آیا ریاضی می تواند پیش بینی کند که بعدا چه کار می کنید؟

دانشمندان خوب نه تنها قادر به کشف الگوهای در چیزهایی هستند که آنها مطالعه می کنند بلکه استفاده از این اطلاعات برای پیش بینی آینده است.

هواشناسان مطالعه فشار اتمسفری و سرعت باد را برای پیش بینی مسیرهای طوفان آینده مطالعه می کنند. زیست شناس ممکن است رشد تومور را براساس اندازه و توسعه فعلی آن پیش بینی کند. یک تحلیلگر مالی می تواند سعی کند پیش بینی ها و افت های سهام را بر اساس چیزهایی مانند سرمایه گذاری در بازار و جریان نقدی پیش بینی کند.

شاید حتی جالب تر از پدیده های فوق، پیش بینی رفتار افراد است. تلاش ها برای پیش بینی رفتار مردم از زمان ریشه های انسان وجود دارد. انسانهای اولیه مجبور بودند اعتماد به غرایز خود را. امروز، بازاریابان، سیاستمداران، وکلا محاکمه و بیشتر زندگی خود را در پیش بینی رفتار انسان انجام می دهند. پیش بینی رفتار انسان در تمام اشکال آن، کسب و کار بزرگ است.

بنابراین، چگونه ریاضیات را در پیش بینی رفتار خودمان به طور کلی انجام می دهیم؟ علیرغم پیشروی در تجزیه و تحلیل بازار بورس، اقتصاد، نظرسنجی سیاسی و علوم اعصاب شناختی - که در نهایت تلاش می کنند پیش بینی رفتار انسان ها - علم هرگز قادر به انجام این کار با اطمینان کامل نخواهد بود.

داده های بزرگتر و بهتر

هنگام ایجاد پیش بینی ها، دانشمندان به لحاظ تاریخی با کمبود داده های کامل محدود شده اند و به جای نمونه بر روی نمونه های کوچک به منظور تعیین ویژگی های یک جمعیت وسیع تر متکی هستند.


گرافیک اشتراک درونی


اما در سال های اخیر، قدرت محاسباتی و روش های جمع آوری داده ها به سمت ایجاد یک زمینه جدید پیشرفت کرده اند: داده های بزرگ. با توجه به دسترسی فراوان داده های جمع آوری شده، دانشمندان می توانند روابط تجربی بین طیف وسیعی از متغیرها را برای رمزگشایی سیگنال از نویز بررسی کنند.

به عنوان مثال، آمازون از آن استفاده می کند تحلیل های پیش بینی برای حدس زدن کتابهایی که ممکن است ما براساس مرور قبلی یا خرید قبلی ما را دوست داشته باشیم. به طور مشابه، کمپین های تبلیغاتی آنلاین اتوماتیک به ما می گوید که وسایل نقلیه ما ممکن است در موتورهای جستجو در روز قبل مورد علاقه باشد.

بازاریابان از پرونده های تولد استفاده می کنند تصمیم بگیرید که چه زمانی شما را با آگهی های تبلیغاتی برای محصولات کودک غرق کنید. آنها حتی حدس می زنند هنگامی که شما به این چیزها نیاز دارید بر اساس مرحله رشد فرزندتان.

این علم راکت نیست، واقعا. این به سادگی داشتن اطلاعات (داده) است که نشان می دهد الگوهای و بهره برداری از این الگوها به نام پیش بینی (و اغلب، سود). اگرچه دوباره، دقت سنجی این الگوریتم ها برای بیگانه دشوار است برخی کارها وجود دارد که نشان می دهد که چه چیزی این الگوریتم ها را تیک می کند.

مدل های ریاضی

بسیاری از ابزارهای پیش بینی به یادگیری ماشین وابسته هستند، که شامل الگوریتم های ریاضی هستند که بر اساس اصول بیولوژیکی عملکرد مغز است و از داده های فراوان برای یادگیری الگوهای استفاده می کنند.

