1
00:00:08,341 --> 00:00:11,576
De toekomst
ontvouwt zich voor onze ogen...

2
00:00:11,611 --> 00:00:14,212
maar ligt het altijd buiten ons bereik?

3
00:00:14,247 --> 00:00:17,582
Wat ooit de provincie was
van de goden

4
00:00:17,617 --> 00:00:21,820
is nu duidelijker in beeld gekomen

5
00:00:21,855 --> 00:00:24,856
door wiskunde en data.

6
00:00:24,891 --> 00:00:27,893
Uit enkele vroege observaties
over gokken

7
00:00:27,928 --> 00:00:30,729
Er ontstonden hulpmiddelen die richting gaven

8
00:00:30,764 --> 00:00:32,964
ons wetenschappelijk inzicht
van de wereld

9
00:00:32,999 --> 00:00:34,766
en meer...

10
00:00:34,801 --> 00:00:38,136
door de kracht van voorspellen.

11
00:00:41,675 --> 00:00:43,341
Van onze beslissingen
over het weer...

12
00:00:43,376 --> 00:00:46,044
De sterkste
orkaan ooit geregistreerd...

13
00:00:46,079 --> 00:00:47,746
Aan het vinden
iemand verdwaald op zee...

14
00:00:47,781 --> 00:00:48,914
Beginnend zoekpatroon.

15
00:00:48,949 --> 00:00:50,348
Kijk goed uit!

16
00:00:50,383 --> 00:00:52,884
Elke dag
wiskunde en data combineren

17
00:00:52,919 --> 00:00:55,854
om ons te helpen een voorstelling te maken
wat zou er kunnen zijn...

18
00:00:55,889 --> 00:00:59,524
Het is de beste kristallen bol
die de mensheid kan hebben.

19
00:00:59,559 --> 00:01:02,661
Maak een reis
op de vleugels van de waarschijnlijkheid

20
00:01:02,696 --> 00:01:04,429
in de toekomst.

21
00:01:04,464 --> 00:01:05,464
We denken aan geluk

22
00:01:05,499 --> 00:01:06,832
of ongeluk,

23
00:01:06,867 --> 00:01:09,268
maar dat zijn ze in principe gewoon
Een kwestie van wiskunde, toch?

24
00:01:11,571 --> 00:01:14,072
"Voorspelling door de cijfers" --

25
00:01:14,107 --> 00:01:26,351
nu op "NOVA."

26
00:01:26,386 --> 00:01:29,688
De Oranjeprovincie
Fair, gehouden in Zuid-Californië.

27
00:01:31,992 --> 00:01:35,560
In theorie, deze drukte
beschikken over een voorspellende kracht

28
00:01:35,595 --> 00:01:38,296
die een verrassende nauwkeurigheid kunnen hebben,

29
00:01:38,331 --> 00:01:43,001
maar het is van niemand
individu, alleen de groep.

30
00:01:43,036 --> 00:01:44,636
En zelfs dan moet er naar gekeken worden

31
00:01:44,671 --> 00:01:49,641
door de lens van de wiskunde.

32
00:01:49,676 --> 00:01:53,078
De theorie staat bekend als
de ‘wijsheid van de menigte’,

33
00:01:53,113 --> 00:01:57,582
een fenomeen dat voor het eerst werd gedocumenteerd
ongeveer honderd jaar geleden.

34
00:01:57,617 --> 00:02:00,152
Statisticus
Talithia Williams is er

35
00:02:00,187 --> 00:02:03,155
om te zien of de theorie klopt,
en om wat tijd door te brengen

36
00:02:03,190 --> 00:02:06,358
met het meest geliefde dier van de kermis,

37
00:02:06,393 --> 00:02:09,427
Patches, een 14-jarige os.

38
00:02:11,932 --> 00:02:14,232
Het
was een beetje zoals deze

39
00:02:14,267 --> 00:02:16,268
waar, in 1906,

40
00:02:16,303 --> 00:02:19,504
Sir Francis Galton kwam een wedstrijd tegen

41
00:02:19,539 --> 00:02:22,541
waar je moest raden
het gewicht van een os,

42
00:02:22,576 --> 00:02:24,943
zoals pleisters
zie je hier achter mij.

43
00:02:26,746 --> 00:02:29,281
Na de os
De wedstrijd voor het raden van gewichten was voorbij,

44
00:02:29,316 --> 00:02:34,719
Galton nam alle inzendingen mee naar huis
en analyseerde ze statistisch.

