Sildiarhiiv: automatiseerimine

Kaugjuhtimisega toruparandaja

Selle asemel, et toruparandaja kliendi juurde kohale tuleb, võiks tänapäeval klienti lihtsamate parandustööde jaoks virtuaalreaalsusprillide kaudu juhendada. Kirurgias on juba aastaid kaugjuhtimise kaudu operatsioone tehtud (kirurg juhib oma liigutuste abil robotit, mis teises kohas lõikust teeb). Sarnaseid juhiseid saaks oskustöötaja mitteoskajale haptilise tagasiside kinnaste ja virtuaalreaalsuse kaudu anda: prillid näitavad vaateväljas käeliigutusi ja kindad annavad juhendajale tagasisidet juhendatava avaldatava surve ja pisiliigutuste kohta. Vaja vaid tarkvara, mis reaalajas liigutused ette kuvab ja puudutuste ja surve osas tagasisidet annab.
Mitut liiki oskustöölise (lukksepp, tisler, mehaanik) kohaletuleku saaks asendada kliendi (või muude madalama kvalifikatsiooniga juhendatavate) kaugjuhendamisega. Kui kirurgias on kaugjuhtimine võimalik, siis peaks see tehtav olema ka lihtsamates valdkondades. Juhendataval peaksid muidugi paranduseks vajalikud tööriistad olema, aga need on enamasti odavad (mutrivõtmed, kruvikeerajad, haamer, tangid jne), nii et neid saab igaüks kodus pidada. Kui kodus pole, siis vähemalt suurlinnades saaks pakkuda kohaletoomisega tööriistalaenutust. Kohaletooja võib olla isesõitev auto või lihttööline (autojuht).

Kunsti loomine arvutiga

Kunsti loomiseks arvutiga on kolm taset – testimine, poolautomaatne genereerimine ja täisautomaatne genereerimine.

Testimiseks loob inimene mingi ühiku potentsiaalset kunsti, programm võrdleb seda olemasoleva kunsti andmebaasiga ja annab infot selle kohta, kui palju ja kus esitatud ühik andmebaasi keskmisest mingite parameetrite poolest erineb (raamatul nt sõnade pikkuse, esinemissageduse, lausete pikkuse ja liigi).

Poolautomaatne genereerimine on see, kui programm loob elemente kunstivormist, inimene valib nende hulgast mõned ja paneb kokku. Arvuti võib näiteks luua luuleridu etteantud silpide arvu ja riimiskeemiga. Inimene valib mõned ja paneb luuletuseks kokku. Arvuti võib enne võrrelda genereeritud elemente andmebaasis olevate teostega, et vältida plagiaati.

Täisautomaatne genereerimine on see, kui arvuti loob valmis kunstiühiku. Näiteks võtab arvuti maalide andmebaasi, kasutab kujutise äratundmise algoritme, et maalide elemendid eraldada. Siis paneb arvuti teatud viisil valitud maalide elemendid kokku üheks pildiks ja loob sellele pildile ühtse stiili, nt imiteerides pintslitõmbeid või moonutades kujutisi teatud viisil.

Tänapäeval suudaksid arvutid õige programmi abil täisautomaatselt genereerida luuletusi, sõnamänge, maale, skulptuure (3D printimise abil), muusikapalu. Poolautomaatselt saaks lisaks genereerida sisuplaane näidendite, raamatute, filmide jaoks. Nende sisuplaanide põhjal võib siis inimene vastava kunstiühiku luua, lisades sisu kokkuvõttele kirjeldused ja detailid.

Testida saaks piisava arvutusvõimsuse olemasolul peaaegu kõiki kunstiliike. Esinemiskunsti puhul peaks selle mitme nurga alt filmima, et arvuti seda 3D-s võrrelda saaks. Kõige selle jaoks on vaja eelneva kunsti andmebaase.

Kas masinad asendavad inimeste töö?

