当算法预测未来时会发生什么？

更多的数据和更好的算法：预测越来越准确，这正在改变保险单，医疗和警察工作。

可以预测未来犯罪的警察：这听起来像是科幻惊悚片《少数派报告》中的情节，汤姆·克鲁斯(Tom Cruise)在谋杀凶手之前先捕杀他们。这种情况与现实相距不远，例如，在今天，警察已经在使用计算机来防止盗窃。

“预测性警务”旨在使用庞大的数据集和复杂的算法来尽可能准确地预测犯罪。保险和医药也有类似的发展。同样，更多的数据和更好的算法正在做出更准确，更个性化的预测。例如，汽车保险在计算关税时使用的是关于驾驶方式的数据。癌症医学有望用于具有特定遗传特征的患者的个性化治疗方法。

对单个人的预测，而不是一般的预后

社会学系的埃琳娜·埃斯波西托(Elena Esposito)教授说：“尽管不确定性声称可以控制不确定性，但它们仍在我们的社会中继续发挥重要作用。” 在她的研究项目“预测”中，她正在研究基于处理大量数据的算法的预测所产生的社会影响。她的项目由欧洲研究理事会(ERC)资助。

过去，我们的社会建立了应对未来共同不确定性的机制。例如，在医学上，临床研究被用来确定平均而言，哪种治疗方法最有可能实现治愈。” Esposito说。

这样的预测是基于代表性组内的发生频率。然后将这些用于推导大量人员的概率;换句话说，不确定的预言仍然对每个人都具有一定程度的有效性。相比之下，个性化保险部门，精密医学和预测性警务的目标是为单个人做出预测，无论他们是会导致事故，生病还是犯罪。

三个方面：个性化，泛化和偏见

“算法预测在研究和实践中都变得越来越重要。尽管如此，我们仍然对这种趋势的社会影响了解得还不够。” Esposito说。她正在研究算法预测的三个不同方面：个性化，泛化和偏见。

她正在使用个性化保险部门的案例研究个性化：个性化保险是否会使某些个人群体处于不利地位-例如，如果那些面临更大风险的人突然不得不支付更多的费用?如果谁已经知道未来的损失将是什么，他们仍然对买卖保险有兴趣吗?

泛化在精密医学中尤其重要，因为算法的开发是基于训练数据的。这些算法可以应用于其他数据可能起作用的情况吗?以前从未考虑过的数据?问埃斯波西托。

最后，她使用预测性警务的示例来研究偏见的方面：如果现有数据有偏见，例如，某些族裔成员被更频繁地逮捕，那么算法会加强这种偏见吗?在所有三个研究领域中，Eposito还专注于用于预测未来的传统概率方法与新的预测算法形式之间的相互作用，因为这两种方法目前仍在使用。

运用卢曼的系统理论

“从研究的单个领域出发，我也在研究对整个社会系统的影响，而这是参照卢曼的系统理论来进行的，”埃斯波西托说。她是社会系统理论的主要代表之一。Bielefeld社会学教授Niklas Luhmann于1990年指导她的博士学位。自2016年以来，Esposito一直是Bielefeld大学的社会学教授，凭借她的跨学科网络，她还并行地在意大利的Modena e Reggio Emilia大学工作。

Esposito的研究项目“ Predict”获得了欧洲研究理事会(ERC)的ERC高级资助。该奖项授予已建立的杰出研究人员，他们在研究领域中处于领先地位。它在五年内价值210万欧元。正式而言，该项目将在2020年初开始。但是，第一批研究已经启动并投入运行，尤其是那些关于精密医学和个性化保险的研究。