DeepMind AI 修練成精了，已經學會「發脾氣」？

作者 雷鋒網 | 發布日期 2021 年 08 月 12 日 8:00 |

DeepMind 又在「捏小人」了！這群小人是英國人工智慧實驗室 DeepMind 生產的 AI，不過只能在遊戲裡看到。但你可能不知道的是，DeepMind 還訓練過 AI 下象棋、玩足球、比電競，甚至提出人工生命言論。

最近這群AI，竟然能直接跳過數據訓練，在開放式任務環境自我進化。

之前Alpha Go和Alpha Star能力再強，也只能在各自擅長遊戲放大招，超出範圍立刻停擺。現在這批小人卻能在不同遊戲游刃有餘完成任務，展現超強的泛用能力。難道人工智慧治好泛用「頑疾」了？

在搶奪高地金字塔的任務，兩個不同顏色的小人能力值相當，都沒有跳躍能力，開始發脾氣亂扔東西，混亂中竟把其中一塊板子「扔」成樓梯，長驅直入，任務完成！

多次實驗發現，小人可複製方法，難道這群AI有記憶了？不僅如此，小人還學會「相對運動」──我上不去，你下來──借助板子直接把目標拉下來！甚至為了贏得比賽，多個小人學會配合，團體合作能力一直上升。

這種用虛擬遊戲自我進化的AI，僅需人為搭建任務環境，設計大量任務目標，利用加強深度學習，一步步打通關，最終成為十八般武藝精通的AI。

沒有樣本，沒有經驗，這些AI究竟如何進化，零樣本學習是否意味這些AI具備基本的「自學意識」？

社會達爾文主義訓練場

比起之前的足球場，這批AI的訓練場更像遊戲「社會」，有無數個遊戲房，每房間遊戲照競爭性、平衡性、可選性、探索難度分類。不管哪種任務，這批AI都只能從最簡單開始，一步步解鎖更複雜的遊戲，整個遊戲更像虛擬社會。

無需大數據集訓的AI，每玩一次遊戲就成長一次，與各種環境互動和「獎勵」下成長為更通用的AI，更像人工「生命」。

能讓AI自我進化的關鍵在於正確設計初始智慧和進化規則。一開始都非常簡單，所有複雜結構都是進化而來。就像嬰兒不會做大人的事，任務核心是不要超出AI自身的改進能力。

據DeepMind說法，每個AI會在4千間遊戲房玩約70萬個遊戲，並在340萬個任務經歷2千億次訓練步驟。1億次步驟約耗時30分鐘。照這訓練法，41天就能訓練出一群「成年」AI。

但AI還是不會思考

DeepMind表示「單AI可開發智慧成多目標，不僅一個目標」。AI公司Pathmind 的CEO Chris Nicholson也說「它學到的技能可舉一反三。例AI學習抓取和操縱物體，就能完成敲鎚子或鋪床任務。DeepMind正用程式設計為AI在這世界設定目標，這些AI正在學習如何掌握。」

但南加州大學計算機科學副教授Sathyanaraya Raghavachary表示，這些AI並不能定義為「生命」，尤其關於AI擁有身體感覺、時間意識及理解目標幾個結論。「即使人類也沒有完全意識到身體這件事，更不用說人工智慧了。」

他表示，活躍的身體對大腦不可或缺，大腦要放在合適的身體意識和空間位置內進化。如果AI能理解任務，何必需要2千億次模擬訓練達到最佳結果？總體而言，虛擬環境訓練的AI只是和以往AI「大同小異」。

從理論到現實的路還很長

狹義人工智慧是「複製人類行為的元素」，在計算機內執行某種任務，如分類圖像、定位照片物件、定義對象邊界等。這些系統旨在執行特定任務，而不具解決問題的一般能力。

相比之下，Deepmind使用的「通用人工智慧」有時也稱為人類等級人工智慧，因可理解上下文、潛台詞和社會線索，甚至認為可能完全超過人類。

但正如行為主義和認知主義的對抗，AI是否有解決問題的能力，並不能只考慮統計結果。善於「事後解釋」任何行為，實驗室之外還是無法「預測」哪些行動即將發生。

資料來源：https://technews.tw/2021/08/12/is-deepminds-new-reinforcement-learning-system-a-step-toward-general-ai/?fbclid=IwAR0xofCay9Ydy83BfQ_7lyEtfGvJroFfCznxiTxYIHP6HUFWpELClQPFs28

