Більшість із нас вже склало певне уявлення про таке явище сучасного світу, як штучний інтелект. Також ми інтуїтивно розуміємо етику як процес особистого вибору, що узгоджується з нашим власним визначенням “добра”. Однак що відбувається, коли ми застосовуємо етичну оптику до штучного інтелекту? І чому це не просто захоплива вправа для фантастів, а нагальна потреба?
Почнемо з визначень.
Що таке штучний інтелект (ШІ)?
Простими словами, штучний інтелект це спосіб змусити комп'ютер чи програмне забезпечення «мислити» як людський мозок. Однак часто, коли ми говоримо про ШІ, нам спадають на думку кіношні образи: свідомі істоти на кшталт Віжена з Marvel чи Ави з “Ex Machina”. Такий тип штучного інтелекту називають загальним штучним інтелектом – він уособлює ідею про те, що одного дня машини набудуть інтелекту, рівного або вищого за людський. Однак, якщо це коли-небудь і стане реальністю, то в дуже далекому майбутньому. Сьогодні ж це лише плоди літературної та кінематографічної уяви. Сучасний ШІ набагато прозаїчніший. Ви користувалися Instagram, YouTube, Netflix чи розблокували телефон обличчям – отже, стикалися зі штучним інтелектом.
Ми взаємодіємо з ШІ, фільтруючи спам, додаючи ефекти до сторіз, отримуючи новини за інтересами. ШІ все активніше застосовується в медицині, праві, фінансах, працевлаштуванні та освіті: від попередньої діагностики хвороб до визначення необхідності застави.
Штучний інтелект активно трансформує і сферу страхування життя та здоров’я.
Ось лише кілька прикладів:
- Персоналізовані пропозиції та ціноутворення
Багато страхових компаній використовують ШІ для аналізу великих обсягів даних про клієнтів, їхню поведінку та історію звернень. Це дозволяє створювати персоналізовані пропозиції страхових продуктів, які більш точно відповідають потребам кожного клієнта. Крім того, ШІ допомагає в динамічному ціноутворенні, враховуючи індивідуальні ризики та пропонуючи більш справедливі тарифи. - Швидка обробка та оцінка страхових виплат
ШІ значно прискорює та спрощує процес обробки страхових виплат. За допомогою алгоритмів машинного навчання можна автоматично оцінювати збитки, аналізувати медичні документи та приймати рішення про виплати. Це дозволяє скоротити час очікування клієнтами та підвищити їхню задоволеність сервісом. - Прогнозування ризиків та запобігання шахрайству
ШІ дозволяє страховим компаніям більш точно прогнозувати майбутні ризики, аналізуючи великі обсяги даних про клієнтів, ринки та зовнішні фактори. Це допомагає розробляти ефективні стратегії управління ризиками та запобігати шахрайству. Алгоритми машинного навчання можуть виявляти підозрілі виплати, аналізуючи патерни поведінки, які можуть вказувати на шахрайські дії. - Чат-боти для обслуговування клієнтів
Чат-боти на основі ШІ стали невід’ємною частиною обслуговування клієнтів у страхових компаніях. Вони можуть відповідати на часто задавані питання, допомагати клієнтам знайти необхідну інформацію, оформлювати поліси та подавати заявки на виплати. Це дозволяє зменшити навантаження на співробітників Контакт-центрів та забезпечити клієнтів цілодобовою підтримкою. - Аналіз медичних зображень
ШІ використовується для аналізу медичних зображень, таких як рентгенограми, МРТ та КТ. Алгоритми машинного навчання можуть виявляти ознаки захворювань на ранніх стадіях, що дозволяє лікарям поставити точніший діагноз та призначити ефективне лікування. Це також допомагає страховим компаніям оцінювати ризики та розробляти персоналізовані програми профілактики.
Чому ж етичний аспект ШІ настільки важливий?
Цікаво, що етика технологій – не нове явище, і застосовується не лише для ШІ. Історично людство має тенденцію створювати технології, долаючи власні свідомі та несвідомі упередження, наслідки яких виявлялися пізніше. Яскравий приклад – ремінь безпеки. До 2011 року жінки мали на 47% більше шансів отримати серйозні травми в автокатастрофі, оскільки краш-тести проводили лише на чоловічих манекенах. Це не було чиїмось злим наміром, а скоріше наслідком розробки нової технології тими, хто її створював.
