AI Umum

Sistem Pembelajaran Mesin UC Berkeley untuk Prakiraan Mendekati Tingkat Manusia

Pendahuluan

Prakiraan memainkan peran penting dalam pengambilan keputusan di berbagai sektor, mulai dari kebijakan pemerintah hingga strategi perusahaan. Namun, metode prakiraan yang ada memiliki keterbatasan dalam menghadapi kompleksitas dan ketidakpastian data.

Sistem Prakiraan Berbasis Bahasa Model

Tim peneliti dari UC Berkeley telah mengembangkan sistem prakiraan baru yang memanfaatkan pembelajaran mesin. Sistem ini mengotomatiskan proses prakiraan, termasuk pengambilan informasi, penalaran, dan penggabungan prakiraan individu.

Komponen Sistem

  • Pengambilan Informasi: Sistem mengambil artikel berita yang relevan menggunakan API berita dan GPT-3.5-Turbo.
  • Penalaran: Model dibimbing oleh petunjuk untuk merefleksikan proses penalaran manusia.
  • Penggabungan Prakiraan:
    Sistem menggabungkan prakiraan dari berbagai model untuk meningkatkan akurasi.

Hasil Penelitian

Dalam pengujian, sistem mencapai skor Brier rata-rata 0,179, mendekati skor agregat manusia sebesar 0,149. Hal ini menunjukkan bahwa sistem prakiraan berbasis bahasa model mendekati dan bahkan melampaui akurasi peramal manusia.

Implikasi

Penelitian ini menunjukkan potensi bahasa model untuk meningkatkan akurasi dan efisiensi prakiraan. Sistem ini dapat memfasilitasi pengambilan keputusan yang lebih tepat di berbagai bidang.

Kesimpulan

Sistem prakiraan berbasis bahasa model UC Berkeley merupakan kemajuan signifikan dalam metode prakiraan. Sistem ini menawarkan pendekatan yang lebih canggih dan akurat untuk memprediksi masa depan.