Juba Teise maailmasõja eelsest ajast on kuulutatud masinate võidukäiku ja ennustatud inimtööjõu vajaduse lõppu. Daron Acemoglu artikkel (http://economics.mit.edu/files/11264) modelleerib tootmise automatiseerimist ja sellele suunatud uurimistööd, et vastata küsimusele, kas inimtööjõud tõrjutakse majanduse ja tehnoloogia arenguga ajapikku kõrvale.

Tuleb välja, et enamasti mitte. Põhjus on üsna sissejuhatava majanduskursuse maiguline – kui osa inimesi jääb automatiseerimise tagajärjel tööta, siis palgad langevad. Tööjõu odavnemine vähendab motivatsiooni automatiseerimiseks ja sellele suunatud uurimistööks ning suurendab sellise innovatsiooni tulusust, mis loob rohkem inimesi kasutavaid tehnoloogiaid. Sümmeetriliselt, kui uued meetodid nõuavad tootmises suuremat rahvahulka, siis tööjõukulu tõuseb ja nii muutub kapitalipõhine tootmine ja arendustegevus atraktiivsemaks. Majandus tasakaalustab end ise nii, et keskmiselt jääb kapitali ja tööjõu suhe tootmises samaks. Ajutiselt võidakse trendist kõrvale kalduda kui juhuslikult tuleb korraga palju uuendusi ühes suunas, näiteks inimeste vajadust vähendavaid.

Maksekaardipettuse takistamisest

Maksekaardipettused on suur tuluallikas kuritegevusele ja selle vastu on kaardifirmad juba välja mõelnud mõned vargusi ennetavad meetmed. Näiteks kui kaarti kasutatakse võõras riigis või suurte maksete jaoks, helistab klienditeenindus ametlikule kaardikasutajale ja kontrollib, kas tehingu tegi ikka tema. Selliseid meetmeid võiks edasi arendada ja panna rohkem kasutaja kontrolli alla. Kui inimene teab, et ta mingil kellaajal, teatud kohas või teatud kaupu kunagi ei osta, peaks ta saama need tehingud kaardiga keelata. Karsklane teab, et ta alkoholi ei osta, nii et alkoholi eest kaardiga maksmise saab võimatuks teha. Regulaarse uneajaga inimene ei tee oste magamise ajal, nii et võib blokeerida igal ööl ostud teatud ajavahemikus. Vanemad võiksid saada lapse maksekaardil tubaka- ja alkoholiostu blokeerida.

Lisaks võiks keelatud ostu ajast ja kohast automaatselt politseid teavitada. Maksekaardi vargus või kopeerimine oleks siis palju riskantsem, sest kurjategija üldjuhul ei tea, milleks ja mis ajal kaarti kasutada tohib. Kui proovib vale ostu teha, jääb vahele. Turvameetmena saavad seaduslikud kasutajad näiteks kahte eri välimusega maksekaarti kaasas kanda, millest ühega tohib osta ainult enne keskpäeva, teisega pärast.

Unustajale muidugi sellised turvameetmed ei sobi – kes kasutab kaarti hajameelselt valesti, peab pärast politseile tõestama, et on kaardi omanik. Aga elustiiliga loomulikult välistatud ostud ei tohiks selliseid probleeme tekitada.

Nõrga enesekontrolliga inimesed võivad tahta takistada ennast liiga palju kulutamast, pannes kaardile madala kulupiirangu ja keelates teatud liiki ostud. See ilmselt kaardifirmadele ei meeldiks, kuna nad saavad suurema kasumi kui kaardiga rohkem ostetakse.

