Pode-se argumentar que os cientistas criam superpoderes em seus laboratórios. Se Aram Galstyan, o diretor da Divisão de Inteligência Artificial do USC Viterbi Information Sciences Institute (ISI) teve que escolher apenas uma superpotência, seria a capacidade de prever o futuro. Qual será o preço de fechamento diário do índice Nikkei 225 do Japão no final da próxima semana? Quantos terremotos 6.0 ou mais fortes ocorrerão em todo o mundo no próximo mês? Galstyan e uma equipe de pesquisadores do USC ISI estão construindo um sistema para responder a essas perguntas.

Nos últimos dois anos, Galstyan liderou um grupo de pesquisadores no ISI em um projeto denominado Antecipação Sinérgica de Eventos Geopolíticos, ou SAGE, para tentar prever o futuro usando não especialistas. O projeto SAGE depende de participantes humanos para interagir com ferramentas de aprendizado de máquina para fazer previsões sobre eventos futuros. O objetivo deles é que as previsões geradas pela combinação de humano + IA sejam mais precisas do que apenas os humanos.

Sua pesquisa se mostrou bastante útil e as previsões das pessoas em grande parte acertadas. Fred Morstatter da ISI, um professor assistente de pesquisa da USC Viterbi em ciência da computação, disse que não especialistas previram com precisão em abril que a Coréia do Norte lançaria seu teste de mísseis antes de julho; A Coreia do Norte foi lançada em maio.

Foi o primeiro lançamento de míssil do país em sete meses, ocorrendo poucos dias depois que a pergunta apareceu no SAGE. "Isso foi algo que eu acho que nenhum de nós pensava que iria acontecer, "Morstatter disse.

O SAGE é financiado pela Atividade de Projetos de Pesquisa Avançada de Inteligência (IARPA), que investe em alto risco, projetos de pesquisa de alto retorno para beneficiar a comunidade de inteligência dos EUA.

A IARPA está interessada em desenvolver tecnologia de previsão que faz previsões, com base em um grande conjunto de usuários humanos, que são mais precisos e rápidos do que um único especialista em assunto humano. Ter a capacidade de prever eventos geopolíticos pode ajudar a comunidade de inteligência a melhorar, decisões de segurança nacional mais informadas.

A agência já sediou muitas competições relacionadas à previsão, incluindo o projeto de Estimativa Contingente Agregada, que crowdsourced humanos para fazer previsões.

SAGE expande este estudo anterior, em vez disso, pedir às pessoas que façam previsões com base nas informações fornecidas por vários métodos de aprendizado de máquina.

Em 2017, a equipe ISI recebeu um prêmio de quatro anos, Subsídio multimilionário sob a Competição de Previsão Híbrida do IARPA, um novo projeto que incentiva os pesquisadores a combinar a previsão humana com modelos de aprendizado de máquina para gerar previsões mais precisas do que qualquer método poderia por si só. A ISI e a BBN Technologies da Raytheon são as finalistas.

Comercial, conhecido como "previsores, "auto-selecionar o que eles gostariam de prever. Os tópicos variam de geopolítico, "Será que alguma nação do G7 se envolverá em um ataque militar nacional contra a Síria antes de 1º de dezembro de 2018?" para econômico, "Quanto petróleo bruto a Venezuela produzirá em outubro de 2019?" Os usuários também podem fazer perguntas a outros analistas em fóruns de discussão, comentar sobre os resultados da previsão, e ver as classificações de liderança, que são decorados com emblemas digitais que os usuários podem ganhar fazendo previsões precisas.

Os previsores não especialistas recrutados para participar do SAGE previram com precisão a vida real, eventos geopolíticos, Morstatter disse. "Acreditamos que seja esse o caso porque os números que vemos indicam que estamos ultrapassando um sistema que usa apenas humanos."

Na verdade, isso foi verificado em uma competição realizada no ano passado para testar a precisão dos sistemas de previsão. Ao longo de 2019, O SAGE foi testado contra dois sistemas concorrentes. Todos os sistemas receberam o mesmo conjunto de mais de 400 perguntas de previsão. O SAGE conseguiu gerar previsões para essas questões mais precisas do que as dos sistemas concorrentes.

A primeira palavra na sigla SAGE, "sinérgico, "dá uma dica de como essa previsão humana se relaciona ao aprendizado de máquina. A sinergia descreve como dois ou mais objetos - neste caso, humano e máquina - se unem para criar algo maior do que a soma de suas partes. A equipe SAGE está determinada a descobrir como combine previsões de crowdsourcing com ferramentas de aprendizado de máquina para gerar previsões mais precisas.

Ensinar não especialistas a fazer previsões precisas com a ajuda do aprendizado de máquina é um dos principais objetivos do projeto, e está funcionando.

“Graças aos modelos de máquinas que temos em nosso sistema, "Morstatter disse." Os meteorologistas estão se saindo melhor do que o sistema de controle, que só tem meteorologistas humanos.

A SAGE apresenta alguns modelos de máquinas interessantes em seu site para que os usuários façam previsões informadas. Isso inclui gráficos de série temporal - uma série de pontos de dados históricos para mostrar tendências, junto com uma previsão feita por máquina - para ajudar com previsões quantitativas, como o valor de uma ação ao longo do tempo. Ao combinar previsões geradas por humanos e máquinas na plataforma SAGE, Os pesquisadores do ISI descobriram os benefícios da hibridização, Galstyan disse.

Além de Galstyan e Morstatter do ISI, a equipe inclui Pedro Szekely, um professor associado de pesquisa da USC Viterbi em ciência da computação, quem sabe como armazenar todos os dados do SAGE; Professores Emilio Ferrara e Ali Abbas; programador de pesquisa Gleb Satyukov, quem desenvolve o front-end, ou o que os usuários veem no site da SAGE; o cientista da computação Andres Abeliuk, cuja experiência em preconceito e ciência da computação complementa o trabalho do pós-doutorando Daniel Benjamin; e a gerente de projeto Lori Weiss, a primeira linha de defesa da equipe quando os usuários têm dúvidas sobre a plataforma. A equipe também inclui membros externos da Universidade da Califórnia em Irvine, Universidade Columbia, Universidade de Stanford, e a Fordham University.

Até aqui, eles foram capazes de mostrar que misturar inteligência de máquina e tomada de decisão humana gera pontuações de Brier mais baixas do que os previsores humanos sozinhos, ele adicionou. "Estamos superando o que foi feito no passado."

Disse Morstatter:"O SAGE funciona porque os humanos têm um lado da moeda, e as máquinas têm o outro lado. "

Mas não são apenas os analistas de inteligência que podem considerar a tecnologia preditiva útil. Quem não gostaria de prever o futuro?