Ang mga mahusay na siyentipiko ay hindi lamang makapag-alis ng mga pattern sa mga bagay na kanilang pinag-aaralan, kundi upang gamitin ang impormasyong ito upang mahulaan ang hinaharap.

Pag-aaral ng mga meteorologist atmospheric presyon at bilis ng hangin upang mahulaan ang trajectories ng hinaharap bagyo. Maaaring hulaan ng isang biologist ang paglago ng isang tumor batay sa kasalukuyang laki at pag-unlad nito. Ang isang pinansiyal na analyst ay maaaring subukan upang mahulaan ang mga tagumpay at kabiguan ng isang stock batay sa mga bagay tulad ng market capitalization o cash flow.

Marahil na mas kawili-wiling kaysa sa mga phenomena sa itaas ay ang predicting ang pag-uugali ng mga tao. Ang mga pagtatangka upang mahulaan kung paano kumilos ang mga tao ay umiiral mula noong pinagmulan ng sangkatauhan. Ang mga taong una ay nagkaroon pinagkakatiwalaan ang kanilang mga instincts. Sa ngayon, ang mga marketer, mga pulitiko, mga abogado sa pagsubok at higit pa ang nakatira sa pagtula sa pag-uugali ng tao. Ang paghula sa pag-uugali ng tao, sa lahat ng mga anyo nito, ay malaking negosyo.

Kaya, paano ginagawa ng matematika sa predicting ang aming sariling pag-uugali sa pangkalahatan? Sa kabila ng pagsulong sa analytics ng stock market, economics, polling sa pulitika at cognitive neuroscience - lahat ay nagtatagumpay sa hulaan ang pag-uugali ng tao - hindi maaaring magawa ng agham na may ganap na katiyakan.

Mas malaki at mas mahusay na data

Kapag gumagawa ng mga hula, ang mga siyentipiko ay limitado sa kasaysayan ng kakulangan ng kumpletong data, umaasa sa halip sa mga maliit na sample upang ipahiwatig ang mga katangian ng isang mas malawak na populasyon.

Ngunit sa mga nakalipas na taon, ang lakas ng computational at mga paraan ng pagkolekta ng data ay nakaunlad sa punto ng paglikha ng isang bagong larangan: malaking data. Dahil sa malaking kakayahang makolekta ng data, maaaring suriin ng mga siyentipiko ang mga empirical na ugnayan sa pagitan ng iba't ibang mga variable upang mabatid ang signal mula sa ingay.

Halimbawa, ginagamit ng Amazon mahuhulain analytics upang hulaan kung aling mga libro ang maaari naming gusto batay sa aming naunang pag-browse o kasaysayan ng pagbili. Katulad nito, ang mga automated online na kampanya sa advertisement ay nagsasabi sa amin kung aling mga sasakyan ang maaari naming maging interesado sa batay sa mga sasakyan na hinanap ng araw bago.

Ginagamit ng mga marketer ang mga talaan ng kapanganakan upang magpasiya kung kailan ka dumaloy sa mga ad para sa mga produkto ng sanggol. Sila ay hulaan kahit na kakailanganin mo ang mga bagay na iyon batay sa yugto ng pag-unlad ng iyong anak.

Ito ay hindi rocket science, talaga. Ito ay simpleng pagkakaroon ng impormasyon (data) na nagpapakita ng mga pattern, at paggamit ng mga pattern sa pangalan ng predictability (at madalas, kita). Kahit na muli, gauging ang katumpakan ng mga algorithm ay mahirap para sa tagalabas, may ilang trabaho na nagpapakita kung ano ang gumagawa ng mga algorithm na ito.

Mga modelo ng matematika

Maraming mga tool sa hula ang umaasa sa pag-aaral ng machine, kabilang dito ang mga matematikal na algorithm na batay sa biolohikal na mga prinsipyo ng pag-andar ng utak at gumamit ng napakalaking halaga ng data upang matuto ng mga pattern.

Maaaring tumpak na mahuhulaan ng mga algorithm sa pag-aaral ng machine ang kinalabasan ng Mga kaso ng Korte Suprema, gamit ang mga naturang prediktor bilang pagkakakilanlan ng bawat katarungan, buwan ng argument, petisyoner at iba pang mga kadahilanan. Bagaman ang katumpakan ng output ng algorithm ay humigit-kumulang lamang sa humigit-kumulang na porsiyento ng 70, talagang ipinapakita ito na lumalabas ang mga eksperto sa legal na tao.