💁‍♀️ 非醫學系出身，也想在SCI 發表？
　
我的博班第一學期，可說是什麼都不會，但我很清楚目標，就是必須要有至少 2 篇 SCI 的期刊發表。
　
當我最近起草第一篇必須獨力完成的投稿文，這才發現，問題不是出在英文書寫，也不在題目或是樣本蒐集，而是我不知道「遊戲規則」。
　
所謂的投稿，能被接受的文章需要具備哪些基本條件，碩博老師會教。但是，他們畢竟是學霸了，他們好像不太懂我們這種初來乍到學術殿堂的黃毛丫頭問題在哪……
　
🎯 論文起手，足見高下。
　
「我知道我犯了跟大家一樣的錯誤，就是會重複寫廢話，這些廢話是因為我們心虛，想要充實文章份量，但是又無話可說，所以寫了一些廢話。陳一銘老師確實含蓄的點出這個問題，並教我們重點在哪，要寫什麼才不會失焦。」
　
「好險上課後我發現自己可怕的審美跟排版是不受歡迎的，而在新思惟課程中，我學會了怎樣的圖表規劃才顯得專業，才能讓審稿人開心舒服，少走冤枉路。」
　
#會寫又肯教的老師非常珍貴
復健科吳爵宏醫師、放射科蔡依橙醫師，與你一樣的世代，超過 100 篇 SCI 發表經驗，給你最實用的建議。
　
#沒有門檻的研究入門課程
不限醫師背景，不限研究資歷，沒有擋修問題，實作統計讓完全無經驗者也能上手，並在「您自己的電腦」實際完成，製成可投稿數據圖。
　
#解鎖人生第一篇SCI論文的成就
SCI天天有，新思惟的研究課程，已協助眾多校友拚出人生第一篇 SCI paper，2020 年發表數更是屢創新高，最高單月 77 篇！
　
🔸 1/30（六）醫學論文與寫作工作坊
➠ 零基礎也不怕，研究入門首選。
➠ 論文架構也能套公式，沒基礎也能快速成功發表！
➠ https://mepa2014.innovarad.tw/event/

歡迎收看范琪斐的寰宇漫遊，今天的琪斐大放送我們要來談談，2020美國總統大選民調一面倒的說拜登贏川普一大截，川貴人，這次別選了吧?乖～我待會給你買個....樓?大家好，我是范琪斐。中間偏右的《華爾街日報》（Wall Street Journal）聯手中間偏左的《國家廣播公司》（NBC），在「川拜」首場辯論後，到川普確診前這段時間，所做的民調顯示，拜登的支持率高達53%，足足領先川普14個百分點（53%：39%）。真的假的啦～這個幅度也太誇張，我們再參考一下別的。

（10/11公布）美國ABC News和《華盛頓郵報》（The Washington Post），在川普出院後做的最新民調，有54%的選民說會把票投給拜登，大幅領先川普12個百分點（54%：42%）。專門統計各家民調數據的Five Thirty Eight指出，拜登的平均支持率勝過川普10.4個百分點（52.2%：41.9%， 10/10數據）。另一個民調數據集合網站「真清晰政治」（Real Clear Politics）的網站顯示，從10月以來每一家主要民調公司統計出的結果，都是拜登遙遙領先川普，差距在5到16個百分點不等，其中不乏立場較為中間的The Hill和經濟學人。所以平均下來拜登的支持率領先9.8個百分點。（10/9公布）美國權威智庫與民調機構「皮尤研究中心」（Pew Research Center）做出來的結果是，52%的選民打算把票投給拜登，領先川普10個百分點（52%：42%）。

