rằng chúng sẽ không còn nhiều giá trị trong kỷ nguyên của những máy dự
đoán mạnh mẽ. Chúng ta đã quen với việc tạm chấp nhận đến mức chúng ta
không nghĩ tới những quyết định bao gồm sự dự đoán.
Trong ví dụ về dịch thuật được đề cập trước đó trong cuốn sách, các chuyên
gia đánh giá ngôn ngữ dịch thuật tự động không phải là một vấn đề dự đoán
mà là một vấn đề về ngôn ngữ. Cách tiếp cận ngôn ngữ truyền thống sử
dụng từ điển để dịch từng chữ một, cùng một vài quy tắc ngữ pháp. Đây là
sự tạm chấp nhận; nó dẫn đến những kết quả không tốt vì quá nhiều “nếu”.
Dịch thuật với máy dự đoán cần sự dự đoán trước câu có nghĩa tương tự
trong ngôn ngữ khác. Thống kê số liệu cho phép máy tính lựa chọn bản
dịch thuật tốt nhất bằng cách dự đoán “nếu” – một câu mà một người dịch
chuyên nghiệp có khả năng sẽ sử dụng dựa vào kết quả tìm kiếm dịch thuật
khớp trong dữ liệu. Nó không dựa vào quy tắc ngôn ngữ nào. Người tiên
phong trong lĩnh vực này, Frederick Jelinek nhận xét, “Mỗi khi tôi đuổi
việc một chuyên gia ngôn ngữ, hiệu suất của máy nhận dạng văn bản tăng
lên.”
4
Rõ ràng là đây là một sự phát triển đáng gờm với những chuyên gia
ngôn ngữ và những dịch giả.
Bằng việc cho phép những quyết định phức tạp hơn, sự dự đoán tốt hơn có
thể giảm thiểu rủi ro. Ví dụ, một trong những ứng dụng thực tế gần đây của
AI là trong X-quang. Đa phần những chuyên gia X-quang chụp ảnh rồi xác
định những vấn đề cần quan tâm. Họ dự đoán sự bất bình thường trong các
bức ảnh. AI đang tăng dần khả năng thực hiện chức năng dự đoán ở cấp độ
chính xác như con người hoặc hơn, giúp đỡ các chuyên gia X-quang và
những chuyên gia y khoa khác trong việc đưa ra quyết định có thể ảnh
hưởng đến các bệnh nhân. Chỉ số hiệu suất quan trọng là độ chính xác của
sự chẩn đoán: liệu máy có dự đoán bệnh khi bệnh nhân ốm và dự đoán
không có bệnh khi bệnh nhân khỏe mạnh không.
Nhưng chúng ta phải xem xét những quyết định này bao gồm những gì. Giả
sử các bác sĩ nghi ngờ một khối u và quyết định xác định xem nó có phải
