Para saintis yang baik bukan sahaja dapat mengungkap corak dalam perkara yang mereka pelajari, tetapi menggunakan maklumat ini untuk meramalkan masa depan.

Ahli meteorologi mengkaji tekanan atmosfera dan kelajuan angin untuk meramalkan trajektori ribut masa depan. Ahli biologi boleh meramalkan pertumbuhan tumor berdasarkan ukuran dan perkembangan semasa. Penganalisis kewangan boleh mencuba untuk meramalkan naik dan turun stok berdasarkan perkara seperti permodalan pasaran atau aliran tunai.

Mungkin lebih menarik daripada fenomena di atas adalah meramalkan tingkah laku manusia. Percubaan untuk meramalkan bagaimana manusia akan berkelakuan sejak asal-usul manusia. Manusia awal terpaksa mempercayai naluri mereka. Hari ini, pemasar, ahli politik, peguam percubaan dan lebih banyak membuat hidup mereka meramalkan tingkah laku manusia. Meramalkan tingkah laku manusia, dalam semua bentuknya, adalah perniagaan yang besar.

Jadi, bagaimanakah matematik lakukan dalam meramalkan tingkah laku kita secara umum? Walaupun kemajuan dalam analisis pasaran saham, ekonomi, pengundian politik dan neurosains kognitif - semuanya akhirnya berusaha untuk meramalkan tingkah laku manusia - sains mungkin tidak dapat melakukannya dengan kepastian sempurna.

Data yang lebih besar dan lebih baik

Apabila membuat ramalan, saintis secara sejarah telah dibatasi oleh kekurangan data lengkap, bergantung kepada sampel kecil untuk menyimpulkan ciri-ciri populasi yang lebih luas.

Tetapi dalam beberapa tahun kebelakangan ini, kuasa pengiraan dan kaedah mengumpul data telah maju ke titik mewujudkan medan baru: data besar. Terima kasih kepada ketersediaan besar data yang dikumpul, saintis boleh memeriksa hubungan empirikal antara pelbagai pembolehubah untuk menguraikan isyarat dari bunyi.

Sebagai contoh, Amazon menggunakan analisis ramalan untuk menebak buku mana yang kami sukai berdasarkan sejarah melayari sebelumnya atau pembelian kami. Begitu juga, kempen iklan dalam talian automatik memberitahu kami kenderaan mana yang kami mungkin berminat berdasarkan kenderaan yang dicari hari sebelumnya.

Pemasar menggunakan rekod kelahiran untuk menentukan masa untuk membanjiri anda dengan iklan untuk produk bayi. Mereka juga meneka apabila anda memerlukan perkara-perkara tersebut berdasarkan peringkat perkembangan anak anda.

Ia bukan sains roket, sungguh. Ia hanya mempunyai maklumat (data) yang menunjukkan corak, dan mengeksploitasi pola-pola tersebut dalam nama prediktabiliti (dan sering, keuntungan). Sekali lagi, mengukur ketepatan algoritma ini sukar bagi orang luar, ada kerja yang mendedahkan apa yang membuat algoritma ini ditandakan.

Model matematik

Banyak alat ramalan bergantung kepada pembelajaran mesin, antaranya termasuk algoritma matematik yang berdasarkan prinsip-prinsip biologi fungsi otak dan menggunakan sejumlah besar data untuk mempelajari corak.

Algoritma mesin pembelajaran boleh meramal dengan tepat hasilnya Mahkamah Agung, menggunakan peramal seperti identiti setiap keadilan, bulan argumen, pempetisyen dan faktor lain. Walaupun ketepatan output algoritma hanya kira-kira peratus 70, ia sebenarnya telah ditunjukkan untuk mengalahkan pakar undang-undang manusia.

Algoritma mesin pembelajaran lain telah ditunjukkan meramalkan percubaan bunuh diri dengan ketepatan 80 hingga 92 peratus, boleh dikatakan lebih tepat daripada penilaian manusia terbaik.

Matematik juga boleh memberitahu kami tentang tingkah pengganas membawa serangan. Dalam satu kajian, penyelidik melihat rekod kegiatan pengganas di Ireland, khususnya letupan alat peledak yang lebih baik. Selepas satu kejadian, kebarangkalian kejadian lain lebih tinggi daripada tidak. Dalam erti kata lain, peristiwa itu tidak bersandar. Pengetahuan semacam ini mungkin bermanfaat kepada komuniti, mungkin memilih untuk segera menggerakkan usaha setelah satu serangan pada antisipasi yang lain.

Adakah ramalan sempurna mungkin?

Data besar telah membuat kaedah ramalan semakin tepat. Tetapi bolehkah perilaku manusia pernah diprediksi sempurna?

Persamaan yang paling asas adalah Y = f (X), yang berbunyi, "Y adalah fungsi X." Masukkan nilai untuk X, dan ahli sains akan memberitahu anda kemungkinan nilai untuk Y. Semakin kompleks model, semakin banyak keperluan bagi lebih banyak masukan, dan persamaan mudah mendapat lebih banyak rumit.

Sudah tentu, ia tidak selalunya berfungsi. Badai mengambil lintasan yang tidak diramalkan oleh model cuaca. Tumor tumbuh lebih perlahan atau lebih cepat daripada yang diramalkan. Para saintis, sama seperti orang lain, jarang sekali meramalkan dengan sempurna. Tidak kira apa data dan model matematik yang anda miliki, masa depan masih tidak menentu.

Oleh itu, saintis perlu membenarkan kesilapan dalam persamaan asas kita. Itulah, Y = f (X) + E, di mana "E" merangkumi ketidakupayaan kita untuk meramalkan dengan sempurna. Ia adalah bahagian persamaan yang membuat kita rendah hati.

Apabila teknologi berkembang, saintis mungkin mendapati bahawa kita boleh meramalkan tingkah laku manusia yang agak baik di satu kawasan, sementara masih kurang dari yang lain. Sangat sukar untuk memberikan gambaran keseluruhan batasan. Sebagai contoh, pengiktirafan muka mungkin lebih mudah untuk ditiru kerana penglihatan adalah salah satu daripada banyak sistem pemprosesan deria manusia, atau kerana hanya ada banyak cara yang boleh dipengaruhi oleh wajah. Sebaliknya, meramalkan tingkah laku pengundian, terutama berdasarkan pemilihan presiden 2016, adalah cerita yang lain. Terdapat banyak sebab yang kompleks dan belum difahami mengapa manusia melakukan apa yang mereka lakukan.

Masih ada yang berpendapat bahawa, secara teori sekurang-kurangnya, itu ramalan yang sempurna akan suatu hari nanti mungkin. Sehingga itu, dengan apa-apa nasib, matematik dan statistik dapat membantu kita semakin memperhitungkan apa yang akan dilakukan oleh orang, secara purata.

Tentang Pengarang

Daniel J. Denis, Profesor Madya Psikologi Kuantitatif, Universiti Montana dan Briana Young, Ph.D. calon dalam Program Eksperimen, Universiti Montana

Artikel ini pada asalnya diterbitkan pada Perbualan. Membaca artikel asal.

Buku berkaitan:

at

Terima kasih kerana melawat InnerSelf.com, mana ada 20,000 + rencana mengubah hidup yang mempromosikan "Sikap Baharu dan Kemungkinan Baharu." Semua artikel diterjemahkan ke dalam 30+ bahasa. Langgan kepada Majalah InnerSelf, diterbitkan setiap minggu, dan Inspirasi Harian Marie T Russell. lahirnya Magazine telah diterbitkan sejak tahun 1985.