（文章來源：黑科技密探）

普林斯頓大學的3位社會科學家最近對160個研究小組進行了一項大規模實驗，以查看他們中是否有一個能預測孩子的生活會如何。為參與者提供了15年的數據，并允許他們使用他們想要的任何技術，從老式的統計分析到現代人工智能。

實驗的最終結局是沒人能給出確切的結果，那是因為人工智能（AI）無法預測未來。當然，它可以預測趨勢，并且在某些情況下可以提供有價值的見解，可以幫助行業做出最佳決策，但是確定孩子是否成功將需要蠻力數學無法提供的先知能力。

根據普林斯頓團隊的研究論文：我們使用常見任務方法通過科學的大規模協作調查了這個問題；160個團隊使用來自脆弱家庭和兒童幸福研究的數據建立了六種生命結局的預測模型，這是一項高質量的出生隊列研究。盡管使用了豐富的數據集并應用了針對預測進行了優化的機器學習方法，但最佳預測并不是非常準確，僅比簡單基準模型的預測好一點。

調查新聞媒體于2016年在美國法院系統上揭露了有關預測AI的陰險事實。通過一系列調查報告，它從經驗上證明了美國法院使用的機器學習系統中的種族歧視是導致黑人被判處比白人更嚴厲的罪魁禍首的原因，而沒有任何方式可以證明或解釋原因。

這些系統通常存在于“黑匣子”中，這意味著原始開發人員和最終用戶都無法確定為什么機器最終會得出特定結論。AI可以告訴我們它的“預測”，但無法解釋原因。例如，當我們處理銷售預測時，這些見解很有用。當我們處理人類的生活和自由時，或者試圖弄清楚一個孩子是否會成功時，他們基本上只是猜測。從統計學上來說，不是很好。

麻省理工學院的研究員也涵蓋了這項研究。他們寫道，人工智能負責人和公平負責人合伙制合伙人項翔表示，統計數字僅略高于盲目運氣：對于研究在社會上使用AI的專家來說，結果并不令人驚訝。例如，即使是刑事司法系統中最準確的風險評估算法，最高也能達到60％或70％。她補充說：“也許摘要聽起來有些不錯。”但無論如何，重新提出建議的比率都可能低于40％。這意味著預測沒有重新進攻將使您的準確率超過60％。

最后，盡管向研究團隊提供了為期15年的“脆弱家庭”研究中收集的有關入學兒童生活的數據，但沒人能給出準確的預測結果。根據普林斯頓團隊前面提到的研究論文：換句話說，即使脆弱家庭數據包含成千上萬的變量來幫助科學家了解這些家庭的生活，但參與者仍無法對扣留案例做出準確的預測。此外，最好的提交通常使用復雜的機器學習方法并且可以訪問數千個預測變量，僅比使用線性回歸的簡單基準模型的結果好一些。

這進一步證實了預測性AI在直接影響人類生活時就顯得毫無意義。
? ? ? （責任編輯：fqj）