為複雜決定建立簡單規則

在看似針對人類心智強項而量身打造的一些複雜任務上，目前機器已經能擊敗人類，包括撲克牌、電腦圍棋和視覺辨識。但是，有許多本質上適合以自動化推理來進行的攸關重大的決定，像是醫生診斷病人、法官規定保釋金額，專家通常偏好根據經驗和直覺，而不是資料和統計數字。這種不願採用正式統計方法的心理，是有道理的：機器學習系統很難設計、應用和了解。但要迴避人工智慧的進步，可能代價很高。

我們了解經理人和工程師面臨的實際限制，因此開發了一個簡單的三步驟程序，來建立能改進「是／非」二擇一決定的一套規則。這些規則，可協助法官決定要拘留誰、稅務稽核員決定要仔細檢查誰，以及聘雇經理決定要面談誰。我們的方法，對實務人員提供最先進機器學習的效能，同時排除不需要的複雜度。

要知道這些規則如何運作，可以用審判前的釋放決定做例子。被告首次出庭時，法官必須評估他們在後續法院開庭日不出庭的可能性。那些被認為不出庭風險低的被告會被釋放，讓他們回到所在的社區，但高風險的被告會被拘留在看守所裡；因此，這些決定對被告和一般民眾都相當重要。為協助法官作這些決定，我們使用我們的程序，來建立下面那個簡單的風險圖表。每位被告潛逃的風險，是將被告年齡和