在經歷多天的“難產”之後，美國大選計票結果終於有個一個確定的結果，民主黨總統候選人喬·拜登確認勝選成為美國第46任總統。似乎這出年度大戲已經落下帷幕，但是，就在選舉之夜，第一輪計票開始後不到24小時，媒體和政治階層已經宣佈了一個失敗者：民調。
這不是民調第一次“發揮失常”，早在2016年大選後，許多民調專家還否認他們的職業一頭走向下坡路的說法：全國民調平均值預測，希拉蕊·克林頓(Hillary Clinton)將以略低於四個百分點的優勢贏得普選，她最終也以略高於兩個百分點的優勢在普選中獲勝。但是，美國的選舉是由選舉團中的搖擺州決定的，而不是由普選決定的。因此，那一年的最終結果也令大多數人始料未及。(來源：AP / David Dermer)
那麼，是否有比傳統民調更準確的方法來預測選舉結果呢？
美國西雅圖非營利性研究中心艾倫人工智慧研究所執行長奧倫.埃齊奧尼（Oren Etzioni）表示："我不會解僱民意測驗者，但我會引導他們更好地利用機器學習、資料探勘和人工智慧來更好地預測。
彷彿，人工智慧成了民調機構手裡的一棵救命稻草。
AI預測大選，需要幾步？
首先你需要明白，沒有一個人或演算法能夠一直準確預測人類的行為，然而，傳統民意測驗的的問題是，民意調查者使用的模型主要基於歷史分類和平均值。那麼我們就需要規避這些“僵硬”的資料指標。
然後，你需要一個資料來源，像亞馬遜這樣的科技公司能夠利用演算法捕捉實際行動，簡單來說，亞馬遜的演算法不管你是誰，它只知道：當你去買個狗項圈，那麼你也很可能會買狗糧。因此，這些反應行為的資料需要不斷地大量抓取，儘管很困難，但在動態識別助推機率預測的模式和相關性方面能帶來無限的幫助。
接下來就是建立模型，由於收集資料來源的側重點不同，建立的模型也會有差異。著名分析公司 KCore Analytics 就從社交媒體帖子中預測：拜登在民眾投票中將佔優勢——大約 8 或 9 個百分點——但在選舉團方面，優勢很小。具體操作是利用了一個端到端的框架在 Twitter 之類的網路中查詢影響者和主題標籤。根據內容和頻率選擇資料，然後在一個稱為 AWS-LSTM 的 AI 模型中對意見進行分類測算，據稱準確性高達 89.5％。而這一切都基於該公司使用超過 10 億條推文的資料探勘。
總部設在義大利的 Expert.AI 公司，嘗試分析一些因素如語氣和情感，並預測如何可能轉化為選票。相比於 KCore Analytics，Expert.AI 就顯得幹練很多，具體操作是利用一個知識圖來標識命名實體（包括人員、公司和地點）並嘗試對它們之間的關係進行建模。有趣的是，其系統將 84 個情感標籤貼在 Twitter 和其他網路的數十萬條帖子上，半自動地消除了機器人般的社交賬戶。
Expert.AI 的演算法將標籤按 1 到 100（反映其強度）的等級進行排名，並乘以每個候選值的匹配次數。同時，它將情緒分類為"積極"或"消極"，並用它來建立一個可以比較兩個候選項的索引。結果顯示，拜登在社會媒體上的情緒排名更高，略高於川普（50.2% 對 47.3%）
無獨有偶，由渥太華大學的科學家開發的"Advanced Symbolics polly"收集了一個隨機的，受控的美國選民樣本，例如“黑人的命也是命運動”“中國問題”“新冠疫情”等。透過他們的帖子和在社交媒體上的談話進行識別。基於此預測得出：佛羅里達州將投票給拜登，並佔該州總票數的 52.6%。事實後來我們都知道，川普在此翻盤，一度讓盤面上的局勢膠著不下。圖 | Advanced Symbolics polly 預測模型
以上都是一些透過抓取大資料來進行分析預測，當然也有一些機構對區域性資料進行收集，透過智慧“蜂群”放大，進而預測選民的意向。Unanimous.AI 就是這樣一個公司，該公司團隊 9 月份在美國進行的一項 50 人現場調查，要求他們預測他們認為誰將贏得 11 個州的總統競選，以及以什麼幅度贏得總統競選。
Unanimous.AI 的實時調查允許使用者實時檢視其他參與者正在選擇什麼，機器學習演算法根據答案變化等因素評估誰對自己的預測最有信心。最自信的答案對最終彙總答案的影響最大。不過雖然看起來該預測內容簡單，但是它已經正確地預測了 10 個州競選的獲勝者。可謂"戰績"斐然.。圖 | Unanimous.ai 9月進行了一次現場調查，要求50名參與者預測誰將贏得11個戰場州的總統競選，以及以什麼優勢贏得總統競選（來源：UNANIMOUS.AI）
並非所有的 AI 投票都那麼準確
在 AI 預測將民意至於“顯微鏡”下的同時，我們也把 AI 預測推到民意驗測者的 “顯微鏡” 之下，可以預見，一些預測的確精準無比，但是類似“Advanced Symbolics Polly“這樣的 AI 預測系統也會“誤入歧途”，例如 Advanced Symbolics Polly 得出佛羅里達州將投票給拜登，佔該州總票數的 52.6% 的這一失準預測，就是因為該制度未能單獨抽樣古巴裔美國人（他們通常投票給共和黨候選人）。換句話說，Advanced Symbolics Polly 把古巴裔美國人和委內瑞拉裔美國人，墨西哥裔美國人混為一談，統一歸為"西班牙人"。
正如《財富》雜誌所指出的那樣，無論預測的正確與否，這些模式都沒有考慮到法律挑戰、無信仰的選民（選舉團成員不投票給他們承諾的候選人）或其他混淆者可能會影響選舉結果的方式。在這些不斷變化的引數條件下，AI 預測——就像傳統的民意調查一樣——似乎低估了 2020 年選民對川普的熱情，特別是在黑人和拉丁裔選民以及 LGBTQ 社群成員中。（來源：紐約時報）
ASI 聯合創始人兼執行長艾琳.凱利（ErinKelly）表示：“使用人工智慧來預測選舉仍然是一個相對年輕的做法。AI 的優點之一是模型可以學習，並隨著時間的推移而變得更好。”
我們經歷的這一切似乎是一場輪盤賭博，在輪盤沒有停下的時候，誰都說不準命運的小球會滑向哪一個數字，但相較於人類而言，人工智慧在面對“賭局”的時候不會產生任何心裡起伏。它們只會不斷地積累資料，使最終結果逼近於正確答案。或許，對於 Advanced Symbolics Polly 那樣的預測 AI 來說，今年的選舉"只是一次學習經歷"。
參考資料：
https://www.wsj.com/articles/artificial-intelligence-shows-potential-to-gauge-voter-sentiment-11604704009?mod=tech_lead_pos11
https://venturebeat.com/2020/11/06/how-ai-predictions-fared-against-pollsters-in-the-2020-u-s-election/