我們找了很多民調,可是只有很少數的說，川普領先拜登， 說很少數，是怕我們川貴人傷心，其實找來找去只有一個。 （10/5公布）英國《每日快報》聯手英美智庫Democracy Institute做的民調顯示，川普支持率在46%，小勝拜登1個百分點（46%：45%）。不過我還是註明一下，這個《每日快報》是英國的右翼八卦報，民主研究所的民調，也沒有被民調界公信力很高的538列入參考的近500家民調就是了， 所以現在大多數民調都顯示，拜登會獲得壓倒性勝利，但川貴人當然不認為他會選輸啊，最近又在那邊「Fake news」、「Fake polls」喊來喊去，民調統統都是假的！這都是幻覺～嚇不倒我的！

先不要笑，川貴人說的是真的，4年前一直到投票日當天早上，民調都還顯示希拉蕊一定會凍蒜，《紐約時報》做了大半年的民調，到選舉當天早上，還在說希拉蕊有80%以上的勝選機會，結果最後被「逆轉」，搖擺州統統被川貴人拿下！2016年的民調，被很多人認為是「壞掉了」、「走鐘了」，完全無法反映出真實民意，今年隨著大選日逼近，也有越來越多人開始質疑，真的假的啊?這幾年來專家們一直試圖釐清，當年的「希拉蕊慘案」到底是怎麼出現的，總之過去四年民調專家就很努力的要找出，民調為什麼會跟開出來的票差那麼多，但真的非常困難，因為變數實在太多了，我們今天就幫大家整理出幾個專家們認為可能的原因。

（一）手機的普及
還記得去年台灣不是在吵「手機民調要不要納入總統初選民調」嗎？美國其實也有類似的問題。美國現在就跟台灣「人手一機」一樣，有時候還兩三機，越來越少人使用家用電話了，而且年輕人、低收入者以及少數族群，都只用手機而已；反觀年長者和白人族群，就會比較依賴室內電話。大數據分析網站《Datanami》就指出，25歲左右的年輕人看到不認識的電話，幾乎都會pass不接；但70歲的長輩們則是每通必接，因此這樣進行的電話民調就很容易往某一族群傾斜。

那用手機民調不行嗎？根據1991年的《電話消費者保護法》（Telephone Consumer Protection Act of 1991；TCPA），美國是禁止「自動撥號系統」打電話給手機用戶的，所以如果要打手機做民調，就必須派出「真人」撥號，這有多麻煩呢？數據顯示，你想獲得1,000個回答，就至少得隨機撥號2萬次，其中大部分是空號，因為手機號碼是私人的，根本不會刊登在電話簿上，這實在太勞民傷財了，很想幫做民調的人馬殺雞一下耶，你們辛苦了。

（二）沉默的多數
每次選舉我都很期待接到民調電話，但大多數美國人可不是這麼想的，可能是因為擔憂個資和隱私外洩，導致選民接電話不敢說出真實意見，或者是覺得，蛤～民調很久欸，老娘才沒空理你。1970年代左右，美國「民調回應率」（Polls response rate）高達80%，你只要打過去人家多半都會回答你，但是根據「皮尤研究中心」最新報告，2018年美國「民調回應率」已經暴跌到6%，等於你打100通電話就只有6個人不掛你電話、願意花時間跟你聊兩句，但你也不知道他是不是講真話。

像2016年的大選，支持川普的選民中，就有一群選前不願意表態的，或者在接受民調時故意說謊的，有些甚至不告訴鄰居他們其實支持川普。《Datanami》表示，這些選民會讓調查的結果失準2%到6%，6%很多欸，根本就是超出誤差範圍了。

（三）網路民調難
啊現在網路那麼發達，用網路做民調不就統統搞定了嗎？事實上恐怕剛好相反。數據顯示美國18-29歲的年輕人，有98%都使用網路，但偏偏這個年齡層的人最不愛投票，拿美國總統大選風向球：2018年美國期中選舉為例，雖然這群年輕人投票率比前一次大幅提高15.7個百分點，但仍是所有年齡層中最低的（35.6%），也就是說，每個人都是「鍵盤投手」，大家網路上搖旗吶喊超熱情，結果投票日當天大家都覺得不差我這一票。另一方面，你在網路上想填幾歲就幾歲，想變性就變性，別國網軍想來帶風向，也不是那麼困難，因此網路民調也非常容易失準。

