除了大选，人工智还能预测什么？

 

居然是印度。且看本期「人工智能内参」详细分析。这是百度大脑「人工智能内参」第 2 期本期栏目是「AI 问答」阅读全文约需 7 分钟◆

大选结果揭晓，各家人工智能都预测对了吗？美国大选终于落下帷幕：共和党候选人特朗普击败民主党候选人希拉里成为新一任总统然而，还有另一个值得关注的事件同时发生了：人工智能系统 MogIA 再次成功预测美国大选结果。

更重要的是，它已经连续四届正确预测美国大选结果，预测大选这件事上，它还尚未失手▎人工智能预测大选到底准不准？人工智能预测美国大选并非只 MogIA 一家早前，人工智能公司 Unanimous A.I. 等数家企业的人工智能平台都纷纷对大选作出了预测，然而这些预测的结果却各不相同。

从下述表格当中可以看出，在我们搜集到的 7 家做出预测的人工智能平台中，预测成功的只有两家，分别是来自印度的 MogIA 和俄罗斯人训练的视觉识别神经网络人工智能预测方法是否准确MogIA 系统通过  Google

、 Facebook、 YouTube 等网站上收集超过两千万个数据进行整合分析是Unanimous A.I.swarm AI 预测，利用在线平台 UNU 做出实时预测，向用户询问一系列问题并统计回答否

预测希拉里将以微弱优势胜出俄罗斯人训练的视觉识别神经网络通过 1400 万张照片的视觉识别训练，可能判断性别是识别模型的相关特征是专业预测网站PollyVote.com综合考察民意调查、均衡每种分析方法，求出同种成分分析法计算结果的平均值后，再求出不同成分分析法计算结果的平均值。

否预测希拉里将以微弱优势胜出微软 Bing使用搜索、社交网络聊天记录和其他相关数据智能预测否预测希拉里将以高几率胜出美国约会软件Tinder询问用户会投票给哪位总统候选人否毛旭新博士 TRUST 大数据分析框架

采用自然语言处理、机器学习等人工智能手段，从媒体报道和谷歌网络检索信息进行数据搜集、清洁和整理否MogIA 已准确预测出四届美国大选这是一套由印度公司 Genic.ai 创立的人工智能系统，自从它在 2004 年被研发出来后，MogIA 一直在凭借机器学习技术不断提高其数据分析能力。

MogIA 此次从 Google、Facebook、Twitter 以及 YouTube 等公共平台收集了近 2000 万个数据点，诸如 Twitter 上的用户互动，以及 YouTube 的视频热度等，对这些数据的整合和分析使其对刚刚落幕的总统大选结果作出了预测。

▎除了大选，人工智还能预测什么？实际上，不只是总统大选，关于预测这件事，人工智能已经涉足多个领域：它已经被成功运用到电影票房、天气预报、石油开采、保险价格等方面的预测之上其中一个典型案例是，百度使用大数据和机器学习模型成功预测了德国在 2014 年世界杯上的夺冠。

百度使用大数据和机器学习模型成功预测了德国在 2014 年世界杯上的夺冠世界杯胜败结果的预测精度主要取决于数据和模型百度分析了 5 个因素：团队力量、主场优势、近期表现、世界杯期间的整体表现以及博彩几率。

据此，人工智能从互联网上的各个数据源整合数据，然后使用由科学家设计的机器学习模型对总体数据作出预测最终，百度预计德国将在世界杯获得冠军同一时期，微软的预测阿根廷获胜，Google 未宣布其预测实际上，对世界杯或球赛的预测只是百度预测产品中的一个，百度还将其应用经济形势分析、人口流动、电影票房、疾病预测等领域。

▎理解讽刺和幽默，人工智能面前的一道高墙不过，基于大数据统计的分析仍然面临着一些的问题虽然目前机器已经可以通过自然语言处理理解了人类的部分表达的意图，但是机器仍然很难理解人类的「高级智慧」——讽刺和幽默。

同样的问题也出现在 MogIA 对大选的预测上面：MogIA 无法识别出 Twitter 上人们的反语和讽刺人类的同一句话，在不同的语境下显然会有着不同的语义，让机器对文本进行情感分析是非常困难的