Uudiste automaatkirjutus

Uudiste tekstid on aja ja sündmuste lõikes omavahel üsna sarnased. Need langevad teatud kategooriatesse, näiteks “sõjategevuses X ja Y vahel hukkus niipalju ühelt poolt, naapalju teiselt poolt” või “avaliku elu tegelane T mõistis hukka vägivalla X ja Y vahel” või “katastroofis (lennuõnnetus, laevahukk, üleujutus, maavärin) kohas K hukkus n inimest” või “selle kuu statistika näitab, et tööpuudus on x protsenti, inflatsioon y protsenti” või “valimised kohas K võitis partei P” või “A ja B alustasid/jätkasid/lõpetasid läbirääkimisi teemal T.”
Selliseid uudiseid võib kirjutada arvuti. Vaja vaid mingit andmebaasi, kuhu sisestatakse koht, aeg, tähtsad isikud, sündmuse liik, surnute ja vigastatute arv jne. Sisestamine nõuab pisut inimtööd, aga säästab kirjutamise ja tõlkimise aega, sest igasse väljaandesse ja keelde saab artikli automaatselt. Tuleb vaid asendada teatud sõnad ja numbrid vana uudise tekstis uutega.

Arvutiajastu hindamissüsteemist

Tudengi hindamisel ülikoolis on probleem see, et tahaksime teada nii tudengi andekuse ja töökuse kombinatsiooni kui ka aine raskust, aga vaadeldav on ainult üks number – hinne. Kuna hinne H sõltub nii andekusest A kui aine raskusest R (näiteks funktsioonina H=A-R), ei saa andekust ja raskust ainult hinde põhjal eristada. Pole võimalik ühe võrrandi põhjal leida kahte muutujat.

Probleem leeveneb, kui vaadeldav on mitme tudengi hinne mitmes aines. Näiteks kui kaks tudengit, A ja B, võtavad mõlemad aineid C ja D, siis on meil vaatlustena neli hinnet ja tahame leida kahe tudengi andekust ja kahe aine raskust. Seega on meil neli võrrandit nelja tundmatuga ja ülesanne on lahendatav.

Kui tudengid valivad oma ained nii, et maksimeerida oma keskmist hinnet, siis tekib uus probleem – kui ainete raskused või hindamispõhimõtted pole teada, ei saa keskmise hinde põhjal tudengi andekust mõõta. Üks võtab lihtsaid aineid ja saab kõrge keskmise hinde, teine raskeid aineid ja saab madala keskmise hinde, aga andekus on sama. Seda kallutatust on püütud leevendada suhtelise hindamisega, mille korral näiteks parimad 10% aines saavad A, järgmised 20% B jne. Kui aine on raske, saavad kõik tudengid madala absoluutpunktisumma, aga kuna hinne tekib suhtelise punktisumma põhjal (näiteks jagatakse kõigi punktisumma aine parima tulemusega), siis on raske aine keskmine hinne sama, mis lihtsas aines.

Siit tekib aga uus mure, sest tudengid võivad püüda valida aineid, kus ülejäänud tudengid on keskmisest viletsamad. On lihtsam saada teistest paremat tulemust, kui teised on nõrgad. Kui tahame teada tudengi andekust, tuleb hinnet selle kallaku võrra korrigeerida, näiteks võttes arvesse teiste seda ainet võtvate tudengite keskmist hinnet (absoluutset või suhtelist) ülejäänud ainetes. Kui teised on nõrgad, on nende keskmine hinne muudes ainetes madal.

Aga siit tekib järgmine probleem, sest hinnet maksimeerivad tudengid tahavad võtta aineid, kus teised tudengid on keskmisest viletsamad ja võtavad aineid, mis on kas lihtsad või kus teised tudengid on samuti keskmisest viletsamad. Tundub, et iga probleemi lahendades tekib sellest uus probleem, ehk tegu on lõpmatu probleemijadaga. Igal lõplikul hinde korrigeerimise tasemel süsteemi on võimalik manipuleerida, püsides selle korrigeerimistasemest ühe sammu võrra ees – absoluuthinde puhul võttes lihtsaid aineid, suhtelise hinde puhul võttes rumalate tudengitega aineid, teiste hindega korrigeerimise puhul võttes aineid rumalate tudengitega, kes võtavad teisi lihtsaid aineid või teisi aineid rumalate tudengitega.

