Superforecasting: Przyszłość przewidywania w świecie AI

Pamiętacie mój niedawny wpis o konferencji AI Impact 2024? Dziś ponownie do niej nawiązuje. Chcę podzielić się z Wami szczegółami ciekawego wystąpienia - przemówienia inauguracyjnego Scotta Eastmana pod tytułem “Scenariusze przyszłości, czyli czego powinniśmy się bać” o super prognozowaniu “en: superforecasting”. 

W świecie, gdzie sztuczna inteligencja rewolucjonizuje sposób podejmowania decyzji, pojawia się kluczowe pytanie: jak możemy wykorzystać super prognozowanie, aby lepiej przewidywać i kształtować przyszłość? To właśnie temu zagadnieniu poświęcone było wystąpienie Scotta, które kazało mi się głęboko zastanowić, jak myśleć o prognozowaniu w erze AI. I zaznaczam w tym miejscu, że nie jestem specjalistą w tej materii, ale wrodzona ciekawość kazała mi się zagłębić w ten temat.

Kim jest Scott Eastman?

Scott Eastman to wybitny ekspert w dziedzinie prognozowania przyszłych wydarzeń. Jego przygoda z super prognozowaniem rozpoczęła się w 2013 roku, kiedy dołączył do przełomowego projektu badawczego “Aggregative Contingent Estimation (ACE)” w organizacji “Intelligence Advanced Research Projects Activity (IARPA)”, działającej w ramach Biura Dyrektora amerykańskiego Wywiadu Narodowego (ODNI). Od 2015 roku, jako konsultant Good Judgment Inc., dostarcza precyzyjne analizy i prognozy z zakresu geopolityki, epidemiologii i ekonomii dla rządów i organizacji na całym świecie.

"Nie znam przyszłości. Ty nie znasz przyszłości. Nikt z nas nie zna przyszłości" - tymi słowami Scott rozpoczął swoje wystąpienie. "Ale niektórzy z nas są lepsi w rozumieniu tego, co wiemy, a czego nie wiemy." To właśnie ta umiejętność rozróżniania między wiedzą a niepewnością stanowi sedno super prognozowania jak można było wywnioskować z przytoczonej sentencji.

Czym jest super prognozowanie?

Wyobraźcie sobie, że możecie przewidzieć przyszłe wydarzenia lepiej niż eksperci. Brzmi jak science fiction? A jednak jest to możliwe. Należy tutaj rozróżnić dwa kluczowe pojęcia: super prognozowanie jako proces oraz super prognoza jako jego wynik. Super prognozowanie to metodyczne podejście do przewidywania przyszłości, oparte na systematycznej analizie danych i ciągłym doskonaleniu technik prognozowania. Z kolei super prognoza to konkretna predykcja wyrażona w formie prawdopodobieństwa, którą super prognostycy stale aktualizują w oparciu o nowe informacje.

Co wyróżnia skutecznego super prognostę? Na podstawie doświadczeń Scotta i badań w tej dziedzinie, możemy wyróżnić kilka kluczowych cech:

• Pokora poznawcza: Świadomość własnych ograniczeń i gotowość do przyznania się do błędu.
• Ciekawość intelektualna: Stałe poszukiwanie nowych informacji i perspektyw.
• Umiejętność pracy zespołowej: Zdolność do współpracy i uczenia się od innych.
• Elastyczność myślenia: Gotowość do zmiany zdania w świetle nowych dowodów.
• Systematyczność: Metodyczne podejście do zbierania i analizy danych.

W dobie AI ta dziedzina przechodzi prawdziwą rewolucję. Scott przytoczył przykład najnowszego modelu Google Gemini Ultra, który jest w stanie wykonywać 80 miliardów miliardów operacji na sekundę [autor: nie udało mi się potwierdzić tej informacji w oficjalnie dostępnych źródłach]. 

To ogromny skok w możliwościach obliczeniowych, ale jak zauważył Scoot, nie możemy spodziewać się, że takie tempo wzrostu utrzyma się wiecznie. To trochę jak z rozwojem lotnictwa - w 1947 roku osiągnęliśmy prędkość naddźwiękową, ale dziś większość lotów komercyjnych wciąż odbywa się z prędkością poddźwiękową, bo osiągnęliśmy pewne praktyczne granice. Ta analogia przypomina nam, że w prognozowaniu nie chodzi tylko o surową moc obliczeniową - kluczowe jest znalezienie optymalnego punktu równowagi między możliwościami technologii a praktyczną użytecznością. Podobnie jak w lotnictwie komercyjnym, gdzie liczy się nie tyle maksymalna prędkość ale również bezpieczeństwo i efektywność. Przekładając na prognozowanie - najważniejsza jest nie ilość przetworzonych danych, ale jakość i użyteczność otrzymanych prognoz.

