北京時間10月20日消息，據國外媒體報道，研究人員認為，電腦不久便會在很多領域取代人類直覺。麻省理工學院研發了一項新系統，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，可以起到替代人類直覺的作用。
該系統名為“數據科學機”(Data Science Machine)，和人類選手一起參加了三次數據科學競賽，并且在三次競賽中都獲得了出色的成績。在這三次競賽中，數據科學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，這一成績超過了615支隊伍。
“我們將數據科學機視作對人類智慧的天然補充，”麥克斯?坎特(Max Kanter)說道。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行分析，但目前并沒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，就算實際解決不了什么問題，至少也能讓我們行動起來。
數據科學機能夠以“非人”的速度完成其預測計算，每次提交答案所需時間僅為2小時到12小時之間，而人類參賽隊伍則需要工作數月時間，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院計算機科學與人工智能實驗室的一名研究科學家，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行分析時，往往要用到人類的直覺。而這兩名研究人員的研究結果便是，讓機器來做這個決定，即扮演起人類直覺的角色。“在為工業解決了大量數據科學問題之后，我們從自身經驗中觀察發現，這其中有著至關重要的一步，叫做特征工程。”
數據科學機運用多種指標，尋找數據庫中、數據結構關系間的相關性，該機器可以利用這些指標在數據庫中進行部署工作，并找到這些數字的平均數。在這一過程中，該機器還會尋找分類數據，即處在某一范圍之內的數據，例如一周之中的某幾天等。
通過與麻省理工學院計算機科學與人工智能實驗室(CSAIL)的其他研究人員的合作，維拉馬沙納尼成功地將機器學習技術運用于解決實際問題之中，例如，預測有哪些學生會翹掉在線課程。
他表示，制造數據特征是該過程中極其重要的一步。“首先你得確定需要從數據庫中提取出哪些變量，而為此你可能會有許多不同的想法。”
“數據科學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際問題中去，提供了一種全新的看待該問題的方式。”哈佛大學的一名計算機科學教授馬戈?塞爾策(Margo Seltzer)說道。
“我認為，他們所做的一切很快就會變成行業標準。”
摘自 新浪科技
