अच्छे वैज्ञानिक न केवल उन चीजों में पैटर्न को उजागर करने में समर्थ होते हैं जो वे पढ़ते हैं, लेकिन भविष्य की भविष्यवाणी करने के लिए इस जानकारी का उपयोग करने के लिए।

मौसम विज्ञानी भविष्य के तूफानों के trajectories की भविष्यवाणी करने के लिए वायुमंडलीय दबाव और हवा की गति का अध्ययन करते हैं। एक जीवविज्ञानी अपने वर्तमान आकार और विकास के आधार पर ट्यूमर के विकास की भविष्यवाणी कर सकता है। एक वित्तीय विश्लेषक बाजार पूंजीकरण या नकदी प्रवाह जैसी चीज़ों के आधार पर स्टॉक के उतार चढ़ाव की भविष्यवाणी करने का प्रयास कर सकता है।

शायद उपरोक्त घटना की तुलना में और भी दिलचस्प है कि मनुष्य के व्यवहार की भविष्यवाणी करना। मनुष्यों की उत्पत्ति के बाद से लोग कैसे व्यवहार करेंगे यह भविष्यवाणी करने का प्रयास है प्रारंभिक इंसानों को करना था अपने सहज ज्ञान पर भरोसा करें। आज, विपणक, राजनेता, परीक्षण वकील और अधिक मानव व्यवहार की भविष्यवाणी पर अपना जीवन बनाते हैं। मानव व्यवहार की भविष्यवाणी करना, उसके सभी रूपों में, बड़ा व्यवसाय है।

तो, गणित कैसे सामान्य तौर पर हमारे अपने व्यवहार का अनुमान लगाते हैं? शेयर बाजार विश्लेषिकी, अर्थशास्त्र, राजनीतिक मतदान और संज्ञानात्मक तंत्रिका विज्ञान में प्रगति के बावजूद - जो सभी अंततः मानव व्यवहार की भविष्यवाणी करने का प्रयास करते हैं - विज्ञान कभी भी सही निश्चय के साथ ऐसा करने में सक्षम नहीं हो सकता है

बड़ा और बेहतर डेटा

भविष्यवाणी करते समय, वैज्ञानिकों को ऐतिहासिक रूप से संपूर्ण आंकड़ों की कमी से सीमित किया गया है, जो एक व्यापक आबादी की विशेषताओं का अनुमान लगाने के लिए छोटे नमूनों पर निर्भर करता है।

लेकिन हाल के वर्षों में, कम्प्यूटेशनल पावर और आंकड़ों को इकट्ठा करने के तरीके एक नए क्षेत्र बनाने के मुद्दे पर आगे बढ़ रहे हैं: बड़े डेटा एकत्रित आंकड़ों की भारी उपलब्धता के लिए धन्यवाद, वैज्ञानिक शोर से संकेत को समझने के लिए विभिन्न प्रकार के चर के बीच के अनुभवजन्य संबंधों की जांच कर सकते हैं।

उदाहरण के लिए, अमेज़ॅन का उपयोग करता है भविष्य बतानेवाला विश्लेषक यह अनुमान लगाने के लिए कि हमारे पूर्व ब्राउज़िंग या खरीद इतिहास के आधार पर हम कौन से पुस्तकें पसंद कर सकते हैं। इसी प्रकार, स्वचालित ऑनलाइन विज्ञापन अभियान हमें बताते हैं कि वाहनों के बारे में हमें कौन से वाहनों में दिलचस्पी हो सकती है, इससे पहले दिन की मांग की गई वाहनों

विपणक जन्म रिकॉर्ड का उपयोग करते हैं यह निर्णय लेने के लिए कि आपको शिशु उत्पादों के लिए विज्ञापनों में कब तक पलट जाना चाहिए वे यह भी अनुमान लगाते हैं कि जब आपको अपने बच्चे के विकास के चरण के आधार पर उन चीजों की आवश्यकता होगी।

यह रॉकेट विज्ञान नहीं है, सचमुच यह बस जानकारी (डेटा) है जो नमूनों को दिखाता है, और उन पैटर्नों का अनुमान लगाने के नाम पर (और अक्सर, मुनाफा) का शोषण करता है। यद्यपि फिर से, इन एल्गोरिदम की सटीकता को देखते हुए बाहरी लोगों के लिए मुश्किल है, कुछ काम है इससे पता चलता है कि ये एल्गोरिदम किस प्रकार टिकटिक बनाती हैं।

गणितीय मॉडल

कई भविष्यवाणी उपकरण मशीन सीखने पर भरोसा करते हैं, जिसमें गणितीय एल्गोरिदम शामिल होते हैं जो मस्तिष्क समारोह के जैविक सिद्धांतों पर आधारित होते हैं और पैटर्न सीखने के लिए बड़े पैमाने पर डेटा का उपयोग करते हैं।

मशीन-लर्निंग एल्गोरिदम सही तरीके से अनुमान लगा सकते हैं सुप्रीम कोर्ट के मामले, प्रत्येक न्याय की पहचान, तर्क, याचिकाकर्ता और अन्य कारकों का महीना जैसे भविष्यवक्ताओं का उपयोग करते हुए हालांकि एल्गोरिथम के उत्पादन की सटीकता केवल लगभग 70 प्रतिशत है, वास्तव में यह मानव कानूनी विशेषज्ञों को मात देना दिखाया गया है।

