专家略谈｜人工智能技术与预测学研究
李立群 新加坡南洋理工大学工学院
随着社会发展和科技进步，人工智能技术对人类的影响与日俱增，其应用领域日益扩大。正如国际知名学者周海中先生在20世纪90年代初曾经预言那样：“随着科技进步，人工智能时代即将到来；届时，人工智能技术将广泛应用到各学科领域，会产生意想不到的效果。”人工智能技术目前在预测学研究，尤其是预测模型及算法方面发挥着越来越重要的作用。下面简要谈谈人工智能技术在预测学研究中的作用。
在经济方面
投资股市的目的是盈利，因此在决定购买哪只股票之前我们会查阅与该公司相关的信息，搜索最近甚至之前与该公司有关的新闻，逛逛炒股方面的贴吧，看看微博上面与该公司有关的消息。如果这个公司的前景明朗（正面报道很多），那么投资该股票的回报率也许会高一些；投资股市，还需要会看各种数据，如K线等。有时我们看到某只股票持续走低，并且有上涨的势头了，也许此时是最佳的购入时机，因为该股票有很大可能会触底反弹了。另外人工智能技术中的线性回归算法在股票预测方面的作用也很大。
此外，人工智能技术对股价的趋势预测，是一个深度学习的练习项目。其通过机器学习算法，根据过去几年与某只股票相关的K线走势、公司相关报道的情感分析作为数据集，通过训练来得到可以预测股价的机器学习模型，并用该模型对股价进行趋势预测。这时趋势预测算法（如ARIMA模型、LSTM神经网络模型、Prophet模型等）就有可能大显身手。虽然不同的模型会有各自的优势和劣势，但它们对于股价的趋势预测有一定的参考价值。
前不久，阿根廷队以3:3(点球4:2)战胜法国队，夺得2022卡塔尔世界杯冠军。就像国际知名度较高的机构（如调研公司尼尔森和游戏公司艺电）通过人工智能技术预测那样，能捧起这届世界杯大力神杯的会是阿根廷队。他们通过强大的人工智能算法模型来预测足球赛事的最后结果，为许多彩民带来了不仅是惊喜还有惊奇。
在医疗方面
近日，丹麦技术大学（DTU）、哥本哈根大学、国际电信联盟（ITU）和美国东北大学的一个研究项目表明，如果用大量关于人们生活的数据来训练所谓的“转换器模型”（life2vec，类似于ChatGPT）来处理语言，它们就能系统地组织数据，预测一个人一生中会发生的事情，甚至估计死亡时间。研究人员开发的这款人工智能“转换器模型”分析了600万丹麦人的数据，考察了收入、职业以及是否骨折等因素，来预测终生收入或早逝可能性等生命结果，模型预测准确率78%。这项成果于12月18日发表在《自然-计算科学》上。
最近，日本日立制作所利用人工智能技术开发了一项预报流感流行趋势的服务。流感不仅导致日常生活不便，也对经济活动造成了影响；因此有专家指出，如果能将所在地区流行状况可视化并进行预测，对接种疫苗、避免人群拥挤等预防行动的改变会有所帮助，并有助于防止感染传播。它将新增患者人数达到2018年度流行峰值以上的状况定为最严重的“3级”，按照从“3”到“0”的四级公布预测结果。这项服务将来也有望用于新型冠状病毒(COVID-19)及其变异的流行趋势预报。
人的言语模式可能揭示一个人患精神相关疾病的风险。近年来，研究人员已经将目标转向计算机算法，帮助心理健康专家分析高危人群的语言，以从他们的讲话中发现线索。美国西奈山医学院、纽约州立精神病学研究所、加州大学洛杉矶分校和其他机构的研究人员使用了一种人工智能算法来研究93位有风险的人群的言语模式。研究人员表示，该算法可以识别出哪些病人患上了精神病，准确率达到83%。
在农业方面
许多国家的农业报告预测，到2027年，精准农业市场将达到129亿美元，因此越来越需要开发能够实时指导管理决策的复杂数据分析解决方案。美国伊利诺伊大学的研究人员最近提供了一种有前途的趋势预测算法，可以更有效、更准确地处理精密农业数据。例如，对于玉米种植来说，决定何时施用氮素肥是一个长期的挑战。由于多种氮素肥施用量和施用时间，包括种植时施用的所有氮素肥和几个发育阶段的分批施用，氮素肥对田间玉米的有害胁迫程度不同。
他们通过一种称为卷积神经网络的机器学习对玉米种植进行了分析。机器学习是人工智能技术的核心，某些类型的机器学习从模式开始，然后要求计算机将所有数据放入这些现有模式中。卷积神经网络可以对现有模式视而不见，取而代之的是，获取少量数据并学习组织数据的模式，类似于人类通过大脑中的神经网络组织新信息的方式。
研究人员主要使用机器学习的方法来生成玉米产量预测。这种方法结合了来自不同地形变量，土壤电导率以及玉米田中应用的氮素肥和种子处理的信息。他们借助一种更好的肥料使用模型，实现可以最终帮助农民科学合理施肥，降低生产成本，增加玉米产量，并同时减少可持续农业景观的环境足迹。
以上仅从三个方面介绍了人工智能技术在预测学研究中的应用情况。我们可以拿实际数据与预测的结果进行对比分析，计算预测的准确率，分析差异的原因，提出改进的方案，想方设法提高下一次预测的准确率。虽然现实情况千变万化，但是基本原理和解决问题的思路是相通的。
在当今的人工智能时代，人们可以使用更复杂的技术来代替人脑决策，通过在数据库中检索分析，建造模型。这些不是重复的任务，而是需要基于复杂的算法和机器学习做出判断，可以应用于预测未来、做出科学的决策。
文/李立群（作者单位：新加坡南洋理工大学工学院）
