ਕੀ ਅਸੀਂ ਸਾਰੇ ਫੈਸਲੇ AGI 'ਤੇ ਛੱਡ ਸਕਦੇ ਹਾਂ?

ਅਸਥਿਰ ਹਾਲਾਤਾਂ, ਅਧੂਰੀ ਜਾਣਕਾਰੀ, ਅਤੇ ਵਿਚਾਰ ਕਰਨ ਲਈ ਸੀਮਤ ਸਮੇਂ ਦਾ ਸਾਹਮਣਾ ਕਰਦੇ ਹੋਏ, ਫੈਸਲਾ ਲੈਣ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਡਾ ਪਾਪ ਕੀ ਹੈ? ਜਾਂ, ਕਿਹੜੀਆਂ ਮਹੱਤਵਪੂਰਨ ਰੁਕਾਵਟਾਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਫੈਸਲਾ ਲੈਣ ਵਿੱਚ ਰੁਕਾਵਟ ਪਾਉਂਦੀਆਂ ਹਨ? ‘ਫੈਸਲਾ ਟਾਈਮ’ ਕਈ ਦ੍ਰਿਸ਼ਟੀਕੋਣਾਂ ਤੋਂ ਇਨ੍ਹਾਂ ਸਵਾਲਾਂ ਦਾ ਵਿਆਪਕ ਵਿਸ਼ਲੇਸ਼ਣ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।

ਆਰਟੀਫੀਸ਼ੀਅਲ ਜਨਰਲ ਇੰਟੈਲੀਜੈਂਸ (AGI) ਦਾ ਆਗਮਨ ਬਹੁਤ ਸਾਰੇ ਖੇਤਰਾਂ ਵਿੱਚ ਕ੍ਰਾਂਤੀ ਲਿਆਉਣ ਲਈ ਤਿਆਰ ਹੈ, ਅਤੇ ਅਗਲੇ ਕੁਝ ਸਾਲਾਂ ਵਿੱਚ, ਇਹ ਮੰਨਿਆ ਜਾ ਸਕਦਾ ਹੈ ਕਿ AGI ਜ਼ਿਆਦਾਤਰ ਕਾਲ ਸੈਂਟਰ ਕਰਮਚਾਰੀਆਂ ਦੀ ਥਾਂ ਲੈ ਸਕਦੀ ਹੈ, ਸਿਰਫ਼ ਇੱਕ ਢਾਂਚਾਗਤ ਕਰਮਚਾਰੀ ਬਲ ਨੂੰ ਛੱਡ ਕੇ ਉਨ੍ਹਾਂ ਵਿਲੱਖਣ ਮੁੱਦਿਆਂ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਮਸ਼ੀਨਾਂ ਹੱਲ ਨਹੀਂ ਕਰ ਸਕਦੀਆਂ। AGI ਦੇ ਵਧ ਰਹੇ ਯੁੱਗ ਵਿੱਚ, ਇਹ ਭਵਿੱਖਬਾਣੀ ਮੁਸ਼ਕਿਲ ਨਾਲ ਹੀ ਕੱਟੜਪੰਥੀ ਜਾਪਦੀ ਹੈ। ਹਾਲਾਂਕਿ, ਇੱਕ ਵਧੇਰੇ ਢੁਕਵਾਂ ਸਵਾਲ ਪੈਦਾ ਹੁੰਦਾ ਹੈ: ਕੀ AGI ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਐਮਰਜੈਂਸੀ ਡਿਸਪੈਚਰਾਂ ਜਾਂ ਐਮਰਜੈਂਸੀ ਮੈਡੀਕਲ ਸੇਵਾ ਕਰਮਚਾਰੀਆਂ ਦੀ ਥਾਂ ਲੈ ਸਕਦੀ ਹੈ? ਜਵਾਬ ਦੇਣ ਤੋਂ ਪਹਿਲਾਂ, ਸਾਨੂੰ ਅਜਿਹੇ ਪ੍ਰਸਤਾਵ ਦੀਆਂ ਗੁੰਝਲਾਂ ਵਿੱਚ ਡੂੰਘਾਈ ਨਾਲ ਖੋਜ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ। ਐਮਰਜੈਂਸੀ ਜਵਾਬ ਦੇਣ ਵਾਲੇ ਵਿਲੱਖਣ ਅਤੇ ਤੇਜ਼ੀ ਨਾਲ ਵਿਕਸਤ ਹੋ ਰਹੀਆਂ ਸਥਿਤੀਆਂ ਦਾ ਸਾਹਮਣਾ ਕਰਦੇ ਹਨ, ਜਿਨ੍ਹਾਂ ਲਈ ਤੇਜ਼ ਮੁਲਾਂਕਣਾਂ ਅਤੇ ਨਿਰਣੇ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਕੀ ਅਸੀਂ ਅਜਿਹੇ ਨਾਜ਼ੁਕ ਫੈਸਲਿਆਂ ਨੂੰ ਭਰੋਸੇ ਨਾਲ ਮਸ਼ੀਨਾਂ ਨੂੰ ਸੌਂਪ ਸਕਦੇ ਹਾਂ?

