- 股票掌故
- 香港股票資訊
- 神州股票資訊
- 台股資訊
- 博客好文
- 文庫舊文
- 香港股票資訊
- 第一財經
- 微信公眾號
- Webb哥點將錄
- 港股專區
- 股海挪亞方舟
- 動漫遊戲音樂
- 好歌
- 動漫綜合
- RealBlog
- 測試
- 強國
- 潮流潮物 [Fashion board]
- 龍鳳大茶樓
- 文章保管庫
- 財經人物
- 智慧
- 世界之大，無奇不有
- 創業
- 股壇維基研發區
- 英文
- 財經書籍
- 期權期指輪天地
- 郊遊遠足
- 站務
- 飲食
- 國際經濟
- 上市公司新聞
- 美股專區
- 書藉及文章分享區
- 娛樂廣場
- 波馬風雲
- 政治民生區
- 財經專業機構
- 識飲色食
- 即市討論區
- 股票專業討論區
- 全球政治經濟社會區
- 建築
- I.T.
- 馬後砲膠區之圖表
- 打工仔
- 蘋果專欄
- 雨傘革命
- Louis 先生投資時事分享區
- 地產
Random Tags
2017奧斯卡大獎揭曉，群集智能AI成功預測12項（技術解析）
來源: http://www.iheima.com/zixun/2017/0227/161518.shtml
Swarm AI再出手預測，雖然保持著75%的勝率，但卻預測錯了兩項大獎。這是怎麽回事？
本文由新智元（微信ID ：Al_era）授權i黑馬發布，作者胡祥傑。
2017年2月27日，第89界奧斯卡諸項大獎名單新鮮出爐，《月光男孩》戰勝呼聲甚高的《愛樂之城》拿下最佳影片。大獎公布之前，著名的群體智能預測網站的Swarm AI再出手預測，今年它雖然保持著75%的勝率，但是卻預測錯了兩項大獎。這是怎麽回事？群體智能和群體智能預測原理是什麽？本文帶來詳細解讀。
2017年2月27日，第89界奧斯卡諸項大獎名單新鮮出爐：
最佳影片：Moonlight（月光男孩）
最佳導演：amien Chazelle ， La La Land（ 愛樂之城）
最佳男主角：Casey Affleck，（海邊的曼徹斯特）
最佳女主角：Emma Stone，La La Land （ 愛樂之城）
最佳男配角：Mahashala Ali， Moonlight（月光男孩）
最佳女配角：Viola Davis，Fences （藩籬）
最佳原創劇本：Manchester by the Sea（海邊的曼徹斯特）
最佳改編劇本：Barry Jenkins，Moonlight（月光男孩）
最佳剪輯：Hacksaw Ridge （血戰鋼鋸嶺）
最佳攝影：Linus Sandgren，La La Land （ 愛樂之城）
最佳外語片：The Salesman （推銷員）
最佳動畫長片：Zoopopia （瘋狂動物城）
最佳動畫短片：PIPER (鷸)
最佳藝術指導：La La Land（ 愛樂之城）
最佳服裝設計：Fantastic Beasts and Where to Find Them （神奇動物在哪里）
最佳化妝&發型設計：Suicide Squad （自殺小隊）
最佳視覺效果： The Jungle Book （奇幻森林）
最佳音響效果：Hacksaw Ridge（血戰鋼鋸嶺）
最佳音效剪輯：ARRIVAL （降臨）
最佳原創配樂：Justin Hurwitz， La La Land （ 愛樂之城）
最佳原創歌曲：City Of Stars， La La Land （ 愛樂之城）
最佳真人短片：SING，（校合唱團的秘密)
最佳紀錄長片：OJ：Made in Ameirica （辛普森：美國制造）
最佳紀錄短片：The White Helmets （白盔）
終身成就獎：成龍、安妮·考特斯、林恩·斯塔馬斯特、弗雷德里克·懷斯曼
吉恩·赫肖爾特人道主義獎：黛比·雷諾斯
去年曾經準確預測“小李子”拿下最佳男主角小金人的群體預測AI——Swarm AI再次出手，在大獎公布前先作了一番預測。
來看下它的預測結果：
確定性較強的預測
最佳女配角：Viola Davis， Fences ✅
最佳藝術指導獎：La La Land ✅
最佳攝影獎：La La Land ✅
