hiện. Nhưng điều đó là bất khả thi. Bạn sẽ không bao giờ có dữ liệu của
hành động không được thực hiện.
16
Đây là vấn đề hiện tại của sự dự đoán bằng máy. Trong cuốn sách Deep
Thinking (tạm dịch: Tư duy sâu), kiện tướng cờ vua Garry Kasporov thảo
luận về vấn liên quan đến thuật toán máy tự học từ thời xưa của cờ vua:
Khi Michie và một vài đồng nghiệp viết chương trình thử nghiệm cờ vua
cho máy tự học vào những năm đầu 1980, nó đã cho ra một kết quả thú vị.
Họ đưa hàng trăm nước đi trong hàng nghìn ván kiện tướng vào máy, hy
vọng nó có thể phát hiện ra cái nào hiệu quả và cái nào không. Đầu tiên nó
có vẻ như hiệu quả. Sự đánh giá nước đi trở nên chính xác hơn so với
những chương trình thông thường. Vấn đề xảy ra khi họ cho nó thực sự
chơi một ván cờ vua. Chương trình phát triển các phần của nó, tấn công và
lập tức mất con hậu! Nó thua chỉ trong vài bước cờ, hy sinh con hậu. Tại
sao nó lại làm vậy? Khi một kiện tướng cờ hy sinh con hậu của anh ta,
dường như đó là một nước đi tuyệt vời và quan trọng. Đối với máy, được
đào tạo bởi những ván kiện tướng cờ, hy sinh con hậu của nó rõ ràng chính
là chìa khóa thành công!
17
Máy đã đảo ngược trình tự nhân quả. Không hiểu rằng việc kiện tướng hy
sinh con hậu chỉ khi để có chiến thắng nhanh và gọn, máy đã học rằng nó
sẽ chiến thắng nhanh chóng ngay sau khi hy sinh con hậu. Vậy nên việc hy
sinh con hậu một cách sai lầm dường như là cách dẫn đến chiến thắng.
Trong khi vấn đề cụ thể này về sự dự đoán của máy đã được giải quyết, sự
đảo ngược nhân quả vẫn còn là một thử thách lớn cho máy dự đoán.
Vấn đề này dường như cũng xuất hiện thường xuyên trong kinh doanh.
Trong nhiều ngành công nghiệp, giá thành rẻ thường gắn liền với doanh thu
thấp. Ví dụ, trong ngành công nghiệp khách sạn, giá thành thấp khi không
trong mùa du lịch, giá thành cao khi nhu cầu cao và khách sạn hết phòng.
Với dữ liệu đó, một dự đoán ngây ngô có thể gợi ý rằng việc tăng giá sẽ
dẫn đến việc nhiều phòng được bán ra. Một người – ít nhất với một vài hiểu
