人工智能 (AI) 可以比任何一個人更快地評估更多數(shù)據(jù)。有了如此龐大的信息池，人工智能應(yīng)該能夠考慮過去的數(shù)據(jù)，處理所有的影響并產(chǎn)生比人類更好的可靠預(yù)測——對吧?一個多機(jī)構(gòu)研究小組研究了人類和人工智能如何做出預(yù)測之間的協(xié)同作用，他們表示，情況可能并非總是如此。
他們于 8 月 23 日在清華大學(xué)出版社出版的《社會計算雜志》上發(fā)表了他們的研究結(jié)果。
論文作者、密歇根大學(xué)羅斯商學(xué)院教授斯科特·E·佩奇說：“預(yù)測性任務(wù)無處不在——任何領(lǐng)域或生活方面的任何決策都涉及在選擇可用選項之前預(yù)測它們的后果。”“了解這些組合的危險和承諾并在兩者之間取得適當(dāng)?shù)钠胶馐乔斑M(jìn)的一個主要問題。”
根據(jù)佩奇的說法，這種擔(dān)憂源于最近從基于經(jīng)驗、一些數(shù)據(jù)和直覺做出的預(yù)測轉(zhuǎn)變?yōu)榛跀?shù)據(jù)做出的預(yù)測以及人工智能系統(tǒng)被編程做出的考慮。
“將更強(qiáng)大的算法應(yīng)用于更大的數(shù)據(jù)庫所帶來的準(zhǔn)確性提高，引出了一個問題：人類是否應(yīng)該留在預(yù)測領(lǐng)域，還是我們應(yīng)該完全將預(yù)測留給算法?”佩奇問道。
研究人員發(fā)現(xiàn)，答案是否定的。人類進(jìn)行預(yù)測的方式遠(yuǎn)比 AI 方法微妙得多，這對于準(zhǔn)確預(yù)測來說至關(guān)重要。
根據(jù)佩奇的說法，人工智能可以很好地處理大數(shù)據(jù)，而人類可以更好地分析研究人員所說的“厚”數(shù)據(jù)。不像大數(shù)據(jù)那樣由許多相同類型數(shù)據(jù)的數(shù)據(jù)點組成，厚數(shù)據(jù)的較少數(shù)據(jù)點可以講述更豐富的故事。例如，多年的統(tǒng)計數(shù)據(jù)可能允許人工智能預(yù)測棒球運動員可能擊出多少個本壘打，但人類更有可能了解一個受歡迎的團(tuán)隊成員如何擁有更長的職業(yè)生涯。
“大數(shù)據(jù)和厚數(shù)據(jù)一起工作將產(chǎn)生更準(zhǔn)確的集體預(yù)測，”佩奇說。“大量數(shù)據(jù)可以捕捉并引起人們對可能從分離的大數(shù)據(jù)變量之間的裂縫中溜走的一系列因素的關(guān)注。盡管大數(shù)據(jù)撒了一張更廣的網(wǎng)，但這張網(wǎng)還是有漏洞的。”
研究人員通過數(shù)學(xué)測試權(quán)衡人類和人工智能輸入可能會導(dǎo)致不同的預(yù)測，從而對這一想法進(jìn)行測試。他們發(fā)現(xiàn)，在典型情況下，意味著未來的結(jié)果取決于過去的結(jié)果，人工智能不需要人工輸入來做出準(zhǔn)確的預(yù)測。然而，在具有更多未知或令人驚訝的因素的非典型案例中，人類幫助人工智能減少了潛在的錯誤。
“只要人類能夠繼續(xù)識別不同的屬性，即繼續(xù)構(gòu)建更厚的數(shù)據(jù)，或者更好地理解非典型案例，他們就會繼續(xù)提高準(zhǔn)確性，”佩奇說。“混合預(yù)測器的未來將是對共生的復(fù)雜探索，而不是人類和計算機(jī)之間的競爭。”
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，與本網(wǎng)站立場無關(guān)。財經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險自擔(dān)。 如有侵權(quán)請聯(lián)系刪除！