ਟ੍ਰਾਲੀ ਸਮੱਸਿਆ ਅਤੇ ਨੈਤਿਕ ਵਿਕਲਪਾਂ ਦੀ ਜਟਿਲਤਾ

ਵਿਦਿਆਰਥੀ ਅਕਸਰ ‘ਟ੍ਰਾਲੀ ਸਮੱਸਿਆ’ ਨੂੰ ਅਸਲ-ਸੰਸਾਰ ਦੀਆਂ ਉਲਝਣਾਂ ਵਿੱਚ ਅੰਤਰਨਿਹਿਤ ਨੈਤਿਕ ਦੁਬਿਧਾਵਾਂ ਲਈ ਇੱਕ ਰੂਪਕ ਵਜੋਂ ਵਰਤਦੇ ਹਨ। ਟ੍ਰਾਲੀ ਸਮੱਸਿਆ ਦਾ ਕਲਾਸੀਕਲ ਰੂਪ ਇੱਕ ਭਗੌੜਾ ਟ੍ਰਾਲੀ ਨੂੰ ਲੋਕਾਂ ਦੇ ਇੱਕ ਸਮੂਹ ਵੱਲ ਦੌੜਦਾ ਸ਼ਾਮਲ ਕਰਦਾ ਹੈ। ਟ੍ਰਾਲੀ ਨੂੰ ਮੋੜ ਕੇ, ਸਮੂਹ ਨੂੰ ਬਚਾਇਆ ਜਾ ਸਕਦਾ ਹੈ, ਪਰ ਇੱਕ ਨਿਰਦੋਸ਼ ਰਾਹਗੀਰ ਨੂੰ ਘਾਤਕ ਰੂਪ ਵਿੱਚ ਮਾਰਿਆ ਜਾਵੇਗਾ। ਡਰਾਈਵਰ ਨੂੰ ਕੀ ਕਾਰਵਾਈ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ? ਪੁਰਾਣੀ ਕਹਾਵਤ ਦੋ ਬੁਰਾਈਆਂ ਵਿੱਚੋਂ ਘੱਟ ਚੁਣਨ ਦਾ ਸੁਝਾਅ ਦਿੰਦੀ ਹੈ, ਫਿਰ ਵੀ ਜਦੋਂ ਅਸਲੀਅਤ ਵਿੱਚ ਅਜਿਹੀ ਦੁਬਿਧਾ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈਂਦਾ ਹੈ, ਤਾਂ ਫੈਸਲਾ ਘੱਟ ਹੀ ਸਿੱਧਾ ਹੁੰਦਾ ਹੈ। ‘ਫੈਸਲਾ ਟਾਈਮ’ ਵਿੱਚ, ਲੇਖਕ ਲੌਰੈਂਸ ਐਲੀਸਨ ਨੇ ਮੰਨਿਆ ਹੈ ਕਿ ਟ੍ਰਾਲੀ ਸਮੱਸਿਆ ਦੇ ਸਨਮੁੱਖ, ਕਿਸੇ ਨੂੰ ਘੱਟ ਨੁਕਸਾਨਦੇਹ ਫੈਸਲਾ ਲੈਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ। ਜਦੋਂ ਕਈ ਵਿਕਲਪ ਪੇਸ਼ ਕੀਤੇ ਜਾਂਦੇ ਹਨ, ਹਰੇਕ ਦੇ ਨਤੀਜੇ ਵਜੋਂ ਉਲਟ ਨਤੀਜੇ ਨਿਕਲਦੇ ਹਨ, ਤਾਂ ਉਦੇਸ਼ ਉਸ ਵਿਕਲਪ ਨੂੰ ਚੁਣਨਾ ਚਾਹੀਦਾ ਹੈ ਜੋ ਘੱਟ ਤੋਂ ਘੱਟ ਨੁਕਸਾਨ ਪਹੁੰਚਾਉਂਦਾ ਹੈ।

ਟ੍ਰਾਲੀ ਸਮੱਸਿਆ ਮਨੁੱਖਾਂ ਦੁਆਰਾ ਰੋਜ਼ਾਨਾ ਆਉਣ ਵਾਲੀਆਂ ਬਹੁਪੱਖੀ ਚੁਣੌਤੀਆਂ ਦੀ ਇੱਕ ਸਰਲ ਪ੍ਰਤੀਨਿਧਤਾ ਵਜੋਂ ਕੰਮ ਕਰਦੀ ਹੈ। ਇਨ੍ਹਾਂ ਚੁਣੌਤੀਆਂ ਨਾਲ ਨਜਿੱਠਣ ਵਿੱਚ ਨਾ ਸਿਰਫ਼ ਨੈਤਿਕ ਵਿਚਾਰ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ, ਸਗੋਂ ਕਿਸੇ ਦੇ ਮੁੱਲਾਂ ਦੀ ਡੂੰਘੀ ਜਾਂਚ ਵੀ ਸ਼ਾਮਲ ਹੁੰਦੀ ਹੈ। ਅਸੀਂ ਜੋ ਵਿਕਲਪ ਬਣਾਉਂਦੇ ਹਾਂ ਉਹ ਸਾਡੇ ਮੁੱਲ ਨਿਰਣੇ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ। ਵੱਖ-ਵੱਖ ਵਿਅਕਤੀ ਹਮੇਸ਼ਾ ਵੱਖ-ਵੱਖ ਵਿਕਲਪ ਬਣਾਉਣਗੇ - ਅਤੇ ਇਹ ਮੰਨਣਾ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿ ਕਾਰਵਾਈ ਨਾ ਕਰਨਾ ਵੀ ਇੱਕ ਵਿਕਲਪ ਹੈ - ਕਿਉਂਕਿ ਘੱਟ ਹੀ ਨਿਸ਼ਚਤ ਜਵਾਬ ਹੁੰਦੇ ਹਨ।

