
数据分析 人工智能或将取代人类直觉
据国外媒体报道,研究人员认为,电脑不久便会在很多领域取代人类直觉。麻省理工学院研发了一项新系统,而该系统在几次竞赛中表现得比最聪明的人还要出色。麻省理工学院的研究人员设计了一款大数据分析系统。该系统的目的是,在寻找数据背后隐藏的规律时,可以起到替代人类直觉的作用。
该系统名为“数据科学机”(Data Science Machine),和人类选手一起参加了三次数据科学竞赛,并且在三次竞赛中都获得了出色的成绩。在这三次竞赛中,数据科学机的预测准确率分别为最终获胜者的94%、96%和87%,在共906支参赛队伍中,这一成绩超过了615支队伍。
“我们将数据科学机视作对人类智慧的天然补充,”麦克斯·坎特(Max Kanter)说道。正是他的硕士论文为该机器提供了理论基础。
“有太多太多的数据需要进行分析,但目前并没有得到我们的充分利用。因此,我们或许应当找出某种解决方案,就算实际解决不了什么问题,至少也能让我们行动起来。
数据科学机能够以“非人”的速度完成其预测计算,每次提交答案所需时间仅为2小时到12小时之间,而人类参赛队伍则需要工作数月时间,才能完成相应的计算。卡尔安·维拉马沙纳尼(Kalyan Veeramachaneni)是坎特的论文导师及麻省理工学院计算机科学与人工智能实验室的一名研究科学家,他和坎特共同参与了这项研究。
在选择具有某种特征的数据进行分析时,往往要用到人类的直觉。而这两名研究人员的研究结果便是,让机器来做这个决定,即扮演起人类直觉的角色。“在为工业解决了大量数据科学问题之后,我们从自身经验中观察发现,这其中有着至关重要的一步,叫做特征工程。”
数据科学机运用多种指标,寻找数据库中、数据结构关系间的相关性,该机器可以利用这些指标在数据库中进行部署工作,并找到这些数字的平均数。在这一过程中,该机器还会寻找分类数据,即处在某一范围之内的数据,例如一周之中的某几天等。
通过与麻省理工学院计算机科学与人工智能实验室(CSAIL)的其他研究人员的合作,维拉马沙纳尼成功地将机器学习技术运用于解决实际问题之中,例如,预测有哪些学生会翘掉在线课程。
他表示,制造数据特征是该过程中极其重要的一步。“首先你得确定需要从数据库中提取出哪些变量,而为此你可能会有许多不同的想法。”
“数据科学机本身就是一项令人难以置信的伟大项目,因为它成功地将尖端研究成功运用到解决实际问题中去,提供了一种全新的看待该问题的方式。”哈佛大学的一名计算机科学教授马戈·塞尔策(Margo Seltzer)说道。“我认为,他们所做的一切很快就会变成行业标准。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01