Kõiki ülaltoodud hindemanipulatsiooni probleeme saab lahendada korraga, tehes kõik korrigeerimised korraga. Sarnane probleem on ammu lahendatud otsingumootorite poolt – kõik veebilehed tahavad näida populaarsed, seega kuidas leida tegelikult populaarseid veebilehti. Üks võimalus oleks lugeda populaarseks need veebilehed, millele viitab palju teisi lehti. Aga siis tekiks veebilehe pidajatel motivatsioon luua palju võltsveebilehti, mis viitavad nende veebilehele. Võttes arvesse viitavate veebilehtede populaarsust, püsiksid veebilehtede omanikud ühe sammu ees, kui looksid võltsveebilehti, mis viitavad teistele võltsveebilehtedele, mis viitavad nende veebilehele. Ja viitavatele veebilehtedele viitavate veebilehtede populaarsuse arvesse võtmisel tehtaks veel üks samm edasi ja tõstetaks kunstlikult viitavatele veebilehtedele viitavate veebilehtede populaarsust.

Lahendus on korraga võtta arvesse kogu süsteemi. Veebilehtede puhul kogu veebilehtede ja linkide võrgustikku, tudengite hindamise puhul kogu tudengite ja ainete võrgustikku. Viimase puhul on tegemist kaht tüüpi sõlmedega võrgustikuga (bipartite graph), kus tudengid ja ained on võrgustiku sõlmed ning tudengi ja aine vahel on side, kui tudeng võtab seda ainet. Hindamise jaoks on vaid tarvis kõigi tudengite absoluutpunktisummadele kõigis ainetes rakendada veebilehtede populaarsusjärjestusse paneku algoritmi sarnast programmi. Kõigist hinnetest korraga on võimalik välja arvutada kõigi ainete raskused ja kõigi tudengite andekused, kui iga tudeng võtab vähemalt kaht ainet ja iga ainet võtab vähemalt kaks tudengit.

Realistlikkusest jääb ülaltoodud mudelil muidugi kõvasti puudu. Eeldusteks on ühemõõtmeline andekus, tudengite omavaheliste vastasmõjude ja tudengi-aine vastasmõjude puudumine, ainete valik vaid keskmise hinde maksimeerimiseks. Siiski, ühegi eelneva eelduse väärus ei tundu tekitavat kogu ülikooli hindeinfot arvesse võtva hindamissüsteemi kasutamisel negatiivset efekti.

Linnastumisest

Linnastumisel on laialt võttes kaks põhjust – tootmisprotsessi ja tarbimise muutus. Põllumajanduse efektiivsemaks muutumine vähendas nõudlust põllumajandusmaa lähedal elava tööjõu järele. Tööstuse ja teeninduse areng suurendas nõudlust linnas (tööstuskaupade ja teenuste tootmise koha lähedal) elava tööjõu järele. Tarbimise seisukohast pakub linn laiemat valikut kaupu ja teenuseid kui maapiirkond.

Linnastumine toimub nii tootmise kui tarbimise mastaabisäästu kasutamiseks. Tihedalt linnas koos olevad inimesed on andmete põhjal tootlikumad. Üheks põhjuseks võib olla peenem tööjaotus ja kitsam spetsialiseerumine, mida suurem hulk inimesi võimaldab. Tarbimise poolelt on keskküte, elektrivarustus, ühistransport, poed ja teenuseid pakkuvad ärid kõik ühe inimese kohta odavamad pidada, kui tarbijaid on rohkem. Seetõttu on need linnas odavamad pakkuda ja võimaldavad laiemat valikut.

Linnastumisele vastu töötab inimeste soov maal ilusa looduse keskel elada – siit ka valglinnastumine eramajadest koosnevatesse eeslinnadesse. Püüe loodusele lähemale saada on aga üsna hiljutine nähtus, mis tekkis siis, kui loodus enam inimestele ohtlik polnud. Varem oli ellujäämise seisukohast oluline teiste inimeste kaitsvasse ringi pääseda.