ਜਿਵੇਂ ਕਿ ਅਸੀਂ ਏਆਈ ਸਮਰੱਥਾਵਾਂ ਦੀ ਘਾਤਕ ਤਰੱਕੀ ‘ਤੇ ਹੈਰਾਨ ਹੁੰਦੇ ਹਾਂ, ‘ਫੈਸਲਾ ਟਾਈਮ’ ਸਾਨੂੰ ਯਾਦ ਦਿਵਾਉਂਦਾ ਹੈ ਕਿ ਬਹੁਤ ਸਾਰੇ ਵਿਅਕਤੀ ਗੁੰਝਲਦਾਰ ਅਤੇ ਨਤੀਜਿਆਂ ਵਾਲੇ ਮਾਮਲਿਆਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨ ‘ਤੇ ਨਿਰਣਾਇਕ ਨਿਰਣੇ ਲੈਣ ਲਈ ਸੰਘਰਸ਼ ਕਰਦੇ ਹਨ। ਗਤੀਸ਼ੀਲ ਵਾਤਾਵਰਣਾਂ ਦਾ ਸਾਹਮਣਾ ਕਰਦੇ ਹੋਏ, ਬਹੁਤ ਸਾਰੇ ਆਮ ਵਿਅਕਤੀਆਂ ਵਿੱਚ ਪੱਖਾਂ ਅਤੇ ਵਿਰੋਧੀਆਂ ਨੂੰ ਤੋਲਣ, ਨਿਰਣਾਇਕ ਢੰਗ ਨਾਲ ਕੰਮ ਕਰਨ ਅਤੇ ਸਮੇਂ ਸਿਰ ਕੋਰਸ ਸੁਧਾਰ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਦੀ ਘਾਟ ਹੁੰਦੀ ਹੈ। ਅਸੀਂ ਮਸ਼ੀਨਾਂ ਤੋਂ ਕਿਸ ਤਰ੍ਹਾਂ ਬਿਹਤਰ ਪ੍ਰਦਰਸ਼ਨ ਦੀ ਉਮੀਦ ਕਰ ਸਕਦੇ ਹਾਂ? ਇਹ ਸੁਝਾਅ ਦੇਣਾ ਨਹੀਂ ਹੈ ਕਿ ਮਸ਼ੀਨਾਂ ਮਨੁੱਖੀ ਸਮਰੱਥਾਵਾਂ ਤੋਂ ਵੱਧ ਨਹੀਂ ਸਕਦੀਆਂ, ਸਗੋਂ ਇਸ ਗੱਲ ‘ਤੇ ਜ਼ੋਰ ਦੇਣਾ ਹੈ ਕਿ ਜੇਕਰ ਮਸ਼ੀਨਾਂ ਸਿਰਫ਼ ਮਨੁੱਖੀ ਵਿਕਲਪਾਂ ਦੀ ਨਕਲ ਕਰਦੀਆਂ ਹਨ, ਤਾਂ ਉਹ ਲਾਜ਼ਮੀ ਤੌਰ ‘ਤੇ ਨੁਕਸਦਾਰ ਫੈਸਲਿਆਂ ਦੀ ਭਰਪੂਰਤਾ ਦਾ ਸਾਹਮਣਾ ਕਰਨਗੀਆਂ। ‘ਨੁਕਸਦਾਰ’ ਜਾਂ ‘ਸਹੀ’ ਦੀ ਇਹ ਧਾਰਨਾ ਇਹ ਨਹੀਂ ਦਰਸਾਉਂਦੀ ਕਿ ਜੀਵਨ ਦੇ ਮਹੱਤਵਪੂਰਨ ਫੈਸਲਿਆਂ ਦੇ ਸਰਵ ਵਿਆਪਕ ਤੌਰ ‘ਤੇ ਲਾਗੂ ਹੋਣ ਵਾਲੇ ਜਵਾਬ ਹਨ, ਸਗੋਂ ਇਹ ਹੈ ਕਿ ਕੀ ਅਸੀਂ ਆਮ ਮਨੋਵਿਗਿਆਨਕ ਖ਼ਤਰਿਆਂ ਤੋਂ ਬਚਣ ਲਈ ਆਪਣੇ ਫੈਸਲਾ ਲੈਣ ਦੀਆਂ ਪ੍ਰਕਿਰਿਆਵਾਂ ਵਿੱਚ ਸਹੀ ਤਰਕ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਾਂ।

ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਫੈਸਲਾ ਲੈਣ ਵਿੱਚ ਰੁਕਾਵਟਾਂ

ਅਸਥਿਰਤਾ, ਅਧੂਰੀ ਜਾਣਕਾਰੀ ਅਤੇ ਸਮੇਂ ਦੀਆਂ ਰੁਕਾਵਟਾਂ ਦੁਆਰਾ ਦਰਸਾਈਆਂ ਸਥਿਤੀਆਂ ਵਿੱਚ, ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਫੈਸਲਾ ਲੈਣ ਵਿੱਚ ਮੁੱਖ ਰੁਕਾਵਟਾਂ ਕੀ ਹਨ? ‘ਫੈਸਲਾ ਟਾਈਮ’ ਤਿੰਨ ਪ੍ਰਾਇਮਰੀ ਰੁਕਾਵਟਾਂ ਦੀ ਪਛਾਣ ਕਰਦਾ ਹੈ:

• ਜਵਾਬਦੇਹੀ ਦਾ ਡਰ: ਜ਼ਿੰਮੇਵਾਰੀ ਲੈਣ ਤੋਂ ਬਚਣਾ, ਨਤੀਜੇ ਵਜੋਂ ਕਾਰਵਾਈ ਨਾ ਕਰਨਾ। ਪੈਸਿਵ ਰਹਿ ਕੇ, ਕੋਈ ਖਾਸ ਵਿਕਲਪ ਤੋਂ ਪੈਦਾ ਹੋਣ ਵਾਲੇ ਕਿਸੇ ਵੀ ਉਲਟ ਨਤੀਜਿਆਂ ਲਈ ਜਵਾਬਦੇਹੀ ਤੋਂ ਬਚਦਾ ਹੈ। ਜਵਾਬਦੇਹੀ ਦੇ ਡਰ ਤੋਂ ਇਲਾਵਾ, ਇੱਕ ਹੋਰ ਚਿੰਤਾ ਫੈਸਲੇ ਤੋਂ ਬਾਅਦ ਦਾ ਅਫਸੋਸ ਹੈ - ਵਾਧੂ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰਨ ਤੋਂ ਬਾਅਦ ਫੈਸਲੇ ‘ਤੇ ਅਫਸੋਸ ਕਰਨਾ। ਅਜਿਹੇ ਵਿਅਕਤੀ ਬਦਲਵੇਂ ਹਕੀਕਤਾਂ ਦੀ ਕਲਪਨਾ ਕਰਦੇ ਹਨ ਜਿੱਥੇ ਵੱਖ-ਵੱਖ ਵਿਕਲਪਾਂ ਨੇ ਵਧੇਰੇ ਅਨੁਕੂਲ ਨਤੀਜੇ ਦਿੱਤੇ ਹੋਣਗੇ।
• ਚੋਣ ਅਧਰੰਗ: ਵਿਕਲਪਾਂ ਦੀ ਭਰਪੂਰਤਾ ਤੋਂ ਚੁਣਨ ਵਿੱਚ ਮੁਸ਼ਕਲ, ਖਾਸ ਕਰਕੇ ਜਦੋਂ ਵਿਕਲਪਾਂ ਵਿੱਚ ਕੁਰਬਾਨੀ ਸ਼ਾਮਲ ਹੁੰਦੀ ਹੈ। ਅਜਿਹੇ ਮਾਮਲਿਆਂ ਵਿੱਚ, ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਸਿਧਾਂਤ ਘੱਟ ਨੁਕਸਾਨਦੇਹ ਫੈਸਲਾ ਲੈਣਾ ਹੈ - ਦੋ ਬੁਰਾਈਆਂ ਵਿੱਚੋਂ ਘੱਟ ਚੁਣਨਾ। ਹਾਲਾਂਕਿ, ਇਹ ਕਹਿਣਾ ਕਰਨ ਨਾਲੋਂ ਸੌਖਾ ਹੈ। ਮਨੁੱਖੀ ਫੈਸਲਾ ਲੈਣਾ ਅਕਸਰ ਭਾਵਨਾਤਮਕ ਕਾਰਕਾਂ ਨਾਲ ਜੁੜਿਆ ਹੁੰਦਾ ਹੈ, ਜੋ ਕਿ ਸਾਬਕਾ ਸੈਨਿਕਾਂ ਵਿੱਚ ਸਦਮੇ ਤੋਂ ਬਾਅਦ ਦੇ ਤਣਾਅ ਵਿਕਾਰ (PTSD) ਦੀ ਵਰਤੋਂ ਦੱਸਦਾ ਹੈ। ਮਨੋਵਿਗਿਆਨਕ ਸੰਘਰਸ਼ ਸਭ ਤੋਂ ਵੱਧ ਤੀਬਰ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਵਿਰੋਧੀ ਮੁੱਲ ਟਕਰਾਉਂਦੇ ਹਨ, ਜਿਵੇਂ ਕਿ ਵਫ਼ਾਦਾਰੀ ਅਤੇ ਪੁੱਤਰ ਦੀ ਪੂਜਾ ਵਿਚਕਾਰ ਚੋਣ ਕਰਨ ਦੀ ਕਲਾਸੀਕਲ ਦੁਬਿਧਾ ਦੁਆਰਾ ਦਰਸਾਇਆ ਗਿਆ ਹੈ। ਆਦਰਸ਼ ਦ੍ਰਿਸ਼ ਆਪਣੇ ਕੰਮਾਂ ਨੂੰ ਡੂੰਘਾਈ ਨਾਲ ਰੱਖੇ ਮੁੱਲਾਂ ਨਾਲ ਇਕਸਾਰ ਕਰਨਾ ਹੈ, ਪਰ ਅਕਸਰ, ਵਿਅਕਤੀ ਬਾਹਰੀ ਮੁੱਲ ਨਿਰਣੇ ਦੇ ਅਧਾਰ ‘ਤੇ ਫੈਸਲੇ ਲੈਣ ਲਈ ਮਜਬੂਰ ਹੁੰਦੇ ਹਨ, ਜਿਸਦੇ ਨਤੀਜੇ ਵਜੋਂ ਗੰਭੀਰ ਮਨੋਵਿਗਿਆਨਕ ਦੁੱਖ ਹੁੰਦਾ ਹੈ।
• ਦੇਰੀ ਨਾਲ ਐਗਜ਼ੀਕਿਊਸ਼ਨ: ਫੈਸਲੇ ਅਤੇ ਕਾਰਵਾਈ ਦੇ ਵਿਚਕਾਰ ਬਹੁਤ ਜ਼ਿਆਦਾ ਦੇਰੀ। ਪੈਰਾਸ਼ੂਟਿਸਟ ਗਵਾਹੀ ਦੇਣਗੇ ਕਿ ਸਭ ਤੋਂ ਵੱਧ ਅਨਿਸ਼ਚਿਤਤਾ ਦਾ ਪਲ ਉਦੋਂ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਕੋਈ ਛਾਲ ਮਾਰਨ ਲਈ ਤਿਆਰ ਹੁੰਦਾ ਹੈ ਪਰ ਫਿਰ ਵੀ ਪਿੱਛੇ ਹਟਣ ਦਾ ਵਿਕਲਪ ਹੁੰਦਾ ਹੈ। ਇਹ ਵਰਤਾਰਾ ਬਹੁਤ ਸਾਰੇ ਜੀਵਨ ਬਦਲਣ ਵਾਲੇ ਫੈਸਲਿਆਂ ਵਿੱਚ ਵਿਆਪਕ ਹੈ। ਇੱਕ ਨਾਖੁਸ਼ ਵਿਆਹ ਵਿੱਚ ਫਸੀ ਇੱਕ ਔਰਤ ਆਪਣੇ ਬੱਚਿਆਂ ਦੇ ਵੱਡੇ ਹੋਣ ਅਤੇ ਘਰ ਛੱਡ ਜਾਣ ਤੋਂ ਬਾਅਦ ਤਲਾਕ ਬਾਰੇ ਸੋਚ ਸਕਦੀ ਹੈ। ਉਹ ਆਪਣੇ ਭਰੋਸੇਮੰਦ ਲੋਕਾਂ ਨਾਲ ਆਪਣੇ ਪਤੀ ਦੇ ਗੁਣਾਂ ਅਤੇ ਨੁਕਸਾਂ ਬਾਰੇ ਬੇਅੰਤ ਵਿਚਾਰ ਕਰ ਸਕਦੀ ਹੈ, ਇੱਕ ਟੁੱਟੀ ਹੋਈ ਰਿਕਾਰਡ ਵਰਗੀ, ਵਾਰ-ਵਾਰ ਕਾਰਵਾਈ ਕੀਤੇ ਬਿਨਾਂ ਵਿਚਾਰ ਕਰਦੀ ਹੈ। ਇਸਦੇ ਉਲਟ ਹੈ ਗੁਆਚਣ ਦਾ ਡਰ (FOMO), ਜੋ ਪਿੱਛੇ ਰਹਿਣ ਦੀ ਚਿੰਤਾ ਦੁਆਰਾ ਚਲਾਏ ਗਏ ਜਲਦਬਾਜ਼ੀ ਵਾਲੇ ਫੈਸਲਿਆਂ ਵੱਲ ਲੈ ਜਾਂਦਾ ਹੈ, ਜਿਸਦੇ ਨਤੀਜੇ ਵਜੋਂ ਅਕਸਰ ਅਸਫਲਤਾ ਹੁੰਦੀ ਹੈ।

