Les physiciens ont développé un modèle mathématique pour expliquer comment les gens se forgent des opinions, en utilisant une combinaison d’apprentissage automatique et de mécanique statistique. Le modèle utilise une technique appelée inférence bayésienne pour mettre à jour les opinions à mesure que de nouvelles informations deviennent disponibles.

L'inférence bayésienne est une méthode statistique qui nous permet de mettre à jour nos croyances sur l'état du monde à mesure que nous recevons de nouvelles informations. L’idée de base est que nous partons d’une croyance préalable sur l’état du monde, puis que nous mettons à jour cette croyance à mesure que nous obtenons de nouvelles informations. Le poids que nous accordons aux nouvelles informations dépend du degré de confiance que nous leur accordons.

Dans le contexte de la formation d’opinions, notre croyance antérieure est l’opinion que nous avons actuellement. À mesure que nous recevons de nouvelles informations, nous mettons à jour notre opinion en fonction du degré de confiance que nous accordons à la source de l'information et de sa cohérence avec notre opinion antérieure.

Le modèle des physiciens utilise un algorithme d'apprentissage automatique pour apprendre les paramètres du modèle d'inférence bayésien. Cela permet au modèle de s'adapter à différentes situations et de faire des prédictions sur l'évolution des opinions des gens au fil du temps.

Le modèle a été testé sur un ensemble de données d'opinion du monde réel, et il s'est avéré capable de prédire avec précision comment les opinions des gens changeaient au fil du temps. Cela suggère que le modèle peut être utilisé pour comprendre comment les gens se forgent leurs opinions et pour prédire comment leurs opinions changeront à l’avenir.