Οι προβλέψεις είναι πολύ δύσκολες, ειδικά όταν πρόκειται για το μέλλον

Οι εφευρέσεις του Τόμας Έντισον καθόρισαν τον 20ό αιώνα, αλλά ως προφήτης δεν ήταν και τόσο καλός. Το 1911 προέβλεψε ότι τα σπίτια του μέλλοντος θα είναι γεμάτα με ανθεκτικά, φτηνά έπιπλα από χάλυβα στα οποία θα διαβάζουμε βιβλία φτιαγμένα από νικέλιο. Αν κοιτάξουμε σήμερα γύρω μας θα δούμε τα έπιπλα είναι κατά 60% από ξύλο. Βέβαια έχουμε και τις επιτυχημένες προβλέψεις. Το 1909, σε άρθρο στους New York Times, ο Νίκολα Τέσλα προβλέπει την εφεύρεση του WiFi.

Οι άνθρωποι από πάντα είχαμε εμμονή με την πρόβλεψη του μέλλοντος. Όχι άδικα βέβαια. Γνωρίζοντας τι θα ακολουθήσει, ήμασταν σε θέση να εξοικονομήσουμε περισσότερους καρπούς για τον σκληρό χειμώνα που έρχεται και να επενδύσουμε σε ένα εμπόρευμα επειδή η τιμή του θα αυξηθεί στο μέλλον. Η σωστή πρόβλεψη εγγυάται την επιτυχία και την επιβίωση. Σε όλα αυτά υπάρχει ένα μόνο πρόβλημα: είμαστε πολύ κακοί στη πρόβλεψη. Μπορεί να φταίει η ψυχολογία μας, η εξέλιξη ή η πολυπλοκότητα των δεδομένων, αλλά η αλήθεια είναι ότι δεν τα καταφέρνουμε και τόσο καλά. 

Ο μεγαλύτερος λόγος για τον οποίο δεν μπορούμε να διαβάσουμε το απώτερο μέλλον είναι ότι οι εγκέφαλοί μας είναι απασχολημένοι με το εγγύς μέλλον. Οι ψυχολογικές και γνωστικές μας προκαταλήψεις είναι καλές για να μας κρατούν ασφαλείς και ζωντανούς αλλά δεν μας κάνουν ιδιαίτερα κατάλληλους να δούμε πολύ μακριά.

Σε γενικές γραμμές είμαστε υπερβολικά αισιόδοξοι ότι τα πράγματα που θέλουμε να συμβούν θα συμβούν. Βασίζουμε εσφαλμένα τις προβλέψεις μας στις προηγούμενες εμπειρίες μας. Όταν λαμβάνουμε νέες πληροφορίες, συχνά θεωρούμε ότι εντάσσονται σε αυτό που ήδη πιστεύουμε ότι είναι αλήθεια. Παρατηρούμε με ακρίβεια τα άμεσα γεγονότα αλλά όχι όταν συμβαίνουν σταδιακά, ειδικά κατά τη διάρκεια διαφορετικών γενεών. Ξέρουμε ότι θα συμβούν άσχημα πράγματα, αλλά όχι σε εμάς – στην πραγματικότητα, δεν μας νοιάζει και πολύ αν δεν τα πάθουμε εμείς. Αυτές τις προκαταλήψεις τις εξηγεί σε μεγάλο βαθμό η θεωρία της εξέλιξης. Τις περισσότερες φορές, οι εκτιμήσεις μας είναι αρκετά ακριβείς ώστε να μας κρατήσουν ζωντανούς για να διαιωνίσουμε το είδος, λένε οι ειδικοί.

Είμαστε επίσης πολύ κακοί στη σύνθεση μεγάλων ποσοτήτων δεδομένων, σκεφτείτε πόσο δύσκολο είναι να προβλέψουμε τον καιρό. Για να διαπιστωθεί εάν θα χιονίσει (και πόσο) τα μοντέλα που χρησιμοποιούν οι μετεωρολόγοι θα πρέπει να λάβουν υπόψη μεταξύ άλλων τη θερμοκρασία στο έδαφος, τη θερμοκρασία στην ατμόσφαιρα, το πώς οι κινήσεις των συστημάτων υψηλής και χαμηλής πίεσης θα συνδυαστούν με άλλες ατμοσφαιρικές δυνάμεις. 

