人工智能或?qū)⑷〈祟?lèi)直覺(jué):大數(shù)據(jù)背后隱藏的規(guī)律

在電影《2001太空漫游》中，人類(lèi)受到了一臺(tái)智能計(jì)算機(jī)的挑戰(zhàn)。如今，麻省理工學(xué)院的研究人員設(shè)計(jì)了一款系統(tǒng)，在尋找數(shù)據(jù)規(guī)律的競(jìng)賽中超過(guò)了許多人類(lèi)選手，說(shuō)明它能夠取代人類(lèi)的直覺(jué)。

圖為IBM的Watson超級(jí)計(jì)算機(jī)在智力競(jìng)賽節(jié)目中打敗人類(lèi)選手。

北京時(shí)間10月20日消息，據(jù)國(guó)外媒體報(bào)道，研究人員認(rèn)為，電腦不久便會(huì)在很多領(lǐng)域取代人類(lèi)直覺(jué)。麻省理工學(xué)院研發(fā)了一項(xiàng)新系統(tǒng)，而該系統(tǒng)在幾次競(jìng)賽中表現(xiàn)得比最聰明的人還要出色。

麻省理工學(xué)院的研究人員設(shè)計(jì)了一款大數(shù)據(jù)分析系統(tǒng)。該系統(tǒng)的目的是，在尋找數(shù)據(jù)背后隱藏的規(guī)律時(shí)，可以起到替代人類(lèi)直覺(jué)的作用。

該系統(tǒng)名為“數(shù)據(jù)科學(xué)機(jī)”（Data Science Machine），和人類(lèi)選手一起參加了三次數(shù)據(jù)科學(xué)競(jìng)賽，并且在三次競(jìng)賽中都獲得了出色的成績(jī)。在這三次競(jìng)賽中，數(shù)據(jù)科學(xué)機(jī)的預(yù)測(cè)準(zhǔn)確率分別為最終獲勝者的94%、96%和87%，在共906支參賽隊(duì)伍中，這一成績(jī)超過(guò)了615支隊(duì)伍。

“我們將數(shù)據(jù)科學(xué)機(jī)視作對(duì)人類(lèi)智慧的天然補(bǔ)充，”麥克斯·坎特（Max Kanter）說(shuō)道。正是他的碩士論文為該機(jī)器提供了理論基礎(chǔ)。

“有太多太多的數(shù)據(jù)需要進(jìn)行分析，但目前并沒(méi)有得到我們的充分利用。因此，我們或許應(yīng)當(dāng)找出某種解決方案，就算實(shí)際解決不了什么問(wèn)題，至少也能讓我們行動(dòng)起來(lái)。

數(shù)據(jù)科學(xué)機(jī)能夠以“非人”的速度完成其預(yù)測(cè)計(jì)算，每次提交答案所需時(shí)間僅為2小時(shí)到12小時(shí)之間，而人類(lèi)參賽隊(duì)伍則需要工作數(shù)月時(shí)間，才能完成相應(yīng)的計(jì)算。

卡爾安·維拉馬沙納尼（Kalyan Veeramachaneni）是坎特的論文導(dǎo)師及麻省理工學(xué)院計(jì)算機(jī)科學(xué)與人工智能實(shí)驗(yàn)室的一名研究科學(xué)家，他和坎特共同參與了這項(xiàng)研究。

在選擇具有某種特征的數(shù)據(jù)進(jìn)行分析時(shí)，往往要用到人類(lèi)的直覺(jué)。而這兩名研究人員的研究結(jié)果便是，讓機(jī)器來(lái)做這個(gè)決定，即扮演起人類(lèi)直覺(jué)的角色。“在為工業(yè)解決了大量數(shù)據(jù)科學(xué)問(wèn)題之后，我們從自身經(jīng)驗(yàn)中觀察發(fā)現(xiàn)，這其中有著至關(guān)重要的一步，叫做特征工程。”

數(shù)據(jù)科學(xué)機(jī)運(yùn)用多種指標(biāo)，尋找數(shù)據(jù)庫(kù)中、數(shù)據(jù)結(jié)構(gòu)關(guān)系間的相關(guān)性，該機(jī)器可以利用這些指標(biāo)在數(shù)據(jù)庫(kù)中進(jìn)行部署工作，并找到這些數(shù)字的平均數(shù)。在這一過(guò)程中，該機(jī)器還會(huì)尋找分類(lèi)數(shù)據(jù)，即處在某一范圍之內(nèi)的數(shù)據(jù)，例如一周之中的某幾天等。

通過(guò)與麻省理工學(xué)院計(jì)算機(jī)科學(xué)與人工智能實(shí)驗(yàn)室（CSAIL）的其他研究人員的合作，維拉馬沙納尼成功地將機(jī)器學(xué)習(xí)技術(shù)運(yùn)用于解決實(shí)際問(wèn)題之中，例如，預(yù)測(cè)有哪些學(xué)生會(huì)翹掉在線課程。

他表示，制造數(shù)據(jù)特征是該過(guò)程中極其重要的一步。“首先你得確定需要從數(shù)據(jù)庫(kù)中提取出哪些變量，而為此你可能會(huì)有許多不同的想法。”

“數(shù)據(jù)科學(xué)機(jī)本身就是一項(xiàng)令人難以置信的偉大項(xiàng)目，因?yàn)樗晒Φ貙⒓舛搜芯砍晒\(yùn)用到解決實(shí)際問(wèn)題中去，提供了一種全新的看待該問(wèn)題的方式。”哈佛大學(xué)的一名計(jì)算機(jī)科學(xué)教授馬戈·塞爾策（Margo Seltzer）說(shuō)道。

“我認(rèn)為，他們所做的一切很快就會(huì)變成行業(yè)標(biāo)準(zhǔn)。”