德國爆冷門輸給韓國隊，完美證明AI預(yù)測模型真的還不太行！

　　德國爆冷門輸給韓國隊，完美證明AI預(yù)測模型真的還不太行！2018 年世界杯德國隊爆冷，小組賽出局。而之前還曾有人工智能模型預(yù)測德國隊還將再續(xù)輝煌，贏得冠軍。德國隊不給力，而人工智能又出了什么問題？Bestpractice.ai 聯(lián)合創(chuàng)始人 Tim Gordon 發(fā)文總結(jié)了有關(guān)于此的十點經(jīng)驗，談到了我們?nèi)祟悓θ斯ぶ悄艿母怕市灶A(yù)測結(jié)果的理解方式以及人工智能本身的能與不能等問題。

　　說實話，很震驚！德國隊居然被韓國隊 2-0 擊敗，灰溜溜地回國了。要知道德國隊四年前就以 7-1 的驕人戰(zhàn)績擊敗了巴西隊，進一步又贏得 2014 年的世界杯。

　　出現(xiàn)這種情況，無疑會出現(xiàn)很多有待解答的問題。

　　2015 年機器人足球世界杯現(xiàn)場照片

　　但是，預(yù)計德國隊會有良好表現(xiàn)的不只有粉絲。至少有兩個不同組織開發(fā)的人工智能（AI）模型都預(yù)測德國隊會挺進決賽。

　　據(jù) Vice 報道，來自德國多特蒙德工業(yè)大學(xué)、慕尼黑工業(yè)大學(xué)和比利時根特大學(xué)的一個團隊分析了 10 萬個場景，最后預(yù)測德國隊獲勝的幾率最高。不甘人后的高盛則分析了 100 萬個場景，預(yù)測巴西隊會與德國隊在最終決賽相遇并贏得冠軍。

　　只要你沒有聽從這些人工智能的建議跑去賭球，就沒什么損失。

　　但用在我們的日常生活中以決定對我們真正重要的事情的機器學(xué)習(xí)技術(shù)與預(yù)測獲勝球隊的技術(shù)并沒有什么不同——而且隨著 AI 的發(fā)展，未來的應(yīng)用只會更多。

　　所以這次事件在人工智能實際應(yīng)用方面會給我們帶來哪些經(jīng)驗教訓(xùn)？

　　1. 人工智能做的是預(yù)測。簡而言之，人工智能會尋找數(shù)據(jù)中的模式，然后使用這些模式來預(yù)測模式識別會給出怎樣的結(jié)果。計算機本身并不理解自己所處理的內(nèi)容——它只是預(yù)測接下來可能會發(fā)生的情況。

　　2. 概率很關(guān)鍵：任何數(shù)據(jù)科學(xué)家都總是會在模型輸出的結(jié)果上加上概率和置信度水平。確定性不是他們的標(biāo)志。學(xué)術(shù)論文《Prediction of the FIFA World Cup 2018 – A random forest approach with an emphasis on estimated team ability parameters》預(yù)測德國隊有 86.5% 的概率小組賽出線，獲勝的概率則為 17.1%（略低于西班牙隊獲勝概率 17.8%）。（參閱原文獻，請點擊閱讀原文。）

　　3. 人類大都不能很好地處理概率：我們大多數(shù)人都更習(xí)慣以二元論的視角看待事物——不是「是」就是「否」。被數(shù)學(xué)覆蓋的灰色地帶需要深思熟慮。所以 17.8% 的獲勝幾率就成了人們眼中「被預(yù)測的贏家」。

　　4. 我們自身關(guān)于決策和預(yù)測的語言也能反映這個情況。政治家可沒法通過討論某些事情的發(fā)生概率來贏得選舉。我們喜歡確定性，也響應(yīng)確定性。

　　5. 當(dāng)預(yù)測因子和處理過程可以清楚呈現(xiàn)，并且最終成為一個閉環(huán)系統(tǒng)時，是有可能得到預(yù)測結(jié)果的。任何事物都可以被建模，并被提供給計算機處理。值得注意的是，上述學(xué)術(shù)研究在 8 組預(yù)測中有 6 組都預(yù)測對了——即至少出現(xiàn)了最高概率的情況。

　　預(yù)測中的德國隊獲勝之路

　　6. 可獲得的數(shù)據(jù)會得到優(yōu)先考慮，而這（顯然）會影響輸出結(jié)果。這個學(xué)術(shù)團隊分析了「FIFA 排名、每個國家的人口和國內(nèi)生產(chǎn)總值（GDP）、博彩公司的賠率、有多少國家隊球員在同一個俱樂部效力、球員平均年齡以及他們贏得過多少冠軍聯(lián)賽」。所有球隊的這些數(shù)據(jù)都是可獲得的，都有標(biāo)準(zhǔn)化的且可比較的格式，并且可能都是干凈的并且有適當(dāng)?shù)臉?biāo)注的。因此這是人工智能模型需要關(guān)注的重點。

　　7. 但是，實際數(shù)據(jù)總是多于可被處理的數(shù)據(jù)。這項研究沒有包含的信息實際上還有無限多——球員的睡眠質(zhì)量、個人身體素質(zhì)、草地狀態(tài)、當(dāng)天粉絲熱情的影響……能處理的數(shù)據(jù)都是可獲得的數(shù)據(jù)。如果不存在讓某支球隊獲勝的絕對公式，那么建模就是不可能的。而人工智能被應(yīng)用的很多領(lǐng)域其實并不存在這種情況——比如優(yōu)化工廠流程以制造完美的小部件。

　　8. 但是，即使最聰明的模型也難以應(yīng)對突發(fā)事件——而且實際上會讓其整個前提條件沒有意義，甚至有害。如果一場火災(zāi)損壞了這個小部件工廠的一部分，那么人工智能管理系統(tǒng)將一無是處。

　　9. 所以即使機器的作用越來越大了，也仍然需要人類參與其中。想讓機器成功，復(fù)雜性和動態(tài)變化以及用于解決這些問題所需的常識知識仍然是有待攻克的主要難題。

　　10. 媒體可能會過度解讀涉及人工智能的一切。對人工智能故事的炒作往往超出本質(zhì)——不過就是個厲害點的 Excel 電子表格，媒體往往就因為「人工智能」這個詞就將這種技術(shù)描繪得具有神秘和神奇的力量。

    2898站長資源平臺網(wǎng)站資訊：http://www.afrimangol.com/news/