改向蚂蚁学习这家公司用AI成功预测12个奥

向蚂蚁学习 这家公司用AI成功预测12个奥斯卡奖项

2月27日，2017年第89届奥斯卡金像奖的所有24个项目全部揭晓

。在所有奖项预测中，你猜中了几个？一家由斯坦福大学博士创办的人工智能公司，在颁奖典礼前也对各大奖项的归属进行了预测，结果显示，在预测的16个奖项中，该公司使用的人工智能预测对了12个，准确率达到75%。这样的正确率可以比肩认证的评测专家。

这家人工智能公司名为Unanimous，它利用群集人工智能（Swarm AI）做了一个平台在奥斯卡颁奖夜做了一个实时预测。预测分成三档，分别是确定性较强的预测、确定性中等的预测、高度不确定性的预测。有意思的是，在最佳影片这一奖项上，Swarm AI为《爱乐之城》给出了确定性较强的预测，但奥斯卡组委会却闹了个乌龙，最终此奖花落《月光男孩》。

预测结果

所谓群集人工智能，指得是利用互联线上的实时系统，输入一定数量的人类个体智慧、知识和直觉，再利用算法输出一个群集的更优结果。据Unanimous介绍，群集人工智能系统的启发来自鸟类和昆虫。社会动物以一个统一的动态系统集体工作时，做出的决策会超越单独的个体。在生物学上，这一过程被称为群集智能。简单来说，群集智能是人多力量大的体现。但是，对于人类来说，要做到像鸟类和昆虫一样却非常困难。因为在生理上，人类缺乏用于建立实时反馈的敏锐连接（比如蚂蚁的触角），因而无法形成群集。而Unanimous做的就是利用Swarm AI，为人类搭建了这样实时反馈的连接。

如何预测奥斯卡颁奖典礼

那么这个预测率达到75%的群集人工智能平台是如何进行预测的？ Unanimous公司的研究员集合了近50名电影爱好者群集。参与者在公司站上进行注册后，可以参与预测。在做出判断时，每位用户都有一个可以拖向他们的选择的虚拟圆盘。同时，每个人都可以看见其他人的决定，也可以随时改变自己决定。这个集群中的每个个体都可以互相影响。

最佳影片预测

原理很简单：对于蚂蚁来说，单个蚂蚁的智能有限，但如果将单个蚂蚁升级到整个蚁群，那实力就会有更大的提高。Unanimous公司认为，从单个人到一个大群人也将有这么一个提升，出现一个高级的超级智慧。

最佳导演预测

具吓坏了——他的车被后方一辆货车给撞了。后方车辆车头很快冒起了浓烟。体做法是，Swarm AI系统会将实时的人类洞察和AI的算法结合在一起。这样做的优势首先是能集合人群智慧。其次，Swarm AI能确保最终的智能与人群的目标、愿望相符合。在人工智能领域里，各个实验室投入了巨大的精力，试图用纯数字化的东西来取代人类智能。但用纯人工智能创造的东西也让人感到恐惧，一方面是因为它代替了部分人类的工作；另一方涉及到道德伦理：我们该如何保障设计出来的人工智能不会伤害我们，并且符合人类的道德和价值观。

最佳外语片预测

Unanimous公司认为，利用Swarm AI技术，便能在创造放大的智能的同时，将人类纳入整个过程中，让智能拥有人类的情感和共情。

群体智能仍有局限

除了预测今年的奥斯卡颁奖礼外，Swarm AI还在不久前神预测了美国NFL超级碗比赛的比分。不过，Swarm AI的预测并非万无一失。在2016年美国总统大选上，它就吃了一次瘪。当时Swarm AI给出了希拉里会当选美国总统的预测。

Swarm AI采取的方法是直接以人为分析对象，即通过询问参与的选民一组类似的问题，如：如果希拉里担任总统，失业问题将如何改善？参与预测的选民可从五个答案中选择，即大幅改善、略微改善、大幅加剧、略微加剧以及没有任何变化。此外，可选的答案还有希拉里胜算很大、希拉里略胜一筹、特朗普胜算很大、特朗普略胜一筹以及不相上下。

在这次的测试中，有45个选民参与，其中46%为民主党人，24%为共和党人，30%在党派上保持中立或属于其它党派。这也直接暴露了Swarm AI的局限性：预测结果受参与群体特征影响，并让预测结果带有偏见。有专家称，根据Swarm AI的设定，在预测过程中，个体很容易根据球位置的变化而不断变化自己的选择当发现多数人也支持自己的选择时，他可能会更加坚定地牵引；而当发现球大大偏离自己希望的方向时，他可能会放弃或减小牵引力，直至最终达成共识。

《自然》杂志在今年1月25日曾发表过一篇文章，阐述了类似的选择偏见，还在文章中给出了解决方法。论文作者让一群人回答这样的问题：费城是宾夕法尼亚州的首府吗？绝大多数人会错误地回答说是的。这是因为他们知道：费城是宾夕法尼亚州的一座大城市，而首府都是大城市。但实际上，正确答案是哈里斯堡，但往往只有少数人会说出这个正确答案。

论文作者给出的解决方法是意外流行（surprisin仅次于巴黎rue du Faubourg Saint-Honoré 圣奥诺雷郊区街的旗舰店。gly popular）算法，它由普林斯顿大学和麻省理工学院的研究者设计。研究人员表示，这种算法能更好地从群体中获取正确答案，尤其是当大多数人的看法是错误的时候。

实验中，研究人员会询问接受调查的人他们对某个问题的看法，以及他们认为其他人会如何看待这个问题：你认为正确答案是什么？你认为流行的答案（即多数人会选择的回答）是什么？然后，算法会找出意外流行的答案，也就是比大多数人预测中更受欢迎的答案。大部分情况中，这些超出大多数人预计的选择，就是正确的答案。

我们以为社会平均意见一般是对的，过往对群体智慧的统计也支持这一看法， 麻省理工学院斯隆管理学院的行为经济学家Drazen Prelec说：但事实证明并非如此。有像医生那样的专家存在，这让我们意识到了少部分人掌握的知识。