Egy új MI megdöbbentően gyorsan és pontosan meg tudja jósolni, hogyan viselkedünk egy adott helyzetben. Azt hihetnénk, hogy mi, emberek jobban megértjük a társaikat, mint a gépek. Az MIT kutatóinak nemrég megjelent tanulmánya szerint azonban sajnos nem ez a helyzet: a mesterséges intelligencia (MI) jóval gyorsabban és pontosabban meg tudja jósolni, hogyan viselkedünk majd a jövőben, mint mi magunk. Max Kanter, az amerikai egyetem számítógép-tudományi szakának mesterszakos hallgatója és Kalyan Veeramachaneni, az MIT számítástechnikával és mesterséges intelligencia kutatással foglalkozó laboratóriumának munkatársa olyan algoritmust írt, amely önállóan ki tudja választani, hogy melyek a legfontosabb szempontok egy-egy nagy adatcsomag elemzésénél, és ezek felhasználásával meglepően pontos előrejelzéseket tud készíteni. A Data Science Machine nevű programot ezen a héten mutatják be az IEEE adattudománnyal és fejlett analitikai megoldásokkal foglalkozó párizsi konferenciáján. Annak ellenére, hogy egyre szélesebb körben használunk számítógépeket adatelemzésre, ma még emberek választják ki az analízis szempontjából releváns adatpontokat. Kanter és Veeramachaneni hivatásos adatelemzők bevonásával egy háromkörös versenyen tesztelte az algoritmusát, amely a résztvevő 906 elemzőcsapatból 615-nél pontosabb előrejelzéseket adott. Arról nem is beszélve, hogy míg a kutatók hónapokig dolgoztak a modelljeiken, az MI alig két-tizenkét óra alatt felállította a sajátjait. A kutatók szerint az algoritmus a kutatóknál jóval ügyesebben választotta ki, hogy melyek azok a legfontosabb szempontok, amelyeket vizsgálnia kell az adatcsomagok elemzése során. Amikor például azt kellett megjósolnia, hogy egy tanuló kibukik-e egy online kurzusból a következő tíz nap folyamán, vagy sem, az elemzőkkel ellentétben nem azt vizsgálta, hogy mikor adta be a vizsgafeladatait, vagy, hogy elolvasta-e egyáltalán a kapott jegyzeteket – hanem azt, hogy mikor kezdett el dolgozni a tételeken, és mennyi időt töltött a képzés honlapján. A Data Science Machine jóval nagyobb pontossággal választotta ki azokat a tanulókat, akik kimaradtak a kurzusból, mint emberi ellenfelei. A Quartz szerint a program a másik két feladattal is remekül megbirkózott: az egyikben azt kellet megjósolnia, hogy milyen arányban támogatnak egy projektet a felhasználók egy közösségi finanszírozó oldalon, a másikban pedig azt, hogy egy vásárlóból milyen eséllyel lesz visszatérő kuncsaft. Kanter szerint az algoritmust számos különféle területen felhasználhatnák. „Rengeteg elemzésre váró adatunk van – fejtegette az MIT News-nak nyilatkozva. – Amivel a képzett szakemberek hiányában semmit sem kezdünk.”
