Los buenos científicos no solo son capaces de descubrir patrones en las cosas que estudian, sino de utilizar esta información para predecir el futuro.

Los meteorólogos estudian la presión atmosférica y la velocidad del viento para predecir las trayectorias de las futuras tormentas. Un biólogo puede predecir el crecimiento de un tumor según su tamaño y desarrollo actuales. Un analista financiero puede tratar de predecir los altibajos de una acción en función de factores como la capitalización de mercado o el flujo de efectivo.

Quizás aún más interesante que los fenómenos anteriores es el de predecir el comportamiento de los seres humanos. Los intentos de predecir cómo se comportarán las personas han existido desde los orígenes de la humanidad. Los primeros humanos tuvieron que confía en sus instintos. Hoy en día, los especialistas en marketing, los políticos, los abogados litigantes y más se ganan la vida prediciendo el comportamiento humano. Predecir el comportamiento humano, en todas sus formas, es un gran negocio.

Entonces, ¿qué hacen las matemáticas para predecir nuestro propio comportamiento en general? A pesar de los avances en el análisis del mercado de valores, la economía, las encuestas políticas y la neurociencia cognitiva, que en definitiva intentan predecir el comportamiento humano, es posible que la ciencia nunca pueda hacerlo con la certeza perfecta.

Datos más grandes y mejores

Al hacer predicciones, los científicos han estado históricamente limitados por la falta de datos completos, confiando en cambio en pequeñas muestras para inferir las características de una población más amplia.

Pero en los últimos años, el poder computacional y los métodos de recopilación de datos han avanzado hasta el punto de crear un nuevo campo: big data. Gracias a la gran disponibilidad de datos recopilados, los científicos pueden examinar las relaciones empíricas entre una amplia variedad de variables para descifrar la señal del ruido.

Por ejemplo, Amazon usa análisis predictivo para adivinar qué libros nos pueden gustar en función de nuestro historial de compra o navegación anterior. De manera similar, las campañas automáticas de publicidad en línea nos dicen qué vehículos nos pueden interesar en función de los vehículos que se buscaron el día anterior.

Los vendedores utilizan registros de nacimiento para decidir cuándo inundarlo con anuncios de productos para bebés. Incluso adivinan cuándo necesitará esas cosas en función de la etapa de desarrollo de su hijo.

No es ciencia espacial, de verdad. Es simplemente tener información (datos) que muestra patrones y explotar esos patrones en nombre de la previsibilidad (y, a menudo, los beneficios). Aunque de nuevo, medir la precisión de estos algoritmos es difícil para el extraño, hay algo de trabajo eso revela lo que hace funcionar estos algoritmos.

Modelos matemáticos

Muchas herramientas de predicción se basan en el aprendizaje automático, entre los que se incluyen algoritmos matemáticos que se basan en los principios biológicos de la función cerebral y usan cantidades masivas de datos para aprender patrones.

Los algoritmos de aprendizaje automático pueden predecir con precisión el resultado de Casos de la Corte Suprema, utilizando predictores como la identidad de cada juez, el mes del argumento, el peticionario y otros factores. Aunque la precisión de la salida del algoritmo es de solo aproximadamente un 70 por ciento, en realidad se ha demostrado que supera a los expertos legales humanos.

Se ha demostrado que otros algoritmos de aprendizaje automático predecir los intentos de suicidio con una precisión de 80 a 92 por ciento, posiblemente más precisa que incluso las mejores evaluaciones humanas.

Las matemáticas pueden incluso decirnos sobre comportamiento terrorista conduciendo a un ataque. En un estudio, los investigadores examinaron los registros de actividad terrorista en Irlanda, específicamente explosiones de dispositivos explosivos mejorados. Después de un incidente, la probabilidad de otro incidente fue mayor que no. En otras palabras, los eventos no fueron independientes. Tal conocimiento puede ser útil para una comunidad, tal vez eligiendo movilizar esfuerzos inmediatamente después de un ataque único en anticipación de otro.

¿Es posible la predicción perfecta?

Big Data ha hecho que los métodos de predicción sean cada vez más precisos. Pero, ¿puede el comportamiento humano ser perfectamente predicho?

La ecuación más básica es la de Y = f (X), que dice, "Y es una función de X." Ingrese un valor para X, y el científico le dirá el valor probable para Y. Cuanto más complejo sea el modelo, más necesidad de más insumos, por lo que la ecuación simple se vuelve mucho más complicada.

Por supuesto, no siempre funciona. Los huracanes toman trayectorias no previstas por los modelos climáticos. Los tumores crecen más lento o más rápido de lo previsto. Los científicos, como cualquier otro, rara vez o nunca predicen perfectamente. No importa qué datos y modelo matemático tenga, el futuro aún es incierto.

Entonces, los científicos tienen que permitir el error en nuestra ecuación fundamental. Es decir, Y = f (X) + E, donde "E" abarca nuestra incapacidad para predecir perfectamente. Es la parte de la ecuación que nos mantiene humildes.

A medida que se desarrolla la tecnología, los científicos pueden descubrir que podemos predecir el comportamiento humano bastante bien en un área, mientras que todavía faltan en otra. Es muy difícil dar una idea general de las limitaciones. Por ejemplo, el reconocimiento facial puede ser más fácil de emular porque la visión es uno de los muchos sistemas de procesamiento sensorial humano, o porque hay muchas formas en que las caras pueden diferir. Por otro lado, predecir el comportamiento electoral, especialmente basado en las elecciones presidenciales 2016, es otra historia. Hay muchas razones complejas y aún no entendidas por las cuales los humanos hacen lo que hacen.

Otros argumentan que, teóricamente al menos, eso la predicción perfecta algún día será posible. Hasta entonces, con un poco de suerte, las matemáticas y las estadísticas nos pueden ayudar a dar cuenta cada vez más de lo que la gente, en promedio, hará después.

Sobre el Autor

Daniel J. Denis, Profesor Asociado de Psicología Cuantitativa, La Universidad de Montana y Briana Young, Ph.D. candidato en Programa Experimental, La Universidad de Montana

Este artículo se publicó originalmente el La conversación. Leer el articulo original.

Libros relacionados:

at

Gracias por su visita InnerSelf.com, dónde están 20,000+ Artículos que cambian la vida y promueven "Nuevas actitudes y nuevas posibilidades". Todos los artículos están traducidos al 30+ idiomas. Suscríbete a la revista InnerSelf, que se publica semanalmente, y a Daily Inspiration de Marie T Russell. InnerSelf Revista se publica desde 1985.