（四）早期民調誇大
另一個大變數是「早期民調」的準確度很低，因為選民還沒有足夠時間去瞭解候選人到底在幹嘛，但早期民調卻是媒體報導所仰賴的主要資訊來源，結果就是候選人拿來造勢、媒體見獵心喜誇大報導，進而影響到後續選民對候選人表示支持的聲量。例如看到拜登領先，那支持拜登的人講話就會比較大聲，因為他們是「主流」，反之支持川普的人，可能就會比較不敢表達意見，形成「沉默螺旋」。

「皮尤研究中心」也加碼解釋，事實上2016年的全國民調還算準確，（預測希贏3.3%最後贏2.1%），但美國總統大選是以選舉人票為單位，希拉蕊全國總票數高於川普也沒屁用，最後川普拿下所有的搖擺州，入主白宮。而選前的州民調也無法反映出搖擺州的真實民意，地方往往沒有全國性民調那種資源，四年前他們就忽略了在最後關頭，投給川普的搖擺選民數量，也沒有準確掌握未受過大學教育的白人選民，他們到底支持誰，種種因素導致了中西部上演「大驚奇」。還有就是民調公司往往有特定的政黨傾向，最後很可能導向「護主」的結果，讓民調不盡然客觀。

那這些問題2020年還會再重演嗎？老實說，有些變數還是很難避免，《紐約時報》就整理了，和四年前相比，哪些因素可能讓美國民調更精準或更失準。

更精準的第一點就是，搖擺選民減少了。

四年前民調失準的一大因素就是搖擺選民，但今年跟民調人員說：嗯～我還沒想好，的搖擺選民數量變少了，四年前的這個時候，大概還有20%的選民說他們還沒決定要投誰，或是打算投給小黨候選人，但今年這群人的數量只剩一半，而且其中支持川普的人也老早就表態，尤其是搖擺州的白人工人階級選民。

更精準的第二點是，選民教育程度的加權。
大家要有個概念，民調準不準確，完全取決於你抽樣有沒有做到「隨機」，也就是每個族群的意見都要被採納進來，但這真的非常難做到，最後很容易讓民調結果出現偏差。例如在美國，如果你跑去郊區教堂裡做民調，那幾乎可以篤定會獲得一個偏共和黨的結果；但如果你對大學生進行抽樣，最後很可能獲得一個偏民主黨的結果。另外的數據又顯示，受過高等教育的選民，比較願意接受民調訪問，每個都是選我選我～而那些較保守、教育程度較低的選民，他們的聲音就很難反映在民調上，所以如果你沒有按照「教育程度」來做加權，民調就會充斥太多年輕大學生的意見，導致結果偏向民主黨。先前民調機構都不怎麼重視教育程度對選情的影響，結果導致2016「爆冷門」。

有鑑於4年前的「教訓」，今年有越來越多民調機構，把選民教育程度的權重提高了，簡單來說就是把教育程度較高的受訪者音量降低一點，把教育程度較低的受訪者音量調高一點，讓他們各自符合在總人口中所佔的比例。今年從3月以來，美國各家民調機構做的幾十個調查中，已經有半數增加教育程度的權重，是先前的兩倍多（約20%）。

可能比2016年更糟糕的是，網路民調的增加。我們剛剛已經提過網路民調的準確度有待商榷，但過去幾個月來，越來越多機構採用網路民調的方式，比例佔地方民調總數的一半。他們採用的方法可能太過簡單，就是直接抓一群網路群組成員，然後再根據受訪者的人口統計資料進行分類加權，這樣的作法成本很低又很方便，但非常容易有樣本代表性不足的結果，而且最後民調可能左傾。 （最好的方式是結合電話民調和網路民調，例如AP/NORC/VoteCast的民調，電訪4萬人外加隨機抽樣11萬網友，結果可能較為客觀。

