投資股市的目的是盈利，因此在決定購買哪只股票之前我們會查閱與該公司相關的資訊，搜索最近甚至之前與該公司有關的新聞，逛逛炒股方面的貼吧，看看微博上面與該公司有關的消息。如果這個公司的前景明朗（正面報道很多），那麼投資該股票的回報率也許會高一些；投資股市，還需要會看各種數據，如K線等。有時我們看到某隻股票持續走低，並且有上漲的勢頭了，也許此時是最佳的購入時機，因為該股票有很大可能會觸底反彈了。另外人工智慧技術中的線性回歸算法在股票預測方面的作用也很大。
此外，人工智慧技術對股價的趨勢預測，是一個深度學習的練習項目。其通過機器學習算法，根據過去幾年與某隻股票相關的K線走勢、公司相關報道的情感分析作為數據集，通過訓練來得到可以預測股價的機器學習模型，並用該模型對股價進行趨勢預測。這時趨勢預測算法（如ARIMA模型、LSTM神經網路模型、Prophet模型等）就有可能大顯身手。雖然不同的模型會有各自的優勢和劣勢，但牠們對於股價的趨勢預測有一定的參考價值。
前不久，阿根廷隊以3:3(點球4:2)戰勝法國隊，奪得2022卡塔爾世界盃冠軍。就像國際知名度較高的機構（如調研公司尼爾森和遊戲公司藝電）通過人工智慧技術預測那樣，能捧起這屆世界盃大力神杯的會是阿根廷隊。他們通過強大的人工智慧算法模型來預測足球賽事的最後結果，為許多彩民帶來了不僅是驚喜還有驚奇。
在醫療方面
近日，丹麥技術大學（DTU）、哥本哈根大學、國際電信聯盟（ITU）和美國東北大學的一個研究項目表明，如果用大量關於人們生活的數據來訓練所謂的「轉換器模型」（life2vec，類似於ChatGPT）來處理語言，牠們就能系統地組織數據，預測一個人一生中會發生的事情，甚至估計死亡時間。研究人員開發的這款人工智慧「轉換器模型」分析了600萬丹麥人的數據，考察了收入、職業以及是否骨折等因素，來預測終生收入或早逝可能性等生命結果，模型預測準確率78%。這項成果於12月18日發表在《自然-計算科學》上。
最近，日本日立製作所利用人工智慧技術開發了一項預報流感流行趨勢的服務。流感不僅導致日常生活不便，也對經濟活動造成了影響；因此有專家指出，如果能將所在地區流行狀況可視化並進行預測，對接種疫苗、避免人群擁擠等預防行動的改變會有所幫助，並有助於防止感染傳播。它將新增患者人數達到2018年度流行峰值以上的狀況定為最嚴重的「3級」，按照從「3」到「0」的四級公佈預測結果。這項服務將來也有望用於新型冠狀病毒(COVID-19)及其變異的流行趨勢預報。
人的言語模式可能揭示一個人患精神相關疾病的風險。近年來，研究人員已經將目標轉向計算機算法，幫助心理健康專家分析高危人群的語言，以從他們的講話中發現線索。美國西奈山醫學院、紐約州立精神病學研究所、加州大學洛杉磯分校和其他機構的研究人員使用了一種人工智慧算法來研究93位有風險的人群的言語模式。研究人員表示，該算法可以識別出哪些病人患上了精神病，準確率達到83%。
在農業方面
許多國家的農業報告預測，到2027年，精準農業市場將達到129億美元，因此越來越需要開發能夠實時指導管理決策的複雜數據分析解決方案。美國伊利諾伊大學的研究人員最近提供了一種有前途的趨勢預測算法，可以更有效、更準確地處理精密農業數據。例如，對於玉米種植來說，決定何時施用氮素肥是一個長期的挑戰。由於多種氮素肥施用量和施用時間，包括種植時施用的所有氮素肥和幾個發育階段的分批施用，氮素肥對田間玉米的有害脅迫程度不同。
他們通過一種稱為卷積神經網路的機器學習對玉米種植進行了分析。機器學習是人工智慧技術的核心，某些類型的機器學習從模式開始，然後要求計算機將所有數據放入這些現有模式中。卷積神經網路可以對現有模式視而不見，取而代之的是，獲取少量數據並學習組織數據的模式，類似於人類通過大腦中的神經網路組織新資訊的方式。
研究人員主要使用機器學習的方法來生成玉米產量預測。這種方法結合了來自不同地形變量，土壤電導率以及玉米田中應用的氮素肥和種子處理的資訊。他們藉助一種更好的肥料使用模型，實現可以最終幫助農民科學合理施肥，降低生產成本，增加玉米產量，並同時減少可持續農業景觀的環境足跡。
以上僅從三個方面介紹了人工智慧技術在預測學研究中的應用情況。我們可以拿實際數據與預測的結果進行對比分析，計算預測的準確率，分析差異的原因，提出改進的方案，想方設法提高下一次預測的準確率。雖然現實情況千變萬化，但是基本原理和解決問題的思路是相通的。
在當今的人工智慧時代，人們可以使用更複雜的技術來代替人腦決策，通過在數據庫中檢索分析，建造模型。這些不是重複的任務，而是需要基於複雜的算法和機器學習做出判斷，可以應用於預測未來、做出科學的決策。
文/李立群（作者單位：新加坡南洋理工大學工學院）
