普林斯顿大学的研究团队为数百名专业人员(包括计算机科学家，统计学家和社会学家)提供了大数据，并为4000个家庭提供了13,000个数据点。我们要求开发一种算法，以预测每个家庭中儿童的未来表现。但是，研究人员使用最先进的机器学习方法或结合统计分析方法的算法获得的预测结果准确性均较低，并且不符合研究标准。

更详细的研究过程如下。

首先，研究小组从2000年在美国大城市的一家医院中随机选择的孩子和家庭中选出。并注意孩子分别是1、3、5、9和15岁时的情况。连续收集数据。它包括许多项目，例如孩子们在学校的平均表现，失败时的耐心水平，学校报告的耐心以及家庭的财务状况。

该团队为15岁以下的研究人员提供了足够的数据来构建算法。然后，研究人员着手开发算法，该算法可根据9岁以下的数据预测儿童的未来。最终，采用最新技术的各种算法推出了结果，但是当研究团队与实际数据进行比较时，它们都无法保证一定的准确性。

这项研究可能至少有两个教训。

据报道，其中之一是AI技术的当前状态“无法预测人类的未来和社会现象”。例如，据说在美国刑事司法系统中使用的风险评估算法(预测算法)在此阶段的最大准确性为60%到70%。在日本，由于引入了用于人员评估和个人信用计算的AI技术，AI技术最近引起了人们的关注，但可能无法预测未来。就未来对人类开放而言，这既是消极的，也是积极的。

另一个教训是，它可能是“数据不足”。人类积累了大量的经验和刺激，将其作为信息和变化，而不是将其可视化为数据。它包括从老师的话到刻骨铭心的心碎和意想不到的相遇的一切。而是可能存在“您不希望被可视化的信息”。当涉及到整个社会时，它甚至更大。如果可以收集所有这些数据，“预测未来的人工智能”是否可行?关于这一点，我要等待专家的意见。

可以肯定的是，人类对未来的渴望和需求不会消失，并且在一个日益不确定的世界中将继续增长。尽管DX，IoT和数字孪生等最近关键字的目标存在一些差异，但它们都融合到了未来的预测中。展望未来的技术如何诞生?还是没有人能预测到最后的未来?等待有关研究的进一步信息。