QQ在線
企業微信
資訊
461泰坦尼克號沉沒已經過去107年，這場悲劇與可持續農業、人口遷移問題或者健康保險費率等現代問題能有什么關系？這里給大家一點提示：數據證明。
無論是好是壞，現代世界正越來越多地利用算法識別數據中的模式，并根據這些模式做出預測。人們希望回答的問題是，“某個人能否在泰坦尼克號的沉沒中幸存下來？”而這個問題的基本分析方法，與“最有可能的人口遷移途徑是什么？”完全一致。
歷史悠久的問題
基于泰坦尼克號數據集，以預測海上生存概率，一直是眾多胸懷抱負的數據科學家以及程序員的標準實踐問題。
這是一個基本的挑戰：將一部分泰坦尼克號乘客名單添加至算法，其中描述每位乘客及其特性的一些基本變量。根據這些數據，算法應能夠提出相關結論，說明哪些變量決定某個人在1912年4月那個寒冷的夜晚擁有更高的生存或者死亡機率。為了測試結果是否正確，你需要利用訓練完成的算法處理名單中的其余乘客信息，而后與實際結果進行比較。
Kaggle.com等在線社區曾經進行過這樣的競賽，看誰能夠開發出準確率最高的生存預測算法。此外，這也是大學課程當中的常見問題。乘客名單大到足夠能反映出明確的趨勢，同時又小到能夠被初學者掌握。其結果也相對簡單——決定生死的變量可能只有十幾項，所以問題并不復雜，初學者也能夠解決；但其中的交互關系又足夠復雜，能吸引到技術人員的關注。另外，由于泰坦尼克號的故事非常有名，因此即使過去一個多世紀，仍能引發共鳴。
SparkBeyond公司正在將泰坦尼克號問題作為其AI平臺的早期測試素材，并希望將其作為向潛在客戶展示技術能力的方式之一。該公司聯合創始人兼CEO Sagie Davidovich表示，“有趣的是，即使是在像泰坦尼克號這樣簡單的問題當中，我們仍能夠發掘出大量有價值的結論。”
生存結果可歸結為變量
如果大家對泰坦尼克號的故事比較熟悉，完全可以通過簡單的數字計算對乘客的命運做出合理的猜測。
其中女性的生存機率幾乎達到男性的兩倍，兒童的生存機率則為成人的1.4倍。一等艙乘客的生存機率為其他乘客的1.9倍。事實證明，中年女性與年輕女性之間，艙位等級對生存率的影響最大；而在中年男性與年輕男性之間，年齡差異則是決定生存率的關鍵。
雖然這些結果基本在人們的意料之中，但確實能夠做出非常準確的預測。除此之外，算法也需要考慮到其它變量對于生存名單的影響，例如一個人的父母、孩子或者兄弟姐妹是否同在船上。正因為這些復雜性因素的存在，泰坦尼克號乘客名單才有長久以來一直成為數據科學家們關注的經典問題。
事實證明，以不同的方式查看數據有時也能帶來更快捷的分析結果。Davidovich指出，SparkBeyond的AI方案就通過查看船票上列出的乘客姓名前綴，發現了這樣一條分析“捷徑”。
Davidovich解釋道，“從數據當中可以看出，最簡單的高生存率預測指標就是，乘客的名字中不包含“先生”這一表述。這顯然涉及到乘客的性別成分，但深入解讀，這種現象實際上包含了上面談到的全部三種生存指標。”因為“先生”這一前綴，能夠快速確定最有可能在沉船事故中死亡的群體：中產階級及資產階級成年男性，這一群更有能力購買頭等艙船票的群體，往往(雖然并非全部)擁有“閣下”這類頭銜，而年輕的男孩則被稱為“少爺”(主要來自貴族階層)或者并無特別的稱謂。
現代應用
SparkBeyond公司的AI方案目前已經開始研究監獄暴力行為的原因、半導體制造質量控制以及人口遷移模式等問題。
Davidovich介紹稱，“機器智能可以確定的一項基本事實，在于自然災害與人口遷移之間的聯系。美國人口遷移的大幅飆升與颶風哈維有關，這一點在某些高速公路及主要道路上體現得尤為明顯。”
當然，除了數據模式這一共同本質之外，泰坦尼克號數據集還有著另一大共通的特性——盡管人們在分析時很容易迷失在具體數據當中，但這些紛繁復雜的數字與變量背后仍是真實人生的反映。
