成功預測馬克宏當選 背後群集智慧Swarm及Surprisingly Popular
科技產業資訊室 (iKnow) - May 發表於 2017年5月11日
AI新創公司Unanimous A.I.提出“群集人工智慧”（Artificial Swarm Intelligence）的演算方法，曾多次在美國超級足球賽事做出精準的預測。雖然，曾在2016年美國總統大選失準押寶希拉蕊，但是卻在2017年法國總統大選準確預測馬克宏當選。
Unanimous A.I.公司創始人Louis Rosenberg 畢業於史丹福大學的博士，他的博士研究有關於機器人、虛擬現實、人機交互；曾在美國空軍阿姆斯壯實驗室擔任研究員。他創造世界上首個沉浸式增強現實系統(AR)，並成立Immersion公司；也開發出世界上首個桌上型3D掃描機(desktop 3D digitizer)並成立Microscribe LLC公司。擁有約300件專利。2016年Rosenberg提出Swarm AI群集智慧演算技術。
所謂群集智慧（Swarm Intelligence）？
所謂群集人工智慧，是利用網路的線上即時系統，輸入一定數量的人類個體智慧、知識和直覺，再利用演算法輸出一個群集智慧之更優結果。群集智慧的概念是受到鳥類和蜜蜂的群聚啟發，從對自然界學習發現，社會動物以一個統一的動態系統集體工作時，解決問題和做決策上的表現會超越大多數單獨成員。因此，在生物學這一過程被稱為“群集智慧”。也就是俗稱：集多人的力量(智慧)而做出判斷。
問題是人類可以群集嗎？螞蟻有觸角可以進行群集，反觀人類並沒有進化出群集的能力，因為人類缺少同類用於建立實時反饋循環的敏銳連接。這種連接能力是高度相關的，讓群體行為被認為是一個“超級器官”，使這些生物能夠進行最優選擇，這要遠比獨立的個體的選擇能力要強得多。
人類要如何將每個人的思考組合起來，然後進行做更好的決策、預測、評估和判斷？事實上，Unanimous A.I.的Swarm AI人類群集技術已經被證明在預測體育賽事、金融趨勢、總統大選、奧斯卡獎得主的準確率超過個人專家。
群集人工智慧（Artificial Swarm Intelligence，Swarm A.I.）技術，它能將世界各地的人“人類群集”連接起來，組成即時的線上系統平台及背後演算法，吸引結合人類參與者的知識、智慧、硬體和直覺，並把這些要素組合成一個統一的新智慧，並生成最優的預測、決策、洞見和判斷。
Louis Rosenberg論文：Crowds vs Swarms, a Comparison of Intelligence.
根據Swarm AI的設定，個體之間是互相影響的，在預測過程中，個體很容易根據球位置的變化而不斷變化自己的選擇——當發現多數人也支持自己的選擇時，他可能會更加堅定地牽引；而當發現球大大偏離自己希望的方向時，他可能會放棄或減小牽引力，直至最終達成「共識」。
Swarm AI 曾失敗預測：希拉蕊當選美國總統
有專家評論認為，Unanimous AI採用“集群智慧”技術搜集數據的方法更帶有偏見性，這種偏見藉由問題的設定和對象的選取得到充分體現。
在2016美國總統大選，Unanimous A.I.曾失敗預測希拉蕊當選。它的方法是直接以人為分析對象，即通過詢問參與的選民一組類似的問題，例如：
- “如果希拉蕊擔任總統，失業問題將如何改善？”參與預測的選民可從五個答案中選擇，即“大幅改善”、“略微改善”、“大幅加劇”、“略微加劇”以及“沒有任何變化”。
- 可選的答案還有“希拉蕊勝算很大”、“希拉蕊略勝一籌”、“川普勝算很大”、“川普略勝一籌”以及“不相上下”。
- 有45個選民參與預測，其中46%為民主黨人，24%為共和黨人，30%在黨派上保持中立或屬於其它黨派。
從設計的問題和選取的對象看，由Unanimous開發的swarm AI-UNU的預測則明顯傾向希拉蕊。
印度MogIA AI系統成功預測：川普當選
印度新創公司Genic.ai所研發的MogIA AI(人工智慧)系統，就透過蒐集Google、Facebook、Twitter、YouTube等2000萬個數據來源進行分析，獨排眾議並預測川普成為最後贏家。
- MogIA不同於其他AI之處，是其算法是完全由自己建立的，其中既不捨棄任何數據點，也不參雜任何人為意見，只由其獨立學習並自主完善，盡量確保預測結果的客觀性。
- 但目前AI系統對“諷刺表達”、“反話”的識別能力有限，網民們的言論可能被系統錯誤解讀的。
- 即使川普的Twitter帳號下有大量的網民互動，也不代表這部分網民傾向於支持川普，但相關話題的活躍度會被AI系統歸入民意預測依據。
對此，有分析認為MogIA 明顯是一個有利於川普的AI系統。
Surprisingly Popular演算法：解決群體AI缺陷的方法
因此，普林斯頓大學與麻省理工學院的學者2017年一月在《自然》雜誌(Nature)發表了一個解決群體AI缺陷的方法(A solution to the single-question crowd wisdom problem)，就是「surprisingly popular」演算法。當大多數人的看法可能是錯誤的時候，這個演算法能更容易自群體中找到正確答案。在多數情況下，這個超乎多數人選擇的結果，就是正確答案。換句話說，「surprisingly popular」演算法會找出「意外流行」的答案，也就是比大多數人預測中更受歡迎的答案；而且大部分情況是這些超出大多數人預計的選擇，就是正確的答案。
得到surprisingly popular的方法是，研究人員會針對某個問題，提出「你認為正確答案為何？」、「你認為大多數人會選擇的答案是什麼？」的提問。接著此演算法就能找出surprisingly popular的答案，也就是比大多數人預測結果更受歡迎的答案。在多數情況下，這個超乎多數人選擇的結果，就是正確答案。
Dražen Prelec於Nature論文：A solution to the single-question crowd wisdom problem.
結語
Swarm AI或 Surprisingly Popular 演算法是一種無偏見的群集智慧研究，有時能提供有意義的洞察結果，協助將人類智慧納入整個構建超級智慧過程。但是，這些僅是眾多AI演算法之一，實際來說，人工智慧(AI)還有很長一段路要走。(1826字；圖1)
參考資料：
Unanimous Blog at http://unu.ai/blog/?hdr=una
特朗普獲勝：人工智能緣何是神話也是笑話？搜狐媒體平台，2016/11/11
本站相關文章:
- 人工智慧：未來決策制定的機遇與影響
- 下一波趨勢是將人工智慧帶入智慧家庭
- 商品化、產業化與專利佈局思考（二）
- Fintech金融科技新創公司(四)：Wealthfront
- 人工智慧時代須防範「人工智慧詐騙術」
--------------------------------------------------------------------------------------------------------------------------------------------
【聲明】
1.科技產業資訊室刊載此文不代表同意其說法或描述，僅為提供更多訊息，也不構成任何投資建議。
2.著作權所有，非經本網站書面授權同意不得將本文以任何形式修改、複製、儲存、傳播或轉載，本中心保留一切法律追訴權利。
|