Важный вопрос - может ли математика заглянуть в будущее? В 2023 году был взрывной рост искусственного интеллекта, а в 2024 году нам обещают ИИ с невиданными ранее возможностями. Поможет ли это в прогнозировании предстоящих событий?
Как математика позволяет заглянуть в будущее?
Математика - это отличный инструмент, который предлагает разные формы прогнозирования, в основном с помощью вероятностей. Классический пример - подбрасывание монеты. Если мы подбросим монету 100 раз, то в половине случаев выпадет орёл.
Но в жизни это утверждение легко опровергнуть: вы подбрасываете монету и в действительности оказывается, что орёл выпал в 48 случаях. Или в 76. Математика не исключает и этот вариант - это называется нормальным распределением. Чтобы показать наглядно, нужно обратиться к кривой Гаусса, которая покажет наиболее вероятные колебания монеты (40 орлов и 60 решек) и наименее вероятные (80 орлов и 20 решек).
Теперь, понимая азы вероятности, можно поговорить о более широких моделях прогнозирования в разных сферах.
Пресловутая Big Data в прогнозировании будущего
Big Data - это термин, который используется для описания огромного количества данных, которые невозможно эффективно обработать с помощью традиционных методов.
Данных сейчас в большом количестве. Учёные собирают эти данные, анализируют и вычленяют хорошие от информационного мусора. Этим же принципом пользуется и Ozon, чтобы угадать, какие брюки вам понравятся на основе предыдущих покупок. По схожему принципу работают алгоритмы в таргетированной рекламе: стоит несколько раз кликнуть на сайты с автомобилями, и вы станете чаще видеть рекламу на эту тематику. Некоторые модели еще более продвинутые: если вы вынашиваете ребёнка, то будете видеть рекламу, которая соответствует постепенному развитию вашего плода. Такой системой пользуется известная в США сеть Wallmart, из-за чего неоднократно подвергалась критике за избыточную слежку за потребителями.
В основе таких алгоритмов лежит специальная модель построения закономерностей. Как только выявляется закономерность, её масштабируют и строят на её основе прогнозы. Бизнесу нравятся такие модели: они увеличивают прибыль и вроде бы неплохо справляются.
Математические модели лучше оракула
Многие математические модели основаны на машинном обучении. Сегодня это перспективная область. Алгоритмы внутри этих моделей чем-то напоминают человеческий мозг, который постепенно обучается новому через череду постоянных ошибок.
Математики из Денвера провели интересный эксперимент. Они применили алгоритмы машинного обучения для предсказания исхода дел в Верховном суде города. В качестве предикторов (параметров прогнозирования) использовались такие параметры, как:
- личность судьи;
- месяц рассмотрения дела;
- категория судебного дела (кража, побои, экономическое преступление);
- статус заявителя (рабочий, предприниматель, безработный).
Результат оказался впечатляющим: его точность составила 87%. Этим самым математики из Денвера доказали, что их модель превосходит экспертов-юристов.
Были и другие алгоритмы машинного обучения: программа Мюнхенского научного центра предсказывает склонность к суициду у определённой категории людей в диапазоне от 80 до 92%. Это действительно впечатляет. Люди, которые попадали в этот процент, действительно пытались свести счёты с жизнью.
Возможно ли идеальное предсказание?
Следует признать, что большие данные сделали методы прогнозирования более точными. Однако, можно ли когда-либо точно предсказать поведение человека?
Давайте разбираться. Самое простое уравнение - это уравнение Y = f (X), которое можно переформулировать как Y зависит от X. Чтобы определить значение Y, необходимо ввести значение X. После этого ученый сможет сообщить вам вероятное значение для Y. Если модель усложняется и в качестве X требуется больше входных данных, то уравнение также усложняется. Проблема всегда заключается в том, что ученые не могут предоставить все необходимые данные для составления идеального уравнения. Это закономерно приводит к возникновению ошибок: ураганы движутся по неожиданным траекториям, опухоли растут быстрее прогнозов.
После множества попыток ученые вынуждены дополнить уравнение новой переменной: Y = f (X) + E, где E означает нашу неспособность к идеальному прогнозированию. Именно эта часть уравнения заставляет нас быть скромными в отношении неизвестного будущего.
Поэтому ответ на вопрос о предсказании человеческого поведения не может быть утвердительным. Пока что ученым удалось достичь значительных успехов в распознавании лиц, взять хотя бы систему городских камер Москвы. В 91% случаев, даже если преступник попытается скрыть лицо под маской, алгоритм системы сможет его обнаружить и оповестить правоохранительные органы. Поведение избирателей на президентских выборах в США в 2016 году также было проанализировано алгоритмом. Предсказания были точными, хотя местами и предвзятыми. Из этого следует, что алгоритмы, лежащие в основе математических моделей, могут с точностью определять поведение большой массы людей, но не конкретного человека.