Unsere Welt der Gemeinschaften und Menschengruppen ist hochkomplex. Interaktionen sind mit Risiken behaftet. Unsere Technologien (einschließlich Automobile und KI) machen es nur noch schlimmer. Für fast alles, was wir heutzutage tun, benötigen wir Hilfe in Echtzeit und vor Ort, um uns sicher und produktiv durch komplexe Aktivitäten zu führen. Eigentlich haben wir keine Wahl. Komplexität wird bleiben. Lesen Sie, wie eine völlig neue Sicht auf Regeln einen großen Unterschied macht.
Ich gestehe, dass mich dieser Totempfahl aus Parkschildern sehr beunruhigt. Du?! Sicherlich bin ich nicht allein.
Lächerlich, oder?! Erstens ist die kollektive Nachrichtenübermittlung unmöglich. Einfach überwältigend. Ich habe den IQ-Test schlicht nicht bestanden.
Zweitens sind so viele Regeln erdrückend. Meine Bauchreaktion ist Kampf oder Flucht. Zu viele Regeln sind niemals eine gute Sache.
Wie wäre es mit einem digitalen Wegweiser-Gehirn?
Lassen wir die Emotionen jedoch beiseite und betrachten wir diese Situation objektiv. Nehmen wir der Argumentation halber an, dass alle diese Verhaltensregeln notwendig und kohärent sind.
Eigentlich ist das kein kleiner Punkt. Unsere Welt der Gemeinschaften und Menschengruppen ist hochkomplex. Interaktionen sind mit Risiken behaftet. Unsere Technologien (einschließlich Automobile) machen es nur noch schlimmer. Wir brauchen Echtzeit-Hilfe vor Ort, um uns sicher und produktiv durch komplexe Aktivitäten zu führen. Ich meine nicht nur das Parken; Ich meine für so ziemlich alles, was wir heutzutage in der Gesellschaft tun. Eigentlich haben wir keine Wahl. Komplexität wird bleiben.
Betrachten wir diesen Park-Totempfahl also als potenzielle digitale Chance. Lass mich ausreden. Angenommen, diese Verhaltensregeln wären automatisiert. Angenommen, ich könnte direkt an diese Schilder heranfahren und im Bruchteil einer Sekunde digital darüber informiert werden, ob und wie lange ich parken darf oder nicht.
Was wäre zur Unterstützung nötig? Der Zeichenmast benötigt ein (digitales) Gehirn, das sowohl zur Wahrnehmung als auch zur einfachen Erkenntnis fähig ist:
- Der Wahrnehmungsteil besteht darin, das Auto zu erkennen, das zum Parken bereit ist, und gegebenenfalls seine speziellen Parkmarkierungen zu identifizieren.
- Der kognitive Teil besteht darin, die Regeln basierend auf der Tageszeit für dieses bestimmte Auto zu bewerten.
Die Echtzeit-Antwort für den Fahrer vor Ort lautet entweder „Ja, Parken für x Zeit erlaubt“ oder „Nein, Parken ist derzeit nicht erlaubt“.
Eine Kosten-Nutzen-Analyse für die Implementierung eines digitalen Schildermast-Gehirns könnte günstig sein oder auch nicht. Verwerfen Sie die Idee nicht zu schnell. Angenommen, die Gemeinde meint es mit der Durchsetzung ihrer Regeln ernst, bedenken Sie, dass sie derzeit Personal für die Durchsetzung benötigt und Personal teuer ist. Selbst wenn es heute ungünstig ist, könnte sich die Gleichung in Zukunft leicht ändern.
Es ist jedoch nicht meine eigentliche Absicht in diesem Artikel, für digitale Wegweiser-Gehirne einzutreten. Betrachten Sie alle Fälle auf der Welt außer dem Parken, bei denen die Wirtschaftlichkeit von Bedeutung ist Echtzeit Regelprüfungen wären günstig. Menschen (in diesem Fall Fahrer und vielleicht auch Polizisten) sind einfach nicht in der Lage, all diese Wissensverarbeitung in Echtzeit durchzuführen.
Lassen Sie mich das anders sagen. Ja, Menschen sind wahrscheinlich fähig, wenn sie genügend Zeit haben, aber ist es sinnvoll, diese Zeit zu nutzen? NEIN!
Ist es KI?
Betrachten wir nun die Durchsetzung der Parkregeln. Angenommen, Sie parken dort, obwohl das Gehirn des digitalen Schilders sagt, dass Sie das nicht tun sollen. Oder die Ihnen zugeteilte Zeit läuft ab. Was soll passieren?
Es ist wahrscheinlich nicht möglich, das Auto wie ein Springteufel von der Stelle zu schleudern. Aber das Schilderpfahl-Gehirn könnte leicht einen Abschleppwagen herbeirufen. Und da das Schilderhirn die Identität Ihres Autos erkannt hat, könnte es durchaus einen (digitalen) Parkverweis ausstellen.
Könnte statistische KI zur Implementierung des Zeichenpol-Gehirns verwendet werden? Ja, für den Wahrnehmungsteil der Lösung. Niemand braucht wirklich eine Erklärung für diese Ergebnisse. Aber für den Erkenntnisteil? NEIN! Für diesen Teil benötigen wir symbolische Regeln, da die Regeln für alle Beteiligten (einschließlich des Richters, wenn Sie Ihren Parkfall vor Gericht bringen) erklärbar (lesbar) sein müssen. Bitte kein ChatGPT für diesen Teil des Problems!