45
00:02:34,754 --> 00:02:36,388
Tot zijn verbazing,

46
00:02:36,423 --> 00:02:39,357
terwijl niemand van het individu
vermoedens waren correct,

47
00:02:39,392 --> 00:02:42,194
het gemiddelde van alle gissingen

48
00:02:42,229 --> 00:02:45,096
daalde met minder dan één procent.

49
00:02:45,131 --> 00:02:47,866
Dat is de wijsheid van de menigte.

50
00:02:47,901 --> 00:02:51,336
Maar is het nog steeds waar?

51
00:02:51,371 --> 00:02:54,005
Dus, hier is hoe ik denk
dat kunnen we vandaag testen.

52
00:02:54,040 --> 00:02:57,375
Wat als we een willekeurige steekproef vragen?
van de mensen hier op de beurs

53
00:02:57,410 --> 00:03:00,912
als ze kunnen raden hoeveel gelei
bonen waarvan ze denken dat ze in de pot zitten.

54
00:03:00,947 --> 00:03:03,615
En dan nemen we die cijfers
en het gemiddelde daarvan

55
00:03:03,650 --> 00:03:05,116
en kijk of dat echt in de buurt is

56
00:03:05,151 --> 00:03:07,586
tot het werkelijke aantal jellybeans.

57
00:03:09,422 --> 00:03:12,090
Raad eens hoeveel jellybeans
zijn hier.

58
00:03:12,125 --> 00:03:14,025
Kom op, jongens, van iedereen
moeten hun inschatting maken.

59
00:03:14,060 --> 00:03:15,560
Ik zie je geest malen.

60
00:03:15,595 --> 00:03:16,428
1.227.

61
00:03:16,463 --> 00:03:18,063
846.

62
00:03:18,098 --> 00:03:19,731
Waarschijnlijk zoals 925?

63
00:03:19,766 --> 00:03:21,199
Ik denk duizend.

64
00:03:21,234 --> 00:03:22,734
Schrijf dus gewoon uw nummer op.

65
00:03:22,769 --> 00:03:24,169
Eh, daar ga je.

66
00:03:24,204 --> 00:03:26,538
Mag ik een jellybean?

67
00:03:28,642 --> 00:03:32,911
De 135 gissingen
verzameld uit de menigte variëren enorm.

68
00:03:32,946 --> 00:03:35,880
Het bereik van onze gissingen was:

69
00:03:35,915 --> 00:03:40,185
van de kleinste was 183,
de grootste was 12.000.

70
00:03:40,220 --> 00:03:42,721
Dus je kunt vertellen,
mensen waren echt aan het raden.

71
00:03:42,756 --> 00:03:49,160
Maar als we het gemiddelde nemen
van onze gissingen krijgen we 1.522.

72
00:03:49,195 --> 00:03:50,996
Dus de vraag is,

73
00:03:51,031 --> 00:03:54,899
hoe dicht ligt ons gemiddelde bij de
werkelijke aantal jellybeans?

74
00:03:54,934 --> 00:03:58,536
Nou, nu is het moment van de waarheid.

75
00:04:09,916 --> 00:04:15,120
Oké, dus het echte aantal
jellybeans was 1.676.

76
00:04:15,155 --> 00:04:19,791
Het gemiddelde van onze gissingen was
met nog geen tien procent af.

77
00:04:19,826 --> 00:04:22,160
Dus daar eigenlijk
was enige wijsheid in onze menigte.

78
00:04:22,195 --> 00:04:25,697
Hoewel er ongeveer tien procent verschil is,

79
00:04:25,732 --> 00:04:27,265
het gemiddelde van de schattingen van het publiek

80
00:04:27,300 --> 00:04:29,868
was nog nauwkeuriger

81
00:04:29,903 --> 00:04:32,637
dan de overgrote meerderheid
van de individuele gissingen.

82
00:04:32,672 --> 00:04:36,508
Toch is het de wijsheid van de menigte
kent wel grenzen.

83
00:04:36,543 --> 00:04:40,178
Het kan gemakkelijk worden ondermijnd
door invloeden van buitenaf

84
00:04:40,213 --> 00:04:43,682
en werkt meestal het beste
vragen met duidelijke antwoorden,

85
00:04:43,717 --> 00:04:44,883
als een getal.

86
00:04:44,918 --> 00:04:47,018
De stappen die Talithia zette

87
00:04:47,053 --> 00:04:50,955
weerspiegelen een proces dat gaande is
tegenwoordig overal om ons heen

88
00:04:50,990 --> 00:04:53,358
in het werk van statistici.

89
00:04:53,393 --> 00:04:54,726
Bedankt, iedereen.