ਰਣਨੀਤਕ ਫੈਸਲਾ ਲੈਣ ਲਈ STAR ਫਰੇਮਵਰਕ

ਇਸ ਲਈ, ਇਨ੍ਹਾਂ ਰੁਕਾਵਟਾਂ ਨੂੰ ਦੂਰ ਕਰਨ ਲਈ ਕੀ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ? ‘ਫੈਸਲਾ ਟਾਈਮ’ STAR ਫਰੇਮਵਰਕ ਦਾ ਪ੍ਰਸਤਾਵ ਕਰਦਾ ਹੈ, ਇੱਕ ਸੰਖੇਪ ਸ਼ਬਦ ਜਿਸ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:

• ਦ੍ਰਿਸ਼: ਸਥਿਤੀ ਜਾਗਰੂਕਤਾ ਪੈਦਾ ਕਰਨ ਵਿੱਚ ਪਹਿਲਾਂ ਇਹ ਪਛਾਣਨਾ ਸ਼ਾਮਲ ਹੈ ਕਿ ਕੀ ਹੋਇਆ ਹੈ, ਫਿਰ ਇਹ ਸਮਝਣਾ ਕਿ ਇਹ ਕਿਉਂ ਹੋਇਆ, ਅਤੇ ਅੰਤ ਵਿੱਚ, ਇਹ ਭਵਿੱਖਬਾਣੀ ਕਰਨਾ ਕਿ ਅੱਗੇ ਕੀ ਹੋਣ ਦੀ ਸੰਭਾਵਨਾ ਹੈ। ਤਜਰਬੇਕਾਰ ਫਾਇਰਫਾਈਟਰਾਂ ਵਿੱਚ ਅੱਗ ਦੀਆਂ ਸਥਿਤੀਆਂ ਦੀ ਇੱਕ ਅਨੁਭਵੀ ਸਮਝ ਕਿਉਂ ਹੁੰਦੀ ਹੈ? ਕਿਉਂਕਿ ਉਨ੍ਹਾਂ ਨੇ ਬਹੁਤ ਸਾਰੇ ਦ੍ਰਿਸ਼ਾਂ ਦਾ ਸਾਹਮਣਾ ਕੀਤਾ ਹੈ ਅਤੇ ਸਹੀ ਨਿਰਣੇ ਲੈਣ ਅਤੇ ਤੁਰੰਤ ਕਾਰਵਾਈ ਕਰਨ ਲਈ ਆਪਣੇ ਤਜ਼ਰਬੇ ‘ਤੇ ਤੇਜ਼ੀ ਨਾਲ ਖਿੱਚ ਸਕਦੇ ਹਨ। ਮੈਲਕਮ ਗਲੈਡਵੈਲ ‘ਬਲਿੰਕ: ਥਿੰਕਿੰਗ ਵਿਦਾਊਟ ਥਿੰਕਿੰਗ ਦੀ ਪਾਵਰ’ ਵਿੱਚ ਸਮਾਨ ਉਦਾਹਰਣਾਂ ਦੀ ਖੋਜ ਕਰਦਾ ਹੈ।
• ਟਾਈਮਿੰਗ: ‘ਟਾਈਮਿੰਗ’ ਤੱਤ ਵਾਜਬ ਸਮੇਂ ਵਿੱਚ ਕੰਮ ਕਰਨ ਦੀ ਮਹੱਤਤਾ ਨੂੰ ਸੰਬੋਧਿਤ ਕਰਦਾ ਹੈ। ਇਹ ਕਹਾਵਤ ਕਿ ਵਿਚਾਰ-ਵਟਾਂਦਰਾ ਕਾਰਵਾਈ ਨਾ ਕਰਨ ਵੱਲ ਲੈ ਜਾਂਦਾ ਹੈ, ਇੱਥੇ ਲਾਗੂ ਹੁੰਦਾ ਹੈ। ਇੱਕ ਲਾਭਦਾਇਕ ਸਮਾਨਤਾ ਫੌਕਸਟ੍ਰੋਟ ਹੈ, ਇਸਦੀ ‘ਹੌਲੀ, ਹੌਲੀ, ਤੇਜ਼, ਤੇਜ਼’ ਤਾਲ ਨਾਲ। ਫੈਸਲਾ ਲੈਣ ਦੇ ਸ਼ੁਰੂਆਤੀ ਪੜਾਵਾਂ ਵਿੱਚ, ਸਾਵਧਾਨੀ ਨਾਲ ਅੱਗੇ ਵਧਣਾ, ਆਵੇਗ ਤੋਂ ਬਚਣਾ ਅਤੇ ਸਿਰਫ਼ ਅਨੁਭਵ ‘ਤੇ ਭਰੋਸਾ ਕਰਨ ਦਾ ਵਿਰੋਧ ਕਰਨਾ ਸਮਝਦਾਰੀ ਹੈ। ਇਸ ਦੀ ਬਜਾਏ, ਭਰਪੂਰ ਜਾਣਕਾਰੀ ਹਾਸਲ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੋ। ਹਾਲਾਂਕਿ, ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਦੇ ਬਾਅਦ ਦੇ ਪੜਾਵਾਂ ਵਿੱਚ, ਤੇਜ਼ ਕਾਰਵਾਈ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਹੈ, ਕਿਉਂਕਿ ਸੰਪੂਰਨ ਜਾਣਕਾਰੀ ਅਪ੍ਰਾਪਤ ਹੈ, ਅਤੇ ਲੰਬੇ ਸਮੇਂ ਤੱਕ ਜਾਣਕਾਰੀ ਇਕੱਠੀ ਕਰਨ ਦੇ ਹਾਸ਼ੀਏ ਦੇ ਲਾਭ ਘੱਟ ਹੁੰਦੇ ਹਨ।