Wyzwania i możliwości w erze AI

Scott podczas swojego wystąpienia wskazał na kilka kluczowych obszarów, które wymagają naszej szczególnej uwagi:

1. Współpraca człowieka z AI: Prezenter podzielił się swoimi doświadczeniami ze swojej pracy, gdzie w ramach jednego z projektów pracuje nad tym, jak ludzie i AI mogą wspólnie tworzyć lepsze prognozy. "...AI jest świetna w rozpoznawaniu wzorców, które są poznawalne i powtarzalne..." - wyjaśnił. "...Ale podobnie jak ludzie, systemy AI nie radzą sobie dobrze z przewidywaniem rzeczy, które całkowicie odbiegają od znanych schematów..." kontynuował. Z tych słów możemy wywnioskować, że najlepsze wyniki osiągamy łącząc:
   
   • Zdolność AI do analizy ogromnych ilości danych.
   • Ludzką intuicję i zdolność do dostrzegania nietypowych sytuacji.
   • Umiejętność krytycznego myślenia i kwestionowania założeń.
2. Zarządzanie ryzykiem: Scott przedstawił intrygującą perspektywę na ryzyko w erze AI. Jego największe obawy nie dotyczą scenariuszy rodem z filmów science fiction, gdzie AI przejmuje kontrolę nad światem. Zamiast tego wskazuje na bardziej przyziemne, ale realne zagrożenia:
   • Dezinformacja i propaganda: AI może generować przekonujące, ale fałszywe treści na masową skalę. Scott pokazał podczas prezentacji zdjęcie wygenerowane przez AI, które z daleka wyglądało bardzo realistycznie, ale przy bliższym przyjrzeniu zawierało błędy - na przykład nieprawidłową liczbę palców u rąk.
     
   • Ryzyko biologiczne: To szczególnie niepokojący obszar. Scott przytoczył przykład z 2017 roku, kiedy kanadyjski naukowiec, dr. David Evans z Uniwersytetu Alberty, zsyntetyzował wirusa ospy końskiej (equine encephalitis virus) przy użyciu technologii sztucznej inteligencji oraz nowoczesnych metod inżynierii genetycznej. Koszt tego przedsięwzięcia wyniósł około 100 000 dolarów. To osiągnięcie było częścią szerszego projektu badawczego. Jednak takie działania budzą słuszne obawy, bo w przeciwieństwie do broni jądrowej, której produkcja wymaga ogromnej infrastruktury i zasobów, broń biologiczna może być tworzona przez małe grupy lub nawet pojedyncze osoby.
   • Ryzyko nuklearne: Choć mniej prawdopodobne niż zagrożenia biologiczne, wciąż pozostaje istotne. Scott kierował projektem “Future of Humanity Institute” (FHI), w którym 110 ekspertów nuklearnych i 41 super prognostyków oceniało ryzyko śmierci co najmniej 10 milionów ludzi w wyniku konfliktu nuklearnego do 2045 roku. Szacunki wskazywały na 5% prawdopodobieństwo. Tego rodzaju badania są istotne dla zrozumienia zagrożeń związanych z bronią nuklearną oraz dla formułowania strategii zapobiegających takim katastrofom.
3. Wyzwania komunikacyjne: Scott podkreślił, że jednym z podstawowych sposobów na zmniejszenie ryzyka jest poprawa komunikacji. Może się to wydawać banalne, ale historia pokazuje, jak ważna jest skuteczna komunikacja w sytuacjach kryzysowych. Przytoczył przykłady z historii, gdy pojedynczy ludzie zapobiegli katastrofom nuklearnym właśnie dzięki dobrej komunikacji:
   • W 1962 roku, podczas kryzysu kubańskiego, Wasili Archipow odmówił wykonania rozkazu ataku nuklearnego. Archipow był wiceadmirałem i jednym z oficerów na pokładzie radzieckiego okrętu podwodnego B-59, który był uzbrojony w torpedę atomową. 
   • W 1983 roku Stanisław Pietrow pełniąc dyżur w Centrum Wczesnego Ostrzegania Sił Powietrznych ZSRR, nie przekazał dalej informacji o rzekomym ataku amerykańskim na ZSRR, uznając ją za fałszywy alarm.

