A matemática pode prever o que você fará em seguida?

Bons cientistas não são apenas capazes de descobrir padrões nas coisas que estudam, mas de usar essas informações para prever o futuro.

Os meteorologistas estudam a pressão atmosférica e a velocidade do vento para prever as trajetórias de futuras tempestades. Um biólogo pode prever o crescimento de um tumor com base em seu tamanho e desenvolvimento atuais. Um analista financeiro pode tentar prever os altos e baixos de uma ação com base em itens como capitalização de mercado ou fluxo de caixa.

Talvez ainda mais interessante do que os fenômenos acima seja o de prever o comportamento dos seres humanos. Tentativas de prever como as pessoas se comportarão existiram desde as origens da humanidade. Os primeiros seres humanos tiveram que confiar em seus instintos. Hoje, profissionais de marketing, políticos, advogados e muito mais ganham a vida prevendo o comportamento humano. Prever o comportamento humano, em todas as suas formas, é um grande negócio.

Então, como é que a matemática faz para prever o nosso comportamento em geral? Apesar dos avanços na análise do mercado de ações, economia, pesquisa política e neurociência cognitiva - todos os quais em última análise se esforçam para prever o comportamento humano - a ciência pode nunca ser capaz de fazê-lo com perfeita certeza.

Dados maiores e melhores

Ao fazer previsões, os cientistas têm sido historicamente limitados pela falta de dados completos, confiando em pequenas amostras para inferir características de uma população mais ampla.


innerself assinar gráfico


Mas nos últimos anos, o poder computacional e os métodos de coleta de dados avançaram ao ponto de criar um novo campo: big data. Graças à enorme disponibilidade de dados coletados, os cientistas podem examinar relações empíricas entre uma ampla variedade de variáveis ​​para decifrar o sinal do ruído.

Por exemplo, a Amazon usa análise preditiva para adivinhar quais livros podemos gostar com base em nosso histórico de navegação ou compra anterior. Da mesma forma, as campanhas de publicidade on-line automatizadas nos dizem quais veículos podemos ter interesse com base em veículos procurados no dia anterior.

Profissionais de marketing usam registros de nascimento decidir quando inundar você com anúncios de produtos para bebês. Eles até adivinham quando você vai precisar dessas coisas com base no estágio de desenvolvimento do seu filho.

Não é ciência de foguetes, na verdade. É simplesmente ter informações (dados) que mostram padrões e exploram esses padrões em nome da previsibilidade (e, com frequência, dos lucros). Embora, novamente, a aferição da precisão desses algoritmos seja difícil para quem está de fora, tem algum trabalho que revela o que faz esses algoritmos funcionar.

Modelos matemáticos

Muitas ferramentas de previsão dependem do aprendizado de máquina, entre as quais incluem algoritmos matemáticos que são baseados nos princípios biológicos da função cerebral e usam grandes quantidades de dados para aprender padrões.

Algoritmos de aprendizado de máquina podem prever com precisão o resultado de Casos da Suprema Corte, usando tais preditores como a identidade de cada justiça, mês do argumento, peticionário e outros fatores. Embora a precisão da saída do algoritmo seja de aproximadamente 70 por cento, foi comprovado que ela supera os especialistas em direito humano.

Outros algoritmos de aprendizado de máquina foram mostrados prever tentativas de suicídio com uma precisão de 80 para 92 por cento, possivelmente mais precisa do que as melhores avaliações humanas.

A matemática pode até ser capaz de nos falar sobre comportamento terrorista levando a um ataque. Em um estudo, os pesquisadores analisaram registros de atividades terroristas na Irlanda, especificamente explosões de dispositivos explosivos aperfeiçoados. Após um incidente, a probabilidade de outro incidente foi maior do que não. Em outras palavras, os eventos não eram independentes. Tal conhecimento pode ser útil para uma comunidade, talvez escolhendo mobilizar imediatamente os esforços após um único ataque em antecipação de outro.

A predição perfeita é possível?

O Big Data tornou os métodos de previsão cada vez mais precisos. Mas o comportamento humano pode ser perfeitamente previsto?

A equação mais básica é a de Y = f (X), que diz: "Y é uma função de X." Insira um valor para X, e o cientista dirá o valor provável para Y. Quanto mais complexo o modelo, quanto mais necessidade de mais entradas, a equação simples fica muito mais complicada.

Claro, nem sempre funciona. Furacões tomam trajetórias não previstas pelos modelos climáticos. Os tumores crescem mais lentamente ou mais rapidamente do que o previsto. Os cientistas, como qualquer outra pessoa, raramente, ou nunca, predizem perfeitamente. Não importa que dados e modelo matemático você tenha, o futuro ainda é incerto.

Então, os cientistas precisam admitir erros em nossa equação fundamental. Ou seja, Y = f (X) + E, onde “E” engloba nossa incapacidade de prever perfeitamente. É a parte da equação que nos mantém humildes.

À medida que a tecnologia se desenvolve, os cientistas podem descobrir que podemos prever o comportamento humano muito bem em uma área, enquanto ainda falta em outra. É muito difícil dar uma noção geral das limitações. Por exemplo, o reconhecimento facial pode ser mais fácil de imitar, porque a visão é um dos muitos sistemas de processamento sensorial humano, ou porque existem apenas muitas maneiras pelas quais as faces podem diferir. Por outro lado, prever o comportamento de voto, especialmente com base na eleição presidencial 2016, é outra história. Existem muitas razões complexas e ainda não compreendidas pelas quais os humanos fazem o que fazem.

A ConversaçãoAinda outros argumentam que, pelo menos teoricamente, previsão perfeita será um dia possível. Até lá, com alguma sorte, matemática e estatísticas podem nos ajudar a explicar cada vez mais o que as pessoas, em média, farão a seguir.

Sobre o autor

Daniel J. Denis, Professor Associado de Psicologia Quantitativa, Universidade de Montana e Briana Young, Ph.D. candidato em Programa Experimental, Universidade de Montana

Este artigo foi originalmente publicado em A Conversação. Leia o artigo original.

Livros relacionados:

at