I bravi scienziati non solo sono in grado di scoprire schemi nelle cose che studiano, ma usare queste informazioni per predire il futuro.

I meteorologi studiano la pressione atmosferica e la velocità del vento per prevedere le traiettorie delle future tempeste. Un biologo può prevedere la crescita di un tumore in base alle sue dimensioni e al suo sviluppo attuali. Un analista finanziario può provare a prevedere gli alti e bassi di un titolo in base a fattori come la capitalizzazione di mercato o il flusso di cassa.

Forse ancora più interessante dei suddetti fenomeni è quello di predire il comportamento degli esseri umani. I tentativi di prevedere come si comporteranno le persone sono esistiti sin dalle origini dell'umanità. I primi umani dovevano fidarsi dei loro istinti. Oggi, venditori, politici, avvocati processuali e altri si guadagnano da vivere prevedendo il comportamento umano. Predire il comportamento umano, in tutte le sue forme, è un grande affare.

Così, come fa la matematica a prevedere il nostro comportamento in generale? Nonostante i progressi nell'analisi del mercato azionario, economia, sondaggi politici e neuroscienze cognitive – che alla fine si sforzano di prevedere il comportamento umano – la scienza potrebbe non essere mai in grado di farlo con perfetta certezza.

Dati più grandi e migliori

Quando si fanno previsioni, gli scienziati sono stati storicamente limitati dalla mancanza di dati completi, basandosi invece su piccoli campioni per dedurre le caratteristiche di una popolazione più ampia.

Ma negli ultimi anni, potenza computazionale e metodi di raccolta dei dati sono avanzati al punto da creare un nuovo campo:i big data. Grazie alla grande disponibilità di dati raccolti, gli scienziati possono esaminare le relazioni empiriche tra un'ampia varietà di variabili per decifrare il segnale dal rumore.

Per esempio, Amazon utilizza l'analisi predittiva per indovinare quali libri potrebbero piacerci in base alla nostra precedente cronologia di navigazione o di acquisto. Allo stesso modo, le campagne pubblicitarie online automatizzate ci dicono a quali veicoli potremmo essere interessati in base ai veicoli cercati il ​​giorno prima.

I marketer usano i registri di nascita per decidere quando inondarti di annunci per prodotti per bambini. Indovinano persino quando avrai bisogno di quelle cose in base allo stadio di sviluppo di tuo figlio.

Non è scienza missilistica, veramente. È semplicemente avere informazioni (dati) che mostrano schemi, e sfruttando quei modelli in nome della prevedibilità (e spesso, profitti). Sebbene di nuovo, misurare l'accuratezza di questi algoritmi è difficile per l'estraneo, c'è del lavoro che rivela cosa fa funzionare questi algoritmi.

Modelli matematici

Molti strumenti di previsione si basano sull'apprendimento automatico, tra cui includono algoritmi matematici che si basano sui principi biologici della funzione cerebrale e utilizzano enormi quantità di dati per apprendere modelli.

Gli algoritmi di apprendimento automatico possono prevedere con precisione l'esito dei casi della Corte Suprema, usando predittori come l'identità di ogni giustizia, mese della discussione, richiedente e altri fattori. Sebbene la precisione dell'output dell'algoritmo sia solo del 70% circa, è stato effettivamente dimostrato che supera gli esperti legali umani.

Altri algoritmi di apprendimento automatico hanno dimostrato di prevedere i tentativi di suicidio con una precisione dall'80 al 92 percento, probabilmente più preciso anche delle migliori valutazioni umane.

La matematica potrebbe persino essere in grado di parlarci del comportamento terroristico che ha portato a un attacco. In uno studio, i ricercatori hanno esaminato le registrazioni dell'attività terroristica in Irlanda, in particolare esplosioni di ordigni esplosivi migliorati. Dopo un incidente, la probabilità di un altro incidente era più alta che no. In altre parole, gli eventi non erano indipendenti. Tale conoscenza potrebbe essere utile a una comunità, magari scegliendo di mobilitare subito gli sforzi a seguito di un singolo attacco in previsione di un altro.

È possibile una previsione perfetta?

I big data hanno reso i metodi di previsione sempre più accurati. Ma il comportamento umano può mai essere previsto perfettamente?

L'equazione più elementare è quella di Y =f(X), che legge, "Y è una funzione di X." Immettere un valore per X, e lo scienziato ti dirà il probabile valore di Y. Più il modello è complesso, maggiore è la necessità di più input, e quindi la semplice equazione diventa molto più complicata.

Certo, non sempre funziona. Gli uragani prendono traiettorie non previste dai modelli meteorologici. I tumori crescono più lentamente o più velocemente del previsto. Scienziati, proprio come chiunque altro, raramente, se non mai, prevedere perfettamente. Indipendentemente dai dati e dal modello matematico di cui disponi, il futuro è ancora incerto.

Così, gli scienziati devono tenere conto dell'errore nella nostra equazione fondamentale. Questo è, Y =f(X) + E, dove "E" racchiude la nostra incapacità di prevedere perfettamente. È la parte dell'equazione che ci mantiene umili.

Man mano che la tecnologia si sviluppa, gli scienziati potrebbero scoprire che possiamo prevedere il comportamento umano piuttosto bene in un'area, pur mancando ancora di un altro. È molto difficile dare un senso generale dei limiti. Ad esempio, il riconoscimento facciale può essere più facile da emulare perché la vista è uno dei tanti sistemi di elaborazione sensoriale umana, o perché ci sono solo tanti modi in cui i volti possono differire. D'altra parte, prevedere il comportamento di voto, soprattutto sulla base delle elezioni presidenziali del 2016, è tutta un'altra storia. Ci sono molte ragioni complesse e non ancora comprese per cui gli umani fanno quello che fanno.

Altri ancora sostengono che, almeno in teoria, quella previsione perfetta un giorno sarà possibile. Fino ad allora, con un po' di fortuna, matematica e statistica possono aiutarci a rendere sempre più conto di ciò che le persone, in media, farà dopo.

Questo articolo è stato originariamente pubblicato su The Conversation. Leggi l'articolo originale.