آیا الگوریتم‌ها از انسان‌ها باهوش ترند؟
آیا به نرم‌افزارها اعتماد می‌کنید تا به جای شما تصمیم‌گیری کنند؟ برایتان جالب خواهد بود اگر بدانید گاهی شرایط به قدری پیچیده می‌شود که مقایسه انسان و الگوریتم‌ها به شدت دشوار می‌گردد!
کلیک- شرایط بالا را در نظر بگیرید؛ اگر خودتان برنامه نویس یک نرم‌افزار باشید، آن موقع می‌توانید کاملا به آن اعتماد کنید و تصمیم‌گیری را به آن واگذار کنید؟
موردی که در این‌جا قابل بحث است، موضوع آقای کید مسی، استاد دانشگاه پنسیلوانیا و روفوس پی بادی، دانشجوی سابق و ورزش‌کار حرفه ای است. این دو به اتفاق یک سیستم شناخته‌شده برای پیش بینی نتایج کالج‌ها و بازی‌های فوتبال حرفه‌ای به نام رتبه بندی مسی-پی بادی ساخته اند. نتایج این سیستم صرفا بر اساس آمار و ارقام است.
در اکتبر ۲۰۱۳، دانشگاه تگزاس دربرابر رقیب خود یعنی دانشگاه اوکلاهما قرار گرفت. در حالی که اوکلاهما در دو سال قبل تگزاس به طور متوسط با ۴۰ امتیاز تگزاس را شکست داده بود، مسابقه لاس وگاس به پیروزی ۱۴ امتیازی اوکلاهما در برابر تگزاس منجر شد. مدل مسی-پی بادی، از سوی دیگر، پیش بینی یک پیروزی با حدود ۱۰ امتیاز و نه ۱۴ امتیاز را کرده بود! مسی که اهل تگزاس است، این شکست را نپذیرفت و بر سیستم خود پافشاری کرد؛ در نهایت، Longhorns با نتیجه ۳۶ به ۲۰ برنده شدند.
اشتباه مسی نشان‌گر گرایشی است که این روزها در عصر دیجیتال به کرات مشاهده می‌شود؛ هنگامی که الگوریتم‌ها وظیفه توصیه خرید کتاب را به مردم دارند، سریع ترین مسیر ممکن برای رسیدن به مقصد را در خیابان‌ها ارائه می‌دهند، و محتوای خواندنی کاربران را در شبکه‌های اجتماعی فراهم می‌آورند!
واقعیت این است که الگوریتم‌ها در حوزه تصمیم‌گیری از مزایای متعددی نسبت به انسان‌ها برخوردارند. انسان‌ها به طور معمول عوامل نامربوط را مد نظر قرار می‌دهند و از موارد مربوط به موضوع چشم‌پوشی می‌کنند. آنها متغیرهای مختلف را در طول زمان تغییر می‌دهند و اجازه می‌دهند احساسات و عواطف بر کار آنها تاثیر بگذارد. البته الگوریتم‌ها نیز کامل نیستند! اما تحقیق مسی نشان می‌دهد که انسان‌ها توان تحمل و طاقت اشتباهات و خطاهای نرم‌افزارها را ندارند، اما به راحتی از اشتباهات و خطاهای خود می‌گذرند!
در یک مطالعه که در سال ۲۰۱۴ برگزار شد، از شرکت کنندگان خواسته شد تا برآورد کنند یک گروه از متقاضیان MBA بعدها در زندگی بر اساس نمرات خود در آزمون،مصاحبه و مقالات و تجربه کاری، به چه درجه‌ای از موفقیت دست پیدا می‌کنند. تمام شرکت کنندگان به جز کسانی که در گروه کنترل بودند، در یک دوره آموزشی شرکت کردند. یک گروه قضاوت و پیش‌بینی خود را در مورد عملکرد آینده ۱۵ دانش آموز ارائه کردند و سپس راجع به دقت کار خود بازخوردهایی را دریافت کردند. درحالی که گروه دوم عملکرد یک مدل آماری را مشاهده کردند و گروه سوم هر دو گروه قبلی را مورد نظارت و بررسی قرار دادند و اطلاعات و آمار را با زندگی واقعی مقایسه کردند.
