Проблемы с парковкой: правила, правила, правила

Наш мир сообществ и групп людей очень сложен. Взаимодействие сопряжено с риском. Наши технологии (включая автомобили и искусственный интеллект) делают это еще более важным. Нам нужна помощь в режиме реального времени, на месте, которая поможет нам безопасно и продуктивно выполнять сложную деятельность практически во всем, что мы делаем в наши дни. На самом деле у нас нет выбора. Сложность никуда не денется. Узнайте, как совершенно новый взгляд на правила меняет мир.

Признаюсь, меня очень встревожил этот тотемный столб знаков парковки. Ты?! Наверняка, я не одинок.

Смешно, правда?! Прежде всего, коллективный обмен сообщениями невозможен. Просто ошеломляюще. Я категорически проваливаю тест на IQ.

Во-вторых, слишком много правил удушают. Моя внутренняя реакция — бей или беги. Слишком много правил никогда не бывает хорошим.

Как насчет цифрового мозга?

Однако, оставив эмоции в стороне, давайте посмотрим на эту ситуацию объективно. В качестве аргумента скажем, что все эти правила поведения необходимы и последовательны.

На самом деле, это не мелочь. Наш мир сообществ и групп людей очень сложен. Взаимодействие сопряжено с риском. Наши технологии (в том числе автомобили) делают это еще более важным. Нам нужна помощь в режиме реального времени, на месте, которая поможет нам безопасно и продуктивно выполнять сложную деятельность. Я имею в виду не просто парковку; Я имею в виду практически все, что мы делаем в обществе в наши дни. На самом деле у нас нет выбора. Сложность никуда не денется.

Итак, давайте рассматривать этот тотемный столб для парковки как потенциальную цифровую возможность. Выслушай меня. Предположим, эти поведенческие правила были автоматизированы. Также предположим, что я мог бы подъехать прямо к этим знакам и за долю секунды получить цифровую информацию о том, могу ли я припарковаться или нет, и если да, то на какое время.

Что понадобится для поддержки? Знаковому полюсу нужен мозг (цифровой), способный как к восприятию, так и к простому познанию:

1. Часть восприятия заключается в распознавании автомобиля, готовящегося к парковке, и идентификации его специальных парковочных меток, если таковые имеются.
2. Когнитивная часть заключается в оценке правил в зависимости от времени суток для этого конкретного автомобиля.

Ответ водителя в режиме реального времени на месте: «да, парковка разрешена на время x» или «нет, парковка в настоящее время запрещена».

Анализ затрат и выгод внедрения цифрового знакового мозга может оказаться благоприятным, а может и не оказаться благоприятным. Не отвергайте эту идею слишком быстро. Предполагая, что муниципалитет серьезно относится к обеспечению соблюдения своих правил, помните, что в настоящее время ему нужны люди для обеспечения соблюдения, а люди стоят дорого. В любом случае, даже если сегодня оно неблагоприятно, уравнение может легко измениться в будущем.

Однако моя настоящая цель в этой статье не состоит в том, чтобы обосновать необходимость использования мозга цифровых указателей. Рассмотрим все случаи в мире, кроме парковки, где экономика в реальном времени проверки правил были бы благоприятны. Люди (в данном случае водители и, возможно, полицейские) просто не способны обрабатывать всю эту информацию в реальном времени.

Позвольте мне сказать это по-другому. Да, люди, вероятно, способны, если у них достаточно времени, но можно ли использовать это время с пользой? Нет!

Это ИИ?

Теперь давайте рассмотрим соблюдение правил парковки. Предположим, вы припарковались там, когда мозг цифрового указателя сказал, что вам не следует этого делать. Или время истекает в отведенное вам время. Что должно произойти?

Выбросить машину с места, как черт из табакерки, наверное, не получится. Но мозг дорожного столба запросто мог бы вызвать эвакуатор. А поскольку мозг указательного столба воспринимает личность вашего автомобиля, он, безусловно, может выдать (цифровое) указание на парковку.

