Men zou kunnen stellen dat wetenschappers superkrachten creëren in hun laboratoria. Als Aram Galstyan, directeur van de afdeling Kunstmatige Intelligentie van het USC Viterbi Information Sciences Institute (ISI) moest slechts één supermacht kiezen, het zou het vermogen zijn om de toekomst te voorspellen. Wat zal eind volgende week de dagelijkse slotkoers zijn van de Japanse Nikkei 225-index? Hoeveel aardbevingen van 6,0 of sterker zullen er volgende maand wereldwijd plaatsvinden? Galstyan en een team van onderzoekers van USC ISI bouwen een systeem om dergelijke vragen te beantwoorden.

De afgelopen twee jaar, Galstyan heeft een groep onderzoekers bij ISI geleid in een project met de naam Synergistic Anticipation of Geopolitical Events, of SAGE, om te proberen de toekomst te voorspellen met behulp van niet-experts. Het SAGE-project vertrouwt op menselijke deelnemers om te communiceren met machine learning-tools om voorspellingen te doen over toekomstige gebeurtenissen. Hun doel is dat de voorspellingen die voortkomen uit de combinatie van mens + AI nauwkeuriger zijn dan die van mensen alleen.

Hun onderzoek is behoorlijk nuttig gebleken en de voorspellingen van mensen zijn grotendeels op schema. Fred Morstatter van ISI, een USC Viterbi wetenschappelijk medewerker informatica, zei dat niet-deskundigen in april nauwkeurig voorspelden dat Noord-Korea zijn rakettest vóór juli zou lanceren; Noord-Korea is in mei gelanceerd.

Het was de eerste raketlancering van het land in zeven maanden, die plaatsvinden slechts enkele dagen nadat de vraag op SAGE verscheen. "Dat was iets waarvan ik denk dat niemand van ons dacht dat het zou gebeuren, ' zei Morstätter.

SAGE wordt gefinancierd door de Intelligence Advanced Research Projects Activity (IARPA), die belegt in risicovolle, onderzoeksprojecten met hoge uitbetalingen ten voordele van de Amerikaanse inlichtingengemeenschap.

IARPA is geïnteresseerd in het ontwikkelen van voorspellingstechnologie die voorspellingen doet, gebaseerd op een groot aantal menselijke gebruikers, die nauwkeuriger en sneller zijn dan een enkele menselijke proefpersoon. Het vermogen om geopolitieke gebeurtenissen te voorspellen, kan de inlichtingengemeenschap mogelijk helpen om betere, beter geïnformeerde nationale veiligheidsbeslissingen.

Het bureau heeft vele wedstrijden georganiseerd met betrekking tot prognoses, inclusief het project Aggregative Contingent Estimation, die mensen crowdsourceden om voorspellingen te doen.

SAGE borduurt voort op deze eerdere studie, in plaats daarvan mensen te vragen om voorspellingen te doen op basis van informatie die wordt verstrekt door verschillende machine learning-methoden.

in 2017, het ISI-team kreeg een vierjarige subsidie ​​van miljoenen dollars in het kader van IARPA's Hybrid Forecasting Competition, een nieuw project dat onderzoekers aanmoedigt om menselijke voorspellingen te combineren met modellen voor machine learning om nauwkeurigere voorspellingen te genereren dan beide methoden op zichzelf zouden kunnen. ISI en Raytheon's BBN Technologies zijn de finalisten.

gebruikers, bekend als "voorspellers, "selecteer zelf wat ze willen voorspellen. Onderwerpen variëren van geopolitiek, "Zal een van de G7-landen vóór 1 december 2018 een erkende nationale militaire aanval op Syrië ondernemen?" naar economisch, "Hoeveel ruwe olie zal Venezuela in oktober 2019 produceren?" Gebruikers kunnen ook vragen stellen aan collega-voorspellers op discussieborden, commentaar op de prognoseresultaten, en bekijk de leiderschapsranglijsten, die zijn versierd met digitale badges die gebruikers kunnen verdienen door nauwkeurige prognoses te maken.

De niet-deskundige voorspellers die zijn gerekruteerd om deel te nemen aan SAGE, hebben nauwkeurig het echte leven voorspeld, geopolitieke gebeurtenissen, zei Morstätter. "We geloven dat dit het geval is, omdat de cijfers die we zien aangeven dat we een systeem voorbijstreven dat alleen mensen gebruikt."

Dit werd inderdaad geverifieerd in een wedstrijd die vorig jaar werd gehouden om de nauwkeurigheid van voorspellingssystemen te testen. Gedurende 2019, SAGE is getest met twee concurrerende systemen. Alle systemen kregen dezelfde set van meer dan 400 prognosevragen. SAGE was in staat om voorspellingen voor deze vragen te genereren die nauwkeuriger waren dan die van de concurrerende systemen.

Het eerste woord in het acroniem van SAGE, "synergetisch, " geeft aan hoe deze menselijke prognoses verband houden met machinaal leren. Synergy beschrijft hoe twee of meer objecten - in dit geval mens en machine - samenkomen om iets te creëren dat groter is dan de som der delen. Het SAGE-team is vastbesloten om uit te zoeken hoe combineer crowdsourced-voorspellingen met machine learning-tools om nauwkeurigere voorspellingen te genereren.

Niet-experts leren nauwkeurige voorspellingen te doen met behulp van machine learning is een van de hoofddoelen van het project. en het werkt.

"Dankzij de machinemodellen die we in ons systeem hebben, "Zei Morstatter. "Voorspellers doen het beter dan het controlesysteem dat alleen menselijke voorspellers heeft."

SAGE biedt enkele interessante machinemodellen op haar site zodat gebruikers geïnformeerde voorspellingen kunnen doen. Dit omvat tijdreeksgrafieken - een reeks historische gegevenspunten om trends te tonen, samen met een machinaal gemaakte voorspelling - om te helpen met kwantitatieve voorspellingen, zoals de waarde van een aandeel in de tijd. Door mens- en machinegegenereerde voorspellingen op het SAGE-platform te combineren, ISI-onderzoekers hebben de voordelen van hybridisatie ontdekt, zei Galstyan.

Naast Galstyan en Morstatter van ISI, het team omvat Pedro Szekely, een universitair hoofddocent informatica van USC Viterbi, wie weet hoe hij alle gegevens van SAGE moet opslaan; professoren Emilio Ferrara en Ali Abbas; onderzoeksprogrammeur Gleb Satyukov, wie de front-end ontwikkelt, of wat gebruikers zien op de SAGE-website; computerwetenschapper Andres Abeliuk, wiens expertise in vooringenomenheid en informatica een aanvulling vormt op het werk van postdoc Daniel Benjamin; en projectmanager Lori Weiss, de eerste verdedigingslinie van het team wanneer gebruikers vragen hebben over het platform. Het team omvat ook externe leden van de Universiteit van Californië in Irvine, Universiteit van Colombia, Stanford universiteit, en Fordham-universiteit.

Tot dusver, ze hebben kunnen aantonen dat het combineren van machine-intelligentie en menselijke besluitvorming lagere Brier-scores oplevert dan alleen menselijke voorspellers, hij voegde toe. "We presteren beter dan wat we in het verleden hebben gedaan."

Morstatter zei:"SAGE werkt omdat mensen één kant van de medaille hebben, en machines hebben de andere kant."

Maar het zijn niet alleen inlichtingenanalisten die voorspellende technologie nuttig kunnen vinden. Wie wil de toekomst niet voorspellen?