無(wú)論我們提供多少數(shù)據(jù),人工智能都無(wú)法預(yù)測(cè)未來(lái)
掃描二維碼
隨時(shí)隨地手機(jī)看文章
(文章來(lái)源:黑科技密探)
普林斯頓大學(xué)的3位社會(huì)科學(xué)家最近對(duì)160個(gè)研究小組進(jìn)行了一項(xiàng)大規(guī)模實(shí)驗(yàn),以查看他們中是否有一個(gè)能預(yù)測(cè)孩子的生活會(huì)如何。為參與者提供了15年的數(shù)據(jù),并允許他們使用他們想要的任何技術(shù),從老式的統(tǒng)計(jì)分析到現(xiàn)代人工智能。
實(shí)驗(yàn)的最終結(jié)局是沒(méi)人能給出確切的結(jié)果,那是因?yàn)槿斯ぶ悄埽?u>AI)無(wú)法預(yù)測(cè)未來(lái)。當(dāng)然,它可以預(yù)測(cè)趨勢(shì),并且在某些情況下可以提供有價(jià)值的見(jiàn)解,可以幫助行業(yè)做出最佳決策,但是確定孩子是否成功將需要蠻力數(shù)學(xué)無(wú)法提供的先知能力。
根據(jù)普林斯頓團(tuán)隊(duì)的研究論文:我們使用常見(jiàn)任務(wù)方法通過(guò)科學(xué)的大規(guī)模協(xié)作調(diào)查了這個(gè)問(wèn)題;160個(gè)團(tuán)隊(duì)使用來(lái)自脆弱家庭和兒童幸福研究的數(shù)據(jù)建立了六種生命結(jié)局的預(yù)測(cè)模型,這是一項(xiàng)高質(zhì)量的出生隊(duì)列研究。盡管使用了豐富的數(shù)據(jù)集并應(yīng)用了針對(duì)預(yù)測(cè)進(jìn)行了優(yōu)化的機(jī)器學(xué)習(xí)方法,但最佳預(yù)測(cè)并不是非常準(zhǔn)確,僅比簡(jiǎn)單基準(zhǔn)模型的預(yù)測(cè)好一點(diǎn)。
調(diào)查新聞媒體于2016年在美國(guó)法院系統(tǒng)上揭露了有關(guān)預(yù)測(cè)AI的陰險(xiǎn)事實(shí)。通過(guò)一系列調(diào)查報(bào)告,它從經(jīng)驗(yàn)上證明了美國(guó)法院使用的機(jī)器學(xué)習(xí)系統(tǒng)中的種族歧視是導(dǎo)致黑人被判處比白人更嚴(yán)厲的罪魁禍?zhǔn)椎脑?,而沒(méi)有任何方式可以證明或解釋原因。
這些系統(tǒng)通常存在于“黑匣子”中,這意味著原始開(kāi)發(fā)人員和最終用戶都無(wú)法確定為什么機(jī)器最終會(huì)得出特定結(jié)論。AI可以告訴我們它的“預(yù)測(cè)”,但無(wú)法解釋原因。例如,當(dāng)我們處理銷售預(yù)測(cè)時(shí),這些見(jiàn)解很有用。當(dāng)我們處理人類的生活和自由時(shí),或者試圖弄清楚一個(gè)孩子是否會(huì)成功時(shí),他們基本上只是猜測(cè)。從統(tǒng)計(jì)學(xué)上來(lái)說(shuō),不是很好。
麻省理工學(xué)院的研究員也涵蓋了這項(xiàng)研究。他們寫(xiě)道,人工智能負(fù)責(zé)人和公平負(fù)責(zé)人合伙制合伙人項(xiàng)翔表示,統(tǒng)計(jì)數(shù)字僅略高于盲目運(yùn)氣:對(duì)于研究在社會(huì)上使用AI的專家來(lái)說(shuō),結(jié)果并不令人驚訝。例如,即使是刑事司法系統(tǒng)中最準(zhǔn)確的風(fēng)險(xiǎn)評(píng)估算法,最高也能達(dá)到60%或70%。她補(bǔ)充說(shuō):“也許摘要聽(tīng)起來(lái)有些不錯(cuò)。”但無(wú)論如何,重新提出建議的比率都可能低于40%。這意味著預(yù)測(cè)沒(méi)有重新進(jìn)攻將使您的準(zhǔn)確率超過(guò)60%。
最后,盡管向研究團(tuán)隊(duì)提供了為期15年的“脆弱家庭”研究中收集的有關(guān)入學(xué)兒童生活的數(shù)據(jù),但沒(méi)人能給出準(zhǔn)確的預(yù)測(cè)結(jié)果。根據(jù)普林斯頓團(tuán)隊(duì)前面提到的研究論文:換句話說(shuō),即使脆弱家庭數(shù)據(jù)包含成千上萬(wàn)的變量來(lái)幫助科學(xué)家了解這些家庭的生活,但參與者仍無(wú)法對(duì)扣留案例做出準(zhǔn)確的預(yù)測(cè)。此外,最好的提交通常使用復(fù)雜的機(jī)器學(xué)習(xí)方法并且可以訪問(wèn)數(shù)千個(gè)預(yù)測(cè)變量,僅比使用線性回歸的簡(jiǎn)單基準(zhǔn)模型的結(jié)果好一些。
這進(jìn)一步證實(shí)了預(yù)測(cè)性AI在直接影響人類生活時(shí)就顯得毫無(wú)意義。
? ? ?