Como a IA melhora a tomada de decisão humana?

Inteligência Artificial (IA) é a mais nova tecnologia de uso geral (GPT)”, escreveram Sukwoong Choia, Namil Kim, Junsik Kim e Hyo Kang no artigo, How Does AI Improve  Human Decision-Making? Evidence from the AI-Powered Go Program.

“Uma característica notável da IA é sua capacidade de fornecer aos humanos previsões de alta qualidade a um custo relativamente baixo e automatizar uma ampla gama de previsões. A IA já superou os profissionais humanos em muitos domínios – incluindo jogabilidade estratégica, diagnóstico médico e desenvolvimento de medicamentos.”

Além disso, o rápido desenvolvimento e adoção da IA levantam uma questão interessante, mas urgente, sobre como a IA afeta as tarefas humanas nesses vários domínios. Estudos de IA e capital humano, por exemplo, examinaram a diferença de desempenho entre humanos e IA, destacando o potencial da IA para substituir empregos”.

No entanto, devemos ter em mente que as novas tecnologias vêm substituindo os trabalhadores e transformando as economias há mais de dois séculos. Mas, com o tempo, essas mesmas tecnologias levaram à criação de novas indústrias e novos empregos, aumentando a produtividade e a produção econômica, aumentando os ganhos e aumentando a demanda por trabalho.

Os trabalhadores podem aumentar sua produtividade e desempenho quando auxiliados em seus trabalhos por ferramentas baseadas em IA. Mas além de seu papel de assistente, a IA pode desempenhar um importante papel instrucional ao treinar profissionais humanos para tomar melhores decisões. Os avanços tecnológicos recentes melhoraram significativamente a qualidade e reduziram o custo das previsões baseadas em IA.

O artigo levanta uma série de questões importantes sobre o uso da IA para melhorar a tomada de decisões humanas:

  • Podemos mostrar evidências quantitativas de que as previsões baseadas em IA realmente melhoram a qualidade das decisões humanas?
  • Em caso afirmativo, por quais mecanismos as decisões humanas baseadas em IA são melhoradas?
  • E as melhorias variam dependendo da atitude em relação às decisões baseadas em IA?

Para esclarecer essas questões, os autores criaram uma abordagem muito inovadora: analisaram o impacto recente da IA com jogadores profissionais de Go.

O jogo de Go foi inventado na China há mais de 2.500 anos. É o jogo de tabuleiro mais antigo continuamente jogado até os dias atuais. O Go é jogado em todo o leste asiático, ocupando aproximadamente a mesma posição que o xadrez no Ocidente. É particularmente popular na China, Japão, Coreia do Sul e Taiwan. Existem grandes torneios profissionais ao longo do ano em cada um desses países, muitos oferecendo prêmios substanciais e patrocínios por grandes corporações.

Embora as regras de Go sejam muito simples, o número de jogos que podem ser jogados em sua grade/matriz de linhas e colunas de 19×19 é enorme, mais de 10^170, um número muito maior do que o número de átomos no universo observável, estimado em torno de 10^80.

[Acredita-se que nenhuma partida de “Go” tenha sido repetida uma única vez! Isso pode ser verdade já que o um tabuleiro de Go tem 19×19 posições, que podem proporcionar cerca de 10^174 (1 seguido de 174 zeros) combinações possíveis, ou seja, 10^100 vezes mais combinações do que o xadrez (um googol). O termo Google tem origem na matemática, que é o número 10^100, ou seja, o dígito 1 seguido de cem zeros, que representa algo imenso ou infinito, e devido a sua magnitude, os fundadores da empresa Google resolveram adaptar o termo para dar o nome a sua empresa].

Avanços recentes em algoritmos de aprendizado profundo levaram a grandes melhorias nos programas Go com inteligência artificial (APGs). Em vez de ter que avaliar cada movimento potencial possível, os algoritmos de aprendizado profundo podem reduzir significativamente os movimentos que um APG deve considerar com base em sua análise de um grande número de jogos anteriores e de posições do tabuleiro, ajudando-o a prever melhor o movimento com, maior probabilidade de vitória.

O AlphaGo, desenvolvido pelo Google Deep Mind, foi o APG inicial baseado em algoritmos de aprendizado profundo. A equipe da Deep Mind treinou o AlphaGo, dando-lhe acesso a 30 milhões de posições no tabuleiro de um repositório online de jogos, e foi basicamente informado “Use isso para descobrir como vencer” detectando padrões sutis entre ações e resultados usando seus algoritmos altamente sofisticados. Além disso, o AlphaGo também jogou muitos jogos contra si mesmo, gerando outras 30 milhões de posições no tabuleiro, que depois analisou e aprendeu.

Embora o programa tenha se mostrado muito promissor durante sua fase de desenvolvimento e teste, os especialistas sentiram que levaria vários anos para o AlphaGo derrotar os principais jogadores profissionais humanos. Mas, em uma partida histórica em março de 2016, o AlphaGo inesperadamente venceu Lee Sedol, – um dos melhores jogadores de Go do mundo, – por uma grande margem. Este foi um marco importante na história da IA, com a vitória igualmente inesperada do Deep Blue da IBM sobre o então campeão mundial de xadrez Garry Kasparov em 1997.