最佳導演獎：Damien Chazelle ， La La Land ✅
最佳動畫長篇：Zoopopia ✅
最佳女主角：Emma Stone，La La Land ✅
最佳原創歌曲：”city of star”， La La Land ✅
最佳影片：La La Land ❌
最佳改編劇本獎：Barry Jenkins，Moonlight ✅
確定性中等的預測
最佳服裝設計：Jackie ❌
最佳男配角：Mahashala Ali， Moonlight ✅
最佳紀錄片：OJ：Made in Ameirica ✅
最佳外語電影：The Salesman ✅
最佳視覺效果：The Jungle Book ✅
最佳原創劇本：Damien Chazelle，La La Land ❌
高度不確定性的預測
最佳男主角：Danzei Washinton，Fences ❌
16項預測中，Swarm AI 預測中了12項，準確率達75%，與去年相比準確率沒有多大變化。但是，今年的預測中，Swarm AI 在最佳男主角和最佳影片上都出現錯誤，也凸顯了一些問題。
預測過程
Unanimous A.I 的研究員集合了近50名電影愛好者群集，來預測2月27日奧斯卡大獎的歸屬。
用戶註冊後可在Unanimous A.I 參與預測，在做出決定時，每位用戶都有一個可以拖向他們的選擇的虛擬圓盤。每個人都可以看見其他人的決定，也可以隨時改變自己決定。這個集群中的每個個體都可以互相影響。
最佳外語片的預測過程示意圖
最佳導演獎的預測過程
最佳影片預測過程
什麽是群集智能（Swarm Intelligence）
Swarm AI 的平臺由 Unanimous 公司開發。
在公司的官網上可以看到，創始人 Louis Rosenberg 是斯坦福大學的博士。他的博士研究聚焦於機器人、虛擬現實、人機交互。曾在美國空軍阿姆斯特朗實驗室擔任研究員。他創造了世界上首個沈浸式增強現實系統。
什麽是群集智能（Swarm Intelligence）？
以下介紹來自Unanimous （UNU）官網：
群集智能的概念是受到鳥類和蜜蜂的啟發， 從對自然界的學習中，我們發現，社會動物以一個統一的動態系統集體工作時， 解決問題和做決策上的表現會超越大多數單獨成員。在生物學上，這一過程被稱為“群集智能”。這也證明了一句古話：人多力量大。
這帶來了一個問題：人類可以群集嗎？當然，我們並沒有進化出群集的能力，因為人類缺少同類用於建立實時反饋循環的敏銳連接（比如，螞蟻的觸角），這種連接是高度相關的，讓群體行為被認為是一個“超級器官”。通過這麽做，這些生物能夠進行最優選擇，這要遠比獨立的個體的選擇能力要強得多。
但是，人類呢？我們能把個人的思考組合起來，把它們作為一個統一的動態系統嗎？這樣能讓我們做更好的決策、預測、評估和判斷嗎？研究顯示，答案是“yes”。事實上，使用Unanimous A.I.的技術，人類群集已經被證明在預測體育賽事結果、金融趨勢甚至是奧斯卡獎得主這些事上的準確率超過了個人專家。
這一技術被稱為“群集人工智能”（Artificial Swarm Intelligence，簡稱 Swarm A.I.），它能讓群體組成實時的線上系統，把世界各地的人作為“人類群集”連接起來。它是一個人類實時輸入和眾多 A.I. 算法的結合。Swarm A.I. 吸引結合人類參與者的知識、智慧、硬件和直覺，並把這些要素組合成一個統一的新智能，能生成最優的預測、決策、洞見和判斷。
論文：
論文地址：http://unu.ai/wp-content/uploads/2016/10/Crowds-Vs-Swarms-SHBI2016-Final-PDF-confirmed-by-IEEE.pdf
那麽 Swarm AI 的未來是什麽呢？如果我們將單個螞蟻的智能到整個蟻群的智能視為一個智能躍升，那麽我們也可以認為，從單個人到一個大群人也將有這麽一個提升，出現一個高級的“超級智慧”。要出現這樣的超級智能，需要上千人一起思考嗎，還是說上萬、上百萬？這個我們還不知道，但UNU是使人們能將他們的知識和見解匯集到一個高級智能中所邁出的第一步。