90%: Η ακρίβεια της 5ήμερης μετεωρολογικής πρόβλεψης 
50%: Η ακρίβεια της 10ήμερης μετεωρολογικής πρόβλεψης
15%: Το ποσοστό των σημαντικών γεγονότων που οι ειδικοί προέβλεπαν ότι δεν θα συμβεί ποτέ και τελικά συνέβησαν
25%: Το ποσοστό των σημαντικών γεγονότων που έλεγαν ότι θα συμβεί σίγουρα και τελικά δεν συνέβησαν ποτέ
10%: Τα δευτερόλεπτα μεταξύ του πότε ο εγκέφαλος ενός ατόμου λαμβάνει μια απόφαση και πότε το συνειδητοποιεί 

Η δυνατότητα πρόβλεψης βέβαια έχει παρουσιάσει τεράστια βελτίωση τα τελευταία χρόνια με τη χρήση συστημάτων που το κάνουν για εμάς, αλλά και πάλι απέχουμε πολύ από το τέλειο.

Σε αντίθεση με τους ανθρώπους, οι υπολογιστές είναι σε θέση να συνθέσουν και να αναλύσουν τεράστιες ποσότητες δεδομένων. Οι αλγόριθμοι προσπαθούν να καταλάβουν  ποια ταινία θα θέλαμε να παρακολουθήσουμε στο Netflix, σε ποιες μετοχές θα αυξηθεί η τιμή τους και σε ποια διαφήμιση είναι πιο πιθανό να ανταποκριθούμε στα κοινωνικά μέσα. Σήμερα που μιλάμε όμως οι αλγόριθμοι έχουν αρκετά περιορισμένες δυνατότητες – μπορούν να προβλέψουν τα επόμενα δευτερόλεπτα σε ένα βίντεο ή πόσο θα μπορούσε να διαρκέσει ένας τυφώνας. Η βελτίωση των προβλέψεων σε θέματα όπως η δημόσια υγεία και η πολιτική έχει τεράστια δυναμική και η επιστήμη των δεδομένων εργάζεται σκληρά για αυτό.

Σε μια εποχή που τα δεδομένα είναι άφθονα και η υπολογιστική ισχύς είναι ισχυρή και φθηνή, οι επιστήμονες των δεδομένων έχουν στη διάθεσή τους ολοένα και περισσότερες πληροφορίες για τους ανθρώπους και τις επιχειρήσεις –είτε δίνονται με τη θέλησή τους είτε όχι– και θέλουν να τις αξιοποιήσουν. 

Αλλά και οι άνθρωποι το παλεύουμε. Οι ερευνητές του πανεπιστημίου της Πενσυλβάνια στις ΗΠΑ έχουν περάσει πολύ χρόνο αναλύοντας τι είναι αυτό που κάνει κάποιον καλό στο να κάνει προβλέψεις. Ψάχνουν να βρουν το ιδιαίτερο χαρακτηριστικό που έχουν οι «σούπερ προγνώστες» και είναι σε θέση να κάνουν εξαιρετικά καλές εικασίες με γρήγορες εκτιμήσεις πιθανοτήτων.

Ένας τρόπος για να βοηθήσουμε τους ανθρώπους να βελτιώσουν τις προβλέψεις τους, λένε οι ερευνητές, είναι να τους δίνουμε ανατροφοδότηση σχετικά με το αν οι προβλέψεις επαληθεύτηκαν ή όχι. Ένας πιο αποτελεσματικός τρόπος από τη βελτίωση των μεμονωμένων προγνωστικών είναι να πάρουμε πληροφορίες από πολλούς ανθρώπους. Η σοφία του πλήθους είναι σημαντικός παράγοντας ακρίβειας.

Ένα από τα βασικά συμπεράσματα των ερευνητών είναι ότι μια ετερόκλητη μεγάλη ομάδα ανθρώπων με διαφορετικές πηγές πληροφοριών κάνει καλύτερες προβλέψεις από ό,τι ένα άριστα καταρτισμένο άτομο ή ακόμα και μια μικρή ομάδα ειδικών. 

Με πληροφορίες από: Qz