Як показує цей приклад, ми відтворюємо власні упередження у думках і діях, тим часом як системні упередження навколо нас впливають на розробку продуктів, навіть якщо ми цього не хочемо. Машинне навчання, що використовується при роботі з ШІ, особливо вразливе до цього через навчання на вже існуючих шаблонах і поведінці, що може призводити до упереджених і шкідливих прогнозів, якщо їх не усвідомлювати та не коригувати.
Тож етика штучного інтелекту – це розуміння взаємодії систем ШІ зі світом та створення інклюзивних, безпечних, конфіденційних і відповідальних технологій.
В чому основні виклики використання штучного інтелекту?
Один із найнебезпечніших аспектів ШІ полягає в тому, що ця технологія може робити висновки або давати поради, не маючи можливості “пояснити” процес прийняття рішення. Іншими словами, нам доведеться або довіряти ШІ, що є досить ризикованим кроком, або ж знаходити способи, як мінімізувати ризик помилок.
Наприклад, можна використовувати простіші моделі, логіку яких можна пояснити. Цей підхід зараз використовують зокрема і в страховій галузі.
Інший шлях лежить у дизайні продукту. Важливо, щоб усі продукти на основі ШІ надавали користувачам інформацію та контроль. Наприклад, якщо модель помиляється, чи може користувач надати зворотний зв’язок або якимось чином вплинути на ситуацію?
Не варто також забувати, що дослідження та розробка в галузі ШІ дуже дорогі. Як зберегти технологію відносно справедливою, щоб її не використовували лише на задоволення примх мільярдерів? А що з кінцевим споживачем – чи не посилить доступ до продуктів ШІ розрив у можливостях між соціальними класами?
Але оскільки більша частина досліджень і розробок у галузі ШІ продовжуватиме зосереджуватися у великих організаціях із більшими ресурсами, критично важливо, щоб ці організації підвищували власне різноманіття та активно взаємодіяли з громадами, на які впливає технологія. Тільки за участі представників різних життєвих досвідів можна врахувати та створювати продукти для цих досвідів.
Однією з проблем залишається доступність. Сьогодні 37,5% населення світу все ще не має постійного доступу до Інтернету, більше половини (52%) з них - це жінки. У міру того як ШІ відкриває нові можливості, цей розрив стає ще більш помітними. Тож технологічній галузі варто зосередитись не лише на розробці більш потужних технологій ШІ, але й на тому, як масштабувати ці технології для вирішення потреб, сценаріїв використання та питань доступу для громад по всьому світу.
Людина та ШІ: конкуренція чи симбіоз?
Реальність така, що машини навчаються на шаблонах, і ці машини помиляються. Часто ці шаблони узагальнюються таким чином, що машини стають корисними. Але світ не завжди поводиться передбачувано (особливо щодо набору навчальних даних, які можуть не представляти весь світ), і здатність творчо вирішувати проблеми залишається виключно людською особливістю.
Часто, незважаючи на здатність моделі добре прогнозувати завдання, ми все одно хочемо, щоб людина контролювала остаточне рішення, щоб гарантувати, що людський нюанс і судження все ще є частиною процесу, особливо коли модель помиляється.
Наприклад, замість заміни лікаря штучним інтелектом, який прогнозуватиме діагноз за набором симптомів, більш життєздатним, надійним і бажаним результатом є надання лікареві пропозицій, які можуть підвищити ефективність його роботи, зберігаючи при цьому контроль людини, яка має критичний досвід і тонке розуміння того, як симптоми проявляються у різних пацієнтів, і яка може надати пацієнту особисту зустріч для обговорення та вирішення його стану.
Тому, розмірковуючи про роль штучного інтелекту в майбутньому страхової галузі, можна із впевненістю сказати, що жоден ШІ не замінить емпатійного людського спілкування та критичного мислення ні через п'ять, ні через десять років. А от допомогти фінансовому консультанту, андерайтеру, актуарію, працівнику Контакт-центра пришвидшити їхню роботу і, відповідно, якість сервісу - цілком реально!