90
00:04:54,761 --> 00:04:55,960
Daarom hebben we deze gegevens verzameld,

91
00:04:55,995 --> 00:04:58,763
juist, we hebben het wiskundig geanalyseerd,

92
00:04:58,798 --> 00:05:01,366
en we kregen een schatting
dat was behoorlijk dichtbij

93
00:05:01,401 --> 00:05:03,435
naar de werkelijke werkelijke waarde.

94
00:05:03,470 --> 00:05:06,471
Dat is wiskunde en statistiek
op het werk.

95
00:05:10,143 --> 00:05:14,579
Wij hebben er niet altijd gebruik van gemaakt
wiskunde en statistiek om voorspellingen te doen.

96
00:05:14,614 --> 00:05:19,617
De Romeinen bestudeerden de vluchten
en kreten van vogels.

97
00:05:19,652 --> 00:05:23,822
De Chinezen hebben het "orakel" gekraakt
botten met een hete metalen staaf

98
00:05:23,857 --> 00:05:25,857
en lees de resultaten

99
00:05:25,892 --> 00:05:28,827
19e-eeuwse Russen
gebruikte kippen.

100
00:05:30,930 --> 00:05:34,032
Door de geschiedenis heen,
we hebben de toekomst gezocht

101
00:05:34,067 --> 00:05:36,534
in moedervlekken op de gezichten van mensen,

102
00:05:36,569 --> 00:05:38,870
wolken in de lucht,

103
00:05:38,905 --> 00:05:41,973
of een parel die in een ijzeren pot wordt gegoten.

104
00:05:42,008 --> 00:05:48,080
En die lijst met gebruikte dingen
want voorspellen gaat maar door.

105
00:05:53,753 --> 00:05:57,789
Maar recenter, dat wil zeggen
de laatste paar honderd jaar--

106
00:05:57,824 --> 00:06:00,892
om in de toekomst te kijken,
we hebben ons tot de wetenschap gewend

107
00:06:00,927 --> 00:06:05,029
en deed enkele opmerkelijke voorspellingen

108
00:06:05,064 --> 00:06:08,600
van het bestaan van Neptunus,

109
00:06:08,635 --> 00:06:11,936
of radiogolven,

110
00:06:11,971 --> 00:06:15,206
of zwarte gaten,

111
00:06:15,241 --> 00:06:19,611
naar de toekomstige locatie
van een komeet met zo'n precisie

112
00:06:19,646 --> 00:06:21,446
we zouden een ruimtesonde kunnen landen
erop.

113
00:06:23,316 --> 00:06:26,050
Maar als je de motorkap opendoet
van de wetenschap,

114
00:06:26,085 --> 00:06:29,354
binnenin vind je een veld
van toegepaste wiskunde

115
00:06:29,389 --> 00:06:32,757
daar zijn er veel van gemaakt
voorspellingen mogelijk:

116
00:06:32,792 --> 00:06:34,659
statistieken.

117
00:06:34,694 --> 00:06:36,828
Statistieken zijn nogal uniek.

118
00:06:36,863 --> 00:06:39,998
Het is geen empirische wetenschap
zelf, maar het is geen pure wiskunde,

119
00:06:40,033 --> 00:06:41,900
maar het is ook geen filosofie.

120
00:06:41,935 --> 00:06:45,170
Het is het raamwerk, de taal,

121
00:06:45,205 --> 00:06:49,407
de regels waarmee we wetenschap beoefenen.

122
00:06:49,442 --> 00:06:51,276
Op basis daarvan kunnen we beslissingen nemen,

123
00:06:51,311 --> 00:06:54,646
we kunnen conclusies trekken,
wij kunnen voorspellingen doen.

124
00:06:54,681 --> 00:06:56,815
Dat is wat... dat is wat
statistici proberen te doen.

125
00:06:56,850 --> 00:06:59,751
Dat is de reden dat ik van statistiek houd

126
00:06:59,786 --> 00:07:02,787
het voorspelt de waarschijnlijkheid
van toekomstige gebeurtenissen,

127
00:07:02,822 --> 00:07:06,925
wat echt betekent
het is de beste kristallen bol

128
00:07:06,960 --> 00:07:08,893
die de mensheid kan hebben.

129
00:07:10,930 --> 00:07:14,232
Uiteindelijk allemaal
de voorspellende kracht van statistieken

130
00:07:14,267 --> 00:07:18,536
berust op een revolutionair inzicht
van ongeveer 500 jaar geleden--

131
00:07:18,571 --> 00:07:21,873
die kans zelf kan worden getemd

132
00:07:21,908 --> 00:07:24,543
via de wiskunde
van waarschijnlijkheid.