Um APG gratuito e de código aberto baseado em versões aprimoradas do Alpha Go, chamado Leela, foi lançado em 2017. Desde seu lançamento, jogadores profissionais de Go usaram Leela e outros APGs avançados em seu treinamento. Isso possibilitou estudar o impacto da IA na tomada de decisão humana, analisando todas as decisões dos jogadores profissionais de Go, tanto entre 2015 e 2017, – os dois anos anteriores ao lançamento dos APGs, – quanto entre 2017 e 2010, – os dois anos após Leela estar disponível para treinamento, – já que todo o histórico de movimentos de todos os principais jogos profissionais está bem arquivado e mantido.

Além disso, usando a melhor solução do APG como referência, podemos calcular a probabilidade de vitória para cada movimento (ou seja, 750.990 decisões) por 1.242 jogadores profissionais de Go em 25.033 grandes jogos realizados de 2015 a 2019; observe que isso pode ser feito até mesmo para os jogos jogados antes do lançamento do APG”, escreveram os autores. “Em seguida, comparamos a probabilidade de ganhar em nível de movimento com a melhor solução do APG.

E aqui está um resumo das principais descobertas do estudo.

Os APGs melhoram a qualidade dos movimentos dos jogadores profissionais de Go?

Os resultados mostraram que a qualidade dos movimentos dos jogadores melhorou substancialmente após o lançamento dos APGs em 2017.

Antes do lançamento, a probabilidade de vitória de cada movimento dos jogadores profissionais de Go era em média 2,47 pontos percentuais menor do que os movimentos do APG. Essa diferença diminuiu cerca de 0,756 pontos percentuais (ou 30,5%) após o lançamento do APG. Análises adicionais indicam que a melhoria na qualidade dos movimentos eventualmente leva à vitória final do jogo.

A melhoria é maior para os primeiros 30 lances do jogo, onde a incerteza é maior e, portanto, há mais oportunidades para os jogadores aprenderem com o APG. A melhoria diminui gradualmente à medida que o jogo avança para os estágios intermediários, onde a incerteza é reduzida e fica mais fácil para os jogadores avaliarem movimentos potenciais e tomarem suas decisões sem o conselho de um APG.

Como os APGs ajudam os jogadores a alcançar uma maior probabilidade de ganhar?

[I]melhorias na qualidade dos movimentos são impulsionadas principalmente pela redução do número de erros (movimentos em que a probabilidade de vitória cai 10 ou mais pontos percentuais em comparação com o movimento imediatamente anterior por um jogador focal) e pela redução da magnitude do erro mais crítico (a maior queda na probabilidade de vitória durante o jogo). Especificamente, o número de erros por jogo diminuiu 0,15-0,50 e a magnitude do erro mais crítico diminuiu 4-7 pontos percentuais.

Existem efeitos diferenciais da adoção e utilização da IA por idade?

Vários estudos sugeriram que a idade é um fator importante para reconhecer o valor das novas tecnologias, adotá-las e aplicá-las às tarefas profissionais.

Evidências empíricas indicam que os jogadores mais jovens são mais qualificados e mais propensos a adotar novas tecnologias de informação e comunicação.

É o caso dos APGs? As melhorias variam de acordo com a idade?

A idade mediana de todos os jogadores considerados no estudo foi de 28 anos. As melhorias de desempenho devido aos APGs foram consistentemente maiores para jogadores mais jovens do que a idade média, cuja qualidade dos movimentos foi 11% maior do que a dos jogadores mais velhos do que a idade média.

O artigo sugere algumas razões potenciais que podem explicar essas diferenças de idade.

  1. APGs e IA em geral são tecnologias relativamente novas e não comprovadas. Jogadores profissionais mais velhos com carreiras estabelecidas são mais propensos a ver o uso desses novos produtos baseados em IA como mais arriscado do que profissionais mais jovens, que são menos avessos ao risco e mais abertos a considerar novas tecnologias experimentais.
  2. Além disso, os jogadores profissionais seniores tendem a confiar no conhecimento e nas experiências que acumularam ao longo dos muitos anos de jogo, a chamada inteligência cristalizada. Em contraste, a inteligência fluida, – a capacidade de aprender rapidamente novas habilidades e se adaptar a novos ambientes, – geralmente atinge o pico em nossos 20 anos e começa a diminuir à medida que envelhecemos. Os jogadores mais jovens são, portanto, naturalmente mais abertos a adotar e utilizar APGs em seu treinamento e tomada de decisões.

As descobertas da IA em jogos Go profissionais fornecem implicações importantes e oportunas para decisões e conhecimento humanos”, concluíram os autores. “A IA revela que o que os humanos acreditam ser a melhor solução pode não ser a melhor; A IA pode trazer avanços no conhecimento humano, heurísticas ou rotinas que foram desenvolvidas e aprimoradas ao longo do tempo. Nesse sentido, a IA deve ter efeitos mais amplos (além da mera substituição ou assistência às tarefas humanas) nas práticas e no desempenho de indivíduos e organizações; podendo abrir caminhos para novos paradigmas.”

Conte aos amigos

Deixe um comentário

Arquivos

Categorias