人类在奥斯卡上闹乌龙，机器却猜对了75%奖项，那些年AI预测过的结果……
授权 | 黑智（☆☆☆☆）
作者 | 黑君
2月27日，第89界奥斯卡奖项名单新鲜出炉。去年奥斯卡的最大看点，莫过于围绕着小李子是否登顶的猜测，而今年的奥斯卡相关头条，没想到居然是乌龙事件——本来宣布的是《爱乐之城》拿了最佳电影，当现场媒体开始狂欢时，组委会却紧急宣布，搞错了……最佳影片是《月光男孩》。好吧，不由得让人想到，如果是机器来做这件事情，会不会出现如是差错呢？
去年的小李子在陪跑22年后，拿到了他梦寐以求的小金人。而在他获奖之后，人工智能机构 Unanimous A.I. 表示，它预测了 6 个奖项，其中 3 项命中，成功率 50%。而微软小冰预测了最佳男主、最佳女主、最佳导演奖项，都预测准确。于是，在本届奥斯卡颁奖之前，AI预测也成了必不可少的一项狂欢环节。Unanimous A.I.的Swarm AI今年预测了16项结果，中了12项，准确率达到了75%，但是却在非常重要的最佳男主角和最佳影片两项大奖上都出现了错误，这其中，也凸显了一些问题。
在近年来，凡是遇到重大事件，都少不了人工智能的身影。那么，它们都是如何预测，准确结果如何？下面，不妨跟着黑智来看看，这些年来，国内外那些AI们，它们的预测，都应验了吗？
2017年第86届奥斯卡金像奖：Swarm A.I.成功预测75%
Swarm A.I.对今年奥斯卡奖项的预测结果（红色为未预测准确，其他准确预测）：
Swarm A.I. (Artificial Swarm Intelligence)是一款实时在线工具，可以集合人们一起制定群体决策，该平台是由Unanimous A.I.开发的。这家公司的主要创始团队成员只有4个人：创始人兼CEO，CIO、COO和CMO。其创始人 Louis Rosenberg在斯坦福大学攻读博士期间，主要研究方向为人机交互和两个目前最炙手可热的领域：机器人、虚拟现实；上世纪90年代，读研究生期间，在美国空军阿姆斯特朗实验室担任研究员，他创造了史上第一个沉浸式增强现实系统“Virtual Fixtures”。
Rosenberg有着一份惊人的创业简历。1993年，他创立公司Immersion Corporation，开发了触感软件，微软、罗技以及众多游戏产品公司都曾与其合作，该公司1999年在纳斯达克上市。他的第二个公司Microscribe，生产出全球首个3D数字转换器，至今已经被用于无数电影的拍摄，包括《怪物史莱克》和《冰河世纪》。第三家公司Outland Research，专门从事移动设备高级界面的开发研究，后来被谷歌收购。
话说回到Unanimous A.I.和它的Swarm平台。从公司的名称就可以看出，它的研究想法就是“群体智能”，即一群人形成一个集体，用他们的见识和直觉来战胜计算机和个人专家。公司认为，可以让一群人像一群蜜蜂一样，拥有非常好的集体智慧；Rosenberg表示，蜜蜂通过集体智能，能就蜂巢位置作出最佳决定，每只蜜蜂都有属于自己的“专职”工作，通过这种集体智慧，它们作出的最佳判断率高达80%。Rosenberg认为自己的研究展示了，人类也可以像蜜蜂一样运作。
Unanimous A.I. 的平台通过在网络上集结一群用户，然后让他们登录一个可以相互回答问题的界面。研究人员向他们提出问题，答案则放在一个圆圈内。参与者可以将自己认定的答案拖到圆圈的中间位置。在这一过程中，共识很快就能达成。在这个集群中，每个个体都可以互相影响。在奥斯卡颁奖之前，Unanimous A.I 集合了近50名电影爱好者群集，来预测2月27日奥斯卡大奖的归属。
事实证明，这种“群集人工智能”在赛事和奖项的预测上还是具有较高的准确度的。在去年5月，Unanimous A.I. 成功预测了肯塔基德比赛马比赛的前四名。公司召集了志愿者，花了将近 20 分钟完成了整个测验过程。前 10 分钟，平台问了好几个问题让参与者选择后，将 20 只参赛马匹的范围缩小至 4 匹，再让他们选择这 4 匹马的排名顺序。经过一礼拜后，肯塔基德比赛马的举办方宣布了各赛马的跑道位置，Unanimous A.I. 再将此结果放上 UNU 软件，询问自愿者是否有要变动此四匹赛马的先后顺序，才得出了最后的结果。
要知道，在此之前，人们都认为赛马比赛的结果几乎无法预测的。值得一提的是，Unanimous A.I.公司因为对自己的产品有着相当的自信，也投注了 20 美元，并赚来了将近 11,000 美元的奖赏。
这家公司在2015年，预测对了奥斯卡15个奖项中的11个；去年就预测出了小李子的获奖，并且还预测对了另外2个奖项：最佳导演奖和最佳女主角。
但群集智能也有失手的时候。比如去年的美国总统大选，Unanimous A.I. 也曾做过预测，并且得出结论，认为希拉里能够当选。它的方法是直接以人为分析对象，即通过询问参与的选民一组类似的问题，如：" 如果希拉里担任总统，失业问题将如何改善？" 参与预测的选民可从五个答案中选择。预测有 45 个选民参与，其中 46% 为民主党人，24% 为共和党人，30% 在党派上保持中立或属于其它党派。有专家表示，Unanimous AI 采用“群集人工智能”技术搜集数据的方法更带有偏见性，这也是它的预测结果出现偏差的原因。
