Дослідники MIT навчили комп’ютер передбачати дії людей краще за самих людей

У MIT розробили алгоритм аналізу масивів даних Data Science Machine, що вміє самостійно вибирати з наявних параметрів релевантні для пророкувань майбутніх тенденцій. За результатами тестів він обійшов у точності прогнозів більшість людей, перед якими були поставлені аналогічні завдання. Про це повідомляє MIT News.

Для перевірки роботи системи дослідники MIT провели три окремих змагання, в яких крім комп’ютера брало участь ще 906 команд, сформованих з людей.

Data Science Machine обігнав 615 з них: в одному з випадків точність прогнозу алгоритму склала 96% від показника лідера, у другому - 94%, в третьому - 87%. При цьому “людські” команди складали свої методики для пророкувань протягом декількох місяців, а Data Science Machine зробив це за термін від двох до 12:00.

В одному з випадків командам потрібно було на основі даних про відвідування студентського сайту MIT визначити ймовірність того, відрахують Чи студента з інституту протягом наступних десяти днів. З’ясувалося, що головними чинниками було те, за який час до дедлайну студент починає працювати над якоюсь задачею, і наскільки більше часу він проводить на сайті, вивчаючи конкретний предмет, ніж його одногрупники. Сайт MIT не записував ці показники безпосередньо, проте Data Science Machine - та інших учасникам експерименту - вдалося отримати їх через аналіз всього масиву даних.

В іншому змаганні потрібно було спрогнозувати ефективність розміщення вітряних електростанцій на основі даних від метеорологічних станцій. Data Science Machine змогла отримувати в три рази більш точні передбачення роботи електростанцій на два роки вперед, ніж роблять професійні консультанти-аналітики в галузі енергетики.

Головним завданням Data Science Machine є вибір найбільш значущих для дослідження змінних. Програмісти не ставлять їх вручну: алгоритм визначає їх сам, проводячи аналіз кореляції між різними даними і використовуючи машинне самонавчання.

Наприклад, у розпорядженні системи може виявитися кілька баз даних із записами про певні покупках. В одній з них можуть бути дві колонки: артикул товару і його ціна. В іншій - список покупок конкретного покупця.

Порівнюючи ці дві бази, система виявить однакові артикули і побудує залежність: на її основі Data Science Machine зможе вирахувати загальну суму замовлення, середній чек, мінімальний чек та інші змінні, які допоможуть у подальших прогнозах. Згодом алгоритм перебирає і комбінує ці змінні, роблячи передбачення на основі невеликого масиву даних і поступово покращуючи показник точності.

19 October 2015

Американці відмовилися спільно з Росією рятувати пілотів коаліції в Сирії
Доповідь Конгресу США: При катапультуванні кожен третій пілот F-35 ризикує зламати шию

• Дослідження соціальних мереж - інструмент фінансового прогнозу? »»»
За Twitter навчилися передбачати коливання індексу Dow Jones. Використовуючи два алгоритми.
• Суперкомп'ютер здатний передбачати соціальні потрясіння »»»
Суперкомп’ютер здатний передбачати великі події на світовій арені на основі аналізу новинних повідомлень.
• Вчені придумали новий метод оцінки якості гри у футбол »»»
Цей метод схожий зі статистичними підходами, що застосовуються для картування друзів в соціальних мережах.
• Психологи навчили програму розпізнавати біль краще, ніж люди »»»
Американські та канадські психологи розробили евристичну комп'ютерну програму, яка вміє розрізняти справжню і удавану біль і робить це краще.
• Таліби вдячні витоку на Wikileaks: за списками вони знайдуть зрадників і відрубають їм голови »»»
Викладені на інтернет-сайті Wikileaks секретні оперативні документи армії США, присвячені війні в Афганістані, “оголюють значну частину існує в цій країні системи інформаторів”, повідомляє BBC.


Copyright © 2009
Новости Америки