北京時(shí)間10月20日消息，據國外媒體報道，研究人員認為，電腦不久便會(huì )在很多領(lǐng)域取代人類(lèi)直覺(jué)。麻省理工學(xué)院研發(fā)了一項新系統，而該系統在幾次競賽中表現得比最聰明的人還要出色。

麻省理工學(xué)院的研究人員設計了一款大數據分析系統。該系統的目的是，在尋找數據背后隱藏的規律時(shí)，可以起到替代人類(lèi)直覺(jué)的作用。

該系統名為“數據科學(xué)機”(Data Science Machine)，和人類(lèi)選手一起參加了三次數據科學(xué)競賽，并且在三次競賽中都獲得了出色的成績(jì)。在這三次競賽中，數據科學(xué)機的預測準確率分別為最終獲勝者的94%、96%和87%，在共906支參賽隊伍中，這一成績(jì)超過(guò)了615支隊伍。

“我們將數據科學(xué)機視作對人類(lèi)智慧的天然補充，”麥克斯?坎特(Max Kanter)說(shuō)道。正是他的碩士論文為該機器提供了理論基礎。

“有太多太多的數據需要進(jìn)行分析，但目前并沒(méi)有得到我們的充分利用。因此，我們或許應當找出某種解決方案，就算實(shí)際解決不了什么問(wèn)題，至少也能讓我們行動(dòng)起來(lái)。

數據科學(xué)機能夠以“非人”的速度完成其預測計算，每次提交答案所需時(shí)間僅為2小時(shí)到12小時(shí)之間，而人類(lèi)參賽隊伍則需要工作數月時(shí)間，才能完成相應的計算。

卡爾安?維拉馬沙納尼(Kalyan Veeramachaneni)是坎特的論文導師及麻省理工學(xué)院計算機科學(xué)與人工智能實(shí)驗室的一名研究科學(xué)家，他和坎特共同參與了這項研究。

在選擇具有某種特征的數據進(jìn)行分析時(shí)，往往要用到人類(lèi)的直覺(jué)。而這兩名研究人員的研究結果便是，讓機器來(lái)做這個(gè)決定，即扮演起人類(lèi)直覺(jué)的角色?！霸跒楣I(yè)解決了大量數據科學(xué)問(wèn)題之后，我們從自身經(jīng)驗中觀(guān)察發(fā)現，這其中有著(zhù)至關(guān)重要的一步，叫做特征工程?！?/p>

數據科學(xué)機運用多種指標，尋找數據庫中、數據結構關(guān)系間的相關(guān)性，該機器可以利用這些指標在數據庫中進(jìn)行部署工作，并找到這些數字的平均數。在這一過(guò)程中，該機器還會(huì )尋找分類(lèi)數據，即處在某一范圍之內的數據，例如一周之中的某幾天等。

通過(guò)與麻省理工學(xué)院計算機科學(xué)與人工智能實(shí)驗室(CSAIL)的其他研究人員的合作，維拉馬沙納尼成功地將機器學(xué)習技術(shù)運用于解決實(shí)際問(wèn)題之中，例如，預測有哪些學(xué)生會(huì )翹掉在線(xiàn)課程。

他表示，制造數據特征是該過(guò)程中極其重要的一步?！笆紫饶愕么_定需要從數據庫中提取出哪些變量，而為此你可能會(huì )有許多不同的想法?！?/p>

“數據科學(xué)機本身就是一項令人難以置信的偉大項目，因為它成功地將尖端研究成功運用到解決實(shí)際問(wèn)題中去，提供了一種全新的看待該問(wèn)題的方式?！惫鸫髮W(xué)的一名計算機科學(xué)教授馬戈?塞爾策(Margo Seltzer)說(shuō)道。

“我認為，他們所做的一切很快就會(huì )變成行業(yè)標準?！?/p>

摘自 新浪科技