الگوریتم های یادگیری ماشین می توانند به طور دقیق نتیجه ای را پیش بینی کنند پرونده های دادگاه عالی، با استفاده از چنین پیش بینی کننده ها به عنوان هویت هر عدالت، ماه استدلال، درخواست کننده و سایر عوامل. اگر چه دقت خروجی الگوریتم فقط حدود 70 درصد است، اما به نظر می رسد که کارشناسان حقوقی انسانی بهتر از آن عمل کنند.

دیگر الگوریتم های یادگیری ماشین نشان داده شده است پیش بینی تلاش های خودکشی با دقت 80 به 92 درصد، مسلما دقیق تر از حتی بهترین ارزیابی های انسانی است.

ریاضیات حتی ممکن است بتواند به ما بگوید رفتار تروریستی منجر به حمله در یک مطالعه، محققان سوابق فعالیت های تروریستی در ایرلند، به ویژه انفجار دستگاه های انفجاری پیشرفته را بررسی کردند. پس از یک حادثه احتمال وقوع یک حادثه بیشتر از آن نبود. به عبارت دیگر، حوادث مستقل نبودند. چنین دانش ممکن است برای یک جامعه مفید باشد، شاید انتخاب برای بلافاصله بسیج تلاش پس از یک حمله واحد در انتظار یکی دیگر.

آیا پیش بینی کامل امکان پذیر است؟

داده های بزرگ روش های پیش بینی را به طور فزاینده ای دقیق تر کرده است. اما آیا رفتار انسانی کاملا پیش بینی می شود؟

اساسی ترین معادله این است که Y = f (X)، که می گوید: "Y یک تابع از X است." یک مقدار برای X وارد کنید، و دانشمند به شما مقدار احتمال برای Y را می گوید. مدل پیچیده تر، نیاز بیشتر به ورودی های بیشتر، و بنابراین معادله ساده می شود بسیار بیشتر پیچیده است.

مطمئنا، همیشه کار نمی کند. طوفان مسیرهایی را که از طریق مدل های آب و هوایی پیش بینی نشده است، می گیرند. تومور رشد کند یا سریعتر از پیش بینی شود. دانشمندان، درست مانند هر کس دیگری، به ندرت، اگر به طور کامل پیش بینی کاملا. مهم نیست که چه داده ای و مدل ریاضی دارید، آینده هنوز نامشخص است.

بنابراین، دانشمندان باید خطا در معادله اساسی ما را بپذیرند. یعنی، Y = f (X) + E، جایی که "E" شامل ناتوانی ما در پیش بینی کامل است. این بخشی از معادله ای است که ما را پایمال می کند.

با پیشرفت تکنولوژی، دانشمندان ممکن است دریابند که ما می توانیم رفتار انسان را به خوبی در یک منطقه پیش بینی کنیم، در حالی که هنوز در یک دیگری وجود ندارد. این موضوع بسیار محدود است. به عنوان مثال، تشخیص چهره ممکن است ساده تر شود زیرا تقلید چشم انداز یکی از بسیاری از سیستم های پردازش حس گر انسانی است یا به این دلیل که تنها چهره های مختلفی می توانند متفاوت باشند. از سوی دیگر، پیش بینی رفتار رای گیری، به ویژه بر اساس انتخابات ریاست جمهوری 2016، داستان کاملا متفاوت است. دلایل پیچیده و هنوز درک نشده ای وجود دارد که چرا انسان ها کاری را انجام می دهند.

گفتگوهنوز هم دیگران استدلال می کنند که، حداقل از لحاظ نظری، این یک روز پیش ممکن خواهد بود. تا آن زمان، با موفقیت، ریاضیات و آمار ممکن است به ما کمک کند به طور فزاینده ای برای کسانی که به طور متوسط ​​بعدا کار می کنند، حساب کنند.

درباره نویسنده

دانیل جی دنیس، دانشیار روانشناسی کمی، دانشگاه مونتانا و Briana Young، Ph.D. نامزد در برنامه تجربی دانشگاه مونتانا

این مقاله در اصل در تاریخ منتشر شد گفتگو. دفعات بازدید: مقاله.

کتاب های مرتبط:

at