cần nạp điện và vị trí của những trạm điện. Một ứng dụng có thể chỉ đơn
giản hỏi bạn liệu bạn có cần nhiên liệu hay không, hoặc trong tương lai,
thậm chí có thể lấy dữ liệu trực tiếp từ xe của bạn. Điều này dường như là
một vấn đề có thể giải quyết được, cũng giống như bạn có thể điều chỉnh
cài đặt trong những ứng dụng điều hướng để tránh những đường có trạm
thu phí.
Những yếu tố khác mà bạn ưa thích sẽ khó để lập trình hơn. Ví dụ, trên một
đoạn đường dài, bạn có thể muốn đảm bảo rằng bạn đi qua những địa điểm
phù hợp nhất định để nghỉ ngơi và ăn. Hoặc những tuyến đường nhanh
nhưng chỉ tiết kiệm được 1-2 phút và thường rất tốn công khi lái. Hoặc bạn
có thể không thích đi những con đường nhiều gió. Một lần nữa, những ứng
dụng có thể sẽ học hỏi từ những hành vi, nhưng ở một thời điểm bất kỳ,
một vài yếu tố sẽ không phải là một phần của sự dự đoán đã được mã hóa
để tự động hóa một hành động. Máy móc có những hạn chế cơ bản về việc
nó sẽ tốn bao nhiêu để có thể học cách dự đoán những sự ưu tiên của bạn.
Một điểm nhìn bao quát hơn cho những quyết định là những mục tiêu hiếm
khi chỉ có một chiều. Con người sở hữu kiến thức, rõ ràng và hàm ẩn, về lý
do họ làm một điều gì đó, điều đó có thể cho họ những cân nhắc cá nhân và
chủ quan. Trong khi máy dự đoán điều gì có thể xảy ra, con người vẫn sẽ
quyết định thực hiện hành động dựa trên sự hiểu biết của họ về mục tiêu.
Trong nhiều tình huống, như với Waze, máy sẽ cho con người một sự dự
đoán ngụ ý một kết quả nhất định một chiều (ví dụ như tốc độ); con người
sau đó sẽ quyết định có nên bỏ qua sự gợi ý hành động đó hay không. Dựa
vào độ tinh xảo của máy dự đoán, con người có thể đòi hỏi nó cho một sự
dự đoán khác dựa vào một sự ràng buộc mới (“Waze, hãy chỉ tôi qua chỗ
một trạm xăng”).
Sự dự đoán khó mã hóa
Ada Support, một công ty khởi nghiệp, sử dụng AI dự đoán để biến những
câu hỏi hỗ trợ kỹ thuật khó thành dễ. AI trả lời những câu hỏi dễ và rồi gửi