133
00:07:26,813 --> 00:07:29,414
Leve Las Vegas!

134
00:07:29,449 --> 00:07:33,384
Hier is een stad vol paleizen

135
00:07:33,419 --> 00:07:36,254
gebouwd op begrip
waarschijnlijkheid

136
00:07:36,289 --> 00:07:38,490
en gevoed door gokken,

137
00:07:38,525 --> 00:07:40,592
wat misschien een grappige plek lijkt

138
00:07:40,627 --> 00:07:42,760
om wiskundige Keith Devlin te vinden.

139
00:07:42,795 --> 00:07:45,096
Maar wiskunde en gokken

140
00:07:45,131 --> 00:07:47,832
zijn met elkaar verbonden
eeuwenlang.

141
00:07:47,867 --> 00:07:51,269
Tegenwoordig vind je in een casino roulette,

142
00:07:51,304 --> 00:07:52,737
speelautomaten,

143
00:07:52,772 --> 00:07:54,572
blackjack.

144
00:07:54,607 --> 00:07:58,676
Craps spelen is ook bekend
als 'het rollen van de botten',

145
00:07:58,711 --> 00:08:00,545
wat nauwkeuriger is
dan je zou denken.

146
00:08:00,580 --> 00:08:02,580
Mensen hebben gegokt

147
00:08:02,615 --> 00:08:05,383
sinds het begin
van de moderne beschaving.

148
00:08:05,418 --> 00:08:07,719
De oude Grieken, de oude Egyptenaren,

149
00:08:07,754 --> 00:08:11,856
de enkelbeenderen van zou gebruiken
schapen als een vorm van vroege dobbelstenen.

150
00:08:11,891 --> 00:08:16,327
Verrassend genoeg, terwijl
de Grieken legden de basis

151
00:08:16,362 --> 00:08:19,831
voor onze wiskunde,
ze hebben geen moeite gedaan

152
00:08:19,866 --> 00:08:22,166
proberen kansspelen te analyseren.

153
00:08:22,201 --> 00:08:24,936
Het lijkt te hebben
is nooit bij hen opgekomen,

154
00:08:24,971 --> 00:08:28,806
of zelfs voor iemand die hogerop staat
tot de 15e, 16e eeuw,

155
00:08:28,841 --> 00:08:30,575
dat je wiskunde kon toepassen

156
00:08:30,610 --> 00:08:33,144
de weg te berekenen
deze spellen zouden uitkomen.

157
00:08:35,582 --> 00:08:39,450
16e-eeuws Italiaans
wiskundige Gerolamo Cardano

158
00:08:39,485 --> 00:08:42,086
maakte een belangrijke vroege observatie:

159
00:08:42,121 --> 00:08:45,623
dat hoe vaker
er wordt een kansspel gespeeld,

160
00:08:45,658 --> 00:08:47,959
hoe beter wiskundig
waarschijnlijkheid

161
00:08:47,994 --> 00:08:49,794
voorspelt de uitkomst,

162
00:08:49,829 --> 00:08:54,399
later bewezen als
de wet van de grote getallen.

163
00:08:54,434 --> 00:08:59,704
Voorbeelden van de wet van groot
cijfers op het werk omringen ons.

164
00:08:59,739 --> 00:09:01,105
Als ik deze munt opgooi,

165
00:09:01,140 --> 00:09:02,840
wij kunnen het op geen enkele manier weten

166
00:09:02,875 --> 00:09:04,809
of het gaat
met kop of munt omhoog komen.

167
00:09:07,513 --> 00:09:09,013
Die keer waren het hoofden.

168
00:09:09,048 --> 00:09:13,484
Aan de andere kant, als ik dat wel was
100 keer een munt opgooien,

169
00:09:13,519 --> 00:09:17,522
ongeveer 50% van de tijd
het zou opkomen,

170
00:09:17,557 --> 00:09:19,724
en 50% van de tijd
het zou staarten opleveren.

171
00:09:19,759 --> 00:09:21,159
We kunnen geen enkele worp voorspellen.

172
00:09:21,194 --> 00:09:25,630
We kunnen het totaal voorspellen
gedrag na 100 worpen.

173
00:09:25,665 --> 00:09:27,498
Dat is de wet van de grote getallen.

174
00:09:27,533 --> 00:09:31,102
In feite zijn casino's een testament

175
00:09:31,137 --> 00:09:33,871
naar de ijzeren hand van
de wet van de grote getallen.

176
00:09:33,906 --> 00:09:35,239
De spellen zijn ontworpen

177
00:09:35,274 --> 00:09:38,843
om de casino's te geven
een lichte voorsprong op de gokker.

