Tag Archives: предсказание будущего

Предсказания из детского сада

кооперация между детьмиОценка социальных навыков ребенка в 5 лет предсказывает ответственную и успешную жизнь в 20 лет. 753 ребенка были оценены в 5-ти летнем возрасте, а затем найдены через 19 лет.

Воспитательница детского сада оценивала 9 параметров социальных навыков по 5-ти бальной шкале. Например, легкость кооперации с другими детьми без помощи взрослого, помощь другим детям, понимание чувств, самостоятельное решение проблем.

Деи с высокими показателями социальных навыков с большей вероятностью заканчивали школу, поступали в университет и стабильную работу. Вероятность безработицы и проблем с полицией, наоборот, уменьшалась.

Один балл увеличения социальных навыков увеличивал шансы получения высшего образования через 20 лет, в 2 раза!

Feinberg, M. E., Jones, D. E., Roettger, M. E., Solmeyer, A. R., & Hostetler, M. (2014). Long-term follow-up of a randomized trial family foundations: Effects on children’s emotional, behavioral, and school adjustment. Journal of Family Psychology, 28(6), 821-831.


Вы знаете больше, чем вам кажется

нейропредсказаниеВ недавнем номере New Scientist была опубликована статья (Thomson,  2017) про исследование, из тех, про которые можно думать днями, и многократно возвращаться через месяцы или даже годы.

Суть такая: людей попросили посмотреть на кампании по сбору средств в KickStarter, и быстро решить, стали бы они ее поддерживать своими деньгами. Люди также высказывались, нравится ли им проект, и достигнет ли он целей финансирования. В это время люди находились в функциональном томографе, и у них регистрировали активность мозга.

Через несколько недель кампании на KickStarter закончились, и финансирование получили 18 проектов из 36 показанных.

Ученые посмотрели на сканы и обнаружили, что когда люди смотрели на проекты, которые станут успешными, активность в прилежащем ядре (Nucleus accumbens) была несколько другой. Прилежащее ядро участвует в системе вознаграждений, формировании удовольствия, смеха, зависимости, агрессии, страха и эффекта плацебо.

Специфическая активность в регионе мозга могла предсказывать, достигнет ли проект успеха, в 59.1% случаях, тогда как сознательная оценка людей – в 52,9% случаях. Эта существенная, хотя и не сногсшибательная разница.

Ученые были так впечатлены, что повторили эксперимент, с другими людьми и другими кампаниями, и получили тот же результат. Субъективное предсказание: аккуратность 55.8%, p > .05. Активность мозга: аккуратность прогноза 61.1%, p = .002.

Немаловажный факт: активность в мозге была выявлена с помощью алгоритма, который тренировали на поиск паттернов. Последующая тренировка на активность всего мозга (а не только на прилежащее ядро) выдавала уже 67% точности прогноза.

Метод исследования (Genevsky, Yoon, & Knutson, 2017) показывает и другие интересные подробности. Так, для принятия решения участник сначала видел картинку проекта в течение 2 секунд, а затем краткий текст в течение 6 секунд. Незамедлительно после этого человек в течение 4 секунд должен был принять решение о поддержке проекта. Следом показывался фиксационный крестик на 2-6 секунды, и новый проект. То есть, никаких взглядов вдаль, поглаживаний бороды и почесываний за ухом: несколько секунд на решение, и сразу следующее, и так 36 раз.

Также интересно, что то, что было показано на картинке, влияло на решение человека поддержать проект. Лицо получало 83%, картинка какого-то места – 17%, и текстовая картинка – 30% от общей доли в принятом решении.

Наш мозг понимает о мире гораздо больше, чем мы осознаем. Это не удивительно, сравнивая возможности объема сознания и других регионов мозга, не обремененных сознанием. Обратите внимание, как очень быстро ученые достигли роста до 67%.

Фактически, ученые разработали готовую модель для нейропредсказаний. Правда, она дорогостоящая и не особо удобная – ведь необходимо загонять людей в fMRI. Есть другой вариант, проще и дешевле, про который я писал несколько лет назад – Как измерить красоту в микровольтах?

