I bravi scienziati non solo sono in grado di scoprire schemi nelle cose che studiano, ma di usare queste informazioni per predire il futuro.

I meteorologi studiano la pressione atmosferica e la velocità del vento per prevedere le traiettorie delle tempeste future. Un biologo può prevedere la crescita di un tumore in base alle dimensioni e allo sviluppo attuali. Un analista finanziario può tentare di prevedere gli alti e bassi di uno stock in base a fattori come la capitalizzazione di mercato o il flusso di cassa.

Forse ancora più interessante dei fenomeni di cui sopra è quello di predire il comportamento degli esseri umani. I tentativi di prevedere come si comportano le persone sono esistiti sin dalle origini dell'umanità. I primi umani dovevano fidati del loro istinto. Oggi, i professionisti del marketing, i politici, gli avvocati di prova e altro si guadagnano da vivere nel prevedere il comportamento umano. Predire il comportamento umano, in tutte le sue forme, è un grande business.

Quindi, come fa la matematica a predire il nostro comportamento in generale? Nonostante i progressi nell'analisi dei mercati azionari, nell'economia, nei sondaggi politici e nelle neuroscienze cognitive - che alla fine si sforzano di prevedere il comportamento umano - la scienza potrebbe non essere mai in grado di farlo con perfetta certezza.

Dati più grandi e migliori

Nel fare previsioni, gli scienziati sono stati storicamente limitati dalla mancanza di dati completi, basandosi invece su piccoli campioni per inferire le caratteristiche di una popolazione più ampia.

Ma negli ultimi anni, il potere computazionale e i metodi di raccolta dei dati sono avanzati fino a creare un nuovo campo: i big data. Grazie all'enorme disponibilità di dati raccolti, gli scienziati possono esaminare le relazioni empiriche tra un'ampia varietà di variabili per decifrare il segnale dal rumore.

Ad esempio, Amazon utilizza analisi predittiva per indovinare quali libri potremmo gradire in base alla nostra precedente cronologia di navigazione o di acquisto. Allo stesso modo, le campagne pubblicitarie online automatizzate ci dicono quali veicoli potrebbero essere interessati in base ai veicoli cercati il ​​giorno prima.

I marketer usano i registri delle nascite per decidere quando inondarti di annunci per prodotti per bambini. Immaginano persino quando avrai bisogno di quelle cose in base alla fase di sviluppo del tuo bambino.

Non è scienza missilistica, davvero. Si tratta semplicemente di avere informazioni (dati) che mostrano schemi e sfruttare tali schemi in nome della prevedibilità (e spesso dei profitti). Anche se, di nuovo, la precisione di questi algoritmi è difficile per gli estranei, c'è del lavoro ciò rivela ciò che rende questi algoritmi positivi.

Modelli matematici

Molti strumenti di previsione si basano sull'apprendimento automatico, tra cui gli algoritmi matematici basati sui principi biologici della funzione cerebrale e utilizzano enormi quantità di dati per apprendere modelli.

Gli algoritmi di apprendimento automatico possono prevedere con precisione l'esito di Casi della Corte supremautilizzando tali predittori come l'identità di ogni giustizia, il mese dell'argomento, il richiedente e altri fattori. Sebbene l'accuratezza dell'output dell'algoritmo sia solo approssimativamente di 70 per cento, è stato effettivamente dimostrato di sovraperformare gli esperti legali umani.

Sono stati mostrati altri algoritmi di apprendimento automatico prevedere i tentativi di suicidio con una precisione da 80 a 92 per cento, probabilmente più preciso persino delle migliori valutazioni umane.

La matematica può persino essere in grado di dircelo comportamento terroristico portare ad un attacco. In uno studio, i ricercatori hanno esaminato le registrazioni di attività terroristiche in Irlanda, in particolare le esplosioni di dispositivi esplosivi migliorati. Dopo un incidente, la probabilità di un altro incidente era più alta di quella. In altre parole, gli eventi non erano indipendenti. Tale conoscenza potrebbe essere utile a una comunità, forse scegliendo di mobilitare immediatamente gli sforzi dopo un singolo attacco in previsione di un altro.

La previsione perfetta è possibile?

I big data hanno reso i metodi di previsione sempre più accurati. Ma il comportamento umano può mai essere perfettamente previsto?

L'equazione di base è quella di Y = f (X), che dice, "Y è una funzione di X." Inserisci un valore per X, e lo scienziato ti dirà il probabile valore di Y. Più complesso è il modello, più bisogno di più input e quindi l'equazione semplice diventa molto più complicata.

Certo, non sempre funziona. Gli uragani prendono traiettorie non previste dai modelli meteorologici. I tumori crescono più lentamente o più velocemente del previsto. Gli scienziati, proprio come chiunque altro, raramente, se mai prevedono, perfettamente. Indipendentemente dal tipo di dati e dal modello matematico, il futuro è ancora incerto.

Quindi, gli scienziati devono ammettere errori nella nostra equazione fondamentale. Cioè, Y = f (X) + E, dove "E" racchiude la nostra incapacità di prevedere perfettamente. È la parte dell'equazione che ci mantiene umili.

Con lo sviluppo della tecnologia, gli scienziati potrebbero scoprire che possiamo predire il comportamento umano piuttosto bene in un settore, mentre manca ancora in un altro. È molto difficile dare un senso generale dei limiti. Ad esempio, il riconoscimento facciale può essere più facile da emulare perché la visione è uno dei molti sistemi di elaborazione sensoriale umana, o perché ci sono solo tanti modi in cui le facce possono essere diverse. D'altra parte, prevedendo il comportamento di voto, in particolare sulla base delle elezioni presidenziali 2016, è un'altra storia. Ci sono molti motivi complessi e non ancora compresi perché gli umani fanno quello che fanno.

Altri ancora sostengono che, almeno in teoria, quello un giorno la previsione perfetta sarà possibile. Fino ad allora, con un po 'di fortuna, la matematica e le statistiche potrebbero aiutarci a rendere sempre più conto di ciò che le persone, in media, faranno dopo.

Circa l'autore

Daniel J. Denis, professore associato di psicologia quantitativa, L'Università del Montana e Briana Young, Ph.D. candidato al programma sperimentale, L'Università del Montana

Questo articolo è stato pubblicato in origine The Conversation. Leggi il articolo originale.

Libri correlati:

at

Grazie della visita InnerSelf.com, dove ci sono 20,000+ articoli che cambiano la vita e promuovono "Nuovi atteggiamenti e nuove possibilità". Tutti gli articoli sono tradotti in 30+ lingue. Sottoscrivi a InnerSelf Magazine, pubblicato settimanalmente, e Daily Inspiration di Marie T Russell. Rivista InnerSelf è stato pubblicato dal 1985.