• ਧਾਰਨਾਵਾਂ: ਧਾਰਨਾਵਾਂ ਦਾ ਸਪੱਸ਼ਟ ਉਚਾਰਨ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਅਕਸਰ, ਵਿਅਕਤੀ ਜਾਣਕਾਰੀ ਨੂੰ ਚੋਣਵੇਂ ਢੰਗ ਨਾਲ ਸਮਝਦੇ ਹਨ ਜੋ ਉਨ੍ਹਾਂ ਦੇ ਪੂਰਵ-ਨਿਰਧਾਰਤ ਵਿਚਾਰਾਂ ਨਾਲ ਮੇਲ ਖਾਂਦੀ ਹੈ, ਜਦੋਂ ਕਿ ਵਿਰੋਧੀ ਸਬੂਤਾਂ ਅਤੇ ਬਦਲਵੇਂ ਸੰਭਾਵਨਾਵਾਂ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਦੇ ਹਨ। ਇਜ਼ਰਾਈਲ ‘ਤੇ 2023 ਦੇ ਹਮਾਸ ਦੇ ਹਮਲੇ ਨੇ ਰਣਨੀਤਕ ਧਾਰਨਾਵਾਂ ਵਿੱਚ ਅਸਫਲਤਾ ਨੂੰ ਬੇਨਕਾਬ ਕਰ ਦਿੱਤਾ। ਪ੍ਰਧਾਨ ਮੰਤਰੀ ਨੇਤਨਯਾਹੂ ਤੋਂ ਲੈ ਕੇ ਫੌਜੀ ਅਤੇ ਖੁਫੀਆ ਅਧਿਕਾਰੀਆਂ ਤੱਕ, ਇਜ਼ਰਾਈਲੀ ਨੇਤਾ ਇਸ ਹਮਲੇ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਵਿੱਚ ਅਸਫਲ ਰਹੇ। ਇਹ ਸ਼ੁਰੂਆਤੀ ਚੇਤਾਵਨੀ ਸੰਕੇਤਾਂ ਦੀ ਘਾਟ ਕਾਰਨ ਨਹੀਂ ਸੀ, ਸਗੋਂ ਅਜਿਹੀ ਘਟਨਾ ਦੀ ਸੰਭਾਵਨਾ ‘ਤੇ ਢੁਕਵੇਂ ਢੰਗ ਨਾਲ ਵਿਚਾਰ ਕਰਨ ਵਿੱਚ ਅਸਫਲਤਾ ਕਾਰਨ ਸੀ। ਅਸੀਂ ਜਿਸ ਚੀਜ਼ ‘ਤੇ ਵਿਸ਼ਵਾਸ ਕਰਨਾ ਚੁਣਦੇ ਹਾਂ, ਉਹ ਅਕਸਰ ਉਸ ਨਾਲੋਂ ਘੱਟ ਮਹੱਤਵਪੂਰਨ ਹੁੰਦਾ ਹੈ ਜਿਸਦੀ ਅਸੀਂ ਕਲਪਨਾ ਕਰਨਾ ਚੁਣਦੇ ਹਾਂ।
• ਸੋਧ: ਨਿਰੰਤਰ ਵਿਵਸਥਾ ਕਰਨ ਅਤੇ ਅਨੁਕੂਲ ਹੋਣ ਦੀ ਯੋਗਤਾ ਜ਼ਰੂਰੀ ਹੈ। ਕੁਝ ਮਾਮਲਿਆਂ ਵਿੱਚ, ਲਚਕੀਲਾਪਣ ਅਤੇ ਅਟੁੱਟ ਦ੍ਰਿੜਤਾ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ - ਅਸਫਲਤਾ ਦਾ ਡਰ ਕਿਸੇ ਨੂੰ ਮਹੱਤਵਪੂਰਨ ਯਤਨਾਂ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਨ ਤੋਂ ਨਹੀਂ ਰੋਕਣਾ ਚਾਹੀਦਾ। ਦੂਜੇ ਮਾਮਲਿਆਂ ਵਿੱਚ, ਸਮੇਂ ਸਿਰ ਵਿਵਸਥਾਵਾਂ ਅਤੇ ਨੁਕਸਾਨ ਨੂੰ ਘਟਾਉਣ ਦੀ ਯੋਗਤਾ ਡੁੱਬੀਆਂ ਕੀਮਤਾਂ ਨੂੰ ਬਾਅਦ ਦੀਆਂ ਚੋਣਾਂ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਨ ਤੋਂ ਰੋਕਣ ਲਈ ਜ਼ਰੂਰੀ ਹੈ। ਹਾਲਾਂਕਿ, ਚੁਣੌਤੀ ਅਸਪਸ਼ਟ ਸਥਿਤੀਆਂ ਵਿੱਚ ਅਜਿਹੇ ਨਿਰਣੇ ਕਿਵੇਂ ਲੈਣੇ ਹਨ, ਇਸ ਨੂੰ ਸਮਝਣ ਵਿੱਚ ਹੈ। ਆਮ ਖ਼ਤਰਿਆਂ ਵਿੱਚ ਦ੍ਰਿੜਤਾ ਦੀ ਘਾਟ ਸ਼ਾਮਲ ਹੈ, ਜਿਸਦੇ ਨਤੀਜੇ ਵਜੋਂ ਖੁੰਝ ਗਏ ਮੌਕੇ, ਜਾਂ ਬਹੁਤ ਜ਼ਿਆਦਾ ਦ੍ਰਿੜਤਾ, ਜਿਸਦੇ ਨਤੀਜੇ ਵਜੋਂ ਸਰੋਤਾਂ ਦੀ ਬਰਬਾਦੀ ਹੁੰਦੀ ਹੈ।

