p Bons cientistas não são apenas capazes de descobrir padrões nas coisas que estudam, mas usar essas informações para prever o futuro. p Os meteorologistas estudam a pressão atmosférica e a velocidade do vento para prever as trajetórias de tempestades futuras. 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 fatores como capitalização de mercado ou fluxo de caixa.

p Talvez ainda mais interessante do que o fenômeno acima é o de prever o comportamento dos seres humanos. As tentativas de prever como as pessoas se comportarão existem desde as origens da humanidade. Os primeiros humanos tiveram que confiar em seus instintos. Hoje, comerciantes, políticos, advogados judiciais e muitos outros ganham a vida prevendo o comportamento humano. Prever o comportamento humano, em todas as suas formas, é um grande negócio.

p Então, como a matemática faz em prever nosso próprio comportamento em geral? Apesar dos avanços na análise do mercado de ações, economia, pesquisas políticas e neurociência cognitiva - todas as quais, em última análise, buscam prever o comportamento humano - a ciência pode nunca ser capaz de fazer isso com certeza absoluta.

p Dados maiores e melhores

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

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

p Por exemplo, A Amazon usa análises preditivas para adivinhar quais livros podemos gostar com base em nossa navegação anterior ou histórico de compras. De forma similar, As campanhas automatizadas de publicidade online nos informam em quais veículos podemos estar interessados, com base nos veículos procurados no dia anterior.

p Os profissionais de marketing usam registros de nascimento para 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 de seu filho.

p Não é ciência de foguetes, realmente. É simplesmente ter informações (dados) que mostram padrões, e explorar esses padrões em nome da previsibilidade (e, muitas vezes, lucros). Embora, novamente, medir a precisão desses algoritmos é difícil para quem está de fora, há alguns trabalhos que revelam o que faz esses algoritmos funcionar.

p Modelos matemáticos

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

p Algoritmos de aprendizado de máquina podem prever com precisão o resultado dos casos da Suprema Corte, usando preditores como a identidade de cada justiça, mês da discussão, peticionário e outros fatores. Embora a precisão da saída do algoritmo seja de apenas cerca de 70 por cento, na verdade, demonstrou-se que supera os especialistas jurídicos humanos.

p Outros algoritmos de aprendizado de máquina mostraram prever tentativas de suicídio com uma precisão de 80 a 92 por cento, indiscutivelmente mais preciso do que até mesmo as melhores avaliações humanas.

p A matemática pode até nos informar sobre o comportamento terrorista que levou a um ataque. Em um estudo, pesquisadores analisaram registros de atividades terroristas na Irlanda, especificamente explosões de dispositivos explosivos aprimorados. Depois de um incidente, a probabilidade de outro incidente era maior do que não. Em outras palavras, os eventos não foram independentes. Esse conhecimento pode ser útil para uma comunidade, talvez escolhendo mobilizar imediatamente os esforços após um único ataque em antecipação a outro.

p A previsão perfeita é possível?

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

p A equação mais básica é a de Y =f (X), que lê, "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 insumos, e assim a equação simples fica muito mais complicada.

p Claro, nem sempre funciona. Furacões seguem trajetórias não previstas por modelos meteorológicos. Os tumores crescem mais devagar ou mais rápido do que o previsto. Cientistas, como qualquer outra pessoa, raramente ou nunca prediz perfeitamente. Não importa quais dados e modelo matemático você tenha, o futuro ainda é incerto.

p Então, os cientistas têm que permitir erros em nossa equação fundamental. Isso é, Y =f (X) + E, onde "E" engloba nossa incapacidade de prever com perfeição. É a parte da equação que nos mantém humildes.

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

p Ainda outros argumentam que, teoricamente, pelo menos, essa previsão perfeita algum dia será possível. Até então, com alguma sorte, matemática e estatística podem nos ajudar cada vez mais a contabilizar o que as pessoas, na média, fará a seguir. p Este artigo foi publicado originalmente em The Conversation. Leia o artigo original.