2016年美国大选结果：MogIA成功预测
这次堪称魔幻巨制的美国总统大选，不仅惊呆了吃瓜群众，也让众多人工智能预测纷纷落马。2016年11月，美国总统选举结果揭晓，特朗普取得胜利，成为美国史上首位毫无从政经验的地产商总统。
前面已经说过，Unanimous A.I.在这次预测中失准。其他的人工智能预测中，微软在 2014 年推出了人工智能预测引擎 Bing Predicts，曾经预测希拉里当选美国总统的概率为87%，后来概率提升到89%，特朗普当选的概率仅为10%。
但是，印度的人工智能公司 MogIA 却早在希拉里遥遥领先之际就预测到，共和党候选人特朗普将赢得本次的总统大选。
MogIA 的预测的方法是直接从Google、YouTube和Twitter等网站上搜集近2000万个数据点，对其做出分析，并预测出结果。MogIA不同于其他AI的地方在于，其算法是完全由自己建立的，其中既不舍弃任何数据点，也不参杂任何人为意见，只由其独立学习并自主完善，尽量确保预测结果的客观性。此前，MogIA 的 AI 系统已经准确预测了三次美国总统大选结果。
但是，MogIA 创始人Rai也不得不承认，目前 AI 系统对“讽刺表达”、“反话”的识别能力有限，网民们的言论可能被系统错误解读的。比如，即使特朗普的Twitter账号下有大量的网民互动，也不代表这部分网民倾向于支持特朗普，但相关话题的活跃度会被AI系统归入民意预测依据。对此，甚至有分析认为，MogIA 明显是一个有利于特朗普的AI系统。
2017年格莱美颁奖典礼：微软小冰看穿一切
2月12日，第59届格莱美颁奖典礼在美国洛杉矶举行。英国歌手阿黛尔(Adele)在颁奖典礼上横扫5项大奖。此前，微软小冰曾发文预测称，在综合类奖项中，阿黛尔有望凭借单曲《Hello》斩获“年度制作”和“年度歌曲”两项大奖，以微弱优势打败碧昂斯的单曲《Formation》；碧昂斯的《Lemonade》最有可能摘走“年度专辑”奖，Chance the Rapper有望获封“最佳新人”奖。
阿黛尔的表现甚至超过小冰预期，但是能够预测她拿到四个奖项，小冰也已经甚为“大胆”了。此外，小冰还押对了Chance the Rapper的“最佳新人”奖、大卫•鲍威的两项摇滚奖、德雷克的“最佳说唱歌曲”奖。
微软小冰资深产品总监彭爽曾表示，小冰的预测主要依赖大数据分析。其数据来源十分广泛，包含了所有网络公开数据、社交网络数据和人们在必应中的搜索行为数据。小冰对这些来源丰富的非结构化数据搭建概率图模型（PGM）进行处理，最后使用深度神经网络的回归模型得到最终的预测结果。
其实，小冰之前也预测了小李子的获奖，结果还是挺准的。唯一落空的“机械姬将不会获得任何奖项”这一句，据说是因为这部讲述机器篡权的电影，和小冰的理念不符，才有此一猜。去年小冰的预测结果如下：
但小冰也有失准的时候，比如在2016年里约奥运的奖牌榜预测中，小冰猜测：
美国仍将以 40 枚金牌与 95 枚总奖牌独占鳌头，紧随其后的是中国 37 枚金牌与 82 枚总奖牌，两国将占据奖牌榜的第一集团。其他金牌 10+ 的国家依次为英国、俄罗斯、德国、韩国、澳大利亚，随后是法国、日本，东道主巴西排在第十。
实际结果却是这样：
小冰在体育领域另外一次失准是，它曾预测勇士队以4：1击败骑士队获得2016年的NBA总决赛冠军。看来，基于海量大数据，通过更多维度的运算进行推测，也仍然是有失准的极大可能。
2016年《我是歌手》冠军：阿里小Ai成功预测
去年4月，《我是歌手》的第四季落下帷幕，李玟成功成为新的歌王。而在这一季的节目中，阿里云小Ai也大出风头，在预测过程中，除了第一轮歌手前六排序没有准确预测，小Ai准确预测了歌王归属、前三人选、两两PK配对、首轮淘汰歌手。
歌王预测是1对7、毫无规则可循的混战，因此，在赛前，对于小Ai的预测，业界不看好的声音巨大。
据说，在预测之前，阿里云为小Ai恶补了一阵子“音乐”。 比如基于阿里音乐数据库，自动学习音频的重要特征，在最后形成对歌曲的多维度评价，例如音高、能量、语谱、基频等特征维度，不断训练小Ai对音频及受欢迎程度之间的关联性思维。同时，小Ai从历史赛事和海量资料中寻找影响比赛结果的变量因子，训练出一个实时动态模型进行预测，比如歌曲、歌手、粉丝、现场氛围、网友讨论等维度，每种维度都通过机器学习提取海量特征。
无论AI用什么样的方式，它所有的预测，都是基于数据产生的。对于群体性的选择结果，它必须能够洞察群体行为；有过去积累的海量数据，结合当前数据，根据预测模型，进行综合分析预测。而当数据量和模型出现了偏差时，它的预测结果，也必然差之千里。但不管怎么样，比起章鱼保罗来，这已经是非常科学可信了。而最重要的是，它能告诉我们，当参与者做出选择时，他们的思考方式和动机分析，而这，或许能够为我们提供更多，改变世界的方法。