Les bons scientifiques ne sont pas seulement capables de découvrir des modèles dans les choses qu'ils étudient, mais d'utiliser cette information pour prédire l'avenir.

Les météorologues étudient la pression atmosphérique et la vitesse du vent pour prédire les trajectoires des futures tempêtes. Un biologiste peut prédire la croissance d'une tumeur en fonction de sa taille et de son développement actuels. Un analyste financier peut essayer de prédire les hauts et les bas d'une action en fonction de facteurs tels que la capitalisation boursière ou les flux de trésorerie.

Peut-être encore plus intéressant que les phénomènes ci-dessus est celui de prédire le comportement des êtres humains. Les tentatives pour prédire comment les gens se comporteront existent depuis les origines de l'humanité. Les premiers humains devaient faire confiance à leur instinct. Aujourd'hui, commerçants, Les politiciens, les avocats de première instance et d'autres gagnent leur vie en prédisant le comportement humain. Prédire le comportement humain, sous toutes ses formes, est une grosse affaire.

Donc, Comment les mathématiques prédisent-elles notre propre comportement en général ? Malgré les progrès de l'analyse boursière, économie, les sondages politiques et les neurosciences cognitives – qui tentent tous en fin de compte de prédire le comportement humain – la science pourrait ne jamais être en mesure de le faire avec une certitude parfaite.

Des données plus grandes et meilleures

Lorsque vous faites des prédictions, les scientifiques ont historiquement été limités par un manque de données complètes, en s'appuyant plutôt sur de petits échantillons pour déduire les caractéristiques d'une population plus large.

Mais ces dernières années, la puissance de calcul et les méthodes de collecte de données ont progressé au point de créer un nouveau domaine :le big data. Grâce à la grande disponibilité des données collectées, les scientifiques peuvent examiner les relations empiriques entre une grande variété de variables pour déchiffrer le signal du bruit.

Par exemple, Amazon utilise des analyses prédictives pour deviner quels livres nous pouvons aimer en fonction de notre historique de navigation ou d'achat précédent. De la même manière, des campagnes de publicité en ligne automatisées nous indiquent quels véhicules pourraient nous intéresser en fonction des véhicules recherchés la veille.

Les spécialistes du marketing utilisent les actes de naissance pour décider quand vous inonder de publicités pour des produits pour bébés. Ils devinent même quand vous aurez besoin de ces choses en fonction du stade de développement de votre enfant.

Ce n'est pas sorcier, vraiment. C'est simplement avoir des informations (données) qui montrent des modèles, et exploiter ces modèles au nom de la prévisibilité (et souvent, bénéfices). Bien que de nouveau, jauger la précision de ces algorithmes est difficile pour l'étranger, il y a des travaux qui révèlent ce qui fait fonctionner ces algorithmes.

Modèles mathématiques

De nombreux outils de prédiction reposent sur l'apprentissage automatique, parmi lesquels figurent des algorithmes mathématiques basés sur les principes biologiques du fonctionnement cérébral et utilisant des quantités massives de données pour apprendre des modèles.

Les algorithmes d'apprentissage automatique peuvent prédire avec précision l'issue des affaires de la Cour suprême, en utilisant des prédicteurs tels que l'identité de chaque juge, mois de la dispute, requérant et d'autres facteurs. Bien que la précision de la sortie de l'algorithme ne soit que d'environ 70 %, il a en fait été démontré qu'il surpasse les experts juridiques humains.

Il a été démontré que d'autres algorithmes d'apprentissage automatique prédisent les tentatives de suicide avec une précision de 80 à 92 %, sans doute plus précis que même les meilleures évaluations humaines.

Les mathématiques peuvent même nous renseigner sur le comportement terroriste menant à un attentat. Dans une étude, les chercheurs ont examiné les dossiers d'activités terroristes en Irlande, spécifiquement les explosions d'engins explosifs améliorés. Après un incident, la probabilité d'un autre incident était plus élevée qu'improbable. En d'autres termes, les événements n'étaient pas indépendants. Une telle connaissance peut être utile à une communauté, peut-être en choisissant de mobiliser immédiatement les efforts après une seule attaque en prévision d'une autre.

La prédiction parfaite est-elle possible ?

Les mégadonnées ont rendu les méthodes de prédiction de plus en plus précises. Mais le comportement humain peut-il jamais être parfaitement prédit ?

L'équation la plus basique est celle de Y =f(X), qui lit, "Y est une fonction de X." Saisissez une valeur pour X, et le scientifique vous dira la valeur probable de Y. Plus le modèle est complexe, plus besoin de plus d'intrants, et donc l'équation simple devient beaucoup plus compliquée.

Bien sûr, ça ne marche pas toujours. Les ouragans prennent des trajectoires non prévues par les modèles météorologiques. Les tumeurs se développent plus lentement ou plus rapidement que prévu. Scientifiques, comme tout le monde, rarement, voire jamais, prédire parfaitement. Quels que soient les données et le modèle mathématique dont vous disposez, l'avenir est encore incertain.

Donc, les scientifiques doivent tenir compte de l'erreur dans notre équation fondamentale. C'est-à-dire, Y =f(X) + E, où "E" englobe notre incapacité à prédire parfaitement. C'est la partie de l'équation qui nous maintient humbles.

Au fur et à mesure que la technologie évolue, les scientifiques peuvent trouver que nous pouvons prédire assez bien le comportement humain dans un domaine, tout en manquant encore d'un autre. Il est très difficile de donner une idée globale des limites. Par exemple, la reconnaissance faciale peut être plus facile à imiter car la vision est l'un des nombreux systèmes de traitement sensoriel humain, ou parce qu'il n'y a qu'un certain nombre de façons dont les visages peuvent différer. D'autre part, prédire le comportement de vote, surtout sur la base de l'élection présidentielle de 2016, est une toute autre histoire. Il existe de nombreuses raisons complexes et non encore comprises pour lesquelles les humains font ce qu'ils font.

D'autres encore soutiennent que, théoriquement du moins, cette prédiction parfaite sera un jour possible. Jusque là, avec de la chance, les mathématiques et les statistiques peuvent nous aider de plus en plus à rendre compte de ce que les gens, en moyenne, fera ensuite.

Cet article a été initialement publié sur The Conversation. Lire l'article original.