Prédire les événements à l'aide de l'apprentissage automatique

Prédire les événements à l’aide de l’apprentissage automatique

Accueil » Nutrition » Healthy » Prédire les événements à l’aide de l’apprentissage automatique

Les chercheurs et les data scientists du Florey ont trouvé un moyen d’exploiter l’intelligence artificielle (IA) pour améliorer la précision des prévisions des événements futurs.

L’équipe a utilisé l’IA pour améliorer la précision des prévisions issues du crowdsourcing sur une plateforme de marché de prédiction. Le document de l’équipe, publié dans eBioMédecinerapporte que le modèle hybride homme-machine résultant était plus précis que les humains seuls pour prédire les événements liés au COVID-19.

L’auteur principal de l’article, le professeur Anne-Louise Ponsonby, a déclaré que des prévisions de qualité sont essentielles à une bonne prise de décision.

« Il est important d’avoir une idée précise de ce à quoi s’attendre dans l’avenir, que nous réagissions à une pandémie, aux résultats d’élections ou à l’économie. La pandémie de COVID-19 a mis en évidence que non seulement la prévision d’une activité est difficile, mais que les prévisions liées aux activités publiques les résultats en matière de santé sont particulièrement difficiles.

Le professeur Ponsonby a déclaré que les marchés de prédiction, qui utilisent la sagesse des foules pour prédire des résultats spécifiques, ont déjà surpassé d’autres méthodes de prévision telles que les enquêtes, les panels d’experts et les sondages dans certaines études. L’équipe a analysé les données approfondies d’une base de données de questions sur le COVID-19 posées sur la plateforme de prévision Almanis gérée par Dysrupt Labs.

« Nous avons utilisé l’intelligence artificielle pour détecter les caractéristiques, les modèles et les performances passées des prévisionnistes afin de générer un score en temps réel de leur précision probable de prévision ou de leur « qualité commerciale » sur le marché de la prévision. Nous avons accordé un poids supplémentaire aux meilleures prévisions, ce qui a même conduit à des résultats plus précis”, a déclaré le professeur Ponsonby.

Cette méthode a permis d’améliorer la prédiction des événements sur plusieurs ensembles de données indépendants, notamment le programme de sciences sociales de nouvelle génération.

Les deux systèmes étaient généralement d’accord dans leurs prédictions, mais lorsqu’ils étaient en désaccord, le modèle hybride était susceptible de surpasser le modèle uniquement humain.

Par exemple, lorsque les deux prévisions différaient de 5 points de pourcentage ou plus sur la probabilité d’un événement, le score de précision de l’aire sous la courbe (AUC) était de 0,90 pour le modèle hybride, contre 0,77 pour le modèle humain uniquement (un score de 1 sur ce point). la métrique indique une prédiction parfaite, tandis qu’un score de 0,5 équivaut au hasard).

L’auteur principal, Alex Gruen, scientifique des données de Florey, a déclaré que l’approche hybride serait probablement particulièrement utile pour prévoir des événements ou des risques lorsqu’il n’existe pas de sources de données établies ou lorsqu’il existe des incertitudes importantes liées à l’action humaine.

“Chaque jour, les gens prennent d’innombrables décisions, au niveau individuel et collectif, en fonction de la probabilité d’événements futurs”, a déclaré M. Gruen.

“Ce modèle hybride est un moyen d’améliorer la précision des prévisions et a le potentiel d’améliorer nos réponses aux risques émergents tels que les pandémies ou le changement climatique”, a-t-il déclaré.

Fourni par l’Institut Florey de neurosciences et de santé mentale

Publications similaires