Eigentlich sind es die Regeln bereits symbolisch ausgedrückt. Natürlich nicht ganz auf dem Schildmast. Der Platz auf der Beschilderung ist sehr begrenzt. Aber Sie können sicher sein, dass sie im Gemeindegesetz (Vorschriften, nicht in der Programmierung) einigermaßen gut zum Ausdruck kommen. Die Regeln brauchen lediglich einen digitalen Ausdruck – und je näher an der Originalform, desto besser.
Obwohl ich davon spreche, dem Wegweiser ein digitales Gehirn zu verleihen, meine ich damit keineswegs den Versuch, die menschliche Intelligenz nachzuahmen. Für den kognitiven Teil benötige ich lediglich die Automatisierung der Verhaltensregeln und der zugehörigen Durchsetzungsspezifikationen. Keine Notwendigkeit, es zu komplizieren.
Verhaltensregeln wie diese Parkregeln unterscheiden sich in mindestens zweierlei Hinsicht erheblich von den traditionellen Inferenz- und Verkettungsregeln der symbolischen KI (sprich „Expertensysteme“).
- Verhaltensregeln können sein verletzt – genau wie Gesetze und Vorschriften. Eigentlich die Parkregeln Sind Gesetze oder Vorschriften. Die Aufdeckung von Verstößen und die Durchsetzung sind daher zentrale (nicht zweitrangige) Themen.
- Mehrere Parteien sind beteiligt. In diesem Beispiel gehören zu den Parteien sowohl der Fahrer (oder das fahrerlose Auto) als auch die Gemeinde. Bei Verhaltensregeln geht es um die direkte Koordination Interaktionen zwischen Menschen und Gemeinschaften oder Organisationen.
‘Entscheidung’?
Handelt es sich angesichts des Mehrparteiencharakters der Verhaltensregeln um Entscheidungen? Natürlich. Der Fahrer muss entscheiden, ob er dort parken möchte. Das Gehirn des digitalen Wegweisers muss eine Einschätzung („Entscheidung“, wenn Sie so wollen) darüber treffen, ob das Auto zu diesem bestimmten Zeitpunkt dort parken darf. Aber das sind zwei anders Entscheidungen zu zweit anders Parteien, unabhängige Akteure in der Interaktion.
Hilft das Denken in Bezug auf „Entscheidung“ (oder Entscheidungsmodelle) bei der Analyse der Regeln? Betrachten wir die Frage in zwei verschiedenen Teilen.
- Für den Fahrer des Autos? Vielleicht, wenn Sie versuchen, die Denkprozesse des Fahrers zu verstehen. (Fürs Protokoll: Ich bin nicht, aber vielleicht sind Sie es.) Vielleicht sind eine Parkverwarnung oder das Abschleppen Risiken, die der Fahrer an diesem Tag bereit ist, einzugehen. Wer weiß, welche Faktoren in seine persönliche Entscheidung einfließen könnten?! (Wenn Sie ein fahrerloses Auto programmieren, hoffe ich jedoch, dass diese anderen Faktoren nicht in Ihren Code einfließen.)
- Für die Gemeinde? Ehrlich gesagt sehe ich nicht, wie „Entscheidung“ der Gemeinde überhaupt helfen soll. Es kommt lediglich darauf an, ob der Parker gegen eine oder mehrere Regeln verstößt. Das ist einfach eine Tatsache, keine Entscheidung. Und Fälle wie dieser sollten nur auf der Grundlage der Fakten „entschieden“ werden.
Eigentlich geht es darum, Fälle nur auf der Grundlage von Fakten zu entscheiden Rechtsstaatlichkeit im Grunde bedeutet. In dieser Hinsicht glaube ich, dass KI (sowohl die alte KI wie in Expertensystemen als auch die neue KI wie in GPT) eine sehr grundlegende Idee in Wirtschaft und Regierung aus den Augen verloren hat.
Weitere Informationen finden Sie unter Regeln: Verhalten und Wissen gestaltenvon Ronald G. Ross, 2023, 274 Seiten, https://www.brsolutions.com/rules-shaping-behavior-and-knowledge-book.html
Autor: Ronald G. Ross
Ron ist einer der weltweit führenden Experten für Richtlinieninterpretation, Regeln, Konzeptmodelle, Geschäftsvokabular und Datendesign. Er ist Mitbegründer und Geschäftsführer von Business Rule Solutions, LLC (BRS). Bei BRS hat er viele hundert Unternehmen und Regierungsbehörden auf der ganzen Welt beraten.
Ron ist Autor von 12 Fachbüchern, darunter sein jüngstes:
Ron ist Vorsitzender für Building Business Capabilities (BBC), der offiziellen Konferenz des International Institute of Business Analysis (IIBA).®). Ron hat Dutzende von Konferenzen als Hauptredner gehalten und Seminare für viele tausend Menschen auf der ganzen Welt gegeben. Derzeit ist er Chefredakteur von BRCommunity.com und seiner Flaggschiff-Onlinepublikation. Geschäftsregeljournal.
Ron hat einen MS in Informationswissenschaft vom Illinois Institute of Technology und einen BA von der Rice University.