為什麽群集人工智能（ASI）很重要？在AI 研究的世界里，各個實驗室花費了數十億美元，試圖用純數字化的東西取代人類智能。雖然我們能夠理解這種為創建超智能所付出的努力，但這也令我們害怕。純粹的人工智能沒有理由和人類共有目標和感情，或者遵循我們的道德和價值觀。
所以，我們要問的問題是，是否有一個更好的方式來構建超級智能？答案是肯定的，那就是建立 Swarm AI 系統，將實時的人類洞察和 A.I.算法統一在一起的智能系統。我們相信，這條路相比創建比我們人類更聰明的系統更加安全，因為它可以確保最終的智能與我們的目標和願望相符合的，擁有人類的情感和共情，最重要的是擁有人類的道德和價值觀。簡單地說，Swarm A.I.技術創造放大的智能，同時將人類納入整個過程中。
群集智能的局限性在哪？
在美國總統大選時，Unanimous A.I.也曾做過預測，並認為希拉里當選。它的方法是直接以人為分析對象，即通過詢問參與的選民一組類似的問題，如：“如果希拉里擔任總統，失業問題將如何改善？”參與預測的選民可從五個答案中選擇，即“大幅改善”、“略微改善”、“大幅加劇”、“略微加劇”以及“沒有任何變化”。此外，可選的答案還有“希拉里勝算很大”、“希拉里略勝一籌”、“特朗普勝算很大”、“特朗普略勝一籌”以及“不相上下”。
在Unanimous A.I.進行的預測中，有45個選民參與，其中46%為民主黨人，24%為共和黨人，30%在黨派上保持中立或屬於其它黨派。
從設計的問題和選取的對象看，由Unanimous AI開發的swarm AI-UNU的預測則明顯傾向希拉里。Unanimous A.I. 直接以人為分析對象並使用了一種所謂的“群集智能”的技術。即在實際預測中，一組隨機選取的適齡參選的公民會被提問，參與者按照自己的回答傾向牽動球體。在這一過程中，參與者往往會根據球位置的變化而不斷變化自己的選擇——當發現多數人也支持自己的選擇時，他可能會更加堅定地牽引；而當發現球大大偏離自己希望的方向時，他可能會放棄或減小牽引力，直至最終達成“共識”。
有專家評論說，Unanimous AI采用“集群智能”技術搜集數據的方法更帶有偏見性，這種偏見通過問題的設定和對象的選取得到了充分體現。
可行的解決方案：意外流行算法
群體智慧有失效的時候。例如，讓一群人回答這個問題——費城是賓夕法尼亞州的首府嗎？絕大多數人會錯誤地回答說“是的”。這是因為他們知道：①費城是賓夕法尼亞州的一座大城市，②首府都是大城市。但實際上，正確答案是哈里斯堡，而往往只有少數人會說出這個正確答案。
為了找出那些不為多數人所知的正確信息，普林斯頓大學和 MIT 的研究者設計了一種新的方法，將其稱為“意外流行”（surprisingly popular）算法。研究人員表示，這種算法能更好地從群體中獲取正確答案，尤其是當大多數人的看法是錯誤的時候。相關論文日前在 Nature 發表。
實驗中，研究人員會詢問接受調查的人他們對某個問題的看法，以及他們認為其他人會如何看待這個問題：①你認為正確答案是什麽？②你認為流行的答案（即多數人會選擇的回答）是什麽？
然後，算法會找出“意外流行”的答案，也就是比大多數人預測中更受歡迎的答案。大部分情況中，這些超出大多數人預計的選擇，就是正確的答案。
“我們以為社會平均意見一般是對的，過往對群體智慧的統計也支持這一看法，”研究負責人、MIT 斯隆管理學院的行為經濟學家 Drazen Prelec 說：“但事實證明並非如此。有像醫生那樣的專家存在。這讓我們意識到了少部分人掌握的知識。”
Nature 論文：單問題群體智慧新解
群體智慧優於任何個人智慧的概念一度曾被視為激進的觀點（provocative），但已經成為一種群體智慧，導致有人猜測在線投票都方式可能很快會使認證專家失業。群體智慧近來被用於政治和經濟預測、評估核安全、公共政策、化學探測質量檢測，以及潛在火山爆發危機應對措施。用於獲取群體智慧的算法通常基於民主投票程序，易於應用並且保持了個人判斷的獨立性。然而，民主方法有嚴重的局限性，容易拋棄那些沒有被廣泛共享的新穎或專業知識，反而側重膚淺、最低的共同信息。基於測量置信度的調整也不能可靠地解決這個問題。在這里，我們提出了民主投票的替代方案：選擇比人們預測更受歡迎的答案。我們表明，這個原則在關於選民行為的合理假設下能夠產生最佳答案，而標準的“最受歡迎”或“最自信”原則在相同的假設下無法實現這一點。與傳統投票一樣，該原則適用於單獨的問題，例如關於科學或藝術價值的小組裁決以及法律或歷史爭端。因此，這一方法的潛在應用領域比機器學習和心理測量方法更加廣泛，後兩者都需要來自多個問題的數據。
