Previsão de eventos com a ajuda da aprendizagem automática

Os investigadores e cientistas de dados do The Florey descobriram uma forma de aproveitar a inteligência artificial (IA) para melhorar a precisão das pessoas na previsão de eventos futuros.

A equipa utilizou a IA para aumentar a exatidão das previsões de origem coletiva numa plataforma de mercado de previsões. O artigo da equipa, publicado na eBioMedicine, refere que o modelo híbrido homem-máquina resultante foi mais preciso do que apenas os humanos na previsão de eventos relacionados com a COVID-19.

A autora sénior do artigo, a Professora Anne-Louise Ponsonby, disse que a previsão de qualidade é fundamental para uma boa tomada de decisões. “Obter uma imagem precisa do que se pode esperar no futuro é importante, quer estejamos a responder a uma pandemia, aos resultados das eleições ou à economia. A pandemia da COVID-19 veio sublinhar que não só a previsão é uma atividade difícil, como a previsão relacionada com os resultados da saúde pública é particularmente difícil”, explicou.

Já o Professor Ponsonby afirmou que os mercados de previsão, que utilizam a sabedoria das multidões para prever resultados específicos, já superaram outros métodos de previsão, como inquéritos, painéis de peritos e sondagens, em alguns estudos.

A equipa analisou dados profundos de uma base de dados de perguntas sobre a COVID-19 colocadas na plataforma de previsão Almanis gerida pela Dysrupt Labs.

“Utilizámos a inteligência artificial para detetar as características, os padrões e os desempenhos anteriores dos analistas, a fim de gerar uma pontuação em tempo real da sua provável precisão de previsão ou “qualidade comercial” no mercado de previsões. Demos mais peso às melhores previsões, o que conduziu a resultados ainda mais exatos”, revelou Ponsonby.

Modelo híbrido tem mais probabilidades de superar o modelo exclusivamente humano

Este método resultou numa melhor previsão de eventos em vários conjuntos de dados independentes, incluindo o Next Generation Social Science Program.

Em geral, os dois sistemas concordavam nas suas previsões, mas quando discordavam, o modelo híbrido tinha mais probabilidades de superar o modelo exclusivamente humano.

Por exemplo, quando as duas previsões discordavam em 5 ou mais pontos percentuais na probabilidade do evento, a pontuação de precisão da Área sob a Curva (AUC) era de 0,90 para o modelo híbrido em comparação com 0,77 para o modelo exclusivamente humano (uma pontuação de 1 nesta métrica indica uma previsão perfeita, enquanto uma pontuação de 0,5 é equivalente ao acaso).

O autor principal, Alex Gruen, cientista de dados da Florey, afirmou que a abordagem híbrida é suscetível de ser particularmente útil para a previsão de eventos ou riscos em que não existem fontes de dados estabelecidas ou em que existem incertezas significativas relacionadas com a ação humana. “Todos os dias, as pessoas tomam inúmeras decisões a nível individual e de grupo com base na probabilidade de acontecimentos futuros”, destacou.

Para Gruen, “este modelo híbrido é uma forma de melhorar a exatidão das previsões e tem o potencial de melhorar as nossas respostas a riscos emergentes como as pandemias ou as alterações climáticas”.