Niematematyczne metody przewidywania przyszłości
W poprzednim tygodniu opisałem nadzieje, jakie wiązano z naukowym (matematycznym) prognozowaniem przyszłości i o przeszkodach, jakie przy tym napotkano. Nauka jednak nie sprowadza się do samej tylko matematyki, więc opiszę dziś inne niż matematyczne metody przewidywania przyszłości.
Dość dobrze sprawdzają się tu metody oparte na metodach statystycznych. Specjaliści od obliczeń statystycznych (którzy bywają matematykami, ale częściej koncentrują się na użyciu narzędzi informatycznych) od blisko stu lat rozwijają metody oparte na koncepcji tak zwanych szeregów czasowych. Rejestrując w ustalonych odstępach czasu (zwykle codziennie) wartości określonych danych gospodarczych, społecznych lub politycznych - otrzymuje się szereg liczb, których wartości zmieniają się często nieregularnie i w dużej mierze przypadkowo, ale w których przebiegu na dłuższych odcinkach czasu można dopatrzeć się pewnych regularności. Zwykle najbardziej przydatna jest tendencja rozwojowe (trend), który można opisać za pomocą tak zwanych równań autoregresji. Mając takie równania, można wyznaczać dla wybranych chwil w przyszłości najbardziej prawdopodobne wartości prognozowanych danych. Okazuje się, że to działa i dostarcza całkiem dobrych prognoz - chociaż losowe oscylacje, jakie zawsze występują w szeregu czasowym, powodują, że prognoza czasem bywa trafna, a czasem bardziej lub mniej rozmija się z rzeczywistością.
Innym podejściem, wykorzystywanym do skutecznego prognozowania przyszłych zdarzeń, jest odwołanie się do sztucznej inteligencji, a zwłaszcza do metod uczenia maszynowego. Popularne są tu tak zwane modele behawioralne, budowane z wykorzystaniem sieci neuronowych. Zajmuję się tymi sieciami od kilkudziesięciu lat, więc znam to zagadnienie z pierwszej ręki. Sieci neuronowe to narzędzia sztucznej inteligencji (programy komputerowe lub specjalnie budowane neurokomputery) wzorowane na budowie i działaniu ludzkiego mózgu. Ich ważną cechą jest to, że mogą nauczyć zachowywać się (stąd nazwa model „behawioralny”) tak samo, jak dowolny obserwowany system. Zaletą sieci jest to, że po odpowiednim treningu mogą naśladować zachowanie systemu, którego zasad działania my sami nie znamy. Jeśli tym systemem będzie proces, którego przyszłe zachowania chcemy przewidywać, to sieć nauczy się naśladować ten system, nie wymagając przy tym śledzenia żadnych zależności przyczynowo-skutkowych (które są zwykle nieznane). Wyniki podawane przez sieć często w zadziwiająco dobry sposób pozwalają prognozować różne interesujące nas procesy.
I na koniec jeszcze jedno podejście. Ciekawą nadzieję na naukowe przewidywanie przyszłości zbudowali psycholodzy. Przyszłość zależy od działań ludzi, więc jeśli poznamy dokładnie psychologiczne motywy ich działania (zarówno pojedynczych ludzi, jak i całych zbiorowości) - to będziemy mogli przewidzieć, jak się zachowają w określonych okolicznościach i co z tego wyniknie. Pisarz science fiction Isaac Asimov wymyślił całą dziedzinę nauki pod nazwą psychohistoria, która miała się zajmować takim psychologicznym prognozowaniem. Opisał to na początku lat 50. w siedmiotomowym cyklu powieści pt. „Fundacja”. Ale nikt tego nigdy nie zrealizował.
Być może współczesna psychologia mogłaby wznowić te rozważania. Niestety słabością tych metod jest fakt, że nikt nie jest w stanie przewidzieć nadchodzących wydarzeń politycznych, a one mają przemożny wpływ na przebieg procesów gospodarczych i społecznych. Rozważane są różne scenariusze, ale ich wiarygodność jest pod dużym znakiem zapytania. Ktoś kiedyś żartem powiedział: „Bardzo trudne jest przepowiadanie - zwłaszcza przyszłości”. Praktyka potwierdza niestety słuszność tego żartu!