机器仍然很难理解人类的「高级智慧」——讽刺和幽默图/New Scientist.com为什么机器不能理解人类的「讽刺」和「幽默」？斯坦福大学专攻心理学、计算机科学和语言学的助理教授诺亚·古德曼（Noah Goodman）分析道：「真正使『讽刺』起作用的是语境和上下文，但一个人曾经的经历和情感体验对机器来说是一大绊脚石。

想要将这一层次的知识结构移植进机器当中，远不只编写几行代码这么简单」而在麻省理工学院研究人机交互的副教授卡明斯（Missy Cummings）则说：「你可以在一切语言世界进行机器学习，但是讽刺意味往往在于『语气』而非某个『词语』，或者面部表情。

讽刺总是有着很多非语言线索可寻」可见，这些都是目前人工智能很难做到的如果要找到突破这一困境的方法，深度学习可能会是一件利器▎深度学习如何理解讽刺和幽默？深度学习模拟人脑神经元的工作方式，建造机器神经网络。

这些多层级的计算机网络能够收集、处理和分析庞大的数据，最终能通过自主学习来实现文本、图像和语音识别等智能行为神经网络与之前的机器学习算法的最大区别是，获得的数据越多，对数据的处理就越好百度大脑正是这样一个深度学习平台，它积累了大量的数据并具备强大的计算力和算法。

针对理解讽刺与幽默这事，深度学习可以利用小文本的线索，如用户使用的感叹号来在一定程度上对其嘲讽进行检测但这同样需要一定的范围和使用条件，在这方面，对评论者和读者之间的关系，以及评论发布的地点进行信息读取能够提高对「讽刺」的检测分析精确度。

目前，让机器学会识别讽刺还有另一种方法：只需通过读取某一特定用户以往在社交媒体上的留言和记录，即可训练一套系统来识别该用户可能做出的讽刺，使用这一方法——机器通过学习来检测「讽刺」，系统建立了一张足够丰富的用户画像来预测他们的每一句讽刺

同时，人们无需手动输入每一句可能的「讽刺」供机器记录，这也让处理讽刺变得容易可见，如果有足够多的数据，通过深度学习技术，是有可能让机器读懂人类的这些高级情感的根据目前百度大脑的深度学习技术，除了「用户画像」和「自然语言识别」的方式，如果能采集到人类的语音或者面部表情等数据，也可以通过「语音识别」和「图像识别技术」获得到更完整的数据，进而给出一个更完整的分析结果。

不过，话又说回来——人类可以通过设定使计算机去做一些事，但人类首先必须了解这件事是什么机器人无法理解「讽刺」和「幽默」，或许是因为到目前为止人类还无法真正理解「讽刺」和「幽默」的科学，因此也难以教会机器学习这件事。

这个锅可能还得人类来背但我们仍然可以相信，只要人类掌握了这些问题的本质和原理，教会机器学习便只是时间问题再此之前，建议你珍惜身旁那些嘴巴毒舌又喜欢讽刺的朋友，他们可能是最后一批被人工智能替换的人类，科科~。

科普时间：深度学习为何如此厉害？这里以百度大脑举例，做个简单的科普一个人类经过训练能够快速做到的事情，人工智能也可以做得很好大量已发生的、重复事件的数据内化为经验之后，我们就能预测下一次事件的结果机器要想获得这种能力，就需要获得大量的数据和能够处理这些大数据的计算能力和算法。

譬如通过观看大量路况视频，无人车能学会开车；只要对你的声音听上10个小时，计算机就能模仿你说话的口吻目前无人驾驶和模仿语音的技术，百度大脑都已经实现百度大脑拥有目前全球最大规模的神经网络，万亿级参数、千亿样本、千亿特征训练使其能够模拟人脑工作机制，学习训练复杂模型 。

同时，具有自主学习能力、能够实现自我生长的百度大脑，已经拥有了强大的语音、文字、图像、自然语言处理及用户画像能力未来将会有更多深度学习技术的应用场景，与各行各业相结合必将为社会带来新的改变◆在「百度大脑」微信号，你将获得：

▎AI 头条近七日最重要人工智能新闻▎AI 内参长篇报道、白皮书和深度访谈的专业解读▎AI 问答百度科学家为你解答人工智能疑惑▎Andrew 书房百度首席科学家吴恩达亲自荐书◇关注我们，与百度大脑一同思考未来。

◇微信号：baidubrain微博：@百度大脑网站：ai.baidu.com◇「移动互联网利用人口红利带来的增长已经逐渐见顶，互联网正在进入下一幕——人工智能时代。」——李彦宏

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186