匿名用戶
2017奧斯卡大獎揭曉，群集智能AI成功預測12項（技術解析）
來源: http://www.iheima.com/zixun/2017/0227/161518.shtml
Swarm AI再出手預測，雖然保持著75%的勝率，但卻預測錯了兩項大獎。這是怎麽回事？
本文由新智元（微信ID ：Al_era）授權i黑馬發布，作者胡祥傑。
2017年2月27日，第89界奧斯卡諸項大獎名單新鮮出爐，《月光男孩》戰勝呼聲甚高的《愛樂之城》拿下最佳影片。大獎公布之前，著名的群體智能預測網站的Swarm AI再出手預測，今年它雖然保持著75%的勝率，但是卻預測錯了兩項大獎。這是怎麽回事？群體智能和群體智能預測原理是什麽？本文帶來詳細解讀。
2017年2月27日，第89界奧斯卡諸項大獎名單新鮮出爐：
最佳影片：Moonlight（月光男孩）
最佳導演：amien Chazelle ， La La Land（ 愛樂之城）
最佳男主角：Casey Affleck，（海邊的曼徹斯特）
最佳女主角：Emma Stone，La La Land （ 愛樂之城）
最佳男配角：Mahashala Ali， Moonlight（月光男孩）
最佳女配角：Viola Davis，Fences （藩籬）
最佳原創劇本：Manchester by the Sea（海邊的曼徹斯特）
最佳改編劇本：Barry Jenkins，Moonlight（月光男孩）
最佳剪輯：Hacksaw Ridge （血戰鋼鋸嶺）
最佳攝影：Linus Sandgren，La La Land （ 愛樂之城）
最佳外語片：The Salesman （推銷員）
最佳動畫長片：Zoopopia （瘋狂動物城）
最佳動畫短片：PIPER (鷸)
最佳藝術指導：La La Land（ 愛樂之城）
最佳服裝設計：Fantastic Beasts and Where to Find Them （神奇動物在哪里）
最佳化妝&發型設計：Suicide Squad （自殺小隊）
最佳視覺效果： The Jungle Book （奇幻森林）
最佳音響效果：Hacksaw Ridge（血戰鋼鋸嶺）
最佳音效剪輯：ARRIVAL （降臨）
最佳原創配樂：Justin Hurwitz， La La Land （ 愛樂之城）
最佳原創歌曲：City Of Stars， La La Land （ 愛樂之城）
最佳真人短片：SING，（校合唱團的秘密)
最佳紀錄長片：OJ：Made in Ameirica （辛普森：美國制造）
最佳紀錄短片：The White Helmets （白盔）
終身成就獎：成龍、安妮·考特斯、林恩·斯塔馬斯特、弗雷德里克·懷斯曼
吉恩·赫肖爾特人道主義獎：黛比·雷諾斯
去年曾經準確預測“小李子”拿下最佳男主角小金人的群體預測AI——Swarm AI再次出手，在大獎公布前先作了一番預測。
來看下它的預測結果：
確定性較強的預測
最佳女配角：Viola Davis， Fences ✅
最佳藝術指導獎：La La Land ✅
最佳攝影獎：La La Land ✅
最佳導演獎：Damien Chazelle ， La La Land ✅
最佳動畫長篇：Zoopopia ✅
最佳女主角：Emma Stone，La La Land ✅
最佳原創歌曲：”city of star”， La La Land ✅
最佳影片：La La Land ❌
最佳改編劇本獎：Barry Jenkins，Moonlight ✅
確定性中等的預測
最佳服裝設計：Jackie ❌
最佳男配角：Mahashala Ali， Moonlight ✅