Üks tegur, mis linnastumist edaspidi suurendab, on jätkuvalt vähenev nõudlus maal elava tööjõu järele. Piisab isejuhtiva auto tehnoloogia panemisest traktorisse ja pole enam vaja põllu lähedal elavaid kündjaid. Linnastumise vastu töötab sama tehnoloogia panemine (peamiselt linnas ringi vuravatesse) mootorsõidukitesse, mis vähendab nõudlust linnas pesitsevate auto-, veoki- ja bussijuhtide järele. Kuna maal on arenenud riikides vähem inimesi kui linnas, on juhivaba sõiduki üldmõju ilmselt maaelanikkonna suurendamine – tööjõu nõudlusel on maal vähem vähenemisruumi, kui linnas.

Kui tehnoloogia muutub mastaabisäästude vähenemise suunas, nii et ühele leibkonnale võrreldes mitmega kaupu ja teenuseid pakkuda pole enam suhteliselt nii kallis, soodustab see hajaasustust. Näiteks kolmdee printerid vähendavad mastaabisäästu plastikjubinate tootmises. Laevakonteineriga Hiina tehasest tervele linnale toomise asemel võib igaüks neid kodus valmistada (tooraine tuleb muidugi enne koju osta). Ajalehtede, raamatute ja posti elektrooniliseks muutumine vähendab vajadust posti kojukande ja raamatupoodide järele, mis mõlemad on suure mastaabisäästuga tehnoloogiad. Interneti püsiühendus seevastu on vajalikum kui kunagi varem, ja ühele inimesele ühendust pakkuda on linnas odavam.

Sõpradega näost näkku suhelda on linnas lihtsam, sest transport nende juurde on kiirem ja odavam, aga elektrooniline suhtlus muutub järjest lähedasemaks vahetule (varem sai saata telegrammi, siis helistada, nüüd videokõnesid teha). Seega sarnaste huvidega inimeste leidmiseks ei pea elama suure inimhulga lähedal, et sealt otsida, vaid saab elektrooniliselt kontakte luua.

Pole selge, kas edaspidise tehnoloogilise arenguga tootmise ja tarbimise mastaabisäästud suurenevad või vähenevad, seega jääb ebakindlaks ka linnastumise kestmine või tagasipöördumine.

Õpetajate aja kokkuhoiust tööjaotuse abil

Puudus headest õpetajatest on probleemiks mitmel juhul. Vähearenenud riik tahab edendada haridust, aga pole piisavalt haritud inimesi õpetajakohtadele ega ka raha nende palkamiseks väljastpoolt. Ettevõte tahab kasutada uut tehnoloogiat, milleks peab suurt hulka töötajaid koolitama, aga pole piisavalt inimesi, kes tehnoloogiat juba tunnevad ja võivad teistele õpetada. Riigis on struktuurne tööpuudus ja töötuid tuleks koolitada nende valdkondade jaoks, kus on tööjõupuudus, aga inimesed, kes neid valdkondi juba tunnevad, saavad kõrgemat palka seal töötades kui töötuid koolitades.

Ühest küljest oleks lahendus justkui olemas – internetis on palju õppematerjale paljude valdkondade kohta tasuta saadaval, tuleb ainult selgeks õppida. Näiteks maailma tippülikoolid on pannud osade ainekursuste materjalid täies mahus tasuta internetti. Probleemiks on aga, et neid tasuta materjale eriti ei kasutata.

Iseõppimisel on takistuseks esiteks motivatsioon, ehk inimesed ei suuda ennast sundida ise õppima ja vajavad õpetajat, kes jälgib ja kontrollib. Ka õppekaaslaste surve võib õppimisele kaasa aidata. Teiseks on küsimuste tekkides vaja valdkonda tundvat inimest vastama ja selgitama.