Можно ли использовать статистический ИИ для реализации «мозгового полюса»? Да, это часть решения, связанная с восприятием. Никто на самом деле не нуждается в каких-либо объяснениях этих результатов. А что касается познавательной части? Нет! Нам нужны символические правила для этой части, потому что правила должны быть объяснимы (читабельны) для всех участвующих сторон (включая судью, если вы подаете дело о парковке в суд). Пожалуйста, не используйте ChatGPT для этой части проблемы!

На самом деле правила такие уже выражено символически. Не полностью на столбе, конечно. Недвижимость на вывесках очень ограничена. Но вы можете быть уверены, что они достаточно хорошо выражены в кодексе муниципалитета (в правилах, а не в программах). Правилам просто необходимо цифровое выражение – и чем ближе к оригинальной форме, тем лучше.

Хотя я говорю о том, чтобы наделить вывеску цифровым мозгом, я ни в коем случае не имею в виду попытку имитировать человеческий интеллект. Что касается когнитивной части, мне просто нужно автоматизировать поведенческие правила и соответствующие спецификации их применения. Не нужно усложнять.

Поведенческие правила, подобные этим правилам парковки, сильно отличаются от правил вывода и объединения, традиционных для символического ИИ (читай «экспертных систем»), по крайней мере, в двух отношениях.

1. Правила поведения могут быть нарушен – так же, как законы и правила. Собственно, правила парковки являются законы или правила. Таким образом, выявление нарушений и обеспечение их соблюдения являются центральными (а не второстепенными) вопросами.
2. Несколько стороны участвуют. В этом примере в число сторон входят как водитель (или беспилотный автомобиль), так и муниципалитет. Поведенческие правила направлены на непосредственную координацию взаимодействия между людьми и сообществами или организациями.

‘Решение’?

Учитывая многопартийный характер правил поведения, участвуют ли они в принятии решений? Конечно. Водитель должен принять решение о том, парковаться ли там. Мозг цифрового указателя должен оценить («решить», если хотите) о том, разрешено ли этому автомобилю парковаться там в это конкретное время. Но это двое другой решения двумя другой стороны, независимые субъекты взаимодействия.

Помогает ли мышление в терминах «решений» (или моделей решений) анализировать правила? Давайте рассмотрим вопрос в двух отдельных частях.

• Для водителя автомобиля? Возможно, если вы пытаетесь понять мыслительные процессы водителя. (Для протокола, я нет, но, возможно, так оно и есть.) Возможно, водитель готов пойти на риск, получив штраф за парковку или быть отбуксированным. Кто знает, какие факторы могут повлиять на их личное решение?! (Однако, если вы программируете беспилотный автомобиль, я, конечно, надеюсь, что эти факторы не попадут в ваш код.)

• Для муниципалитета? Честно говоря, я вообще не понимаю, как «решение» поможет муниципалитету. Ситуация просто заключается в том, нарушает ли паркующийся одно или несколько правил. Это просто факт, а не решение. И подобные дела должны решаться только на основе фактов.

На самом деле, решение дел на основе только фактов – это то, что верховенство закона в основном означает. В этом отношении я считаю, что ИИ (как старый ИИ, как в экспертных системах, так и новый ИИ, как в GPT) упустил из виду очень фундаментальную идею в бизнесе и правительстве.

Подробнее см. Правила: формирование поведения и знанийРональд Дж. Росс, 2023 г., 274 стр., https://www.brsolutions.com/rules-shaping-behavior-and-knowledge-book.html

---

Автор: Рональд Дж. Росс

Рон — один из ведущих мировых авторитетов в области интерпретации политики, правил, концептуальных моделей, бизнес-лексики и дизайна данных. Он является соучредителем и директором компании Business Rule Solutions, LLC (BRS). В BRS он консультировал многие сотни компаний и государственных органов по всему миру.

Рон является автором 12 профессиональных книг, включая его последнюю:

Рон является председателем конференции Building Business Capabilities (BBC), официальной конференции Международного института бизнес-анализа (IIBA).^®). Рон был ведущим на десятках конференций и проводил семинары для многих тысяч людей по всему миру. В настоящее время он является исполнительным редактором BRCommunity.com и его главного онлайн-издания. Журнал бизнес-правил.

Рон получил степень магистра информатики в Иллинойском технологическом институте и степень бакалавра в Университете Райса.