امسال برای پیش‌بینی نتایج تورنمنت «March Madness» یا همان مسابقات بسکتبال دانشگاهی آمریکا، به جای استفاده از الگوریتم‌های رایج یا فقط حدس و گمان، تصمیم گرفتم از یک گروه هوش مصنوعی دسته‌جمعی (AI Swarm) کمک بگیرم. نتیجه این آزمایش جذاب و تا حدی غیرمنتظره بود.
یک گروه ۵۰ نفره از طرفداران ورزشی به کمک یک پلتفرم مبتنی بر هوش مصنوعی مشغول به پیش‌بینی نتیجه بازی‌ها شدند. فناوری مورد استفاده در این پروژه، سامانه هوش مصنوعی جمعی شرکت Unanimous AI بود که از روش تعامل بلادرنگ میان شرکت‌کنندگان بهره می‌گیرد. به‌جای این‌که هر نفر به تنهایی رأی بدهد، سیستم به افراد اجازه می‌دهد تا نظرات خود را به‌صورت زنده مبادله کنند و در همان لحظه، به تصمیمی جمعی برسند.
این شیوه شبیه‌سازی تفکر گروهی باعث می‌شود که تصمیم‌ها نه فردی، بلکه به‌صورت مشارکتی و از طریق همفکری اتخاذ شوند. با ترکیب اطلاعات، شهود و تجربه افراد مختلف، هوش مصنوعی توانست به دقتی فراتر از حد انتظار دست یابد.
جالب این‌که، نتایج این «عقل جمعی هوش مصنوعی» نسبت به بسیاری از مدل‌های پیش‌بینی سنتی موفق‌تر بود. پیش‌بینی‌ها تطابق زیادی با نتایج واقعی داشتند و انتخاب‌های کلیدی در مراحل حساس مسابقات (مثل دور دوم و نیمه‌نهایی) تا حد زیادی درست از آب درآمد.
هوش مصنوعی دسته‌جمعی، برخلاف الگوریتم‌های سنتی، قادر است نقاط ضعف پیش‌بینی‌های شخصی را خنثی کند. برای مثال، اگر فردی تعصب ورزشی یا برداشت اشتباهی از عملکرد تیمی داشته باشد، این سیستم با وزن‌دهی به نظر اکثریت و مباحثه میان افراد، نتیجه نهایی را معتدل‌تر و البته دقیق‌تر می‌سازد.
امتحان این مدل در March Madness تنها یکی از کاربردهای بسیار بالقوه این فناوری است. چنین سیستم‌هایی می‌توانند در حوزه‌هایی مانند اقتصاد، سیاست، پیش‌بینی بازار و حتی مسائل اخلاقی به‌عنوان ابزاری برای تصمیم‌گیری بهتر به کار روند.
بدون شک، این تجربه نشان داد که ترکیب انسان و ماشین می‌تواند ابزار خارق‌العاده‌ای برای حل مسائل پیچیده باشد. شاید در آینده، مدل‌های مشارکتی و بلادرنگ از این دست به بخش جدایی‌ناپذیر تصمیم‌گیری‌های کلان تبدیل شوند.
