Мы окружены сложными системами, и для того, чтобы понимать, управлять ими и прогнозировать их, мы должны учитывать сложность и принимать более точные решения. Многие используют искусственный интеллект и большие данные, чтобы справиться со сложностью за счет ее упрощения. Однако Мишель Морван в своей программной речи на главной сцене Hello Tomorrow в Париже аргументировал это тем, почему нам нужно принимать сложность и как мы можем это сделать.

Я встретился с Мишелем Морваном, соучредителем и исполнительным председателем Cosmo Tech, поставщика программного обеспечения, моделирующего сложные системы для проведения симуляций для прогнозирования. Он объяснил, как использование расширенного интеллекта - улучшения человеческого интеллекта с помощью искусственного интеллекта - позволяет нам иметь дело с ошеломляюще сложной системой, которая может решить многие проблемы, с которыми искусственный интеллект и большие данные не могут справиться в одиночку.

Мишель признает, что, хотя область моделирования и симуляций существует уже 40 лет, Cosmo Tech - единственная компания, которая может моделировать экстремальную сложность, такую ​​как живые системы, и различные временные и пространственные масштабы. Их метод может быть применен практически к любой системе, например к эпидемиям и необходимой критической инфраструктуре, интеллектуальному энергетическому планированию, террористической деятельности и мультимодальным транспортным системам. Обычно принятие решений основывается на разрозненных свидетельствах некоторых аспектов системы. Мета-анализ ограничен одним-единственным явлением, и даже если лицо, принимающее решение, рассматривает возможность реализации этого конкретного аспекта, знание того, как он будет работать по отношению к другим частям системы, остается лишь предположением. Подход Cosmo Tech дает глобальную картину всех соответствующих компонентов и того, как они взаимодействуют, что позволяет руководителям, политикам и политикам принимать более точные решения.

Возможности, которые открывает искусственный интеллект, широко известны, но Мишель призывает нас задуматься о пределах и о том, как их можно преодолеть. При работе с большими данными основное внимание уделяется тому, что можно найти в данных, а не проверке и построению теории. Этот атеоретический подход в сочетании с корреляционным анализом (который включает даже сложные алгоритмы, такие как нейронные сети) склонен к обнаружению ложных отношений. Причинно-следственная связь не может быть выведена из корреляционного анализа (за некоторыми исключениями). Прогнозы могут быть основаны только на предшествующих событиях, то есть мы не можем предсказать необычные или редкие события. Эти проблемы смягчаются (но, возможно, не решаются полностью) за счет комбинации экспертных знаний / теории моделирования и использования моделирования, потому что это позволяет вам изменять параметры и видеть, какие результаты наиболее вероятны.

Знания экспертов необходимо смоделировать и объединить, прежде чем их можно будет оптимизировать с помощью алгоритмов. Системы могут быть настолько большими и сложными, что никто не может иметь полного представления, даже эксперты знают только его часть. Cosmo Tech начинает с создания отдельных подмоделей, которые позже объединяются в полную модель всей сложной системы. Эксперты Cosmo Tech по системному моделированию сотрудничают с экспертами компании клиента и опираются на научные открытия. Смоделированные знания основаны на многих областях исследований, теориях, их рассуждениях и эмпирических данных. Например, одним из первых клиентов Cosmo Tech была французская электросетевая компания RTE, которая требовала моделирования самой электрической сети, управления активами (например, трансформаторами, железнодорожными линиями), финансовыми ресурсами, человеческими ресурсами, а также финансовыми инвестициями и рисками. .

Следующим шагом в процессе Cosmo Tech является добавление связей и взаимодействий между этими подмоделями. Например, они добавляют влияние покрытия сеткой на удовлетворенность клиентов и доход, а также то, как эти подмодели и взаимосвязи функционируют во времени. Это создает одну огромную сложную многодоменную модель. Они запускают моделирование, манипулируя желаемыми параметрами, чтобы получить представление о потенциальных результатах. Программное обеспечение Cosmo Tech, Studio, позволяет клиенту легко изменять параметры и визуально видеть влияние, например графики рисков, затрат и затрат на риск.

Моделирование можно использовать для создания сценариев «Что, если» для прогнозирования. У RTE была проблема с инвестициями в 800 миллионов в год, поэтому Cosmo Tech использовала Studio, чтобы понять: что произойдет, если RTE сократит свои вложения? Studio позволяет им увидеть, например, что они не смогут заменить проводники, им придется ограничить покрытие сети, их выбросы углерода увеличатся или через 10 лет произойдет отключение электроэнергии. Хотя прогнозы настолько точны, насколько точны модели, и настолько репрезентативны, как данные, эти возможные варианты будущего позволяют принимать более обоснованные решения.

Ни один эксперт не может представить себе такую ​​сложную и динамическую модель без помощи компьютеров, но компьютеры нуждаются в теоретической и аргументационной основе. Следовательно, человек + машина - лучшая комбинация, поэтому нам нужен расширенный интеллект. Кроме того, процесс Cosmo Tech требует устранения разрозненных академических исследований. Компания является академическим отделением бизнес-школы l’EM Lyon, где у них была команда из 200 экспертов по сложным системам из биологии, физики, математики, социологии и географии.

Клиент Studio - это основной продукт Cosmo Tech. Они работают с клиентом над созданием нового программного обеспечения в новой области, а затем вместе с клиентом продают его другим компаниям в той же области. Мишель говорит, что они работают над предоставлением лицензий на программное обеспечение компаниям, университетам и неправительственным организациям, которые позволят им самим моделировать свои собственные сложные системы, создавать свои собственные симуляции и прогнозы. Хотя это все еще только идея, это поможет Мишелю достичь цели, с которой он начинал, - продвигать политику, основанную на фактах. Предсказание и предотвращение следующих экономических кризисов - мечта Мишеля, но он был бы счастлив, если бы решения основывались на свидетельствах того, как ведут себя сложные системы.

Мишель подчеркнул, что нам нужно изменить то, как мы используем данные и алгоритмы, чтобы лучше понимать окружающий нас мир. Вместо того, чтобы использовать алгоритмы для упрощения, нам нужно принять сложность. По словам Мишеля, моделирование экспертных знаний и оптимизация с помощью алгоритмов - лучший метод, который у нас есть, чтобы понять сложность сдвига систем, центральный элемент в улучшении процесса принятия решений.