Zaklada Lürssen organizirala je  program pod nazivom »Budućnost predviđanja: kolektivna i umjetna inteligencija« Prošlog tjedna u Rijeci i Opatiji okupljeni su vodeći svjetski stručnjaci u području kognitivne znanosti koji su raspravljali o tome hoće li kolektivna inteligencija preživjeti i nadjačati umjetnu inteligenciju. U središtu programa bio je fenomen poznat kao »mudrost mnoštva« u kojem objedinjene procjene većeg broja ili tzv. kolektivna inteligencija ljudi često nadmašuju procjene pojedinačnih stručnjaka. Među istaknutim stručnjacima bio je i jedan od najuglednijih hrvatskih znanstvenika u inozemstvu Dražen Prelec s Instituta za tehnologiju Massachusetts.

Poticaj za istinu

– Posegnuo sam za alatima iz matematike, točnije iz teorije igara i teorije informacije. Riječ je o dva povezana problema. Prvi je kako utvrditi je li nečije subjektivno mišljenje iskreno, odnosno iznosi li pojedinac ono što doista misli ili ga na neki način skriva. To se često događa kod političkih pitanja ili predviđanja kretanja na tržištu. Ljudi imaju razne razloge da prikriju svoje mišljenje, pa nam treba pokazatelj iskrenosti. Drugi problem nastaje kada se ljudi ne slažu. Tada je pitanje koji je pojedinac, ili koja skupina bliže istini u smislu podudaranja sa stvarnošću. To su stari filozofski problemi, ali unutar određenih matematičkih modela ljudskog ponašanja oni imaju rješenje.

Što je bila ideja takvog modela?

– Svakoga pitamo za njegov odgovor, ali i za procjenu kako će odgovoriti drugi. Iskreni odgovori imaju jedno statističko obilježje: u prosjeku su češći nego što ljudi predviđaju, dakle »iznenađujuće popularni«. Ako nagrađujemo upravo takve odgovore, iskrenost postaje najisplativija strategija. Ista logika pomaže prepoznati tko je bliži istini, čak i kada je u manjini, jer oni koji znaju više obično predviđaju i da će drugi misliti drukčije. Moj je interes bio prije svega teorijski, ali su se s vremenom pojavile i primjene, primjerice u predviđanju izbornih rezultata ili u istraživanju tržišta u marketingu. Te su primjene uvijek zahtjevne jer teorija pretpostavlja idealno ponašanje: pojedinac je zamišljen kao stroj koji savršeno računa. U tim uvjetima teorija kaže da možemo nagraditi iskrenost i prepoznati stručnjake najbliže istini. Teorijski su to snažni rezultati, ali u praksi ih moramo prilagođavati jer ljudi nisu strojevi i odstupaju od racionalnog ponašanja.

Možete li to ilustrirati konkretnim primjerom?

– Dobar je primjer naša anketa među sveučilišnim psiholozima u SAD-u. Pitali smo ih jesu li se služili upitnim istraživačkim postupcima, uključujući i lažiranje podataka. Anketa je bila anonimna, ali ostaje pitanje zašto bi netko uopće priznao nešto takvo. Objasnili smo im da se odgovori boduju algoritmom za koji je dokazano da nagrađuje iskrenost. O bodovima svakog sudionika ovisilo je koliko ćemo novca donirati dobrotvornoj organizaciji koju je sam izabrao. Time smo stvorili moralni poticaj: tko laže, smanjuje donaciju za cilj do kojeg mu je stalo. Sudionici s tim poticajem priznali su više prekršaja od onih bez njega. Najteži prekršaj u upitniku bilo je lažiranje podataka, a priznalo ga je oko dva posto ispitanika. To zvuči malo, ali inače bi taj postotak bio gotovo nula.

Pogrešne procjene

U političkom odlučivanju često se brane stavovi i kada se zna da su pogrešni. Zašto je tako teško priznati pogrešku?

– Tu s problema laganja prelazimo na dublji problem, a to je samozavaravanje. Mnogi psiholozi koji su priznali upitne postupke dodali su da je to u njihovu slučaju bilo opravdano. Rekli su, znam da to nije u redu, ali imao sam razlog. Isto vidimo u politici, i kod lidera i kod birača. Ljudi teško priznaju da ih je onaj za koga su glasali iznevjerio. Posebno je to izraženo kod političkih stručnjaka. Zagovaraju neku politiku, ona se pokaže kao golema pogreška, a oni se i dalje pojavljuju u medijima. Gotovo nitko ne prizna grešku, a još rjeđe netko snosi posljedice. U poslovnom svijetu je drukčije: tvrtka koja krene pogrešnim smjerom plati cijenu na tržištu. U SAD-u danas postoji konsenzus da je rat u Iraku bio greška, a sličan se konsenzus stvara i oko rata s Iranom. Ipak, gotovo nitko od onih koji su te ratove zagovarali nije snosio posljedice. Uvijek se nađe isprika. Prognozu je vrlo teško provjeriti jer se scenarij nikad ne odvije točno onako kako smo pretpostavili. To ostavlja prostor rječitim stručnjacima da svaku grešku naknadno objasne.