178
00:09:38,878 --> 00:09:41,346
Neem Amerikaans roulette:

179
00:09:41,381 --> 00:09:44,649
aan het stuur zijn
de nummers één tot en met 36,

180
00:09:44,684 --> 00:09:46,718
half rood en half zwart.

181
00:09:46,753 --> 00:09:49,420
Een dollar inzetten op één kleur
of de andere

182
00:09:49,455 --> 00:09:52,457
Het lijkt een 50-50 voorstel.

183
00:09:52,492 --> 00:09:56,227
Maar het wiel heeft dat ook
twee groene vakjes met nullen.

184
00:09:56,262 --> 00:09:57,528
Als de bal daarin belandt,

185
00:09:57,563 --> 00:10:01,366
het casino wint alle weddenschappen
op rood of zwart.

186
00:10:01,401 --> 00:10:03,434
En dat is het soort rand

187
00:10:03,469 --> 00:10:07,505
dat levert het casinogeld op
op de lange termijn.

188
00:10:07,540 --> 00:10:09,007
Klanten zijn aan het gokken.

189
00:10:09,042 --> 00:10:10,708
Het casino is absoluut
niet gokken.

190
00:10:10,743 --> 00:10:12,276
Omdat ze geld kunnen verliezen,

191
00:10:12,311 --> 00:10:16,180
ze kunnen veel geld verliezen
voor één of twee spelers,

192
00:10:16,215 --> 00:10:18,016
maar als je duizenden hebt
en duizenden spelers,

193
00:10:18,051 --> 00:10:19,517
door de wet van de grote aantallen,

194
00:10:19,552 --> 00:10:22,487
je verdient gegarandeerd geld.

195
00:10:24,490 --> 00:10:25,890
De wet van de grote getallen

196
00:10:25,925 --> 00:10:28,493
komt in het spel
ook buiten het gokken.

197
00:10:28,528 --> 00:10:31,396
Bij basketbal, een velddoelpunt of
schietpercentage

198
00:10:31,431 --> 00:10:34,766
is het aantal gemaakte manden

199
00:10:34,801 --> 00:10:38,369
gedeeld door het aantal gemaakte opnamen.

200
00:10:38,404 --> 00:10:41,105
Maar vroeg in het seizoen

201
00:10:41,140 --> 00:10:43,441
wanneer het gebaseerd is
een laag aantal pogingen,

202
00:10:43,476 --> 00:10:45,410
dat percentage kan misleidend zijn.

203
00:10:45,445 --> 00:10:48,246
In het begin
van het seizoen, een minder ervaren speler

204
00:10:48,281 --> 00:10:52,216
kan een paar geluksschoten opleveren
op een rij.

205
00:10:52,251 --> 00:10:53,451
En op dat moment,

206
00:10:53,486 --> 00:10:55,119
ze zouden een superhigh hebben
schietpercentage.

207
00:11:00,560 --> 00:11:02,126
Ondertussen een zeer vaardige speler

208
00:11:02,161 --> 00:11:06,164
mis er misschien een paar bij de
begin van het seizoen

209
00:11:06,199 --> 00:11:07,498
en hebben een laag schietpercentage.

210
00:11:08,534 --> 00:11:10,134
Maar naarmate het seizoen vordert,

211
00:11:10,169 --> 00:11:11,703
en het totale aantal schoten klimt,

212
00:11:11,738 --> 00:11:15,306
hun schietpercentages
zal spoedig reflecteren

213
00:11:15,341 --> 00:11:16,674
hun ware vaardigheidsniveau.

214
00:11:18,444 --> 00:11:21,012
Dat is de wet van de grote getallen
op het werk.

215
00:11:21,047 --> 00:11:26,317
Een klein voorbeeld, zoals gewoon
een paar schoten, kan misleidend zijn,

216
00:11:26,352 --> 00:11:29,454
terwijl een grote steekproef, zoals veel shots,

217
00:11:29,489 --> 00:11:31,522
geeft je een beter beeld.

218
00:11:39,165 --> 00:11:43,034
De gokobservaties dat
leidde tot de wet van de grote aantallen

219
00:11:43,069 --> 00:11:47,338
waren een begin, maar wat eigenlijk
waarschijnlijkheidstheorie gelanceerd

220
00:11:47,373 --> 00:11:50,241
en opende een deur naar een geheel nieuwe weg

221
00:11:50,276 --> 00:11:52,643
van nadenken over de toekomst,

222
00:11:52,678 --> 00:11:54,078
was een reeks brieven

223
00:11:54,113 --> 00:11:56,848
uitgewisseld tussen
twee Franse wiskundigen,

224
00:11:56,883 --> 00:12:02,453
Blaise Pascal en
Pierre de Fermat in de jaren 1650,

225
00:12:02,488 --> 00:12:04,822
over een ander gokprobleem
dat was aan het rondscharrelen

226
00:12:04,857 --> 00:12:07,358
voor een paar eeuwen.

