紫微预测美国选举 美国大选之后的思考：AI能准确预测选民的行为吗？
紫微预测美国选举 美国大选之后的思考：AI能准确预测选民的行为吗？
那么，是否有比传统民调更准确的方法来预测选举结果呢？
美国西雅图非营利性研究中心艾伦人工智能研究所首席执行官奥伦.埃齐奥尼（Oren ）表示："我不会解雇民意测验者，但我会引导他们更好地利用机器学习、数据挖掘和人工智能来更好地预测。
仿佛，人工智能成了民调机构手里的一棵救命稻草。
AI预测大选，需要几步？
首先你需要明白，没有一个人或算法能够一直准确预测人类的行为，然而，传统民意测验的的问题是，民意调查者使用的模型主要基于历史分类和平均值。那么我们就需要规避这些“僵硬”的数据指标。
然后，你需要一个数据源，像亚马逊这样的科技公司能够利用算法捕捉实际行动，简单来说，亚马逊的算法不管你是谁，它只知道：当你去买个狗项圈，那么你也很可能会买狗粮。因此，这些反应行为的数据需要不断地大量抓取，尽管很困难，但在动态识别助推概率预测的模式和相关性方面能带来无限的帮助。
接下来就是建立模型紫微预测美国选举，由于收集数据源的侧重点不同，建立的模型也会有差异。著名分析公司 KCore 就从社交媒体帖子中预测：拜登在民众投票中将占优势——大约 8 或 9 个百分点——但在选举团方面紫微预测美国选举 美国大选之后的思考：AI能准确预测选民的行为吗？，优势很小。具体操作是利用了一个端到端的框架在 之类的网络中查找影响者和主题标签。根据内容和频率选择数据，然后在一个称为 AWS-LSTM 的 AI 模型中对意见进行分类测算紫微预测美国选举，据称准确性高达 89.5％。而这一切都基于该公司使用超过 10 亿条推文的数据挖掘。
总部设在意大利的 .AI 公司，尝试分析一些因素如语气和情感，并预测如何可能转化为选票。相比于 KCore ，.AI 就显得干练很多，具体操作是利用一个知识图来标识命名实体（包括人员、公司和地点）并尝试对它们之间的关系进行建模。有趣的是，其系统将 84 个情感标签贴在 和其他网络的数十万条帖子上，半自动地消除了机器人般的社交账户。
.AI 的算法将标签按 1 到 100（反映其强度）的等级进行排名，并乘以每个候选值的匹配次数。同时，它将情绪分类为"积极"或"消极"，并用它来创建一个可以比较两个候选项的索引。结果显示，拜登在社会媒体上的情绪排名更高，略高于特朗普（50.2% 对 47.3%）
无独有偶，由渥太华大学的科学家开发的" polly"收集了一个随机的，受控的美国选民样本，例如“黑人的命也是命运动”“中国问题”“新冠疫情”等。通过他们的帖子和在社交媒体上的谈话进行识别。基于此预测得出：佛罗里达州将投票给拜登，并占该州总票数的 52.6%。事实后来我们都知道，特朗普在此翻盘，一度让盘面上的局势胶着不下。
图 | polly 预测模型
以上都是一些通过抓取大数据来进行分析预测，当然也有一些机构对局部数据进行收集，通过智能“蜂群”放大，进而预测选民的意向。.AI 就是这样一个公司，该公司团队 9 月份在美国进行的一项 50 人现场调查，要求他们预测他们认为谁将赢得 11 个州的总统竞选，以及以什么幅度赢得总统竞选。
.AI 的实时调查允许用户实时查看其他参与者正在选择什么，机器学习算法根据答案变化等因素评估谁对自己的预测最有信心。最自信的答案对最终汇总答案的影响最大。不过虽然看起来该预测内容简单，但是它已经正确地预测了 10 个州竞选的获胜者。可谓"战绩"斐然.。
图 | .ai 9月进行了一次现场调查，要求50名参与者预测谁将赢得11个战场州的总统竞选
并非所有的 AI 投票都那么准确
在 AI 预测将民意置于“显微镜”下的同时，我们也把 AI 预测推到民意验测者的 “显微镜” 之下，可以预见紫微预测美国选举，一些预测的确精准无比，但是类似“ Polly“这样的 AI 预测系统也会“误入歧途”，例如 Polly 得出佛罗里达州将投票给拜登，占该州总票数的 52.6% 的这一失准预测，就是因为该制度未能单独抽样古巴裔美国人（他们通常投票给共和党候选人）。换句话说， Polly 把古巴裔美国人和委内瑞拉裔美国人，墨西哥裔美国人混为一谈紫微预测美国选举 美国大选之后的思考：AI能准确预测选民的行为吗？，统一归为"西班牙人"。
正如《财富》杂志所指出的那样，无论预测的正确与否，这些模式都没有考虑到法律挑战、无信仰的选民（选举团成员不投票给他们承诺的候选人）或其他混淆者可能会影响选举结果的方式。在这些不断变化的参数条件下，AI 预测——就像传统的民意调查一样——似乎低估了 2020 年选民对特朗普的热情，特别是在黑人和拉丁裔选民以及 LGBTQ 社区成员中。