最佳紀錄片：OJ：Made in Ameirica ✅
最佳外語電影：The Salesman ✅
最佳視覺效果：The Jungle Book ✅
最佳原創劇本：Damien Chazelle，La La Land ❌
高度不確定性的預測
最佳男主角：Danzei Washinton，Fences ❌
16項預測中，Swarm AI 預測中了12項，準確率達75%，與去年相比準確率沒有多大變化。但是，今年的預測中，Swarm AI 在最佳男主角和最佳影片上都出現錯誤，也凸顯了一些問題。
預測過程
Unanimous A.I 的研究員集合了近50名電影愛好者群集，來預測2月27日奧斯卡大獎的歸屬。
用戶註冊後可在Unanimous A.I 參與預測，在做出決定時，每位用戶都有一個可以拖向他們的選擇的虛擬圓盤。每個人都可以看見其他人的決定，也可以隨時改變自己決定。這個集群中的每個個體都可以互相影響。
最佳外語片的預測過程示意圖
最佳導演獎的預測過程
最佳影片預測過程
什麽是群集智能（Swarm Intelligence）
Swarm AI 的平臺由 Unanimous 公司開發。
在公司的官網上可以看到，創始人 Louis Rosenberg 是斯坦福大學的博士。他的博士研究聚焦於機器人、虛擬現實、人機交互。曾在美國空軍阿姆斯特朗實驗室擔任研究員。他創造了世界上首個沈浸式增強現實系統。
什麽是群集智能（Swarm Intelligence）？
以下介紹來自Unanimous （UNU）官網：
群集智能的概念是受到鳥類和蜜蜂的啟發， 從對自然界的學習中，我們發現，社會動物以一個統一的動態系統集體工作時， 解決問題和做決策上的表現會超越大多數單獨成員。在生物學上，這一過程被稱為“群集智能”。這也證明了一句古話：人多力量大。
這帶來了一個問題：人類可以群集嗎？當然，我們並沒有進化出群集的能力，因為人類缺少同類用於建立實時反饋循環的敏銳連接（比如，螞蟻的觸角），這種連接是高度相關的，讓群體行為被認為是一個“超級器官”。通過這麽做，這些生物能夠進行最優選擇，這要遠比獨立的個體的選擇能力要強得多。
但是，人類呢？我們能把個人的思考組合起來，把它們作為一個統一的動態系統嗎？這樣能讓我們做更好的決策、預測、評估和判斷嗎？研究顯示，答案是“yes”。事實上，使用Unanimous A.I.的技術，人類群集已經被證明在預測體育賽事結果、金融趨勢甚至是奧斯卡獎得主這些事上的準確率超過了個人專家。
這一技術被稱為“群集人工智能”（Artificial Swarm Intelligence，簡稱 Swarm A.I.），它能讓群體組成實時的線上系統，把世界各地的人作為“人類群集”連接起來。它是一個人類實時輸入和眾多 A.I. 算法的結合。Swarm A.I. 吸引結合人類參與者的知識、智慧、硬件和直覺，並把這些要素組合成一個統一的新智能，能生成最優的預測、決策、洞見和判斷。
論文：
論文地址：http://unu.ai/wp-content/uploads/2016/10/Crowds-Vs-Swarms-SHBI2016-Final-PDF-confirmed-by-IEEE.pdf
那麽 Swarm AI 的未來是什麽呢？如果我們將單個螞蟻的智能到整個蟻群的智能視為一個智能躍升，那麽我們也可以認為，從單個人到一個大群人也將有這麽一個提升，出現一個高級的“超級智慧”。要出現這樣的超級智能，需要上千人一起思考嗎，還是說上萬、上百萬？這個我們還不知道，但UNU是使人們能將他們的知識和見解匯集到一個高級智能中所邁出的第一步。
為什麽群集人工智能（ASI）很重要？在AI 研究的世界里，各個實驗室花費了數十億美元，試圖用純數字化的東西取代人類智能。雖然我們能夠理解這種為創建超智能所付出的努力，但這也令我們害怕。純粹的人工智能沒有理由和人類共有目標和感情，或者遵循我們的道德和價值觀。