ਫੈਸਲਾ ਲੈਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਏਆਈ ਨੂੰ ਜੋੜਨਾ

STAR ਫਰੇਮਵਰਕ ਦੀ ਜਾਂਚ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਹੁਣ AI ਲਈ ਇਸਦੇ ਪ੍ਰਭਾਵਾਂ ‘ਤੇ ਵਿਚਾਰ ਕਰਨਾ ਮਹੱਤਵਪੂਰਨ ਹੈ ਅਤੇ ਮਸ਼ੀਨਾਂ ਸਾਡੀ ਫੈਸਲਾ ਲੈਣ ਦੀਆਂ ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਕਿਵੇਂ ਵਧਾ ਸਕਦੀਆਂ ਹਨ। ਇਹ ਸਾਨੂੰ ਅਸਲ ਸਵਾਲ ‘ਤੇ ਵਾਪਸ ਲਿਆਉਂਦਾ ਹੈ: ਕੀ ਅਸੀਂ ਸਾਰੇ ਫੈਸਲੇ AGI ਨੂੰ ਸੌਂਪ ਸਕਦੇ ਹਾਂ?

ਆਉਣ ਵਾਲੇ ਸਾਲਾਂ ਵਿੱਚ, AI ਕੰਮ ਨੂੰ ਵੱਧ ਤੋਂ ਵੱਧ ਮਾਡਿਊਲਾਈਜ਼ ਕਰੇਗੀ। ਬਹੁਤ ਸਾਰੇ ਕੰਮ ਮਨੁੱਖਾਂ ਅਤੇ ਮਸ਼ੀਨਾਂ ਦੁਆਰਾ ਸਹਿ-ਚਲਾਏ ਜਾਣਗੇ, ਹਰੇਕ ਚਾਰ ਮੁੱਖ ਖੇਤਰਾਂ ਵਿੱਚ ਆਪਣੀ-ਆਪਣੀ ਤਾਕਤ ਦਾ ਲਾਭ ਉਠਾਏਗਾ:

1. ਜਟਿਲਤਾ: ਜਿੰਨੀ ਜ਼ਿਆਦਾ ਜਟਿਲਤਾ, ਮਨੁੱਖੀ ਸਮਰੱਥਾ ਅਨੁਕੂਲ ਹੋਣ ਦੀ ਓਨੀ ਹੀ ਜ਼ਿਆਦਾ ਹੁੰਦੀ ਹੈ। ਜਟਿਲਤਾ ਦੋ ਪਹਿਲੂਆਂ ਵਿੱਚ ਪ੍ਰਗਟ ਹੁੰਦੀ ਹੈ: ਅਨਿਸ਼ਚਿਤਤਾ (ਅਧੂਰੀ ਜਾਣਕਾਰੀ) ਅਤੇ ਸਪੱਸ਼ਟ ਜਾਂ ਅਨੁਕੂਲ ਵਿਕਲਪਾਂ ਦੀ ਅਣਹੋਂਦ। ਤਜਰਬੇਕਾਰ ਵਿਅਕਤੀ ਦਲੇਰ ਫੈਸਲੇ ਲੈ ਸਕਦੇ ਹਨ ਭਾਵੇਂ ਜਾਣਕਾਰੀ ਘੱਟ ਹੋਵੇ। ਮਨੁੱਖਾਂ ਵਿੱਚ ਵਪਾਰ-ਬੰਦਿਆਂ ਦਾ ਭਾਰ ਕਰਨ ਅਤੇ ਮੁੱਲ ਨਿਰਣੇ ਲੈਣ ਦੀ ਖੁਦਮੁਖਤਿਆਰੀ ਹੁੰਦੀ ਹੈ।
2. ਬਾਰੰਬਾਰਤਾ: ਸਮਾਨ ਕੰਮਾਂ ਦੀ ਘਟਨਾ ਜਿੰਨੀ ਜ਼ਿਆਦਾ ਵਾਰ ਹੁੰਦੀ ਹੈ, ਮਸ਼ੀਨਾਂ ਉਨ੍ਹਾਂ ਨੂੰ ਸੰਭਾਲਣ ਲਈ ਓਨੀਆਂ ਹੀ ਬਿਹਤਰ ਢੰਗ ਨਾਲ ਲੈਸ ਹੁੰਦੀਆਂ ਹਨ। ਇੱਥੋਂ ਤੱਕ ਕਿ ਐਮਰਜੈਂਸੀ ਡਿਸਪੈਚ ਦ੍ਰਿਸ਼ਾਂ ਵਿੱਚ ਵੀ, ਮਸ਼ੀਨਾਂ ਤਜਰਬੇਕਾਰ ਜਵਾਬ ਦੇਣ ਵਾਲਿਆਂ ਤੋਂ ਸਿੱਖ ਸਕਦੀਆਂ ਹਨ ਅਤੇ ਸਹੀ ਵਿਕਲਪ ਬਣਾ ਸਕਦੀਆਂ ਹਨ, ਖਾਸ ਕਰਕੇ ਜਦੋਂ ਕਾਰ ਦੁਰਘਟਨਾਵਾਂ ਵਰਗੀਆਂ ਉੱਚ-ਬਾਰੰਬਾਰਤਾ ਘਟਨਾਵਾਂ ਨਾਲ ਨਜਿੱਠਣ ਵੇਲੇ।
3. ਤਾਲਮੇਲ: ਅਸਲ-ਸੰਸਾਰ ਦੇ ਕੰਮ ਘੱਟ ਹੀ ਅਲੱਗ-ਥਲੱਗ ਹੁੰਦੇ ਹਨ। ਉਨ੍ਹਾਂ ਵਿੱਚ ਸਹਿਯੋਗ ਸ਼ਾਮਲ ਹੁੰਦਾ ਹੈ ਅਤੇ ਵਿਆਪਕ ਸੰਚਾਰ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। STAR ਫਰੇਮਵਰਕ ਦਾ ਹਰੇਕ ਤੱਤ ਸੰਚਾਰ ‘ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ। ਸਵਾਲ ਇਹ ਹੈ ਕਿ, ਕੀ ਮਸ਼ੀਨਾਂ ਸੰਚਾਰ ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ ਅਤੇ ਕੁਸ਼ਲਤਾ ਨੂੰ ਵਧਾ ਸਕਦੀਆਂ ਹਨ? ਜਦੋਂ ਕਿ ਮਨੁੱਖੀ ਸੰਚਾਰ ਵਿੱਚ ਇਸਦੇ ਨੁਕਸ ਹਨ, ਗੈਰ-ਰਸਮੀ ਅਤੇ ਯੋਜਨਾਬੱਧ ਗੱਲਬਾਤ ਮਹੱਤਵਪੂਰਨ ਹੋ ਸਕਦੀ ਹੈ। ਕੀ ਮਸ਼ੀਨਾਂ ਉਨ੍ਹਾਂ ਬਾਰੀਕੀਆਂ ਨੂੰ ਸਮਝ ਸਕਦੀਆਂ ਹਨ?
4. ਅਸਫਲਤਾ ਦੀ ਕੀਮਤ: ਅਸਫਲਤਾ ਦੀ ਕੀਮਤ ਕੀ ਹੈ, ਖਾਸ ਕਰਕੇ ਜਦੋਂ AI ਕੋਈ ਗਲਤੀ ਕਰਦੀ ਹੈ? ਸੰਸਥਾਵਾਂ ਵਿੱਚ, ਜਵਾਬਦੇਹੀ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਇੱਥੋਂ ਤੱਕ ਕਿ AI ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਦੇ ਸਮੇਂ, ਫੈਸਲਾ ਲੈਣ ਵਾਲਿਆਂ ਨੂੰ ਅਸਫਲਤਾ ਦੀ ਸੰਭਾਵੀ ਕੀਮਤ ‘ਤੇ ਵਿਚਾਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ।

