Может ли математика предсказать будущее?

Хорошие ученые не только способны выявлять закономерности в изучаемых ими предметах, но и использовать эту информацию для прогнозирования будущего.

Метеорологи изучают атмосферное давление и скорость ветра, чтобы предсказать траектории будущих бурь. Биолог может прогнозировать рост опухоли на основе ее текущего размера и развития. Финансовый аналитик может попытаться предсказать взлеты и падения акций на основе таких вещей, как рыночная капитализация или движение денежных средств.

Возможно, даже более интересным, чем вышеупомянутые явления, является то, что предсказывает поведение людей. Попытки предсказать, как будут вести себя люди, существовали со времени возникновения человечества. Ранним людям приходилось доверять своим инстинктам. Сегодня маркетологи, политики, судебные адвокаты и многие другие зарабатывают на предсказание человеческого поведения. Предсказание человеческого поведения во всех его формах является крупным бизнесом.

Итак, как делает математика в прогнозировании нашего собственного поведения в целом? Несмотря на успехи в аналитике фондового рынка, экономике, политическом опросе и когнитивной нейронауке - все это в конечном счете пытается предсказать поведение человека - наука никогда не сможет сделать это с полной уверенностью.

Большие и лучшие данные

При прогнозировании ученые исторически ограничивались отсутствием полных данных, полагаясь вместо этого на небольшие образцы, чтобы вывести характеристики более широкой популяции.

Но в последние годы вычислительная мощность и методы сбора данных продвинулись к созданию нового поля: большие данные. Благодаря огромной доступности собранных данных ученые могут исследовать эмпирические отношения между широким спектром переменных, чтобы расшифровать сигнал от шума.

Например, Amazon использует интеллектуальную аналитику, чтобы угадать, какие книги нам могут нравиться, основываясь на предыдущем просмотре или истории покупок. Точно так же автоматизированные онлайн-рекламные кампании говорят нам, какие транспортные средства нам могут быть интересны на основе автомобилей, найденных накануне.

Маркетологи используют записи о рождении, чтобы решить, когда нужно нагрузить вас рекламными объявлениями для детских товаров. Они даже догадываются, когда вам понадобятся эти вещи, основанные на стадии развития вашего ребенка.

На самом деле это не ракетостроение. Это просто информация (данные), которая показывает шаблоны и использует эти шаблоны во имя предсказуемости (и часто - прибыли). Хотя, опять-таки, оценить точность этих алгоритмов трудно для аутсайдера, есть некоторая работа, которая показывает, что заставляет эти алгоритмы тикать.

Математические модели

Многие инструменты прогнозирования основаны на машинном обучении, среди которых математические алгоритмы, основанные на биологических принципах функции мозга и использующие огромные объемы данных для изучения закономерностей.

Алгоритмы машинного обучения могут точно предсказать результаты дел Верховного суда, используя такие предсказатели, как личность каждого правосудия, месяц аргумента, петиционера и другие факторы. Хотя точность выхода алгоритма составляет лишь приблизительно 70 процентов, фактически было показано, что он превосходит экспертов по правовым вопросам.

Было показано, что другие алгоритмы машинного обучения прогнозируют попытки самоубийства с точностью от 80 до 92 процентов, возможно более точными, чем даже лучшие оценки человека.

Математика может даже рассказать нам о террористическом поведении, ведущем к нападению. В одном исследовании исследователи рассматривали записи о террористической деятельности в Ирландии, в частности взрывы улучшенных взрывных устройств. После одного инцидента вероятность другого инцидента была выше. Другими словами, события не были независимыми. Такие знания могут быть полезны для сообщества, возможно, для того, чтобы немедленно мобилизовать усилия после одной атаки в ожидании другой.

Возможно ли совершенное предсказание?

Большие данные сделали методы прогнозирования более точными. Но может ли человеческое поведение когда-либо быть полностью предсказанным?

Наиболее основным уравнением является уравнение Y = f (X), которое гласит: «Y - функция от X». Введите значение для X, и ученый скажет вам вероятное значение для Y. Чем сложнее модель, тем больше потребности в большем количестве входных данных, и поэтому простое уравнение становится намного сложнее.

Конечно, это не всегда получается. Ураганы берут траектории, не предсказанные погодными моделями. Опухоли растут медленнее или быстрее, чем прогнозировалось. Ученые, как и все остальные, редко когда-либо предсказывают на 100%. Независимо от того, какие данные и математическая модель у вас есть, будущее все еще остается неопределенным.

Итак, ученые должны допускать ошибку в нашем фундаментальном уравнении. То есть Y = f (X) + E, где «E» охватывает нашу неспособность предсказать отлично. Это часть уравнения, которая нас смиряет.

По мере развития технологий ученые могут обнаружить, что мы можем предсказывать поведение человека довольно хорошо в одной области, в то время как все еще не хватает другого. Очень сложно дать общее представление об ограничениях. Например, распознавание лица легче подражать, потому что видение является одной из многих систем сенсорной обработки человека или потому, что лица могут быть разными. С другой стороны, предсказание поведения голосования, особенно на основе президентских выборов 2016 года, - совсем другая история. Есть много сложных и еще не понятых причин, почему люди делают то, что делают.

Третьи утверждают, что теоретически, по крайней мере, такое идеальное предсказание когда-нибудь станет возможным. До тех пор, с какой-либо удачей, математика и статистика могут помочь нам в большей степени учитывать то, что люди в среднем будут делать дальше.