Wnioski dla praktyków

Z wystąpienia Scotta można wyciągnąć kilka praktycznych wskazówek, które mogą pomóc lepiej prognozować przyszłość:

1. Systematyczne podejście do prognozowania: Scott podkreśla, że skuteczne prognozowanie wymaga systematycznego podejścia. Dlaczego? Ponieważ nasze intuicyjne przewidywania często są obciążone różnymi błędami poznawczymi. Doskonale obrazują to jego własne doświadczenia z prognozowaniem wyborów prezydenckich w USA. W 2016 roku Scott był przekonany na poziomie 90%, że Donald Trump przegra wybory z Hillary Clinton. Jak sam przyznaje, jego prognoza była zniekształcona przez własne poglądy polityczne i środowisko, w którym się obracał - w tym czasie mieszkał w Seattle, gdzie około 85% mieszkańców popierało Demokratów. W 2020 roku jego prognoza o porażce Trumpa okazała się trafna. Jednak w 2024 roku ponownie się pomylił - oceniał szanse Kamali Harris na zwycięstwo na ponad 60%, podczas gdy wybory wygrał Trump z przewagą około 1.5% głosów. Te przykłady pokazują, jak ważne jest rozpoznawanie i minimalizowanie własnych uprzedzeń w procesie prognozowania. Co należy robić by minimalizować to ryzyko:
   • Regularnie zbierać i analizować dane z różnych źródeł.
   • Weryfikować swoje założenia i być gotowym na ich zmianę.
   • Dokumentować swoje prognozy i uczyć się na błędach.
2. Efektywna współpraca z AI: Dlaczego warto współpracować z AI? Scott wyjaśnia to na przykładzie jednego ze swoich aktualnych projektów. AI może przetwarzać ogromne ilości danych i identyfikować wzorce, których człowiek mógłby nie zauważyć. Jednocześnie ludzie wnoszą do tej współpracy coś, czego AI wciąż nie posiada - zdolność do rozumienia szerszego kontekstu i dostrzegania nietypowych sytuacji. Jak współpracować z AI:
   • Wykorzystuj AI do wstępnej analizy danych i identyfikacji wzorców.
   • Zawsze weryfikuj wyniki i staraj się zrozumieć, skąd pochodzą.
   • Pamiętaj, że AI to narzędzie, a nie wyrocznia.
3. Zarządzanie niepewnością: Scott podkreśla, że kluczem do skutecznego prognozowania jest umiejętność radzenia sobie z niepewnością. Dlaczego to takie ważne? Ponieważ świat jest zbyt złożony, by móc cokolwiek przewidzieć ze stuprocentową pewnością. Zamiast tego powinniśmy:
   • Myśleć w kategoriach prawdopodobieństwa, a nie pewności.
   • Rozważać różne scenariusze i być przygotowanym na różne możliwości.
   • Być świadomym własnych uprzedzeń i ograniczeń.

Te wnioski są szczególnie istotne np. dla managerów i analityków, którzy codziennie podejmują decyzje w oparciu o niepewne dane i prognozy. Jak pokazuje przykład Scotta, skuteczne prognozowanie to nie kwestia szczególnego daru czy tajemnej wiedzy - to umiejętność, którą można rozwijać poprzez systematyczne podejście i ciągłe uczenie się. Natomiast technologia AI może w tym procesie udzielić istotnego wsparcia.

Przyszłość prognozowania: nowe obszary zastosowań

Mówca zwrócił szczególną uwagę na dwa obszary, gdzie super prognozowanie w połączeniu z AI może przynieść przełomowe rezultaty:

1. Prognozowanie zmian klimatycznych:
   • Analiza ogromnych zbiorów danych klimatycznych z wykorzystaniem AI.
   • Tworzenie bardziej precyzyjnych modeli zmian klimatu.
   • Przewidywanie punktów krytycznych w systemach klimatycznych.
   • Ocena skuteczności różnych strategii adaptacyjnych.
2. Prognozowanie trendów technologicznych:
   • Identyfikacja przełomowych technologii na wczesnym etapie rozwoju.
   • Ocena tempa postępu technologicznego w różnych dziedzinach.
   • Przewidywanie społecznych i ekonomicznych skutków nowych technologii.
   • Analiza potencjalnych zagrożeń związanych z rozwojem technologii.

Te nowe obszary zastosowań pokazują, że super prognozowanie staje się coraz bardziej istotnym narzędziem w radzeniu sobie z globalnymi wyzwaniami. Kluczem do sukcesu pozostaje jednak umiejętne połączenie możliwości AI z ludzkim doświadczeniem i intuicją.

Uwaga!
Ten artykuł powstał we współpracy z Claude 3.5 Sonnet, zaawansowanym modelem językowym AI. Choć wsparł on proces tworzenia tekstu, treść i opinie wyrażone w artykule są wynikiem mojego osobistego doświadczenia i refleksji z konferencji AI Impact oraz odzwierciedlają wartości oraz misję projektu AI for Everyone.