Biti čovjek, u osnovi, znači biti prediktor. Ponekad prilično dobar. Pokušavanje predviđanja budućnosti, bilo kroz prizmu prošlih iskustava ili logiku uzroka i posljedice, pomoglo nam je da lovimo, izbjegavamo biti lovljeni, sadimo usjeve, oblikujemo socijalne veze i općenito preživimo u svijetu koji ne prioritizira naše preživljavanje. Kako su se alati divinacije mijenjali kroz stoljeća, od čajnih listića do skupova podataka, naša uvjerenja da se budućnost može znati (i stoga kontrolirati) samo su jačala. Danas smo preplavljeni morem predikcija tako golemim i neumoljivim da većina nas jedva da ih i registrira. Dok pišem ovu rečenicu, algoritmi na nekom udaljenom serveru pokušavaju pogoditi moju sljedeću riječ na temelju onih koje sam već otkucao. Ako ovo čitate online, skupina algoritama već vam je vjerojatno poslužila oglas za koji se smatra da će vam biti zanimljiv. Ako čitate ovu priču na papiru, čestitam! Izbjegli ste algoritme… za sada.
Želja ljudi za pouzdanim predikcijama je razumljiva. Ipak, nitko se nije prijavio za svemoćnog, algoritamskog orakula koji posreduje svaki aspekt njihovog života. Troje novih autora pokušava objasniti naš svijet usmjeren na budućnost – kako smo došli ovdje i što ta promjena znači. Svaki od njih ima svoje preporuke za navigaciju ovom novom stvarnošću, ali se svi slažu u jednoj stvari: Predikcije su u konačnici o moći i kontroli.
Maximilian Kasy, Oxfordski ekonomist, u svojoj knjizi ‘Sredstva predikcije: Kako AI stvarno funkcionira (i tko od toga ima koristi)’ objašnjava kako su većina predikcija u našim životima temeljene na statističkoj analizi obrazaca u velikim, označenim skupovima podataka – ono što se u AI krugovima naziva nadziranjem učenja. Nakon što su ‘obučeni’ na takvim skupovima podataka, algoritmi mogu biti predstavljeni svim vrstama novih informacija i zatim dati svoju najbolju procjenu nekog specifičnog budućeg ishoda. Sve više, naši životi oblikovani su odgovorima strojeva na ova pitanja.
U ovoj situaciji, Kasy tvrdi da posljedice nisu ‘nepredviđene’, već da predstavljaju sustav koji funkcionira kako je namijenjeno. ‘Ako algoritam koji odabire što ćete vidjeti na društvenim mrežama potiče bijes, time maksimizira angažman i klikove na oglase, to je zbog toga što je poticanje bijesa dobro za profit od prodaje oglasa’, piše. Kasy također ističe da bi stvaranje manje pristranih, pravednijih algoritama moglo biti uzaludno, jer prediktivni algoritmi oslanjaju se na prošle podatke koji su često rasistički, seksistički i na bezbroj drugih načina manjkavi.
Na kraju, Kasy se zalaže za široku demokratsku kontrolu nad onim što naziva ‘sredstvima predikcije’: podacima, računalnom infrastrukturom, tehničkom stručnošću i energijom. Njegova knjiga sadrži razne mehanizme kako to postići, uključujući ‘povjerenstva za podatke’ i korporativne porezne sheme koje pokušavaju računati društvenu štetu koju AI uzrokuje. Međutim, Kasy je realista i ne smatra da će se bilo koja od ovih prijedloga lako implementirati ili brzo ostvariti.
