به گزارش خبرنگار  حوزه فناوری گروه علمی پزشكی باشگاه خبرنگاران جوان، طی دو سال گذشته، گالستیان گروهی از محققان ISI را بر روی پروژ‌های به نام پیش بینی هم افزایی از وقایع ژئوپلیتیک یا SAGE رهبری کرده است تا با استفاده از افراد غیر متخصص، پیش بینی آینده را انجام دهند.

پروژه SAGE به شرکت کنندگان انسانی متکی است تا با ابزار‌های یادگیری ماشین ارتباط برقرار کنند تا پیش بینی‌های لازم را درباره وقایع آینده انجام دهند. آن‌ها بر این باورند که پیش بینی‌های ناشی از ترکیب انسان و هوش مصنوعی دقیق‌تر از پیش‌بینی‌هایی است که انسان به تنهایی انجام می‌دهد.تحقیقات آن‌ها بسیار مفید و پیش بینی‌های مردم تا حد زیادی درست بوده است.

یکی از استادیاران این تیم، گفت: غیر متخصصان در ماه آوریل به طور دقیق پیش بینی کردند که کره شمالی آزمایش موشک‌های خود را قبل از ماه ژوئیه آغاز خواهد کرد و کره شمالی در ماه مه فعالیت‌های موشکی خود را شروع کرد.

این نخستین پرتاب موشکی این کشور در هفت ماه اخیر بود و فقط چند روز پس از طرح این سوال در SAGE صورت گرفت. یکی از اعضای این تیم گفت: این چیزی بود که هیچ کدام از ما حتی تصورش را هم نمی‌کردیم.

SAGE توسط فعالیت پروژه‌های تحقیقاتی پیشرفته اطلاعات (IARPA) تأمین می‌شود که در پروژه‌های تحقیقاتی با ریسک و بازپرداخت بالا برای بهره مندی از جامعه اطلاعاتی ایالات متحده سرمایه گذاری می‌کند.

IARPA علاقه‌مند به توسعه فناوری پیش‌بینی است که بر اساس مجموعه بزرگی از کاربران انسانی، پیش بینی‌ها را دقیق‌تر و سریع‌تر از یک متخصص موضوع انسانی انجام دهد. داشتن توانایی پیش بینی وقایع ژئوپلیتیک می‌تواند به جامعه اطلاعاتی کمک کند تا تصمیمات امنیت ملی را بهتر و آگاه‌تر کند.

این آژانس میزبان بسیاری از مسابقات مربوط به پیش بینی، ایجاد شده است که افراد را برای انجام پیش بینی‌ها شکار می‌کند.

SAGE در این مطالعه از مردم می‌خواهد پیش بینی‌های خود را بر اساس اطلاعات ارائه شده توسط روش‌های مختلف یادگیری ماشین انجام دهند.

در سال ۲۰۱۷، تیم ISI تحت عنوان مسابقه پیش بینی هیبریدی IARPA چهار سال کمک مالی چند میلیون دلاری دریافت کرد؛ پروژه جدیدی که محققان را ترغیب به ترکیب پیش بینی انسان با مدل‌های یادگیری ماشینی می‌کند تا پیش بینی‌های دقیق‌تری را نسبت به هر روش خود به خود ارائه دهند. ISI و Raytheon's BBN Technologies نهایی هستند.

کاربران معروف به "پیش بینی کننده ها" آنچه را که می‌خواهند پیش بینی کنند، خود انتخاب می‌کنند.

مباحث مربوط به ژئوپلیتیک است: آیا کشور‌های عضو G۷ قبل از ۱ دسامبر ۲۰۱۸ در حمله ارتش ملی اذعان شده علیه سوریه شرکت خواهد کرد؟ از نظر اقتصادی، ونزوئلا چقدر نفت خام را در اکتبر ۲۰۱۹ تولید خواهد کرد؟ کاربران همچنین می‌توانند از سایر پیش بینی کنندگان در صفحه‌های بحث، سؤال بپرسند، درباره نتایج پیش بینی شده نظر دهند و رتبه‌های رهبری را که با نشان‌های دیجیتالی تزئین شده است، مشاهده کنند که کاربران می‌توانند با انجام پیش بینی‌های دقیق آن را کسب کنند.

بیشتر بخوانید: تعیین عملکرد مسیرهای پاداش مغز با روش یادگیری هوش مصنوعی

پیش بینی کنندگان غیر متخصص استخدام شده برای شرکت در SAGE حوادث ژئوپلیتیکی واقعی را پیش بینی کرده‌اند. نظرسنجی‌ها نشان داده است که این روش توانسته از پیش بینی انسان به تنهایی پیشی بگیرد.

در حقیقت این در رقابتی که سال گذشته برگزار شده بود برای تأیید صحت سیستم‌های پیش بینی تأیید شد. در طول سال ۲۰۱۹، SAGE در برابر دو سیستم رقیب مورد آزمایش قرار گرفت. بیش از ۴۰۰ سؤال پیش بینی به کلیه سیستم‌ها داده شد. SAGE توانست پیش بینی‌هایی را برای این سؤالات ایجاد کند که دقیق‌تر از سیستم‌های رقیب بود.

اولین کلمه در مخفف SAGE با عنوان "هم افزایی" اشاره به چگونگی ارتباط این پیش بینی انسان با یادگیری ماشین دارد. سینرژی توضیح می‌دهد که چگونه دو یا چند شیء در این حالت انسان و ماشین جمع می‌شوند تا چیزی بزرگتر از مجموع اجزای آن ایجاد کنند. تیم SAGE مصمم است تا دریابد که چگونه پیش بینی‌های ترافیک را با ابزار‌های یادگیری ماشین ترکیب کند تا نتایج دقیق‌تری تولید کند. آموزش غیر کارشناسان در مورد چگونگی پیش بینی دقیق با کمک یادگیری ماشین یکی از اهداف اصلی پروژه و کارآیی آن است.

SAGE برخی از مدل‌ای جالب ماشین را در سایت خود دارد تا کاربران بتوانند پیش بینی‌های آگاهانه‌ای را انجام دهند. این شامل نمودار‌های سری زمانی است؛ مجموعه‌ای از نقاط داده‌های تاریخی برای نشان دادن روند همراه با پیش بینی ماشین سازی برای کمک به پیش بینی‌های کمی مانند ارزش سهام در طول زمان. با ترکیب پیش بینی‌های انسانی و ماشین بر روی سکوی SAGE، محققان ISI مزایای استفاده از هیبریداسیون را کشف کرده‌اند. این تیم همچنشطین اعضای خارجی دانشگاه کالیفرنیا در Irvine، دانشگاه کلمبیا، دانشگاه استنفورد و دانشگاه Fordham را شامل می‌شود.

اما فقط تحلیلگران اطلاعاتی نیستند که بتوانند فناوری پیش بینی مفید را بیابند. چه کسی دوست ندارد آینده را پیش بینی کند؟.

انتهای پیام/