Si potrebbe sostenere che gli scienziati creano superpoteri nei loro laboratori. Se Aram Galstyan, il direttore della Divisione di Intelligenza Artificiale presso l'USC Viterbi Information Sciences Institute (ISI) ha dovuto scegliere una sola superpotenza, sarebbe la capacità di predire il futuro. Quale sarà il prezzo di chiusura giornaliero dell'indice giapponese Nikkei 225 alla fine della prossima settimana? Quanti terremoti 6.0 o più forti si verificheranno in tutto il mondo il mese prossimo? Galstyan e un team di ricercatori dell'USC ISI stanno costruendo un sistema per rispondere a queste domande.

Negli ultimi due anni, Galstyan ha guidato un gruppo di ricercatori dell'ISI su un progetto denominato Anticipazione sinergica degli eventi geopolitici, o SALVIA, tentare di prevedere il futuro avvalendosi di non esperti. Il progetto SAGE si affida a partecipanti umani per interagire con strumenti di apprendimento automatico per fare previsioni su eventi futuri. Il loro obiettivo è che le previsioni nate dalla combinazione di umano + AI siano più accurate di quelle dei soli umani.

La loro ricerca si è rivelata piuttosto utile e le previsioni delle persone sono state ampiamente mirate. Fred Morstatter dell'ISI, un professore assistente di ricerca USC Viterbi di informatica, ha affermato che i non esperti avevano previsto con precisione in aprile che la Corea del Nord avrebbe lanciato il suo test missilistico prima di luglio; La Corea del Nord è stata lanciata a maggio.

È stato il primo lancio di missili del paese in sette mesi, che si svolge pochi giorni dopo che la domanda è apparsa su SAGE. "Era qualcosa che non credo che nessuno di noi pensava che sarebbe successo, " disse Morstatter.

SAGE è finanziato dall'Intelligence Advanced Research Projects Activity (IARPA), che investe ad alto rischio, progetti di ricerca ad alto profitto a beneficio della comunità di intelligence degli Stati Uniti.

IARPA è interessata allo sviluppo di tecnologie di previsione che facciano previsioni, basato su un ampio insieme di utenti umani, che sono più precisi e più veloci di un singolo esperto di soggetti umani. Avere la capacità di prevedere eventi geopolitici potrebbe potenzialmente aiutare la comunità dell'intelligence a migliorare, decisioni di sicurezza nazionale più informate.

L'agenzia ha ospitato numerosi concorsi legati alla previsione, compreso il progetto Aggregative Contingent Estimation, quale crowdsourcing umano per fare previsioni.

SAGE amplia questo studio precedente, chiedendo invece alle persone di fare previsioni sulla base delle informazioni fornite da vari metodi di apprendimento automatico.

Nel 2017, il team ISI ha ricevuto un quadriennale, sovvenzione multimilionaria nell'ambito dell'Hybrid Forecasting Competition di IARPA, un nuovo progetto che incoraggia i ricercatori a combinare le previsioni umane con modelli di apprendimento automatico per generare previsioni più accurate di quanto entrambi i metodi potrebbero da soli. ISI e BBN Technologies di Raytheon sono i finalisti.

Utenti, noti come "previsori, " auto-selezionare ciò che vorrebbero prevedere. Gli argomenti spaziano dalla geopolitica, "Qualsiasi nazione del G7 si impegnerà in un attacco militare nazionale riconosciuto contro la Siria prima del 1 dicembre 2018?" all'economico, "Quanto petrolio greggio produrrà il Venezuela nell'ottobre 2019?" Gli utenti possono anche porre domande agli altri meteorologi nei forum di discussione, commentare i risultati delle previsioni, e visualizzare le classifiche di leadership, decorati con badge digitali, gli utenti possono guadagnare facendo previsioni accurate.

I previsori non esperti reclutati per partecipare a SAGE hanno previsto con precisione la vita reale, eventi geopolitici, disse Morstatter. "Crediamo che sia così perché i numeri che stiamo vedendo indicano che stiamo superando un sistema che utilizza solo umani".

In effetti questo è stato verificato in un concorso tenutosi lo scorso anno per testare l'accuratezza dei sistemi di previsione. Per tutto il 2019, SAGE è stato testato contro due sistemi concorrenti. A tutti i sistemi è stata assegnata la stessa serie di oltre 400 domande di previsione. SAGE è stata in grado di generare previsioni per queste domande più accurate di quelle dei sistemi concorrenti.

La prima parola nell'acronimo di SAGE, "sinergico, " suggerisce come questa previsione umana si relaziona all'apprendimento automatico. Synergy descrive come due o più oggetti, in questo caso uomo e macchina, si uniscono per creare qualcosa di più grande della somma delle sue parti. Il team di SAGE è determinato a scoprire come combina le previsioni in crowdsourcing con strumenti di machine learning per generare previsioni più accurate.

Insegnare ai non esperti come fare previsioni accurate con l'aiuto del machine learning è uno degli obiettivi principali del progetto, e sta funzionando.

"Grazie ai modelli di macchine che abbiamo nel nostro sistema, " ha detto Morstatter. "I meteorologi stanno facendo meglio del sistema di controllo che ha solo previsioni umane".

SAGE presenta alcuni modelli di macchine interessanti sul suo sito affinché gli utenti possano fare previsioni informate. Ciò include i grafici delle serie temporali:una serie di punti dati storici per mostrare le tendenze, insieme a una previsione fatta a macchina, per aiutare con previsioni quantitative, come il valore di un titolo nel tempo. Combinando le previsioni generate dall'uomo e dalla macchina sulla piattaforma SAGE, I ricercatori dell'ISI hanno scoperto i vantaggi dell'ibridazione, ha detto Galstyan.

Oltre a Galstyan e Morstatter dell'ISI, la squadra include Pedro Szekely, un professore associato di informatica alla USC Viterbi, chi sa come memorizzare tutti i dati di SAGE; i professori Emilio Ferrara e Ali Abbas; programmatore di ricerca Gleb Satyukov, chi sviluppa il front-end, o ciò che gli utenti vedono sul sito web di SAGE; scienziato informatico Andres Abeliuk, la cui esperienza in bias e informatica integra il lavoro del postdoc Daniel Benjamin; e responsabile del progetto Lori Weiss, la prima linea di difesa del team quando gli utenti hanno domande sulla piattaforma. Il team comprende anche membri esterni dell'Università della California a Irvine, Università della Columbia, Università di Stanford, e Fordham University.

Finora, sono stati in grado di dimostrare che mescolare l'intelligenza della macchina e il processo decisionale umano genera punteggi Brier inferiori rispetto ai soli previsori umani, Ha aggiunto. "Stiamo superando quanto fatto in passato".

Morstatter ha detto:"SAGE funziona perché gli umani hanno un lato della medaglia, e le macchine hanno l'altro lato."

Ma non sono solo gli analisti dell'intelligence che potrebbero trovare utile la tecnologia predittiva. Chi non vorrebbe predire il futuro?