Gode ​​forskere kan ikke bare avdekke mønstre i de tingene de studerer, men å bruke denne informasjonen til å forutsi fremtiden.

Meteorologer studere atmosfærisk trykk og vindhastighet for å forutsi sporene til fremtidige stormer. En biolog kan forutsi veksten av en svulst basert på sin nåværende størrelse og utvikling. En finansanalytiker kan prøve å forutsi oppkjøp og nedturer på en aksje basert på ting som markedskapitalisering eller kontantstrøm.

Kanskje enda mer interessant enn de ovennevnte fenomenene er det å forutsi menneskers oppførsel. Forsøk på å forutsi hvordan folk vil oppføre seg har eksistert siden menneskehetens opprinnelse. Tidlige mennesker måtte stole på deres instinkter. I dag, markedsførere, politikere, advokat advokater og mer lever på å forutsi menneskelig atferd. Forutsi menneskelig atferd, i alle dens former, er stor virksomhet.

Så, hvordan gjør matematikk i å forutse vår egen oppførsel generelt? Til tross for fremskritt i aksjemarkedsanalyser, økonomi, politisk avstemning og kognitiv nevrovitenskap - som alle i siste instans forsøker å forutsi menneskelig atferd - kan vitenskap aldri være i stand til å gjøre det med perfekt sikkerhet.

Større og bedre data

Når det gjelder spådommer, har forskere historisk blitt begrenset av mangel på komplette data, og stammer i stedet på små prøver for å utlede egenskapene til en bredere befolkning.

Men de siste årene har beregningsmessig kraft og metoder for innsamling av data blitt avansert til det punktet å skape et nytt felt: store data. Takket være den enorme tilgjengeligheten av innsamlede data, kan forskere undersøke empiriske forhold mellom et bredt utvalg av variabler for å dechiffrere signalet fra støyen.

For eksempel bruker Amazon prediktiv analyse å gjette hvilke bøker vi måtte like basert på vår tidligere gjennomgang eller kjøpshistorie. På samme måte forteller automatiserte kampanjekampanjer på nettet hvilke biler vi kan være interessert i basert på kjøretøyer søkt ut dagen før.

Markedsførere bruker fødselsrekorder å bestemme når du skal overvinne deg med annonser for babyprodukter. De gjetter selv når du trenger disse tingene basert på utviklingsstadiet av barnet ditt.

Det er ikke rakettvitenskap, egentlig. Det er bare å ha informasjon (data) som viser mønstre, og utnytte disse mønstrene i navnet på forutsigbarhet (og ofte fortjeneste). Selv om det igjen er vanskelig for eksternalderen å måle nøyaktigheten av disse algoritmene, det er litt arbeid som avslører hva som gjør disse algoritmene kryss.

Matematiske modeller

Mange prediksjonsverktøy er avhengig av maskinlæring, blant annet matematiske algoritmer som er basert på de biologiske prinsippene for hjernefunksjon og bruker enorme mengder data for å lære mønstre.

Maskininlæringsalgoritmer kan nøyaktig forutsi utfallet av Høyesterett saker, ved hjelp av slike prediktorer som identiteten til hver rettferdighet, måned for argumentet, saksøker og andre faktorer. Selv om nøyaktigheten av algoritmenes produksjon bare er omtrent 70 prosent, har det faktisk vist seg å overgå menneskelige juridiske eksperter.

Andre maskinlæringsalgoritmer har blitt vist til Forutsi selvmordsforsøk med en nøyaktighet på xnumx til xnumx prosent, uten tvil mer presis enn selv de beste menneskelige vurderinger.

Matematikk kan til og med kunne fortelle oss om terroristisk oppførsel fører opp til et angrep. I en studie så forskerne på registre over terroraktivitet i Irland, spesielt eksplosjoner av forbedrede eksplosive enheter. Etter en hendelse var sannsynligheten for en annen hendelse høyere enn ikke. Med andre ord var hendelsene ikke uavhengige. Slike kunnskaper kan være nyttige for et samfunn, kanskje å velge å umiddelbart mobilisere arbeidet etter et enkelt angrep i påvente av en annen.

Er perfekt prediksjon mulig?

Store data har gjort prediksjonsmetoder stadig mer nøyaktige. Men kan menneskelig atferd noensinne bli perfekt spådd?

Den mest grunnleggende ligningen er den for Y = f (X), som leser: "Y er en funksjon av X." Skriv inn en verdi for X, og forskeren vil fortelle deg den sannsynlige verdien for Y. Jo mer kompleks modellen, Jo mer behov for flere innganger, og så blir den enkle ligningen mye mer komplisert.

Selvfølgelig virker det ikke alltid. Orkaner tar spor som ikke er spådd av værmodeller. Tumorer vokser langsommere eller raskere enn forventet. Forskere, akkurat som noen andre, sjelden hvis de forutsier seg perfekt. Uansett hvilken data og matematisk modell du har, er fremtiden fortsatt usikker.

Så, forskere må tillate feil i vår grunnleggende ligning. Det vil si, Y = f (X) + E, hvor "E" omfatter vår manglende evne til å forutsi perfekt. Det er delen av ligningen som holder oss ydmyke.

Etter hvert som teknologien utvikler seg, kan forskere oppleve at vi kan forutsi menneskelig atferd ganske bra i ett område, men mangler fortsatt i en annen. Det er veldig vanskelig å gi en generell følelse av begrensningene. For eksempel kan ansiktsgjenkjenning være enklere å etterligne fordi visjon er en av mange menneskelige sensoriske prosesseringssystemer, eller fordi det er bare så mange måter ansikter kan avvike. På den annen side, forutsi stemmeadferd, spesielt basert på 2016 presidentvalget, er en annen historie. Det er mange komplekse og ennå ikke forstått grunner til at mennesker gjør hva de gjør.

Fortsatt andre hevder at, teoretisk i det minste, det perfekt prediksjon vil en dag være mulig. Inntil da kan matematikk og statistikk med noe lykke hjelpe oss i økende grad å redegjøre for hva folk i gjennomsnitt vil gjøre neste gang.

Om forfatteren

Daniel J. Denis, lektor i kvantitativ psykologi, Universitetet i Montana og Briana Young, Ph.D. kandidat i eksperimentelt program, Universitetet i Montana

Denne artikkelen ble opprinnelig publisert på Den Conversation. Les opprinnelige artikkelen.

Relaterte bøker:

at

Takk for besøket InnerSelf.com, der det er 20,000 + livsendrende artikler som fremmer "Nye holdninger og nye muligheter." Alle artikler er oversatt til 30+ språk. Bli medlem! til InnerSelf Magazine, utgitt ukentlig, og Marie T Russells Daily Inspiration. InnerSelf Magazine har blitt utgitt siden 1985.