 2020.