Üks võimalus kallist õpetajaressurssi kokku hoida on õppejõudude erinevad rollid lahutada: üks inimene õpetab, teine parandab töid, kolmas kirjutab eksami, neljas jälgib eksamitegemist. Valdkonna selgitamiseks ja küsimustele vastamiseks on vaja iga 20-30 õppuri kohta kvalifitseeritud inimest paariks tunniks nädalas, aga teiste õpetaja ülesannete täitmiseks nii pädevaid inimesi nii suurel hulgal vaja pole. Loengud võib tänapäeval kogu maailmale lugeda üks inimene, need saab videosse võtta ja netti üles panna. Nii piisab kogu maailma õppuritele ühest loengupidajast, kes võib siis olla maailma parim.

Ülesannete ja eksamite koostamiseks piisab samuti paarist-kolmest inimesest kogu maailmale, tingimusel, et eksam toimub kogu maailmas samal ajal. Mõnede ainevaldkondade osasid ülesandeid saab parandada automaatselt arvutiga (valikvastustega testid, numbrilise vastusega ülesanded).

Suurim hulk töötunde kulubki tööde parandamiseks, eksamite jälgimiseks ja küsimustele vastamiseks. Lisaks tuleb enamiku õppurite puhul neid tööle sundida ja nende õppimist jälgida. Eksami või õppimise jälgimiseks ei pea omama erialast kvalifikatsiooni, piisab, kui inimene on aus ja kohusetundlik.

Vastavat valdkonda tundvad inimesed saab niisiis kontsentreerida selgitamisele ja tööde parandamisele. Ka siin saab teha tööjaotuse – head suhtlejad ja kiired mõtlejad selgitama, omaette nokitsejad, täpsemad ja kohusetundlikumad töid parandama.

Pole põhjust, miks üks ja sama inimene peaks pidama loengut, selgitama ainet seminaris, kirjutama ülesanded, jälgima eksamit ja parandama töid. Aususe osas tuleb isegi kasuks, kui tööde parandajad pole neid kirjutanud õppureid kunagi kohanud ja saavad tööd kätte anonüümselt.

Valimissüsteem arvutiajastul

Erinevad valimissüsteemid viivad eri tulemusteni, näiteks Eesti häälte ümberjagamisega proportsionaalsed valimised viivad mitme erakonna püsimise ja koalitsioonivalitsuseni, aga Suurbritannia majoritaarsed valimised kaheparteisüsteemi ja ühe erakonna valitsuseni. Huvitav oleks teada, milleni viiks proportsionaalne süsteem häälte ümberjagamiseta, ehk kui hääletab 651 372 inimest ja poliitik X saab 4372 häält, siis tema poolthääle kaaluks parlamendis on 4372, ja lihthäälteenamuseks on tarvis poolthäälte kaalude summat 325 687.

Probleem on kohtade arvu piiratus parlamendis – kui igaüks hääletab iseenda poolt, siis tekib 651 372 rahvaesindajat, aga oletame, et parlamendis on kohti 101. Selle mure saab lahendada, andes ainult häälte arvult esimesele 101 kandidaadile parlamendiliikme õigused ja palga.

Vältimaks tagasiminekut ümberjagamisega proportsionaalsesse süsteemi, peaksid kõik hääli saanud inimesed saama seaduste üle hääletada. Arvutiajastul pole see keeruline – inimene logib oma arvutist mingi isikutuvastusmeetodi vahendusel sisse, näiteks ID kaardiga, ja hääletab krüpteeritud internetiühenduse kaudu. Kui ta sai 7 häält, on tema hääle kaal hääletusel 7, ehk oluliselt väiksem ülalmainitud poliitiku hääle kaalust, samas mitte null, nagu ümberjagamisega proportsionaalses süsteemis.

Ilmselt hääletavad parlamendist välja jäänud, aga siiski hääli saanud inimesed üsna harva ja ainult siis, kui küsimus nende jaoks oluline on. Siiski võiks selline süsteem piirata teatud ebaeetilist tegevust parlamendiliikmete poolt, näiteks endale liiga suure palga ja hüvitiste andmist.