另一個可能不太客觀的做法是：請選民「回想投票」。
目前有越來越多投票機構採取這個方式，也就是要求受訪者回想2016年他把票投給誰，是希拉蕊還是川普呢？然後再依據他們的回答去做選舉意向的加權。這樣做可以讓民調數字看起來比較漂亮，也可以減少錯誤，但卻很難避免系統偏差，導致結果傾向某一政黨。再加上通常大家都會傾向回答，自己是投給獲勝的那一方，沒有人會想承認自己投給輸家嘛！再說這四年來誕生不少首投族，又有不少人往生，像是疫情導致那麼多人死亡，也有很多人搬到別的地方去，硬把2016年的投票意向套用到今年，恐怕不太合適。

所以這個民調到底是能不能看啊?你要是問我,我覺得就別看了 ,這是我們媒體想要預測選舉的結果, 或研究單位拿來做選民行為分析. 但一般選民還是把政策看清楚點比較要緊,你管別人怎麼投
今天琪斐大放送的關鍵字是：
#美民調失準
#選情霧茫茫

--------------------------------------
《#范琪斐的寰宇漫遊》每周四晚間8點55分在 #寰宇新聞台 播出，沒跟上的也沒關係，歡迎訂閱我們的 YouTube 頻道 🔔#范琪斐的寰宇漫遊 🔔https://reurl.cc/ZvKM3 1000pm準時上傳完整版！

歡迎收看范琪斐的寰宇漫遊，今天的琪斐大放送我們要來談談，2020美國總統大選民調一面倒的說拜登贏川普一大截，川貴人，這次別選了吧?乖～我待會給你買個....樓?大家好，我是范琪斐。中間偏右的《華爾街日報》（Wall Street Journal）聯手中間偏左的《國家廣播公司》（NBC），在「川拜」首場辯論後，到川普確診前這段時間，所做的民調顯示，拜登的支持率高達53%，足足領先川普14個百分點（53%：39%）。真的假的啦～這個幅度也太誇張，我們再參考一下別的。

（10/11公布）美國ABC News和《華盛頓郵報》（The Washington Post），在川普出院後做的最新民調，有54%的選民說會把票投給拜登，大幅領先川普12個百分點（54%：42%）。專門統計各家民調數據的Five Thirty Eight指出，拜登的平均支持率勝過川普10.4個百分點（52.2%：41.9%， 10/10數據）。另一個民調數據集合網站「真清晰政治」（Real Clear Politics）的網站顯示，從10月以來每一家主要民調公司統計出的結果，都是拜登遙遙領先川普，差距在5到16個百分點不等，其中不乏立場較為中間的The Hill和經濟學人。所以平均下來拜登的支持率領先9.8個百分點。（10/9公布）美國權威智庫與民調機構「皮尤研究中心」（Pew Research Center）做出來的結果是，52%的選民打算把票投給拜登，領先川普10個百分點（52%：42%）。

我們找了很多民調,可是只有很少數的說，川普領先拜登， 說很少數，是怕我們川貴人傷心，其實找來找去只有一個。 （10/5公布）英國《每日快報》聯手英美智庫Democracy Institute做的民調顯示，川普支持率在46%，小勝拜登1個百分點（46%：45%）。不過我還是註明一下，這個《每日快報》是英國的右翼八卦報，民主研究所的民調，也沒有被民調界公信力很高的538列入參考的近500家民調就是了， 所以現在大多數民調都顯示，拜登會獲得壓倒性勝利，但川貴人當然不認為他會選輸啊，最近又在那邊「Fake news」、「Fake polls」喊來喊去，民調統統都是假的！這都是幻覺～嚇不倒我的！

先不要笑，川貴人說的是真的，4年前一直到投票日當天早上，民調都還顯示希拉蕊一定會凍蒜，《紐約時報》做了大半年的民調，到選舉當天早上，還在說希拉蕊有80%以上的勝選機會，結果最後被「逆轉」，搖擺州統統被川貴人拿下！2016年的民調，被很多人認為是「壞掉了」、「走鐘了」，完全無法反映出真實民意，今年隨著大選日逼近，也有越來越多人開始質疑，真的假的啊?這幾年來專家們一直試圖釐清，當年的「希拉蕊慘案」到底是怎麼出現的，總之過去四年民調專家就很努力的要找出，民調為什麼會跟開出來的票差那麼多，但真的非常困難，因為變數實在太多了，我們今天就幫大家整理出幾個專家們認為可能的原因。