Но я думаю, что можно было бы решить эту же задачу, но низкотехнологично. Мне кажется, что время, затрачиваемое на просмотр проекта – огромно, это 8 секунд плюс 4 секунды на принятие решения. За такое время можно много чего успеть сделать, чтобы выяснить ответ, полученный неосознанно.

Есть один метод, правда, он касается не чьего-то, а именно своего будущего. С ним можно познакомиться и попробовать на курсе Дизайн личного будущего.

Genevsky, A., Yoon, C., & Knutson, B. (2017). When brain beats behavior: Neuroforecasting crowdfunding outcomes. The Journal of Neuroscience. 3 August 2017, 1633-16.

Thomson, Р. (2017). Your brain knows the future. Which companies will people invest in? Neuroforecasting may tell us. New Scientist, No 3140, 26 August 2017.


Как и когда вы умрете

как вы умретеНатан Яу, автор сайта FlowingData и нескольких книг, статистик по профессии, представляет любопытные интерактивные графики, построенные на статистических данных.

На первом – показана вероятная причина смерти от различных причин (данные американские, поэтому могут отличаться от причин российского происхождения).

Вот, например, белая женщина, которой сегодня 45 лет и причина ее смерти, допустим, в 95 лет – сердечно-сосудистое заболевание, на первом месте, и рак, на втором. Только 7% ее ровесниц доживет до такого возраста.

график причины смертности

А вот белый мужчина 21 года, который, если и умрет в 32 года, то, с очень большой вероятностью, – от внешних причин.

причина смерти на графике

Вы сами можете поиграться со своими данными здесь.

Напоминание о смерти (mortality salience) – неплохо изученный вопрос в психологии, и в умеренных дозах вполне полезен для психического здоровья как человека, так и общества.

Другой график касается вопроса «сколько лет осталось жить». Также основан на американских данных.

На примере данные женщина 27 лет. С вероятностью в 75% она проживет еще 50 и более лет.

сколько лет осталось прожить

Можно поиграться и «узнать» свои результаты здесь.

Такой прогноз кажется абстрактным, и он таковым является. Но интересно, насколько повысится персонализация и точность таких прогнозов, учитывая растущие горы данных? Если по человеку снимаются данные о качестве его сна, давлении, характеристиках пульса, маршрута до работы с точной статистикой аварий на нем, наложенные на его генетические данные, историю болезни и сотни других параметров, то результаты будут становиться точнее. И одновременно, самоценность и статичность такого результата будет падать, ибо никому не нужна дата и время своей смерти, но способы ее избегания. Возможностей таких будет становиться все больше и больше.

Например, если человек проживает в стране третьего мира, то он может улучшить свои значения, переехав в страну с лучшей санитарией, медициной и социальной средой. Это самый простой пример, а сложные возможности будут оперировать не столь очевидными связями.

Между тем, диктаторские страны с развитой коррупцией имеют и статистику, подтасованную под благоприятную картинку. Верить ей нельзя, и это ведет и к уменьшению персонализированных данных по человеку, и к уменьшению способов снижения рисков для жизни. И это нормально, так как в таких странах цена жизни людей, не принадлежащих к верхушке, исчезающее мала. Получается, что технологии увеличивают ценность человеческой жизни, просто по факту своего применения.


Улыбка как предсказатель семейной жизни

школьная фотография 1953 годаМы улыбаемся каждый по-своему, и по улыбке можно узнать наше будущее. Психологи (Hertenstein, et al., 2009) связались с более чем 1200 выпускниками психологических факультетов и попросили их принять участие в эксперименте. От них требовалось сообщить о своем семейном положении и отправить групповые фотографии, снятые во время обучения в университете.

Группа независимых экспертов смотрела на фотографию каждого бывшего студента и оценивала улыбку, по шкале от 1 до 10, по интенсивности. 10 баллов получала самая открытая и счастливая улыбка. 1 балл – едва заметная ухмылка.

Сравнив эти оценки с семейным положением бывших студентов, ученые установили, что люди в верхних 10% самых лучших улыбок гарантированно имели счастливую семейную жизнь. Нижние 10% качества улыбки предсказывали развод в 25% случаях.

