2月27日，2017年第89届奥斯卡金像奖的所有24个项目全部揭晓。在所有奖项预测中，你猜中了几个？一家由斯坦福大学博士创办的人工智能公司，在颁奖典礼前也对各大奖项的归属进行了预测，结果显示，在预测的16个奖项中，该公司使用的人工智能预测对了12个，准确率达到75%。这样的正确率可以比肩认证的评测专家。

　　这家人工智能公司名为Unanimous，它利用“群集人工智能”（Swarm AI）做了一个平台在奥斯卡颁奖夜做了一个实时预测。预测分成三档，分别是确定性较强的预测、确定性中等的预测、高度不确定性的预测。有意思的是，在最佳影片这一奖项上，Swarm AI为《爱乐之城》给出了确定性较强的预测，但奥斯卡组委会却闹了个乌龙，最终此奖花落《月光男孩》。

　　预测结果

　　所谓群集人工智能，指得是利用互联网线上的实时系统，输入一定数量的人类个体智慧、知识和直觉，再利用算法输出一个群集的更优结果。据Unanimous介绍，群集人工智能系统的启发来自鸟类和昆虫。社会动物以一个统一的动态系统集体工作时，做出的决策会超越单独的个体。在生物学上，这一过程被称为“群集智能”。简单来说，群集智能是人多力量大的体现。但是，对于人类来说，要做到像鸟类和昆虫一样却非常困难。因为在生理上，人类缺乏用于建立实时反馈的敏锐连接（比如蚂蚁的触角），因而无法形成群集。而Unanimous做的就是利用Swarm AI，为人类搭建了这样实时反馈的连接。

　　如何预测奥斯卡颁奖典礼

　　那么这个预测率达到75%的群集人工智能平台是如何进行预测的？ Unanimous公司的研究员集合了近50名电影爱好者群集。参与者在公司网站上进行注册后，可以参与预测。在做出判断时，每位用户都有一个可以拖向他们的选择的虚拟圆盘。同时，每个人都可以看见其他人的决定，也可以随时改变自己决定。这个集群中的每个个体都可以互相影响。

　　最佳影片预测

　　原理很简单：对于蚂蚁来说，单个蚂蚁的智能有限，但如果将单个蚂蚁升级到整个蚁群，那实力就会有更大的提高。Unanimous公司认为，从单个人到一个大群人也将有这么一个提升，出现一个高级的“超级智慧”。

　　最佳导演预测

　　具体做法是，Swarm AI系统会将实时的人类洞察和AI的算法结合在一起。这样做的优势首先是能集合人群智慧。其次，Swarm AI能确保最终的智能与人群的目标、愿望相符合。在人工智能领域里，各个实验室投入了巨大的精力，试图用纯数字化的东西来取代人类智能。但用纯人工智能创造的东西也让人感到恐惧，一方面是因为它代替了部分人类的工作；另一方涉及到道德伦理：我们该如何保障设计出来的人工智能不会伤害我们，并且符合人类的道德和价值观。

　　最佳外语片预测

　　Unanimous公司认为，利用Swarm AI技术，便能在创造放大的智能的同时，将人类纳入整个过程中，让智能拥有人类的情感和共情。

　　群体智能仍有局限

　　除了预测今年的奥斯卡颁奖礼外，Swarm AI还在不久前“神预测”了美国NFL超级碗比赛的比分。不过，Swarm AI的预测并非万无一失。在2016年美国总统大选上，它就“吃”了一次瘪。当时Swarm AI给出了希拉里会当选美国总统的预测。

　　Swarm AI采取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，即“大幅改善”、“略微改善”、“大幅加剧”、“略微加剧”以及“没有任何变化”。此外，可选的答案还有“希拉里胜算很大”、“希拉里略胜一筹”、“特朗普胜算很大”、“特朗普略胜一筹”以及“不相上下”。

　　在这次的测试中，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。这也直接暴露了Swarm AI的局限性：预测结果受参与群体特征影响，并让预测结果带有偏见。有专家称，根据Swarm AI的设定，在预测过程中，个体很容易根据球位置的变化而不断变化自己的选择——当发现多数人也支持自己的选择时，他可能会更加坚定地牵引；而当发现球大大偏离自己希望的方向时，他可能会放弃或减小牵引力，直至最终达成“共识”。

　　《自然》杂志在今年1月25日曾发表过一篇文章，阐述了类似的选择偏见，还在文章中给出了解决方法。论文作者让一群人回答这样的问题：费城是宾夕法尼亚州的首府吗？绝大多数人会错误地回答说“是的”。这是因为他们知道：费城是宾夕法尼亚州的一座大城市，而首府都是大城市。但实际上，正确答案是哈里斯堡，但往往只有少数人会说出这个正确答案。

　　论文作者给出的解决方法是“意外流行”（surprisingly popular）算法，它由普林斯顿大学和麻省理工学院的研究者设计。研究人员表示，这种算法能更好地从群体中获取正确答案，尤其是当大多数人的看法是错误的时候。

　　实验中，研究人员会询问接受调查的人他们对某个问题的看法，以及他们认为其他人会如何看待这个问题：你认为正确答案是什么？你认为流行的答案（即多数人会选择的回答）是什么？然后，算法会找出“意外流行”的答案，也就是比大多数人预测中更受欢迎的答案。大部分情况中，这些超出大多数人预计的选择，就是正确的答案。

　　“我们以为社会平均意见一般是对的，过往对群体智慧的统计也支持这一看法，” 麻省理工学院斯隆管理学院的行为经济学家Drazen Prelec说：“但事实证明并非如此。有像医生那样的专家存在，这让我们意识到了少部分人掌握的知识。”