（一）手機的普及
還記得去年台灣不是在吵「手機民調要不要納入總統初選民調」嗎？美國其實也有類似的問題。美國現在就跟台灣「人手一機」一樣，有時候還兩三機，越來越少人使用家用電話了，而且年輕人、低收入者以及少數族群，都只用手機而已；反觀年長者和白人族群，就會比較依賴室內電話。大數據分析網站《Datanami》就指出，25歲左右的年輕人看到不認識的電話，幾乎都會pass不接；但70歲的長輩們則是每通必接，因此這樣進行的電話民調就很容易往某一族群傾斜。

那用手機民調不行嗎？根據1991年的《電話消費者保護法》（Telephone Consumer Protection Act of 1991；TCPA），美國是禁止「自動撥號系統」打電話給手機用戶的，所以如果要打手機做民調，就必須派出「真人」撥號，這有多麻煩呢？數據顯示，你想獲得1,000個回答，就至少得隨機撥號2萬次，其中大部分是空號，因為手機號碼是私人的，根本不會刊登在電話簿上，這實在太勞民傷財了，很想幫做民調的人馬殺雞一下耶，你們辛苦了。

（二）沉默的多數
每次選舉我都很期待接到民調電話，但大多數美國人可不是這麼想的，可能是因為擔憂個資和隱私外洩，導致選民接電話不敢說出真實意見，或者是覺得，蛤～民調很久欸，老娘才沒空理你。1970年代左右，美國「民調回應率」（Polls response rate）高達80%，你只要打過去人家多半都會回答你，但是根據「皮尤研究中心」最新報告，2018年美國「民調回應率」已經暴跌到6%，等於你打100通電話就只有6個人不掛你電話、願意花時間跟你聊兩句，但你也不知道他是不是講真話。

像2016年的大選，支持川普的選民中，就有一群選前不願意表態的，或者在接受民調時故意說謊的，有些甚至不告訴鄰居他們其實支持川普。《Datanami》表示，這些選民會讓調查的結果失準2%到6%，6%很多欸，根本就是超出誤差範圍了。

（三）網路民調難
啊現在網路那麼發達，用網路做民調不就統統搞定了嗎？事實上恐怕剛好相反。數據顯示美國18-29歲的年輕人，有98%都使用網路，但偏偏這個年齡層的人最不愛投票，拿美國總統大選風向球：2018年美國期中選舉為例，雖然這群年輕人投票率比前一次大幅提高15.7個百分點，但仍是所有年齡層中最低的（35.6%），也就是說，每個人都是「鍵盤投手」，大家網路上搖旗吶喊超熱情，結果投票日當天大家都覺得不差我這一票。另一方面，你在網路上想填幾歲就幾歲，想變性就變性，別國網軍想來帶風向，也不是那麼困難，因此網路民調也非常容易失準。

（四）早期民調誇大
另一個大變數是「早期民調」的準確度很低，因為選民還沒有足夠時間去瞭解候選人到底在幹嘛，但早期民調卻是媒體報導所仰賴的主要資訊來源，結果就是候選人拿來造勢、媒體見獵心喜誇大報導，進而影響到後續選民對候選人表示支持的聲量。例如看到拜登領先，那支持拜登的人講話就會比較大聲，因為他們是「主流」，反之支持川普的人，可能就會比較不敢表達意見，形成「沉默螺旋」。

「皮尤研究中心」也加碼解釋，事實上2016年的全國民調還算準確，（預測希贏3.3%最後贏2.1%），但美國總統大選是以選舉人票為單位，希拉蕊全國總票數高於川普也沒屁用，最後川普拿下所有的搖擺州，入主白宮。而選前的州民調也無法反映出搖擺州的真實民意，地方往往沒有全國性民調那種資源，四年前他們就忽略了在最後關頭，投給川普的搖擺選民數量，也沒有準確掌握未受過大學教育的白人選民，他們到底支持誰，種種因素導致了中西部上演「大驚奇」。還有就是民調公司往往有特定的政黨傾向，最後很可能導向「護主」的結果，讓民調不盡然客觀。