Во втором эксперименте ученые связались с пожилыми людьми (от 65 лет и старше) и попросили их дать свои детские фотографии. В среднем возраст детей на фото оказался 10 лет. Психологи опять оценили улыбки и установили, что люди с большой улыбкой разводились только в 11% случаях, тогда как ухмылки приводили к 31% разводов. Слабые улыбки обещали в 5 раз больше шансов на развод, чем открытые широкие улыбки.

Точные причины неизвестны, но, вероятно, люди с большой улыбкой очень позитивно относятся к жизни и привлекают похожих по духу, и возникающие семейные проблемы они решают вместе, с надеждой и уверенностью в благоприятном исходе. Также возможно, что улыбка привлекает других и у широко улыбающихся людей больше друзей, что, в свою очередь, помогает браку. А может быть, когда ребенку говорят улыбаться для фотографии, и он послушно старается, это говорит о его конформизме, и в дальнейшей жизни это помогает идти навстречу партнеру в браке.

Hertenstein, M., Hansel, C., Butts, A., & Hile, S. (2009). Smile intensity in photographs predicts divorce later in life. Motivation and Emotion, 33(2), 99-105.

Фотография школьников отсюда.


Предсказание будущего от монашек

Audrey HepburnВ 1991 году Университет Миннесоты начал многолетнее масштабное Исследование Монахинь, при поддержке Американского национального института старения. В исследовании приняли участие 678 американок-монахинь романо-католического вероисповедания, членов ордена Школьных сестёр Норт Дам, которые занимались преподаванием в школах до выхода на пенсию. Монахини отбирались только 1917 года рождения и раньше, с тем, чтобы изучить, как происходит старение и течение болезни Альцгеймера. Монахини интересны тем, что не употребляют наркотики, почти не пьют алкогольные напитки, живут в схожих условиях, и с точки зрения эпидемиологии практически одинаковы.

Исследование принесло (и будет приносить) немало интересных результатов, за счёт того, что собрано огромное количество данных. В ходе исследования, например, обнаружилось (Danner, Snowdon, & Friesen, 2001), что ещё в 1930 году мать-настоятельница Североамериканских сестёр-монахинь выслала циркуляр, чтобы все сестры написали свои автобиографии длиной от 200 до 300 слов. Автобиографии всех 678 сестёр были обнаружены, и группа психологов отобрала 180 из них, подходящие по критериям: сестры должны были быть рождены и жить в США, и в полной мере владеть английским языком. На момент написания средний возраст сестёр был 22 года.

Психологи разработали систему кодирования, с тем, чтобы распределить слова по группам, относящимся к позитивным, нейтральным или негативным эмоциям. Два кодировщика взялись за все биографии, чтобы достичь максимально надёжных и объективных результатов. Подсчитав все эти слова и предложения, психологи смогли сравнить, как это отражалось на продолжительности жизни монахинь.

Выяснилось, что:

• Число позитивных предложений коррелировало с риском смертности – на каждый 1% увеличения позитива риск смерти снижался на 1,4%. Для негативно-окрашенных и нейтральных предложений связи обнаружено не было.

• Монахини, употребившие в своей автобиографии, в 22 года, наибольшее число слов разнообразных позитивных эмоций, прожили, в среднем, на 10,7 лет больше, чем монахини, употребившие минимальное число таких слов.

• Учёные пока не понимают, почему сочинение, написанное 60 лет назад, может довольно уверенно предсказать длительность жизни человека. Исследования продолжаются, и мы узнаем не только, почему это происходит, но и как мы могли бы это использовать.

Danner, D. D., Snowdon, D. A., & Friesen, W. V. (2001). Positive emotions in early life and longevity: findings from the nun study. Journal of Personal Social Psychology, 80(5), 804-813.


Жизнь – программный код: как мы стали предсказуемыми?

big dataВы можете пожать плечами, если вас спросить, где вы будете в три часа в следующую среду, но модель с большой вероятностью будет знать об этом.