Znači li to da eksperti manipuliraju ako razumiju psihologiju ljudi bolje nego što mi sami sebe možemo razumjeti?

– Rekao bih da često manipuliraju prije svega sami sobom. Prema jednoj teoriji samozavaravanja, ljudi zavaravaju sebe jer tako lakše uvjere druge. Najuvjerljivije laže onaj tko i sam vjeruje u ono što govori. Mislim da mnogi od njih iskreno vjeruju da su bili u pravu, samo se stvari nisu razvile kako su predvidjeli, ili su drugi pogriješili. Rat s Iranom je konkretan primjer. Trump ga je započeo jer je osobno vjerovao da će iranski režim pasti. Oni koji su rat zagovarali tvrdili su da je režim krhak, i na to se oslonio. Sada se pokazuje da to nije točno, pa stižu isprike: »Prestali ste prerano sa bombardiranjem, trebalo je nastaviti.« Riječ je o pogrešnoj procjeni, ali za razliku od većine znanstvenih hipoteza, takva se procjena ne može do kraja provjeriti. Nikad ne znamo što bi se dogodilo da se postupilo drukčije.

Opadanje raznolikosti

S obzirom na to da danas imamo algoritme koji ljudima mogu servirati informacije koje potvrđuju njihove stavove, čini li nas to podložnijim lošim odlukama?

– Tu je nekoliko pojava. Prva je da algoritmi stvaraju geta istomišljenika koji komuniciraju samo međusobno. Pratim nastupe stručnjaka u javnosti i primjećujem siromaštvo mišljenja. Devedeset posto onoga što pročitam već sam negdje pročitao, samo malo drukčije sročeno. Teško je naći mišljenje koje odudara od prosjeka. Ne znam je li to posljedica umjetne inteligencije, ali u njoj vidim tri opasnosti.

Prva je da ljudi postaju pasivni i da im mentalne sposobnosti atrofiraju jer se sve više oslanjaju na to pomagalo. Druga je da UI prikuplja i servira postojeće znanje, pa kad mu svi imaju pristup, nitko više nema razloga ulagati trud u stvaranje novog. Lakše je prihvatiti prijedlog UI-ja nego istraživati sam. Treća je homogenizacija mišljenja, jer ćemo na kraju svi čitati isto. Zajedničko je svim trima opasnostima da UI koristi pojedincu, a šteti kolektivu. Svatko dobije korisnu informaciju, ali istu dobiju i svi ostali. Zato ukupna raznolikost znanja u društvu opada, a s njom i sposobnost društva da uoči i ispravi pogreške. Mudrost mnoštva počiva upravo na tome da različiti ljudi znaju različite stvari.

Atrofija kognitivnih sposobnosti

– Treba ograničiti korištenje UI-ja i postaviti granice, kao što ih postavljamo djeci. To je igračka koja šteti kad je ima previše. Već se pojavljuju studije koje upućuju na atrofiju kognitivnih sposobnosti. Druga dva problema su sustavna i ne mogu se riješiti na razini pojedinca. Slično je bilo s društvenim mrežama: trebalo je deset do petnaest godina da se shvati koliko štete tinejdžerima. Bojim se da će i ovdje biti tako. Problem će nastati, a proći će nekoliko godina, možda i desetljeće, prije nego što se počnu tražiti rješenja. Kod društvenih mreža učinak na mlade mogao se prepoznati vrlo brzo da se pažljivo pratio nagli porast psihičkih problema. Zato bi i sada od početka trebalo pratiti prave pokazatelje. Kod UI-a je problem suptilniji jer on ima tendenciju da »glanca«. Briše razlike i stvara nešto uglađeno i nenametljivo, a zapravo banalizira informacije.

Mišljenja se mijenjaju, ali polako

Upravo je Trump jedan od tih koji nikada nisu priznali greške?

– Ipak, njegova popularnost kopni. Prema anketama izgubio je otprilike trećinu pristaša. Ti ljudi time zapravo priznaju da su pogriješili, iako krivnju ne traže u sebi. Mišljenja se mijenjaju, ali polako. Često treba proći cijela generacija da se vide pravi pomaci.