那這些問題2020年還會再重演嗎？老實說，有些變數還是很難避免，《紐約時報》就整理了，和四年前相比，哪些因素可能讓美國民調更精準或更失準。

更精準的第一點就是，搖擺選民減少了。

四年前民調失準的一大因素就是搖擺選民，但今年跟民調人員說：嗯～我還沒想好，的搖擺選民數量變少了，四年前的這個時候，大概還有20%的選民說他們還沒決定要投誰，或是打算投給小黨候選人，但今年這群人的數量只剩一半，而且其中支持川普的人也老早就表態，尤其是搖擺州的白人工人階級選民。

更精準的第二點是，選民教育程度的加權。
大家要有個概念，民調準不準確，完全取決於你抽樣有沒有做到「隨機」，也就是每個族群的意見都要被採納進來，但這真的非常難做到，最後很容易讓民調結果出現偏差。例如在美國，如果你跑去郊區教堂裡做民調，那幾乎可以篤定會獲得一個偏共和黨的結果；但如果你對大學生進行抽樣，最後很可能獲得一個偏民主黨的結果。另外的數據又顯示，受過高等教育的選民，比較願意接受民調訪問，每個都是選我選我～而那些較保守、教育程度較低的選民，他們的聲音就很難反映在民調上，所以如果你沒有按照「教育程度」來做加權，民調就會充斥太多年輕大學生的意見，導致結果偏向民主黨。先前民調機構都不怎麼重視教育程度對選情的影響，結果導致2016「爆冷門」。

有鑑於4年前的「教訓」，今年有越來越多民調機構，把選民教育程度的權重提高了，簡單來說就是把教育程度較高的受訪者音量降低一點，把教育程度較低的受訪者音量調高一點，讓他們各自符合在總人口中所佔的比例。今年從3月以來，美國各家民調機構做的幾十個調查中，已經有半數增加教育程度的權重，是先前的兩倍多（約20%）。

可能比2016年更糟糕的是，網路民調的增加。我們剛剛已經提過網路民調的準確度有待商榷，但過去幾個月來，越來越多機構採用網路民調的方式，比例佔地方民調總數的一半。他們採用的方法可能太過簡單，就是直接抓一群網路群組成員，然後再根據受訪者的人口統計資料進行分類加權，這樣的作法成本很低又很方便，但非常容易有樣本代表性不足的結果，而且最後民調可能左傾。 （最好的方式是結合電話民調和網路民調，例如AP/NORC/VoteCast的民調，電訪4萬人外加隨機抽樣11萬網友，結果可能較為客觀。

另一個可能不太客觀的做法是：請選民「回想投票」。
目前有越來越多投票機構採取這個方式，也就是要求受訪者回想2016年他把票投給誰，是希拉蕊還是川普呢？然後再依據他們的回答去做選舉意向的加權。這樣做可以讓民調數字看起來比較漂亮，也可以減少錯誤，但卻很難避免系統偏差，導致結果傾向某一政黨。再加上通常大家都會傾向回答，自己是投給獲勝的那一方，沒有人會想承認自己投給輸家嘛！再說這四年來誕生不少首投族，又有不少人往生，像是疫情導致那麼多人死亡，也有很多人搬到別的地方去，硬把2016年的投票意向套用到今年，恐怕不太合適。

所以這個民調到底是能不能看啊?你要是問我,我覺得就別看了 ,這是我們媒體想要預測選舉的結果, 或研究單位拿來做選民行為分析. 但一般選民還是把政策看清楚點比較要緊,你管別人怎麼投
今天琪斐大放送的關鍵字是：
#美民調失準
#選情霧茫茫

--------------------------------------
《#范琪斐的寰宇漫遊》每周四晚間8點55分在 #寰宇新聞台 播出，沒跟上的也沒關係，歡迎訂閱我們的 YouTube 頻道 🔔#范琪斐的寰宇漫遊 🔔https://reurl.cc/ZvKM3 1000pm準時上傳完整版！