机器学习结合社会科学 或可预测未来社会发展方向

　　预测未来听起来不可思议，但却是人类自古以来都在不断尝试更加准确的预测未来。过去人们通过天象预测未来的气候，通过占卜预测种族的运势。随着科学技术的不断发展，人们对未来的预测越来越精准了，大到行星运行，小到明天天气，准确度都大大提高了。但这些都属于自然事物的范畴，想要将预测能力延伸到其他领域还需要在科技上有所突破。

　　早在上世界中期，科幻小说家阿西莫夫就想象出一门未来的社会科学：心理史学，借由心理史学再加上庞大的计算机，就可以准确预测未来上千年整个银河帝国未来社会发展的方向。如今的社会预测系统远达不到这样的水平，但在某些社会活动中，已经能够做出相对准确的短期预测了。

　　最近几年“大数据”、“机器学习”等概念活跃在各个领域，机器通过大数据不断地“实习”找到海量数据背后的规律，从而在实践中做出正确的判断。这种技术最初出现在计算机和工程领域，该技术目前在这两个领域中都已经比较成熟了，最近利用这一技术解决科学或政策问题的尝试越来越多。

　　有专家指出目前的机器学习技术可以部分解决健康政策领域资源分配的问题。具体来说就是利用机器学习来预测对某位患者施行某种手术后，手术外的其他风险因素。比如某些关节置换手术的资源非常稀缺，如果一个病人除手术外的预期寿命远高于平均值，那么为这个病人进行关节置换就是非常“划算的”，反之则需要慎重考虑。

　　在这类问题中，如果能够正确预测病人未来可能的情况会很好的提高治疗的整体收益。不过到目前为止，这类的预测还仅仅是大致的，并不能对病人更具体的情况给出预测。同时如果这类的预测广泛应用的话，虽然会提高治疗的整体收入，但对于那些一开始就被预测为寿命较低的人来说，可能永远不会有机会接受治疗了。

　　某些商家现在也开始通过机器学习来预测消费者行为了。有一种系统可以预测客户流失的几率，这就让商家可以在用户真正流失前做出针对性的改进。这样商家就可以在预测到某些用户将要流失后通过优惠等手段主动挽留客户，但是后来证明效果并不出众。因为高流失用户组群和高可能回应干预的组群重合率仅有50%。所以仅仅预测客户的流失率不一定能解决问题。

　　预测未来还有一个问题很像科幻小说中的情节，“一个可以预测未来的人，因为看到了未来，而改变了未来，所以真正的未来又变成了未知的”。当一个系统预测了未来的某些事情后，人们也许会根据这个预测做出一些改变，而这样的改变导致未来有什么变化却更难预测了。（王蔚）