人工智能预测美国大选这件事,认真你就输了

唐纳德·约翰·特朗普(Donald John Trump)赢了,毕竟DT in the house(不明白的请自行百度)。

与往年不同的是,今年的美国大选堪称史上最激烈、最变幻莫测的一次,当中发生的一系列事件足以和精彩绝伦的美剧《纸牌屋》相媲美,甚至有过之无不及。当大选进行到特朗普拿下了宾夕法尼亚州的20张选票之后,才算彻底奠定了胜局。

特朗普的胜利,不仅仅意味着民粹主义在西方国家愈发兴起,更是让之前大多数的民调和预测都成了笑话。要知道,包括《纽约时报》在内的绝大多数主流媒体都认为希拉里获胜的概率大于50%,众多社会名流以及来自硅谷的高官们都曾表示支持希拉里。

不过,有意思的是,预测总统不靠谱的不仅有美国人民自己,还有一帮人工智能。

外来的“和尚”看来更会念经

微软在2014年推出了人工智能预测引擎Bing Predicts,基于自身浏览器Bing中的数据以及相关的社交媒体趋势,它能够利用机器学习技术对未来进行预测。此次bing曾经预测希拉里当选美国总统的概率为77%,后来概率提升到89%,特朗普当选的概率仅为10%。从bing这种一意孤行的预测态度来看,镁客君觉得或许是因为微软实际上是希拉里背后大金主的原因。

而诞生于2004年,名为“UNO”的项目系统预测,号称经过长期发展“智商”越来越高,也预测民主党候选人希拉里将当选总统。据悉,UNO系统使用了一种名为“集群智能”的技术。不过现在看来,曾经预测准确率高达76%的UNO系统,这次忘记“充值”智商了。

此外,由毕业于斯坦福大学的路易斯·罗森伯格(Louis Rosenberg)博士创办的Unanimous AI公司,也通过实时的集体预测对几天后美国总统大选的结果:希拉里将以微弱优势胜出。Unanimous AI通过询问参与的选民一组类似的问题。而问题对应的答案设计不仅体现了选民的支持对象,也反映了支持力度,这种设计在此前的预测中都极具价值。要知道,Unanimous AI今年可是因为成功预测小李子捧得小金人而名声大噪。可惜的是,就这次大选结果来看,上次的成功预测或许是运气好。

但是,来自于印度工程师Sanjiv Rai开发的MogIA人工智能系统,现在看起来仿佛是人工智能预测大选热潮中的一股“清泉”,因为MogIA义无反顾的预测特朗普才是此次大选的赢家。与其他几家人工智能预测系统利用大数据、民调等分析来进行预测不同的是,MogIA不会考虑它检测的用户活动的语气或意图,而是单纯地检查热度。因此,那些羞于表达对特朗普支持的美国选民,被MogIA发现,从而成功预测。

人工智能预测,还请用娱乐的视角去看待

很多人都认为,本届美国大选是“肮脏的一届”,而希拉里挟名流、主流媒体和“大数据”的威势,在“泼污竞赛”中似乎一直占据上风。这样一来,是不是人工智能预测时被希拉里误导了呢?其实并不然,因为美国总统大选机制的特殊性,希拉里虽然获得了更多的选民选票,但最终选举人票高达290张的特朗普才是赢家,而大多数人工智能的预测算是对了一半。

那么究竟是什么原因导致了预测失误呢?是因为这些人工智能忽略了一个更重要、也更容易被忽略的问题:参数问题。

不管“大数据”或其它类别的分析、调查、预测,其准确性是建立在原始参数、采样的准确和丰富基础上的,只有这一切都准确、丰富,所得出的分析和预测才能靠谱。此次大选出现如此“测不准”局面,就不由得让人觉得是参数的采集本身就出了大问题。

此次人工智能除了预测时使用的参数有问题,还有另外一个决定性因素:算法。现阶段有关算法的讨论大多集中于人类在算法设计中所起的作用,也就是说算法的设计者是否会将自我意识强加于算法中。就像是上面提到过的由印度人Sanjiv Rai开发MogIA系统,它所使用的相对简单的算法就更有利于特朗普而非希拉里。

但是,我们知道人工智能系统预测只能根据已有的数据进行分析,一旦不能获得全面的足够的数据,那样它的预测就会有很大的不确定性。除此之外更为重要的是,这些人工智能系统也不能预测到突发事件对大选的影响。所以说,对于人工智能系统预测美国大选这个事情,与其用科技的视角去看,不如就纯当娱乐,人工智能也需要劳逸结合。

原文发布于微信公众号 - 镁客网(im2maker)

原文发表时间:2016-11-10

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏机器学习算法与Python学习

走近Hinton:AI教父传奇人生

三十多年以来,Geoffrey Hinton一直都处于人工智能研究的边缘地带。他像一个局外人一样坚守着一个简单的观点:计算机可以像人类一样,依靠直觉而不是规则进...

983
来自专栏机器之心

深度 | 从规则推理到数据学习:人工智能该学习人类的思维方式吗?

1578
来自专栏吉浦迅科技

深度学习加快诊断儿童成长问题的脚步

询问医师,他们会告诉你:儿童身上有实足年龄和骨骼年龄,两者不相符时便会出现问题。过早或过晚成熟的骨骼都不利于儿童的成长。 放射科医师将儿童手掌的 X 光片与该年...

3365
来自专栏华章科技

这10个可怕的学习习惯,会拖你后腿

全球超过140万名人报名参加,MOOC最受欢迎的学习课“learning how to learn”,帮助让学生掌握适用于任何科目的高效学习方法。

841
来自专栏机器学习算法与Python学习

人工智能十大未来之星

IEEE Intelligent Systems通过其每两年一次的“AI‘s 10 to Watch”专区,介绍和推荐年轻和有抱负的人工智能科学家。2018年这...

1421
来自专栏人工智能头条

【CSDN AI 周刊】第11期 | 周志华提出深度森林 引发持续热议

1613
来自专栏LET

最美的理论(下篇)

1476
来自专栏专知

走近Hinton:AI教父传奇人生

【导读】Geoffrey Hinton花费了30年的时间默默无闻,直到2012年,他证明了其研究的价值,并驳回了大多数其他科学家所谓的正确观点。如今,这个被称为...

4006
来自专栏Vamei实验室

统计Go, Go, Go

结束了概率论,我们数据之旅的下一站是统计。这一篇,是统计的一个小介绍。 统计是研究数据的学科。它包括描述数据,推测群体信息,判断假设的真伪。统计是一门实用学科。...

1819
来自专栏量子位

给无人车加个透视眼 | 斯坦福SCIL实验室最新Nature文章

拐角路口没有装凸面反光镜的话。 ? △ 别找凸面反光镜了……就是没有 老司机开车都得减速慢下来。 谁知道拐弯看不见的地方,会不会有人或小动物突然窜出来。 就更别...

2665

扫码关注云+社区

领取腾讯云代金券