Vaevalt, et seda proportsionaalset süsteemi kusagil rakendama hakatakse. Valimissüsteemi muuta on raske poliitökonoomilisel põhjusel, mida kirjeldavad Jay ja Lynni raamatud „Jah, härra minister“ ja „Jah, härra peaminister“. Praegune valitsus sai võimule praeguse valimissüsteemi tõttu, seega pole nende huvides praegust süsteemi muuta, kuna nad loodavad ka tulevikus selle abil võimule saada. Opositsioon samas tahab muutust, kuna käesolev süsteem jättis nad võimust ilma. Aga opositsioonil pole piisavalt hääli süsteemi muutmiseks, samas kui võimuloleval valitsusel on neid piisavalt süsteemi samaks jätmiseks.

 

Valijate mälu pikendamisest

Olgu diktatuuridega kuidas on, demokraatlikes riikides väärib rahvas oma juhte. Poliitikud on populistlikud ja mõtlevad lühiajalises perspektiivis (järgmiste valimisteni), sest selline käitumine toob edu valimistel. Üks põhjus, miks populism töötab, on valijate lühike mälu – otsustatakse just enne valimisi toimunud skandaalide, jagatud lubaduste või raha põhjal. Peaaegu keegi ei tee enne valima minekut põhjalikku analüüsi kõigi kandidaatide kogu poliitikukarjääri jooksul tehtud otsustest, et parimad riigijuhid välja selgitada. Mina ka ei tee, ja sügavat järelemõtlemist pole ka tulevikus loota, aga natuke paremini otsustada saaks ikka, näiteks mälu pikendades.

Inimkond on ammu leiutanud viisid, kuidas inimeste lühikest mälu kompenseerida. Näiteks võib sündmused kirja panna. Nii saab mälu pikendada ka valimiste puhul – tuleb vaid poliitikute tegevus kirja panna ja siis enne valima minekut tähtsamad kohad üle vaadata. Aga arvutiajastul saab ka lihtsamalt.

Võiks teha internetipõhise hindamissüsteemi poliitikutele, kus keskses andmebaasis on viimasel kümnel aastal valimistel kandideerinud inimeste eluloolised andmed, valituks osutunute kohalkäimine ja hääletamismuster esinduskogus, nende kohta käivad uudised ajakirjandusest, ja muud valijatele huvi pakkuvat. Andmebaasi hallata võiksid kodanikuühendused või suurimad ajakirjandusväljaanded.

Valijad võivad teha andmebaasist päringuid neile oluliste kriteeriumite alusel (näita kohtulikult karistamata poliitikuid vanuses 30-40 erakonnast X, kel on kõrgharidus ja kes hääletasid seaduse Y poolt), salvestada tulemused oma arvutisse, ja soovitada sõpradele enda arvates tähtsaid näitajaid (korruptsioonisüüdistuste arv, juhtimisstaaž, õpitud eriala). Väike programm arvutis võib aidata poliitikuid mingi näitaja alusel järjestada (eelneva päringuga saadud poliitikute hulk nende taotletud kuluhüvitise suuruse järgi).

Selline otsustusabisüsteem võimaldab teha valiku objektiivsete näitajate, mitte valimispropaganda alusel. Valida saab tükk aega enne valimisi, pannes paika kriteeriumid, mille põhjal poliitikuid järjestada, ja salvestades päringu. Valimispäeval jääb üle ainult korraks arvutisse kiigata ja endale oluliste näitajate poolest parim kandidaat on selge.

Kui valima hakatakse ainult poliitiku kogu tegevusajaloo ja objektiivsete elulooliste andmete põhjal, siis muutub valimispropaganda mõttetuks ja kaob. Kui ka ainult osa valijaist rakendab ülaltoodud süsteemi, vähendab see viimase minuti loosungite ja populismi efektiivsust, tuues kaasa nende kasutamise languse.

Muidugi üritatakse ka hea hindamissüsteemi korral ennast paremana näidata, võltsida andmeid andmebaasis või suunata inimesi pidama oluliseks neid kriteeriume, mille alusel ollakse parimad. Aga teatud otsustuskvaliteedi tõus valimistel peaks ometi toimuma, ja poliitikute keskmine kompetentsitase kasvama.