در مجموعه بعدی شامل ۱۰ کآزمایش، محققان به شرکت کنندگان وعده دادند که اگر پیش‌بینی آنها به میزان ۵ درصد با نتیجه واقعی مطابقت داشته باشد، یک دلار دریافت می‌کنند و سپس از آنها خواسته شد تا از بین مدل آماری و یا تکیه بر قضاوت، یک روش را برگزینند. در هر دو گروه کنترل و گروهی که بازخورد نظرات و قضاوت خود را دریافت کردند، دو سوم از شرکت کنندگان از مدل استفاده کردند. در دو گروهی که مدل را در محل کار بررسی کردند، تنها در حدود یک چهارم از شرک۱ت کنندگان از مدل استفاده کردند.
چرا چنین اتفاقی افتاد؟ آیا مدل بد بوده؟ کاملا برعکس! الگوریتم حتی به میزان ۱۵ درصد بهتر از انسان عمل کرد و کسانی که از آن اجتناب کردند، می‌توانستند با استفاده از آن ۲۹ درصد پول بیشتری به جیب بزنند. سوالات نظرسنجی بعدا نشان داد که شرکت کنندگان وقتی پیش‌بینی‌های نه چندان خوب خود را مشاهده کردند، اعتماد به نفس و ایمان خود را از دست ندادند، اما به محض این‌که متوجه شدند الگوریتم دچار خطاهایی شده، به سرعت دست از آن کشیدند و به کلی اعتماد خود را به آن از دست دادند.
تیم مسی نشان داد که مردم درک بهتری از خود دارند و عملکرد خود را در یادگیری از اشتباهات و بهبود و ارتقا در طول زمان بهتر ارزیابی کردند. در آزمایش دوم، آنها تصمیم به بررسی این نکته گرفتند که آیا مردم در صورت داشتن کنترل بر روی الگوریتم‌ها، حاضر به استفاده از آنها هستند یا خیر. آنها از بیش از ۸۰۰ شرکت کننده خواستند تا عملکرد دانش آموزان مقطع متوسطه را در آزمون ریاضی استاندارد با توجه به اطلاعات خاص دانش آموزان براورد کنند. این بار، شرکت کنندگان دریافتند که پیش‌بینی ها با میانگین، ۱۷٫۵ درصد اختلاف داشتند.
این مطالعه پس از آن شرکت کنندگان را به چهار گروه زیر دسته بندی کرد؛ یک گروه کنترل که پیش‌بینی‌های الگوریتم‌را می‌پذیرفتند، گروه‌هایی که می توانستند نتایج مدل را به میزان دو درصد، پنج درصد و ۱۰ درصد تغییر دهند و سپس از شرکت‌کنندگان خواسته شد تا در صورت نیاز به کمک الگوریتم، درخواست بدهند. تنها ۴۷ درصد از افراد گروه نتوانستند توصیه‌های الگوریتم را تغییر دهندو این درحالی است که ۷۱ درصد از آنها تنها توانستند نتایج را به میزان دو و پنج درصد تغییر دهند و ۶۸ درصد نیز توانستند ۱۰ درصد نتایج را بالا پایین کنند.
نتیجه چیست؟ تحقیقات زیادی نشان می دهد که مدل های آماری دقیق‌تر از قضاوت‌های بنیادی هستند، اما اگر مردم به مدل‌هایی که ۱۰۰ درصد دقیق نیستند، اعتمادشان را از دست بدهند دیگر این دستاورد کمک شایانی نخواهد کرد. همچنین مشاهده شد که اگر مردم بدانند که بر مدل‌های آماری و الگوریتم کنترل دارند، بهتر با قضیه کنار می‌آیند و خیالشان راحت می‌شود! دلیلی که باعث می‌شود مدل مسی از اهمیت بالایی برخوردار باشد، تاثیر آن بر حل مشکلات حاد اجتماعی است و بر خلاف انسان‌ها، نمی‌توانند غرض‌ورزی های خود را در مسائل دخالت دهند و کار خود را حتی با میزان خطایی که وجود دارد، به خوبی انجام می‌دهند.