一名宝藏猎人在洛基山脉失踪，几个月后，计算机算法找到了他

ZD至顶网软件频道消息： 当Randy Bilyeu失踪的时候，他正在寻找Fenn Treasure，据称这个宝藏里装满了黄金、宝石和珠宝，传说这一宝藏藏身于新墨西哥州圣达菲洛基山脉的北部。

在2010年，百万富翁艺术品经销商、79岁的Forrest Fenn用一个青铜胸甲装满了稀有的金属、珠宝和工艺品，将它们藏在这座山脉之中。在那一年的晚些时候，他出版了自己的自传《The Thrill of the Chase》，书中包含了一首二十四行诗，他表示其中隐藏了找到这件装满宝藏的胸甲所需要的线索。从那个时候起，他就成了一位全球名人；在2013年，他出现在NBC的Today Show节目上，透露了一些关于藏宝地点的新线索。Bilyeu碰巧看到了这期电视节目，并且对寻找Fenn的宝藏着了迷——全然不理这件事胜算几何，也不顾他的朋友和家人的劝告。

2016年元旦刚过，Bilyeu就抵达了圣达菲，这个城市每年都会举办周末“Fennboree”露营活动，在那里可以花上100美元购买一份Forrest Fenn亲手签名的地图。在1月3日，Bilyeu从居住的汽车旅馆结账离开，并购买了一艘充气筏。1月5日，他进山了，给一个朋友留下信息表示第二天就会回来。但是他没有回来，他的前妻Linda尝试用电话和他联络，一周半的努力都没有成功，随后Linda报了警。

第二天，当地的警察找到了他的充气筏和饥肠辘辘的猎狗Leo。但是没有找到Bilyeu。几周的搜索和救援工作也一无所获。Linda Bilyeu没有放弃，组织了一群志愿者继续搜索。Jerry Snyder是志愿者中的一员，他是一名退了休的美国缉毒署（Drug Enforcement Administration）的特工，并且是Find Me Group的创始人，这是一家总部位于亚利桑那州钱德勒市的非营利性组织，为帮助寻找失踪人员提供专业帮助。

Snyder表示，“自2002年以来，我们处理了超过400起此类事件。Find Me极大地依赖志愿者，所以我一直在思考如何尽可能有效地利用他们的时间。”他表示，“我想到了利用人工智能系统的点子，输入所有在某个事件上我们已经搜集到的信息，它就能够根据这些信息给我们一个关于失踪者的、大致的位置信息。可悲的是，我不是一名电脑天才。”

所以Snyder联系了附近的亚利桑那州立大学，并且最终联系上了Paulo Shakarian，他是一名助理教授，并且管理着那里的网络社会职能系统实验室（Cyber-Socio Intelligent Systems Laboratory）。Shakarian是一名西点军校的毕业生，专注于一种名为“地理空间绑架”的技术。

从本质上说，这是一个能够使用一系列已知的、之前存在过的位置的数据预测某个人（或者某件物体）现在位置的人工智能系统。例如，地理空间绑架可以使用动物的粪便的位置定位出一只熊藏身的洞穴的位置，或者根据已知的杀戮地点定位出连环杀手的地址。连环杀手通常会在距离自己家六英里之内的范围内发起攻击，而熊在外出日常捕猎或者洗澡时，则会保持和洞穴同样远的距离。Shakarian已经设计了一些算法，能够考虑这类信息、摄入数据点，并且能够在排除显然不可能的地点——诸如湖泊、河流等——推断出目前所处的最有可能的位置。和绝大部分这类算法一样，数据越多——更多的杀戮或者粪便——预测就越有可能是准确的。

这项技术在镇压阿富汗境内叛乱活动中证明了自身的价值。Shakarian和来自马里兰大学的科学家们共同设计的一个人工智能系统（被称为SCARE-S2：时空-文化溯因引擎系统2号的简称（Spatio-Cultural Abductive Reasoning Engine System 2））能够定位出叛军首领以及他们主要的供应仓库的位置。

现在Shakarian开始着手让SCARE-S2变成他称之为MIST的东西，MIST是失踪人口智能合成工具包（Missing Person Intelligence Synthesis Toolkit）的缩写。他表示，这种想法“是用同样的方法寻找失踪的人。”

对于跟踪熊、连环杀手甚至是叛乱分子，输入坐标是非常明确的做法。但是在Bilyeu的案件中，没有这样的数据点。相反，Shakarian和Snyder邀请了大约20位专家来猜测Bilyeu目前的位置。然后将这些坐标输入到人工智能算法之中。

但是这里还存在着另一个问题：Snyder表示，在神秘失踪和隐藏的宝藏的世界里， “专家们”常常是偏心的。“我们使用了退休的执法人员、经验丰富的搜救专业人员、甚至是超直觉人士的意见，希望不要错过任何有价值的贡献。”但是“超直觉人士”他指的是那些通灵者、灵媒以及一名自称是“非常灵验的占卜师”。 Snyder坚持要求MIST将他们的意见考虑在内，所以Shakarian和他的计算机科学学生们不得不找出一种合理的方式来处理这个问题。他们的想法简单得非常完美。

现代人工智能系统通常是训练出来的而不是依赖于编程。换句话说，它们通过案例而不是规则进行学习。MIST也不例外：他们从Find Me的文档中找出了24个已经结案的失踪人员案例，并将这些案例提供给人工智能软件。Shakarian表示，然后人工智能“将每位专家给出的坐标同失踪人员真正被找到的地点坐标进行比对。” Shakarian表示，“在此基础上，MIST依赖每一位专家的输入。”

因此，当这个人工智能系统在处理Bilyeu的案例的时候，它已经知道如何看待Snyder团队的方法了——谁的猜测可能会比较准确，而谁的话需要打点折扣，以及如何最好地权衡该团队在某个特定数据点上达成的一致。使用这些信息，这个人工智能系统摄入了专家的预测，并给出了自己关于Bilyeu当前下落的猜测。在2016年7月底，他们把MIST猜测出的坐标通知了圣达菲警方。

几天后，一名为美国陆军工程兵部队（US Army Corps of Engineers）工作的工程师无意中发现了Bilyeu的遗体，遗体位于Rio Grande河的河岸上，遗体上杂乱无章地覆盖了树枝和树叶。这个位置符合MIST的预测——而且事实上，这片区域在之前曾经不止一次地被搜索过。但是由于植被的遮盖，遗体一直没有被发现。令人悲哀的是，世界上没有一套人工智能能够明确计算出在这种情况下，需要拨开多少树叶。然而——尽管24个案例对于教会人工智能来说是非常小的数据量——但是这里的发现却是令人鼓舞的：Snyder 表示，“最终，MIST以出色的表现通过了真实世界的测试。”

现在，这个团队想要对MIST进行调整，以便让它也能够在杀人案和人口贩卖案件中发挥作用。Snyder已经联系了几个美国和国际刑警组织在欧洲的执法机构，获准使用他们的数据库。但是即使是这些项目还没有开始，MIST已经产生了巨大的影响：每一天，美国都有4000人失踪。根据Shakarian和Snyder研究，一个使用MIST的团队能够比比不使用它的团队提前两天找到失踪的人。Snyder表示，“我们越早找到他们，他们受到伤害的几率就越小，存活的可能就越大。”