Какова роль случайных факторов в человеческом поведении и до какой степени наше поведение предсказуемо? На эти вопросы пытались ответить ученые на одном из симпозиумов ежегодной конференции Американской ассоциации содействия развитию науки (AAAS) в феврале 2013 года в Бостоне. Вопросы актуальные: огромные массивы данных, которые производит современное технологическое общество, вкупе с новыми инструментами анализа создают невиданные по точности возможности для предсказаний социального поведения.

Например, детальную информацию о наших перемещениях имеют мобильные операторы. Команда исследователей из Northastern University в Бостоне собрала такие данные о 50 тысячах человек за три месяца, делающих или получающих хотя бы один вызов по телефону за два часа. Они создали математическую модель и обнаружили, что предел предсказуемости нахождения человека в любой момент времени составляет 93%! Еще более удивительно, что не было ни одного случая, где предсказуемость опустилась бы ниже 80%.
Кажется тривиальным предсказывать жизнь работающего человека в большом городе, с маршрутом дом – работа – дом. Стоит учесть, что данные, с которыми приходилось работать, были не идеальны: ученые получили лишь приблизительное местонахождение человека и только тогда, когда он делал или получал вызов. Все другое время человек был невидим, тем не менее модель могла справляться и с этим.
К слову, именно 80% точности предсказания сегодня достигли и математические модели, описывающие движения и фиксации глаз человека при просмотре визуальных стимулов, будь то реклама, либо натуральные сцены жизни. Эти движения глаз опосредованно отражают ход мышления и процесс принятия решения. Супермаркеты также используют такие модели и по картам лояльности с высокой точностью предсказывают наши покупки и даже то, что у вас в семье скоро будет ребенок.
Каждый из нас считает себя уникальным и неповторимым и жаждет больше спонтанности и изменений в жизни, но, как видим, хорошо предсказуем и с математической точки зрения почти ничем не отличается от другого.
Вот еще пример. Необходимость в постоянной мобильности требует новых подходов к городской и пригородной транспортной инфраструктуре. Скорость роста новых городов, особенно в Азии и Африке, вынуждает искать новые методы регулирования трафика. Группа, которую представляла Марта Гонзалес из Массачусетского технологического института, также использовала данные мобильных операторов, чтобы понять динамику использования дорог и предсказывать транспортные движения и проблемы. Ученые обнаружили, что пробки образуют лишь небольшое число источников дорожного движения. Это позволяет создать эффективную стратегию, снижающую время путешествия через всю транспортную систему. Для этого модели надо «скормить» данные нахождения наших телефонов.

Другая тема предсказаний социального поведения – распространение заболеваний. Дирк Брокманн из Northwestern University считает, что динамика эпидемий становится понятнее, если смотреть на нее под новым углом. Его группа использовала данные транспортных сетей. Более 3 миллиардов людей ежегодно летают самолетами, и эту мобильность можно предсказывать. Ранний пример, вдохновивший на последние идеи, – это отслеживание банковских купюр на сайтах Wheresgeorge и Eurobilltracker.com. Это позволяет ученым собирать массивные объемы данных, анализируя которые, можно опосредованно судить о мобильности людей.
Существующие модели основываются на географической дистанции, но это делает картину неполной. Например, Нью-Йорк и Лондон находятся далеко друг от друга, но ежесуточный трафик между ними составляет 10 тысяч человек, делая эти города ближе, чем, например, географически близкие Нью-Йорк и Милуоки. Города с большим количеством связей, такие как Амстердам, Лондон, Гонконг, – важные центры распространения заболеваний. Когда носители заболевания достигают этих городов, скорость и география распространения достигает максимума. Модель, которую разработали ученые, позволяет довольно точно предсказать ход эпидемии, основываясь только на очаге заражения и числе заболевших. Именно эта модель воссоздала ситуацию 2009 года с эпидемией свиного гриппа H1N1 с поразительной точностью.
Области применения моделирования социального поведения обширны: среди прочего они могут быть полезны для расчета распределения ресурсов в электрических сетях, для предсказания гражданских волнений и распространения компьютерных вирусов. Но таким системам предсказаний предстоит решить еще много сложнейших технических и этических проблем. Например, должна ли такая инфо