227
00:12:07,393 --> 00:12:11,062
Een vereenvoudigde versie van
het probleem gaat als volgt:

228
00:12:11,097 --> 00:12:14,165
twee spelers... laten we ze bellen
Blaise en Pierre--

229
00:12:14,200 --> 00:12:16,134
zijn een munt aan het opgooien.

230
00:12:16,169 --> 00:12:19,971
Blaise heeft hoofden gekozen,
en Pierre-staarten.

231
00:12:20,006 --> 00:12:22,840
Het spel is het beste van 5 salto's,

232
00:12:22,875 --> 00:12:26,144
en iedereen heeft er geld in gestopt
in de pot.

233
00:12:26,179 --> 00:12:30,715
Ze gooien de munt drie keer om,
en Blaise staat twee tegen één voor.

234
00:12:32,151 --> 00:12:35,586
Maar dan wordt het spel onderbroken.

235
00:12:35,621 --> 00:12:39,657
Wat is de eerlijke manier om de pot te verdelen?

236
00:12:39,692 --> 00:12:41,926
De vraag is:
Hoe verdelen ze de pot?

237
00:12:41,961 --> 00:12:44,428
zodat het eerlijk is
naar wat er had kunnen gebeuren

238
00:12:44,463 --> 00:12:46,430
als ze het spel hadden kunnen voltooien.

239
00:12:46,465 --> 00:12:51,402
stelde Fermat voor
het zich voorstellen van de mogelijke toekomstige uitkomsten

240
00:12:51,437 --> 00:12:53,604
als het spel was doorgegaan.

241
00:12:53,639 --> 00:12:56,307
Er zijn er nog maar twee
muntjes gooien,

242
00:12:56,342 --> 00:12:59,177
er vier mogelijk te maken
combinaties.

243
00:12:59,212 --> 00:13:05,383
Kop-kop, kop-staart,
staarten-koppen en staarten-staarten.

244
00:13:05,418 --> 00:13:09,520
Bij de eerste drie,
Blaise wint met voldoende kop.

245
00:13:09,555 --> 00:13:12,256
Pierre wint pas in het laatste geval,

246
00:13:12,291 --> 00:13:16,394
dus stelde Fermat dat voor
een drie-tegen-één-splitsing

247
00:13:16,429 --> 00:13:18,930
was de juiste oplossing.

248
00:13:18,965 --> 00:13:20,631
De belangrijkste doorbraak

249
00:13:20,666 --> 00:13:24,202
stelde zich de toekomst voor,
wiskundig,

250
00:13:24,237 --> 00:13:27,305
iets waar zelfs Pascal moeite mee had.

251
00:13:27,340 --> 00:13:31,943
Want wat Fermat deed was zeggen:
‘Laten we naar de toekomst kijken,

252
00:13:31,978 --> 00:13:33,744
"kijk naar mogelijke toekomsten,

253
00:13:33,779 --> 00:13:36,547
‘En we tellen de weg
er hadden dingen kunnen gebeuren

254
00:13:36,582 --> 00:13:38,449
in verschillende mogelijke toekomsten."

255
00:13:38,484 --> 00:13:41,118
Het was een eenvoudig rekenkundig probleem,

256
00:13:41,153 --> 00:13:44,822
maar het idee om dingen te tellen
in de toekomst

257
00:13:44,857 --> 00:13:47,124
was gewoon helemaal nieuw,

258
00:13:47,159 --> 00:13:49,060
en Pascal kon het niet inpakken
zijn gedachten eromheen.

259
00:13:49,095 --> 00:13:53,397
Uiteindelijk Pascal
accepteerde de oplossing van Fermat,

260
00:13:53,432 --> 00:13:54,999
net als anderen,

261
00:13:55,034 --> 00:13:58,002
en vandaag, die uitwisseling
van brieven wordt beschouwd

262
00:13:58,037 --> 00:14:01,405
als de geboorte van
moderne waarschijnlijkheidstheorie.

263
00:14:01,440 --> 00:14:04,842
Mensen beseften het
de toekomst was niet blanco.

264
00:14:04,877 --> 00:14:06,911
Je wist het niet precies
wat er ging gebeuren,

265
00:14:06,946 --> 00:14:09,313
maar je zou het kunnen berekenen
met grote precisie

266
00:14:09,348 --> 00:14:12,116
wat de waarschijnlijkheid is
van de dingen die gebeurden waren.

