無論人工智能學習了多少數(shù)據(jù) 對社會現(xiàn)象的預測都是有限的

普林斯頓大學的研究團隊為數(shù)百名專業(yè)人員(包括計算機科學家，統(tǒng)計學家和社會學家)提供了大數(shù)據(jù)，并為4000個家庭提供了13,000個數(shù)據(jù)點。我們要求開發(fā)一種算法，以預測每個家庭中兒童的未來表現(xiàn)。但是，研究人員使用最先進的機器學習方法或結(jié)合統(tǒng)計分析方法的算法獲得的預測結(jié)果準確性均較低，并且不符合研究標準。

更詳細的研究過程如下。

首先，研究小組從2000年在大城市的一家醫(yī)院中隨機選擇的孩子和家庭中選出。并注意孩子分別是1、3、5、9和15歲時的情況。連續(xù)收集數(shù)據(jù)。它包括許多項目，例如孩子們在學校的平均表現(xiàn)，失敗時的耐心水平，學校報告的耐心以及家庭的財務狀況。

該團隊為15歲以下的研究人員提供了足夠的數(shù)據(jù)來構(gòu)建算法。然后，研究人員著手開發(fā)算法，該算法可根據(jù)9歲以下的數(shù)據(jù)預測兒童的未來。最終，采用最新技術的各種算法推出了結(jié)果，但是當研究團隊與實際數(shù)據(jù)進行比較時，它們都無法保證一定的準確性。

這項研究可能至少有兩個教訓。

據(jù)報道，其中之一是AI技術的當前狀態(tài)“無法預測人類的未來和社會現(xiàn)象”。例如，據(jù)說在刑事司法系統(tǒng)中使用的風險評估算法(預測算法)在此階段的最大準確性為60%到70%。在，由于引入了用于人員評估和個人信用計算的AI技術，AI技術最近引起了人們的關注，但可能無法預測未來。就未來對人類開放而言，這既是消極的，也是積極的。

另一個教訓是，它可能是“數(shù)據(jù)不足”。人類積累了大量的經(jīng)驗和刺激，將其作為信息和變化，而不是將其可視化為數(shù)據(jù)。它包括從老師的話到刻骨銘心的心碎和意想不到的相遇的一切。而是可能存在“您不希望被可視化的信息”。當涉及到整個社會時，它甚至更大。如果可以收集所有這些數(shù)據(jù)，“預測未來的人工智能”是否可行?關于這一點，我要等待專家的意見。

可以肯定的是，人類對未來的渴望和需求不會消失，并且在一個日益不確定的世界中將繼續(xù)增長。盡管DX，IoT和數(shù)字孿生等最近關鍵字的目標存在一些差異，但它們都融合到了未來的預測中。展望未來的技術如何誕生?還是沒有人能預測到最后的未來?等待有關研究的進一步信息。