人工智能(AI)可以比任何一個(gè)人更快地評估更多的數(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，并做出比人類更好的可靠預(yù)測——對嗎?一個(gè)多機(jī)構(gòu)研究團(tuán)隊(duì)研究了人類和人工智能如何進(jìn)行預(yù)測之間的協(xié)同效應(yīng)，他們表示，情況可能并非總是如此。

他們在8月23日的《社會計(jì)算雜志》上發(fā)表了他們的研究結(jié)果。

該論文的作者、密歇根大學(xué)羅斯商學(xué)院教授Scott E. Page說:“預(yù)測任務(wù)無處不在——在任何領(lǐng)域或生活的各個(gè)方面，任何決策都涉及在做出選擇之前預(yù)測可選選項(xiàng)的后果。”“理解這些組合的危險(xiǎn)和希望，并在兩者之間取得適當(dāng)?shù)钠胶?，是向前發(fā)展的主要關(guān)注點(diǎn)。”

根據(jù)佩奇的說法，這種擔(dān)憂來自于最近從基于經(jīng)驗(yàn)、一些數(shù)據(jù)和直覺做出的預(yù)測轉(zhuǎn)向基于數(shù)據(jù)和人工智能系統(tǒng)的編程考慮做出的預(yù)測。

“將越來越強(qiáng)大的算法應(yīng)用于越來越大的數(shù)據(jù)庫，從而提高了準(zhǔn)確性，這回避了一個(gè)問題:人類是否應(yīng)該繼續(xù)留在預(yù)測領(lǐng)域，還是應(yīng)該把預(yù)測完全交給算法?”問的頁面。

研究人員發(fā)現(xiàn)，答案是響亮的“不”。與人工智能方法相比，人類的預(yù)測方式要微妙得多，而人工智能方法對準(zhǔn)確的預(yù)測有著至關(guān)重要的影響。

佩奇表示，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)。不同于像大數(shù)據(jù)那樣由同一類型數(shù)據(jù)的許多數(shù)據(jù)點(diǎn)組成的數(shù)據(jù)，厚數(shù)據(jù)中較少的數(shù)據(jù)點(diǎn)可以講述更豐富的故事。例如，數(shù)年的統(tǒng)計(jì)數(shù)據(jù)可以讓人工智能預(yù)測一名棒球運(yùn)動員可能打出多少本壘打，但人類更有可能理解一名受歡迎的團(tuán)隊(duì)球員可能擁有更長的職業(yè)生涯。

佩奇說:“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。”“厚重的數(shù)據(jù)可以抓住并吸引人們注意可能會從分離的大數(shù)據(jù)變量之間的裂縫中溜走的因素群。盡管大數(shù)據(jù)撒下了一張更大的網(wǎng)，但這張網(wǎng)也存在漏洞。”

研究人員通過數(shù)學(xué)測試衡量人類和人工智能的輸入可能會產(chǎn)生不同的預(yù)測，來驗(yàn)證這一想法。他們發(fā)現(xiàn)，在典型情況下，也就是說未來的結(jié)果取決于過去的結(jié)果，人工智能不需要人類輸入就能做出準(zhǔn)確的預(yù)測。然而，在有更多未知或意外因素的非典型案例中，人類幫助人工智能減少了潛在的錯(cuò)誤。

佩奇說:“只要人類能夠繼續(xù)識別不同的屬性，也就是說，繼續(xù)構(gòu)建更厚的數(shù)據(jù)，或更好地理解非典型案例，他們就會繼續(xù)提高準(zhǔn)確性。”“未來的混合預(yù)測器將是對共生關(guān)系的復(fù)雜探索，而不是人類和計(jì)算機(jī)之間的競爭。”

研究人員計(jì)劃繼續(xù)探索人工智能和人類的合作系統(tǒng)如何幫助改善預(yù)測，包括多個(gè)系統(tǒng)如何協(xié)同工作，可能會給出更準(zhǔn)確的結(jié)果。

佩奇說:“細(xì)節(jié)尚不清楚，但我們幾乎可以肯定地預(yù)測，參與者的角色和貢獻(xiàn)將適應(yīng)不斷增長的數(shù)據(jù)和更強(qiáng)大的計(jì)算能力。”“現(xiàn)在和未來的認(rèn)知工作肯定會涉及到人類、算法、數(shù)據(jù)集、主體、對象和領(lǐng)域。在他們尋求理解工作的同時(shí)，這些混合群體也將塑造它。”

其他貢獻(xiàn)者包括第一作者Lu Hong，羅耀拉大學(xué)金融系;以及加州大學(xué)洛杉磯分校傳播系的PJ Lamberson。