267
00:14:12,151 --> 00:14:14,252
Je zou alle voorspellingen kunnen doen

268
00:14:14,287 --> 00:14:16,587
die we vandaag maken en als vanzelfsprekend beschouwen.

269
00:14:16,622 --> 00:14:20,324
Je zou ze kunnen maken met behulp van wiskunde.

270
00:14:20,359 --> 00:14:22,426
Het was een fundamenteel inzicht,

271
00:14:22,461 --> 00:14:25,529
en een van de deuren
die naar de moderne wereld leidde.

272
00:14:25,564 --> 00:14:29,634
Inherent aan al onze pogingen
om de toekomst te voorspellen--

273
00:14:29,669 --> 00:14:31,335
van de aandelenmarkt

274
00:14:31,370 --> 00:14:32,837
aan verzekeringen

275
00:14:32,872 --> 00:14:35,072
voor webwinkels die erachter proberen te komen

276
00:14:35,107 --> 00:14:36,841
wat je vervolgens zou kunnen kopen,

277
00:14:36,876 --> 00:14:39,977
is het idee dat met de juiste data,

278
00:14:40,012 --> 00:14:44,148
de waarschijnlijkheid van toekomstige gebeurtenissen
kan worden berekend.

279
00:14:48,421 --> 00:14:50,288
Sterker nog, een van
de grote succesverhalen

280
00:14:50,323 --> 00:14:52,056
in de wetenschap van het voorspellen

281
00:14:52,091 --> 00:14:55,259
levert een voorspelling op
waar velen van ons elke dag naar kijken

282
00:14:55,294 --> 00:14:58,763
om de vraag te beantwoorden,
‘Heb ik een paraplu nodig

283
00:14:58,798 --> 00:15:01,732
of een stormopvang?"

284
00:15:04,937 --> 00:15:06,304
Het orkaanseizoen van 2017

285
00:15:06,339 --> 00:15:09,941
zal voor herinnerd worden
zijn wreedheid en vernietiging.

286
00:15:09,976 --> 00:15:11,976
De sterkste ooit gemeten...

287
00:15:12,011 --> 00:15:14,111
De Puerto Rico en de San Juan
dat wisten we gisteren

288
00:15:14,146 --> 00:15:15,346
is er niet meer.

289
00:15:17,416 --> 00:15:21,352
De stormen vormden zich en
won aan intensiteit met verrassende snelheid,

290
00:15:21,387 --> 00:15:24,655
voorspellers verlaten
om de onzekerheid te benadrukken

291
00:15:24,690 --> 00:15:25,856
van waar ze zouden kunnen landen.

292
00:15:25,891 --> 00:15:27,825
Maria is nu
een orkaan van categorie drie.

293
00:15:27,860 --> 00:15:30,461
Precies hoe het eruit gaat zien
we weten het gewoon nog niet.

294
00:15:30,496 --> 00:15:32,363
Er is nog steeds
grote onzekerheid...

295
00:15:32,398 --> 00:15:35,099
Bij weersvoorspellingen is

296
00:15:35,134 --> 00:15:38,636
de enige zekerheid is onzekerheid.

297
00:15:38,671 --> 00:15:40,004
Eén ding weten we

298
00:15:40,039 --> 00:15:43,174
Het is zeker dat we u dat niet kunnen geven
een perfecte voorspelling.

299
00:15:43,209 --> 00:15:49,013
Gezien de aard van
hoe we een voorspelling doen,

300
00:15:49,048 --> 00:15:53,718
van de mondiale waarnemingen tot
vergelijkingen die op computers draaien,

301
00:15:53,753 --> 00:15:56,253
op tijd uitstappen,

302
00:15:56,288 --> 00:15:58,489
Ik denk niet dat dat er ooit zal zijn
een perfecte voorspelling.

303
00:15:58,524 --> 00:16:02,159
Om die onzekerheid te bestrijden,

304
00:16:02,194 --> 00:16:06,464
voorspellers zijn omgedraaid
naar meer data - veel meer data.

305
00:16:06,499 --> 00:16:08,566
Hier bij de
Nationale Weerdienst

306
00:16:08,601 --> 00:16:10,067
Kantoor in Baltimore-Washington,

307
00:16:10,102 --> 00:16:12,603
meteoroloog Isha Renta

308
00:16:12,638 --> 00:16:15,873
bereidt zich voor op de middag
lancering van een weerballon.

