Goda forskare kan inte bara avslöja mönster i de saker de studerar, utan att använda denna information för att förutsäga framtiden.

Meteorologer studerar atmosfärstryck och vindhastighet för att förutsäga banor för framtida stormer. En biolog kan förutsäga tillväxten av en tumör baserat på dess nuvarande storlek och utveckling. En finansanalytiker kan försöka förutspå uppgångar och nedgångar i ett lager baserat på saker som marknadsvärde eller kassaflöde.

Kanske ännu mer intressant än ovanstående fenomen är att förutsäga människors beteende. Försök att förutse hur människor kommer att uppträda har funnits sedan mänsklighetens ursprung. Tidiga människor var tvungna att lita på deras instinkter. Marknadsförare, politiker, rättegångsjurister och mer lever idag idag i att förutsäga mänskligt beteende. Att förutse mänskligt beteende, i alla dess former, är stor affärer.

Så, hur gör matematik för att förutsäga vårt eget beteende i allmänhet? Trots framsteg inom aktiemarknadsanalyser, ekonomi, politisk omröstning och kognitiv neurovetenskap - som alla äntligen strävar efter att förutsäga mänskligt beteende - kan vetenskapen aldrig kunna göra det med perfekt säkerhet.

Större och bättre data

När man gör förutsägelser har forskare historiskt sett blivit begränsad av brist på fullständiga uppgifter, förlitar sig istället på småprover för att utgå från karaktären hos en bredare befolkning.

Men de senaste åren har beräkningskraft och metoder för insamling av data avancerat till att skapa ett nytt fält: stora data. Tack vare den stora tillgången på insamlade data kan forskare undersöka empiriska relationer mellan en mängd olika variabler för att dechiffrera signalen från bruset.

Till exempel använder Amazon prediktiv analys att gissa vilka böcker vi kanske gillar baserat på vår tidigare bläddrings- eller köphistorik. På samma sätt berättar automatiserade kampanjer för onlineannonsering vilka fordon vi kan vara intresserade av baserat på fordon som sökts ut dagen innan.

Marknadsförare använder födelseposter att bestämma när du ska översvämma dig med annonser för babyprodukter. De gissar även när du behöver de sakerna baserat på ditt barns utvecklingsstadium.

Det är inte raketvetenskap, verkligen. Det är helt enkelt med information (data) som visar mönster och utnyttjar dessa mönster i namnet förutsägbarhet (och ofta vinster). Även om det är svårt för utomstående att mäta noggrannheten hos dessa algoritmer, det finns lite arbete som avslöjar vad som gör att dessa algoritmer tickar.

Matematiska modeller

Många prediktionsverktyg bygger på maskininlärning, bland annat matematiska algoritmer som bygger på de biologiska principerna för hjärnfunktion och använder massiva mängder data för att lära sig mönster.

Maskininlärningsalgoritmer kan exakt förutsäga utfallet av Högsta domstolen ärenden, med hjälp av sådana prediktorer som identiteten av varje rättvisa, månad för argumentet, framställaren och andra faktorer. Även om noggrannheten i algoritmens produktion bara är ungefär 70 procent, har det faktiskt visat sig att överträffa mänskliga juridiska experter.

Andra maskininlärningsalgoritmer har visat sig förutsäga självmordsförsök med en noggrannhet av 80 till 92 procent, förmodligen mer exakt än till och med de bästa mänskliga bedömningarna.

Matematik kan till och med kunna berätta om terroristbeteende leda till en attack. I en studie tittade forskare på register över terroristaktivitet i Irland, speciellt explosioner av förbättrade explosiva anordningar. Efter en incident var sannolikheten för en annan incident högre än inte. Med andra ord var händelserna inte oberoende. Sådan kunskap kan vara användbar för en gemenskap, kanske välja att omedelbart mobilisera insatser efter en enda attack i väntan på en annan.

Är perfekt förutsägelse möjlig?

Stora data har gjort förutsägelsesmetoder allt mer exakta. Men kan mänskligt beteende någonsin vara perfekt förutsagt?

Den mest grundläggande ekvationen är den för Y = f (X), som läser "Y är en funktion av X." Ange ett värde för X, och forskaren kommer att berätta för det sannolika värdet för Y. Ju mer komplexa modellen, ju mer behov av fler ingångar, och så blir den enkla ekvationen mycket mer komplicerad.

Det går förstås inte alltid ut. Orkaner tar banor som inte förutses av vädermodeller. Tumörer växer långsammare eller snabbare än förutspådda. Forskare, precis som någon annan, sällan om någonsin förutsäger perfekt. Oavsett vilken data och matematisk modell du har, är framtiden fortfarande osäker.

Så, forskare måste tillåta fel i vår grundläggande ekvation. Det vill säga, Y = f (X) + E, där "E" omfattar vår oförmåga att förutsäga perfekt. Det är den del av ekvationen som håller oss ödmjuka.

Eftersom tekniken utvecklas kan forskare upptäcka att vi kan förutsäga mänskligt beteende ganska bra på ett område, samtidigt som vi saknar ett annat. Det är mycket svårt att ge en övergripande känsla av begränsningarna. Exempelvis kan ansiktsigenkänning vara enklare att emulera, eftersom synen är ett av många mänskliga sensoriska bearbetningssystem, eller eftersom det bara finns så många sätt ansikten kan skilja sig åt. Å andra sidan förutsäger röstbeteendet, speciellt baserat på presidentvalet 2016, är en helt annan historia. Det finns många komplexa och ännu inte förstod skäl till varför människor gör vad de gör.

Fortfarande andra hävdar att, teoretiskt åtminstone, det perfekt förutsägelse kommer en dag att vara möjlig. Fram till dess kan vi med lycka till att matematik och statistik hjälper oss att mer och mer redogöra för vad folk i genomsnitt kommer att göra nästa gång.

Om författaren

Daniel J. Denis, docent i kvantitativ psykologi, Universitetet i Montana och Briana Young, Ph.D. kandidat i experimentellt program, Universitetet i Montana

Den här artikeln publicerades ursprungligen den Avlyssningen. Läs ursprungliga artikeln.

Relaterade böcker:

at

Tack för besöket InnerSelf.com, där det finns 20,000+ livsförändrande artiklar som främjar "Nya attityder och nya möjligheter." Alla artiklar är översatta till 30+ språk. Prenumerera till InnerSelf Magazine, som publiceras varje vecka, och Marie T Russells Daily Inspiration. InnerSelf Magazine har publicerats sedan 1985.