công với máy dự đoán đòi hỏi chúng ta coi những sự đánh đổi này một
cách nghiêm túc và tiếp cận chúng một cách có chiến lược.
Đầu tiên, con người có thể bỏ qua những sai sót nào? Chúng ta có khả năng
cao sẽ bỏ qua sai sót của một vài máy dự đoán và khả năng thấp đối với
những máy còn lại. Ví dụ, ứng dụng Inbox của Google đọc email của
chúng ta, sử dụng AI để dự đoán chúng ta muốn trả lời như thế nào và tạo
ra ba câu trả lời để chúng ta chọn. Nhiều người dùng thích thú sử dụng ứng
dụng này cho dù nó có đến 70% khả năng thất bại (ở thời điểm viết cuốn
sách này, câu trả lời do AI tạo ra chỉ hữu ích với chúng ta trong 30% tổng
thời gian). Lý do cho khả năng bỏ qua sai sót cao như vậy là bởi lợi ích của
việc giảm thiểu sự đánh máy và gõ vượt trội hơn so với chi phí cung cấp
gợi ý và lãng phí thời gian nhìn vào màn hình khi câu trả lời được dự đoán
là sai.
Ngược lại, chúng ta có khả năng không bỏ qua sai sót trong lĩnh vực lái xe
tự động. Thế hệ xe tự động đầu tiên, mà chủ yếu do Google tiên phong,
được đào tạo bởi những chuyên gia lái một số lượng xe hạn chế và đi hàng
trăm, hàng ngàn cây số, giống như một phụ huynh giám sát một thiếu niên
lái xe vậy. Những chuyên gia lái xe như vậy cung cấp một môi trường đào
tạo an toàn, nhưng chúng cũng rất hạn chế. Máy chỉ có thể học trong một
vài tình huống. Có những người phải mất tới nhiều triệu dặm đi trong môi
trường và tình huống khác nhau trước khi họ học được cách đối phó với
những sự cố hiếm gặp trên đường mà có thể dẫn đến tai nạn. Đối với xe tự
lái, những con đường thực tế sẽ rất hiểm nguy và không thể tha thứ cho sai
sót vì có thể gây nguy hiểm cho tính mạng của con người.
Thứ hai, thu thập dữ liệu người dùng trong thế giới thực quan trọng đến
mức nào? Hiểu rằng việc đào tạo có thể tốn nhiều thời gian, Tesla tung ra
những tính năng xe tự lái cho tất cả các mô hình gần đây của họ. Những
tính năng này bao gồm một bộ cảm biến thu thập dữ liệu môi trường cùng
với dữ liệu lái xe, được tải lên dữ liệu máy tự học của Tesla. Trong một thời
