人工智能 (AI) 可以比任何一個人更快地評估更多數據。有了如此龐大的信息池，人工智能應該能夠考慮過去的數據，處理所有的影響并產生比人類更好的可靠預測——對吧?一個多機構研究小組研究了人類和人工智能如何做出預測之間的協(xié)同作用，他們表示，情況可能并非總是如此。
他們于 8 月 23 日在清華大學出版社出版的《社會計算雜志》上發(fā)表了他們的研究結果。
論文作者、密歇根大學羅斯商學院教授斯科特·E·佩奇說：“預測性任務無處不在——任何領域或生活方面的任何決策都涉及在選擇可用選項之前預測它們的后果。”“了解這些組合的危險和承諾并在兩者之間取得適當的平衡是前進的一個主要問題。”
根據佩奇的說法，這種擔憂源于最近從基于經驗、一些數據和直覺做出的預測轉變?yōu)榛跀祿龀龅念A測以及人工智能系統(tǒng)被編程做出的考慮。
“將更強大的算法應用于更大的數據庫所帶來的準確性提高，引出了一個問題：人類是否應該留在預測領域，還是我們應該完全將預測留給算法?”佩奇問道。
研究人員發(fā)現(xiàn)，答案是否定的。人類進行預測的方式遠比 AI 方法微妙得多，這對于準確預測來說至關重要。
根據佩奇的說法，人工智能可以很好地處理大數據，而人類可以更好地分析研究人員所說的“厚”數據。不像大數據那樣由許多相同類型數據的數據點組成，厚數據的較少數據點可以講述更豐富的故事。例如，多年的統(tǒng)計數據可能允許人工智能預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隊成員如何擁有更長的職業(yè)生涯。
“大數據和厚數據一起工作將產生更準確的集體預測，”佩奇說。“大量數據可以捕捉并引起人們對可能從分離的大數據變量之間的裂縫中溜走的一系列因素的關注。盡管大數據撒了一張更廣的網，但這張網還是有漏洞的。”
研究人員通過數學測試權衡人類和人工智能輸入可能會導致不同的預測，從而對這一想法進行測試。他們發(fā)現(xiàn)，在典型情況下，意味著未來的結果取決于過去的結果，人工智能不需要人工輸入來做出準確的預測。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)構建更厚的數據，或者更好地理解非典型案例，他們就會繼續(xù)提高準確性，”佩奇說。“混合預測器的未來將是對共生的復雜探索，而不是人類和計算機之間的競爭。”
標簽：
免責聲明：本文由用戶上傳，與本網站立場無關。財經信息僅供讀者參考，并不構成投資建議。投資者據此操作，風險自擔。 如有侵權請聯(lián)系刪除！