Ang iba pang mga algorithm sa pag-aaral ng makina ay ipinapakita hulaan ang mga pagtatangkang magpakamatay na may isang katumpakan ng 80 sa 92 na porsiyento, na arguably mas tumpak kaysa sa kahit na ang pinakamahusay na mga pagtatasa ng tao.

Maaaring kahit na masasabi sa atin ng matematika pag-uugali ng terorista na humahantong sa isang pag-atake. Sa isang pag-aaral, tiningnan ng mga mananaliksik ang mga tala ng aktibidad ng terorista sa Ireland, partikular na mga pagsabog ng mga pinahusay na mga aparatong paputok. Pagkatapos ng isang pangyayari, ang posibilidad ng isa pang insidente ay mas mataas kaysa sa hindi. Sa ibang salita, ang mga kaganapan ay hindi independiyenteng. Ang ganitong kaalaman ay maaaring maging kapaki-pakinabang sa isang komunidad, marahil ay pumipili upang agad na pakilusin ang mga pagsisikap pagkatapos ng isang pag-atake sa pag-asa ng isa pa.

Posible ba ang perpektong prediksyon?

Ang malaking data ay naging mas tumpak ang mga pamamaraan ng prediksyon. Ngunit maaari bang maging ganap na hinulaang ang pag-uugali ng tao?

Ang pinakasimulang equation ay ang Y = f (X), na nagsasabing, "Y ay isang function ng X." Magpasok ng isang halaga para sa X, at sasabihin sa iyo ng siyentipiko ang posibleng halaga para sa Y. Ang mas kumplikadong modelo, mas kailangan para sa higit pang mga input, at sa gayon ang simpleng equation ay makakakuha ng isang mas maraming mas kumplikado.

Siyempre, hindi palaging ginagawa ito. Ang mga bagyo ay nagsasagawa ng mga trajectory na hindi hinuhulaan ng mga modelo ng panahon. Tumor ay mas mabagal o mas mabilis kaysa sa hinulaang. Ang mga siyentipiko, katulad ng sinumang iba pa, bihira kung sakaling mahuhulaan ang perpektong. Anuman ang data at modelo ng matematika na mayroon ka, ang hinaharap ay hindi natitiyak.

Kaya, pinahihintulutan ng mga siyentipiko ang pagkakamali sa ating pundamental na equation. Iyon ay, Y = f (X) + E, kung saan ang "E" ay sumasaklaw sa aming kawalan ng kakayahan upang mahulaan ang perpektong. Ito ang bahagi ng equation na nagpapanatili sa atin ng mapagpakumbaba.

Habang lumalaki ang teknolohiya, maaaring makita ng mga siyentipiko na mahuhulaan natin ang pag-uugali ng tao sa isang lugar, habang kulang pa sa iba. Napakahirap magbigay ng pangkalahatang kahulugan ng mga limitasyon. Halimbawa, ang facial recognition ay maaaring maging mas madali upang tularan dahil ang pangitain ay isa sa maraming mga sistema ng pandama sa pandama ng tao, o dahil may mga iba't ibang paraan lamang na maaaring magkakaiba ang mga mukha. Sa kabilang banda, hinuhulaan ang pag-uugali sa pagboto, lalo na batay sa halalan ng pampanguluhan ng 2016, ay isa pang kuwento. Maraming masalimuot at hindi pa naiintindihan ang mga dahilan kung bakit ginagawa ng mga tao kung ano ang ginagawa nila.

Ang iba naman ay tumutol na, sa teoretikong hindi bababa sa, iyon Ang perpektong prediksyon ay maaaring maging balang araw. Hanggang sa gayon, sa anumang kapalaran, matematika at mga istatistika ay maaaring makatulong sa amin increasingly account para sa kung ano ang mga tao, sa average, ay susunod na gagawin.

Tungkol sa Ang May-akda

Daniel J. Denis, Associate Professor ng Quantitative Psychology, Ang University of Montana at Briana Young, Ph.D. kandidato sa Experimental Program, Ang University of Montana

Ang artikulong ito ay orihinal na na-publish sa Ang pag-uusap. Basahin ang ang orihinal na artikulo.

Mga Kaugnay na Libro:

at

Salamat sa pagbisita InnerSelf.com, Kung saan mayroon 20,000 + mga artikulong nagbabago sa buhay na nagtataguyod ng "Mga Bagong Saloobin at Bagong Posibilidad." Ang lahat ng mga artikulo ay isinalin sa 30+ wika. sumuskribi sa InnerSelf Magazine, na inilathala linggu-linggo, at Araw-araw na Inspirasyon ni Marie T Russell. InnerSelf Magazine ay nai-publish mula noong 1985.