人生の予測不可能性 – ノーチラス

Ｃコンピュータ モデルを使用して、子供の人生の進路、たとえば将来の成績平均点などを予測することは可能でしょうか?

理論上、このアイデアは突飛なものではない。今日のデジタル世界では、アルゴリズムは患者の健康状態やローン返済の可能性を予測するように訓練されることが多い。そこで研究者チームは、この種の分析が、特に資源の少ない家庭の子供たちの将来の困難を予測し、最終的には緩和するのに役立つのではないかと考えた。

そのために、科学者たちは、子どもの誕生から15年間にわたって集められた4,000以上のアメリカ人家族のデータを分析した。データには、子ども、その両親、学校、環境の安定性に関する情報も含まれている。研究者たちは最初の9年間のデータを取り、子どもたちが15歳になったときの6つの主要な学業および個人的な成果を予測しようとした。

しかし、学業成績や家庭の困窮といったことは、コンピューターによる他の多くの予測よりも不安定であるようだ。2020年、研究チームはその研究結果を発表した。「驚いたことに、予測はあまり正確ではありませんでした」と、2020年の論文の共著者の一人であるカリフォルニア大学ロサンゼルス校の社会学者イアン・ランドバーグ氏は言う。「それで、なぜだろうと疑問に思いました」

新たな研究で、ランドバーグと彼の同僚は、以前の研究が子供たちの成績を正確に予測できなかった理由を、GPAに焦点を当てて詳しく調べた。彼らはデータセットで監視されていた40の家族と再び連絡を取り、数字では見逃されていた彼らの生活の微妙な部分についてさらに知るために、彼らに徹底的にインタビューした。今年初めに発表された調査結果は、 米国科学アカデミー紀要は、結果を予測する上での欠点は、単にデータ不足や計算上の限界だけによるものではないことを示唆している。むしろ、人生の複雑さを予測する私たちの能力には根本的な限界があるのだ。

「実際に過去に戻って、特に外れ値において、成績が悪かった理由を理解しようとするのが、この研究の本当に革新的な部分です」と、この新しい研究には関わっていないイェール大学の社会学者ラミナ・ソトゥーデ氏は言う。

人生の複雑さを予測する私たちの能力には根本的な限界があります。

この予測の失敗は主に2つの原因に起因すると研究者らは指摘している。1つ目は、削減不可能な誤差と呼ばれるものである。この例としては、思春期の子供に起こりうる予期せぬ出来事が挙げられる。 ランドバーグ氏は、親の死など、収入などの要因では予測できない事態が起きる可能性があると指摘する。「その場合、予測精度を向上させる機械学習や計算手法は実際には存在しない」と同氏は付け加える。

2 つ目は学習エラーです。アルゴリズムの学習プロセスにおけるエラーです。科学者が測定しようとしていた結果の種類 (成績、グリット、立ち退き、家族の困難など) は、さまざまな変数の影響を受けます。これらの変数は、アルゴリズムが学習して結果を予測するために使用できるパターンを形成します。しかし、変数が多すぎると、アルゴリズムが間違ったパターンを学習することがあります、と Lundberg 氏は言います。この種の学習エラーは、より多くの個人を対象とすることで小さくすることができます。しかし、このような長期にわたる縦断的研究では、数千人以上の参加者を集めることは困難です。「これは、 [studying] 「複雑さ」だ」とソトゥーデ氏は言う。

新たな研究結果はまた、質的調査の価値を浮き彫りにしている。インタビューを実施し、人間と話すことで、量的アプローチでは得られない洞察が得られる可能性がある。社会学者による質的観察、例えば人々がどのように交流し、関係を築くかなど、 ソトゥーデ氏は、数値化するのが難しく、結果に影響を与える可能性もあると語る。

ランドバーグ氏にとって、この研究の質的側面に踏み込むことは、元のデータセットの調査に多くの時間を費やしたにもかかわらず、目を見張るものでした。新しい研究では、一例として、「ベラ」（研究参加者の仮名）の物語が取り上げられています。彼女は安定した幼少期を過ごし、研究者が測定した変数によると、10代の頃には高いGPAに向かっているようでした。しかし、9歳から15歳の間に、ベラの父親は突然亡くなり、母親はうつ病に陥りました。ベラは、データに記録されていないこれらの要因により、学業面でも社会的にも苦労し始めました。

自分自身や愛する人に将来何が起こるかを予測したいという強い願望があり、私たちはしばしば自分の人間的な判断力を使ってこれを実行します、とランドバーグは言います。「コンピューターがそれをより正確に行うのに役立つかもしれないという考えに関心が高まっています…しかし、私たちの研究の最も重要な意味は、計算能力の向上に伴ってすべての結果が予測可能になるという考えに陥るべきではないということです」と彼は言います。

「答えは必ずしもより多くのデータではない」とソトゥーデ氏は繰り返す。「社会的な結果は予測不可能で複雑です。私たちはこの予測不可能な状況と折り合いをつけなければなりません。」

メイン画像: Jorm Sangsorn / Shutterstock

• アリス・サン

  ポストする 2024年7月24日

  アリス・サンはニューヨーク州ブルックリンを拠点とする科学ジャーナリストです。彼女の仕事は生物学、環境、社会科学、精神衛生など多岐にわたります。彼女の仕事の詳細は彼女のウェブサイトでご覧いただけます。 X (旧称 Twitter)。

ノーチラスニュースレターを受け取る

最も聡明な現存する思想家によって解明された最先端の科学。