愚愚学园
www.SciFans.net温馨提示：
迂回曲折地走入美国参议院的健康草案只是美国国会今年将会考虑的数千份草案中的一份，其中绝大多数将会失败。实际上，仅有约4%的草案会成为法律。那么，哪些法案值得**************呢？一个新人工智能（AI）算式将会提供帮助。仅需一份草案加上约12个其他变量，它就能以极高准确性判断一项草案成为法律的几率。
其他的算式曾预测过一份草案能否在国会委员会上生存下来，或者参议院或众议院代表是否会投票支持它，它们均有一定程度的成功率。聚焦研究政策制定的纳什维尔AI公司Skopos实验室计算学家John Nay希望让该预测向前再迈一步。他希望预测一份法案能否在两院获得通过，并精确地预测其通过几率。
Nay从一个名为GovTrack的法律跟踪网站下载并分析了从第103届国会（19931995年）到第113届国会（20132015年）的相关数据。其中包括草案的全文以及一系列变量，如共同赞助者的数量、法案被引入时的月份以及支持者是否在其所属两院占多数群体等。他利用从103届到106届国会的数据训练了机器学习算式，从而将草案的内容和背景变量及其结果进行连系。随后，他预测了在第107届国会中的每项草案结果如何。接下来，他对从第103届到第107届国会的算式进行了训练，以预测第108届国会等等，以此类推。
Nay最复杂的机器算式结合了若干个部分。第一部分分析了草案中的语言。它通过解释词汇如何镶嵌在周围的词汇中解释了它们的意思。接下来，它寻找了句意和包含它们的法案获得成功之间的连系。其他的三个算式发现了上下文数据和草案成功之间连系。最终，一个总的算式会利用其他四个算式的结果预测将会发生什么。
由于96%的草案会失败，简单的经常失败策略通常是正确的。但Nay并不是要简单地预测每个草案是否能够通过，而是想要归纳每个草案具体通过的可能性。如果一个草案价值1000亿美元，或是要花费数月或数年才能被凝聚在一起，不能因为其通过几率低于50%就忽视其实施的可能性。为此，他根据算式给出的成功比例而非预测草案会成功的数量对其评分。通过这种方式，他的算式比简单地猜测一个草案是否会通过的几率高65%。相关成果日前发表于美国《公共科学图书馆综合》。
更多阅读
《科学》相关报道（英文）