AI ਫੈਸਲਾ ਲੈਣ ਨੂੰ ਕਿਵੇਂ ਵਧਾ ਸਕਦੀ ਹੈ

AI ਤਿੰਨ ਮੁੱਖ ਤਰੀਕਿਆਂ ਨਾਲ ਮਦਦ ਕਰ ਸਕਦੀ ਹੈ:

1. ਗਿਆਨਾਤਮਕ ਰੁਕਾਵਟਾਂ ਨੂੰ ਤੋੜਨਾ: AI ਬਹੁਤ ਜ਼ਿਆਦਾ ਮਾਤਰਾ ਵਿੱਚ ਡੇਟਾ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਨ ਵਿੱਚ ਉੱਤਮ ਹੈ, ਗਿਆਨਾਤਮਕ ਓਵਰਲੋਡ ਬਾਰੇ ਚਿੰਤਾਵਾਂ ਨੂੰ ਘੱਟ ਕਰਦਾ ਹੈ। AI ‘ਫੌਕਸਟ੍ਰੋਟ’ ਡਾਂਸ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦੀ ਹੈ, ਅਨੁਭਵ ਅਤੇ ਪੱਖਪਾਤਾਂ ਨੂੰ ਸਮੁੱਚੇ ਲੈਂਡਸਕੇਪ ਦੀ ਸਾਡੀ ਸਮਝ ਨੂੰ ਸੀਮਤ ਕਰਨ ਤੋਂ ਰੋਕਦੀ ਹੈ।
2. ਸਮੂਹਿਕ ਖੁਫੀਆ ਜਾਣਕਾਰੀ ਦਾ ਉਪਯੋਗ ਕਰਨਾ: AI ਵਿਭਿੰਨ ਸਰੋਤਾਂ ਤੋਂ ਨਿਰਣੇ ਇਕੱਠੇ ਕਰ ਸਕਦੀ ਹੈ, ਨਵੇਂ ਲੋਕਾਂ ਲਈ ਫੈਸਲਾ ਸਹਾਇਤਾ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ।
3. ਮਨੋਵਿਗਿਆਨਕ ਕਮਜ਼ੋਰੀਆਂ ਨੂੰ ਘਟਾਉਣਾ: AI ਕਾਰਵਾਈ ਮਾਰਗਦਰਸ਼ਨ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦੀ ਹੈ ਅਤੇ ਸਪੱਸ਼ਟ ਨਿਯਮਾਂ ਅਤੇ ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦੀ ਹੈ, ਕੁਝ ਮਨੋਵਿਗਿਆਨਕ ਬੋਝ ਨੂੰ ਘਟਾ ਸਕਦੀ ਹੈ। ਉਹਨਾਂ ਸਥਿਤੀਆਂ ਵਿੱਚ ਜਿੱਥੇ ਨਿਰਣਾਇਕ ਕਾਰਵਾਈ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, AI ਲਗਾਮ ਲੈ ਸਕਦੀ ਹੈ।

ਮਸ਼ੀਨਾਂ ਅਜੇ ਵੀ ਜਟਿਲ ਸਥਿਤੀਆਂ ਨਾਲ ਸੰਘਰਸ਼ ਕਰਦੀਆਂ ਹਨ ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਨਿਸ਼ਚਤ ਜਵਾਬਾਂ ਅਤੇ ਖੁਦਮੁਖਤਿਆਰੀ ਅਤੇ ਮੁੱਲ ਨਿਰਣੇ ਦੇ ਅਧਾਰ ‘ਤੇ ਵਿਕਲਪਾਂ ਦੀ ਘਾਟ ਹੁੰਦੀ ਹੈ। ਉਹ ਬਾਰੀਕੀਆਂ ਅਤੇ ਵਪਾਰ-ਬੰਦਿਆਂ ਨਾਲ ਵੀ ਸੰਘਰਸ਼ ਕਰਦੇ ਹਨ। ਅੰਤ ਵਿੱਚ, ਅੰਤਿਮ ਫੈਸਲਾ ਮਨੁੱਖਾਂ ‘ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ। ਅਸੀਂ ਬਿਹਤਰ ਵਿਕਲਪ ਬਣਾਉਣਾ ਸਿੱਖ ਸਕਦੇ ਹਾਂ, ਮਸ਼ੀਨਾਂ ਲਾਜ਼ਮੀ ਸਹਿਯੋਗੀ ਵਜੋਂ ਸੇਵਾ ਕਰਦੀਆਂ ਹਨ।