所以，我們要問的問題是，是否有一個更好的方式來構建超級智能？答案是肯定的，那就是建立 Swarm AI 系統，將實時的人類洞察和 A.I.算法統一在一起的智能系統。我們相信，這條路相比創建比我們人類更聰明的系統更加安全，因為它可以確保最終的智能與我們的目標和願望相符合的，擁有人類的情感和共情，最重要的是擁有人類的道德和價值觀。簡單地說，Swarm A.I.技術創造放大的智能，同時將人類納入整個過程中。
群集智能的局限性在哪？
在美國總統大選時，Unanimous A.I.也曾做過預測，並認為希拉里當選。它的方法是直接以人為分析對象，即通過詢問參與的選民一組類似的問題，如：“如果希拉里擔任總統，失業問題將如何改善？”參與預測的選民可從五個答案中選擇，即“大幅改善”、“略微改善”、“大幅加劇”、“略微加劇”以及“沒有任何變化”。此外，可選的答案還有“希拉里勝算很大”、“希拉里略勝一籌”、“特朗普勝算很大”、“特朗普略勝一籌”以及“不相上下”。
在Unanimous A.I.進行的預測中，有45個選民參與，其中46%為民主黨人，24%為共和黨人，30%在黨派上保持中立或屬於其它黨派。
從設計的問題和選取的對象看，由Unanimous AI開發的swarm AI-UNU的預測則明顯傾向希拉里。Unanimous A.I. 直接以人為分析對象並使用了一種所謂的“群集智能”的技術。即在實際預測中，一組隨機選取的適齡參選的公民會被提問，參與者按照自己的回答傾向牽動球體。在這一過程中，參與者往往會根據球位置的變化而不斷變化自己的選擇——當發現多數人也支持自己的選擇時，他可能會更加堅定地牽引；而當發現球大大偏離自己希望的方向時，他可能會放棄或減小牽引力，直至最終達成“共識”。
有專家評論說，Unanimous AI采用“集群智能”技術搜集數據的方法更帶有偏見性，這種偏見通過問題的設定和對象的選取得到了充分體現。
可行的解決方案：意外流行算法
群體智慧有失效的時候。例如，讓一群人回答這個問題——費城是賓夕法尼亞州的首府嗎？絕大多數人會錯誤地回答說“是的”。這是因為他們知道：①費城是賓夕法尼亞州的一座大城市，②首府都是大城市。但實際上，正確答案是哈里斯堡，而往往只有少數人會說出這個正確答案。
為了找出那些不為多數人所知的正確信息，普林斯頓大學和 MIT 的研究者設計了一種新的方法，將其稱為“意外流行”（surprisingly popular）算法。研究人員表示，這種算法能更好地從群體中獲取正確答案，尤其是當大多數人的看法是錯誤的時候。相關論文日前在 Nature 發表。
實驗中，研究人員會詢問接受調查的人他們對某個問題的看法，以及他們認為其他人會如何看待這個問題：①你認為正確答案是什麽？②你認為流行的答案（即多數人會選擇的回答）是什麽？
然後，算法會找出“意外流行”的答案，也就是比大多數人預測中更受歡迎的答案。大部分情況中，這些超出大多數人預計的選擇，就是正確的答案。
“我們以為社會平均意見一般是對的，過往對群體智慧的統計也支持這一看法，”研究負責人、MIT 斯隆管理學院的行為經濟學家 Drazen Prelec 說：“但事實證明並非如此。有像醫生那樣的專家存在。這讓我們意識到了少部分人掌握的知識。”
Nature 論文：單問題群體智慧新解
群體智慧優於任何個人智慧的概念一度曾被視為激進的觀點（provocative），但已經成為一種群體智慧，導致有人猜測在線投票都方式可能很快會使認證專家失業。群體智慧近來被用於政治和經濟預測、評估核安全、公共政策、化學探測質量檢測，以及潛在火山爆發危機應對措施。用於獲取群體智慧的算法通常基於民主投票程序，易於應用並且保持了個人判斷的獨立性。然而，民主方法有嚴重的局限性，容易拋棄那些沒有被廣泛共享的新穎或專業知識，反而側重膚淺、最低的共同信息。基於測量置信度的調整也不能可靠地解決這個問題。在這里，我們提出了民主投票的替代方案：選擇比人們預測更受歡迎的答案。我們表明，這個原則在關於選民行為的合理假設下能夠產生最佳答案，而標準的“最受歡迎”或“最自信”原則在相同的假設下無法實現這一點。與傳統投票一樣，該原則適用於單獨的問題，例如關於科學或藝術價值的小組裁決以及法律或歷史爭端。因此，這一方法的潛在應用領域比機器學習和心理測量方法更加廣泛，後兩者都需要來自多個問題的數據。
匿名用戶
Next Page