Viitorul analizei informaționale cu AI

Predicțiile despre AI îmbătrânesc prost, așa că textul acesta nu este una. Este o observație despre care probleme din analiza informațională sunt aproape rezolvate și care nu — o distincție care spune mai mult despre unde merge munca de acum înainte decât ar spune orice prognoză.

În mare parte rezolvat: citirea textului

Extragerea de entități, evenimente și subiecte din text nestructurat, în mai multe limbi, la volum mare, nu mai este partea grea. Sintetizarea materialelor lungi fără a pierde firul este suficient de fiabilă încât se poate construi pe ea. Recunoașterea faptului că două pasaje formulate diferit înseamnă același lucru funcționează bine.

Multă vreme acestea au fost barierele. Acum sunt aproximativ capacități de larg consum, ceea ce înseamnă că nu mai sunt locul în care un sistem se diferențiază.

Nerezolvat: a ști ce este același lucru

Rezolvarea entităților rămâne cu adevărat dificilă și este fundația pe care stă tot restul. A decide că trei mențiuni se referă la aceeași organizație — printr-o redenumire, o abreviere și o traducere — cere un context pe care niciun document singular nu îl conține.

Greșești într-o direcție și lucruri distincte se contopesc într-o relație falsă. Greșești în cealaltă și un subiect se fragmentează exact acolo unde continuitatea conta. Nu există un prag corect în general, iar erorile sunt tăcute.

Nerezolvat: proveniența la scară

Pe măsură ce tot mai mult material este generat, rescris și republicat automat, întrebarea „de unde provine de fapt asta” devine deopotrivă mai grea și mai importantă.

Confirmarea aparentă — cinci surse care relatează același lucru — are sens doar dacă cele cinci sunt independente. Din ce în ce mai des nu sunt, iar derivarea nu este vizibilă în text. Urmărirea descendenței, în loc de numărarea mențiunilor, este diferența dintre un sistem care măsoară informația și unul care măsoară ecoul.

Aici devin relevante mecanismele la nivel de infrastructură: marcarea temporală, înregistrările de integritate, lanțurile de proveniență. Nu ca funcționalitate de produs, ci ca mod de a stabili că o informație a existat într-o anumită formă la un anumit moment. NWS.ONE descrie astfel de mecanisme drept concepte de infrastructură și nimic mai mult.

Nerezolvat: reținerea

Capacitatea care va conta cel mai mult este disciplina de a nu afirma lucruri.

Sistemele care analizează informație se află sub presiune constantă să producă verdicte, prognoze și scoruri de încredere, pentru că acestea sunt lizibile și impresionante. Sunt totodată rezultatele cele mai predispuse să greșească în moduri pe care utilizatorii nu le pot detecta.

Alternativa este mai puțin impresionantă și mai durabilă: reunește materialul, așază-l astfel încât structura lui să fie vizibilă, atașează proveniență fiecărui element, arată unde sursele nu sunt de acord și lasă concluzia în seama omului. Un sistem care face bine acest lucru este mai util decât unul care ghicește — și este onest în privința a ceea ce este.

Ce credem că va conta

Dacă stratul de extragere devine larg accesibil, diferențierea se mută către:

• calitatea rezolvării — cât de bine știe un sistem ce este același lucru de-a lungul timpului;
• profunzimea provenienței — dacă descendența este urmărită sau mențiunile sunt numărate;
• acuratețea cronologică — separarea momentului faptei de momentul relatării;
• inspectabilitatea — dacă un utilizator poate vedea de ce sistemul a legat două lucruri;
• disciplina afirmațiilor — ce refuză sistemul să susțină.

Niciuna dintre acestea nu dă bine într-o demonstrație. Toate determină dacă rezultatul poate fi folosit cu încredere într-o muncă ce contează.

Direcția

Către structură, nu către răspunsuri. Cititorul păstrează judecata; sistemul preia asamblarea. Această împărțire nu se schimbă odată cu modele mai bune — devine mai importantă pe măsură ce ele se îmbunătățesc, pentru că un răspuns greșit formulat fluent este mai greu de prins decât unul stângaci.