機器學習結合社會科學 或可預測未來社會發展方向

預測未來聽起來不可思議，但卻是人類自古以來都在不斷嘗試更加准確的預測未來。過去人們通過天象預測未來的氣候，通過佔卜預測種族的運勢。隨著科學技術的不斷發展，人們對未來的預測越來越精准了，大到行星運行，小到明天天氣，准確度都大大提高了。但這些都屬於自然事物的范疇，想要將預測能力延伸到其他領域還需要在科技上有所突破。

早在上世界中期，科幻小說家阿西莫夫就想象出一門未來的社會科學：心理史學，借由心理史學再加上龐大的計算機，就可以准確預測未來上千年整個銀河帝國未來社會發展的方向。如今的社會預測系統遠達不到這樣的水平，但在某些社會活動中，已經能夠做出相對准確的短期預測了。

最近幾年“大數據”、“機器學習”等概念活躍在各個領域，機器通過大數據不斷地“實習”找到海量數據背后的規律，從而在實踐中做出正確的判斷。這種技術最初出現在計算機和工程領域，該技術目前在這兩個領域中都已經比較成熟了，最近利用這一技術解決科學或政策問題的嘗試越來越多。

有專家指出目前的機器學習技術可以部分解決健康政策領域資源分配的問題。具體來說就是利用機器學習來預測對某位患者施行某種手術后，手術外的其他風險因素。比如某些關節置換手術的資源非常稀缺，如果一個病人除手術外的預期壽命遠高於平均值，那麼為這個病人進行關節置換就是非常“劃算的”，反之則需要慎重考慮。

在這類問題中，如果能夠正確預測病人未來可能的情況會很好的提高治療的整體收益。不過到目前為止，這類的預測還僅僅是大致的，並不能對病人更具體的情況給出預測。同時如果這類的預測廣泛應用的話，雖然會提高治療的整體收入，但對於那些一開始就被預測為壽命較低的人來說，可能永遠不會有機會接受治療了。

某些商家現在也開始通過機器學習來預測消費者行為了。有一種系統可以預測客戶流失的幾率，這就讓商家可以在用戶真正流失前做出針對性的改進。這樣商家就可以在預測到某些用戶將要流失后通過優惠等手段主動挽留客戶，但是后來証明效果並不出眾。因為高流失用戶組群和高可能回應干預的組群重合率僅有50%。所以僅僅預測客戶的流失率不一定能解決問題。

預測未來還有一個問題很像科幻小說中的情節，“一個可以預測未來的人，因為看到了未來，而改變了未來，所以真正的未來又變成了未知的”。當一個系統預測了未來的某些事情后，人們也許會根據這個預測做出一些改變，而這樣的改變導致未來有什麼變化卻更難預測了。（王蔚）