अन्य मशीन-शिक्षण एल्गोरिदम को दिखाया गया है आत्महत्या के प्रयासों की भविष्यवाणी करें 80 से 92 प्रतिशत की सटीकता के साथ, सबसे अच्छा मानव आकलन के मुकाबले अधिक सटीक।

गणित भी हमें इसके बारे में बता सकते हैं आतंकवादी व्यवहार एक हमले के लिए अग्रणी एक अध्ययन में, शोधकर्ताओं ने आयरलैंड में आतंकवादी गतिविधियों के रिकॉर्ड को देखा, विशेष रूप से बेहतर विस्फोटक उपकरणों के विस्फोट। एक घटना के बाद, एक और घटना की संभावना अधिक नहीं थी दूसरे शब्दों में, घटनाएं स्वतंत्र नहीं थीं इस तरह के ज्ञान एक समुदाय के लिए उपयोगी हो सकता है, शायद एक दूसरे की प्रत्याशा में एक हमले के बाद प्रयासों को तत्काल जुटाने का चयन करना।

क्या सही पूर्वानुमान संभव है?

बिग डेटा ने भविष्यवाणी के तरीकों को तेजी से सटीक बना दिया है लेकिन क्या मानव व्यवहार कभी भी पूरी तरह से भविष्यवाणी कर सकता है?

सबसे बुनियादी समीकरण यह है कि वाई = च (एक्स), जो पढ़ता है, "वाई एक्स का फ़ंक्शन है।" एक्स के लिए एक इनपुट इनपुट, और वैज्ञानिक आपको वाई के संभावित मूल्य बताएगा। अधिक जटिल मॉडल, अधिक इनपुट के लिए अधिक आवश्यकता है, और इसलिए सरल समीकरण को बहुत अधिक जटिल हो जाता है।

बेशक, यह हमेशा बाहर काम नहीं करता है तूफान मौसम मॉडल द्वारा भविष्यवाणी नहीं किए जाने वाले प्रक्षेपिक ले जाते हैं। ट्यूमर धीमी या भविष्यवाणी की तुलना में तेज़ हो जाते हैं। वैज्ञानिकों, बस किसी और की तरह, शायद ही कभी अगर कभी भी पूरी तरह से अनुमान लगाया कोई भी बात नहीं है कि आपके पास कौन सा डेटा और गणितीय मॉडल है, भविष्य अभी भी अनिश्चित है।

इसलिए, वैज्ञानिकों को हमारे मौलिक समीकरण में त्रुटि की अनुमति है। वह है, वाई = च (एक्स) + ई, जहां "ई" में हमारी पूर्णता का अनुमान लगाने में असमर्थता शामिल है। यह समीकरण का हिस्सा है जो हमें विनम्र रखता है।

जैसे-जैसे प्रौद्योगिकी विकसित होती है, वैज्ञानिक यह पाते हैं कि हम एक ही क्षेत्र में मानव व्यवहार की भविष्यवाणी कर सकते हैं, जबकि अभी भी किसी अन्य की कमी है। सीमाओं का समग्र अर्थ देना बहुत मुश्किल है उदाहरण के लिए, चेहरे की पहचान का अनुकरण करना आसान हो सकता है क्योंकि दृष्टि कई मानव संवेदी प्रसंस्करण प्रणालियों में से एक है, या क्योंकि केवल कई तरह के चेहरे भिन्न हो सकते हैं दूसरी ओर, वोटिंग व्यवहार की भविष्यवाणी, विशेषकर 2016 राष्ट्रपति चुनाव के आधार पर, काफी एक और कहानी है। कई जटिल हैं और अभी तक ये नहीं समझ पाए हैं कि इंसान जो कुछ करते हैं वे करते हैं।

फिर भी दूसरों का तर्क है कि, सैद्धांतिक रूप से कम से कम, वह एकदम सही पूर्वानुमान किसी दिन संभव हो सकता है। तब तक, किसी भी किस्मत के साथ, गणित और आंकड़े हमारी मदद कर सकते हैं कि हम लोगों के लिए औसतन, आगे क्या करेंगे।

के बारे में लेखक

डैनियल जे। डेनिस, एसोसिएट प्रोफेसर ऑफ़ क्वांटिटेटिव साइकोलॉजी, मोंटाना विश्वविद्यालय और ब्रायाना यंग, ​​पीएच.डी. प्रायोगिक कार्यक्रम में उम्मीदवार, मोंटाना विश्वविद्यालय

यह आलेख मूलतः पर प्रकाशित हुआ था वार्तालाप। को पढ़िए मूल लेख.

संबंधित पुस्तकें:

at

आने के लिए धन्यवाद InnerSelf.com, वहां हैं जहां 20,000 + "नए दृष्टिकोण और नई संभावनाओं" को बढ़ावा देने वाले जीवन-परिवर्तनकारी लेख। सभी आलेखों का अनुवाद किया गया है 30+ भाषाएँ. सदस्यता साप्ताहिक रूप से प्रकाशित होने वाली इनरसेल्फ मैगज़ीन और मैरी टी रसेल की डेली इंस्पिरेशन के लिए। InnerSelf पत्रिका 1985 से प्रकाशित हो रहा है।