309
00:16:15,908 --> 00:16:17,875
Twee keer per dag, elke dag,

310
00:16:17,910 --> 00:16:21,512
overal in de VS
en over de hele wereld,

311
00:16:21,547 --> 00:16:23,414
tegelijkertijd,

312
00:16:23,449 --> 00:16:26,584
ballonnen worden losgelaten
een pakket instrumenten mee te nemen

313
00:16:26,619 --> 00:16:29,653
omhoog door de atmosfeer.

314
00:16:29,688 --> 00:16:34,325
Het verzendt lezingen over
elke tien meter hoog.

315
00:16:34,360 --> 00:16:36,093
Het is mijn begrip
die zij hebben ontwikkeld

316
00:16:36,128 --> 00:16:39,230
andere manieren om verticaal te worden
profielen van de atmosfeer,

317
00:16:39,265 --> 00:16:41,766
maar nog steeds de nauwkeurigheid
en de resolutie

318
00:16:41,801 --> 00:16:43,567
dat de weerballon dat zal doen
geven is een stuk hoger.

319
00:16:43,602 --> 00:16:45,803
Dus daarom
we zijn nog steeds van hen afhankelijk.

320
00:16:51,010 --> 00:16:53,778
De gegevens van
Isha's weerballon belandt

321
00:16:53,813 --> 00:16:55,613
in het Nationaal Centrum
voor omgevingsvoorspelling

322
00:16:55,648 --> 00:16:57,515
in Collegepark, Maryland,

323
00:16:57,550 --> 00:17:00,684
het uitgangspunt voor
bijna alle weersvoorspellingen

324
00:17:00,719 --> 00:17:04,188
in de Verenigde Staten.

325
00:17:04,223 --> 00:17:06,891
Haar informatie wordt één druppel
in een hele grote emmer

326
00:17:06,926 --> 00:17:11,662
van de gegevens die elke dag worden opgenomen.

327
00:17:11,697 --> 00:17:12,963
Temperatuur, druk,
windsnelheid,

328
00:17:12,998 --> 00:17:14,365
en richting in de atmosfeer.

329
00:17:14,400 --> 00:17:16,801
Tienduizenden punten
observaties worden gebruikt

330
00:17:16,836 --> 00:17:20,037
elk uur van elke dag
als een soort startpunt.

331
00:17:20,072 --> 00:17:22,440
Dat is waar we beginnen met de simulatie,

332
00:17:22,475 --> 00:17:23,674
uit die observaties.

333
00:17:25,511 --> 00:17:27,244
Het allemaal
onderdeel wordt van een proces,

334
00:17:27,279 --> 00:17:28,646
die is beschreven

335
00:17:28,681 --> 00:17:31,248
als een van de groten
intellectuele prestaties

336
00:17:31,283 --> 00:17:34,852
van de 20e eeuw: numerieke voorspellingen.

337
00:17:37,790 --> 00:17:39,890
De eerste stap
bij numerieke voorspellingen

338
00:17:39,925 --> 00:17:44,295
is het overbruggen van een afstand van bijna 40 mijl
dikke gedeelte van de atmosfeer

339
00:17:44,330 --> 00:17:47,098
in een driedimensionaal raster.

340
00:17:47,133 --> 00:17:51,335
Dan is elk rasterpunt dat
toegewezen numerieke waarden

341
00:17:51,370 --> 00:17:53,304
voor verschillende aspecten van het weer,

342
00:17:53,339 --> 00:17:56,140
gebaseerd op de miljarden metingen

343
00:17:56,175 --> 00:17:59,210
voortdurend gieten
naar de Weerdienst.

344
00:17:59,245 --> 00:18:00,544
Dus je zult begrip hebben

345
00:18:00,579 --> 00:18:02,146
van temperatuur, druk,

346
00:18:02,181 --> 00:18:04,882
en waarden in termen van wind
en windrichting

347
00:18:04,917 --> 00:18:06,183
op elk van deze punten

348
00:18:06,218 --> 00:18:07,518
binnen dit raster dat de hele wereld bestrijkt.

349
00:18:07,553 --> 00:18:11,956
Vanaf daar,
vergelijkingen uit de natuurkunde

350
00:18:11,991 --> 00:18:16,760
van vloeistoffen en thermodynamica
worden op elk rasterpunt toegepast.

351
00:18:16,795 --> 00:18:19,029
Niet alleen jij
verander de kenmerken

352
00:18:19,064 --> 00:18:22,199
op elk rasterpunt, maar de
veranderingen op die rasterpunten

353
00:18:22,234 --> 00:18:24,201
aangrenzende rasterpunten beïnvloeden,

354
00:18:24,236 --> 00:18:27,104
en vervolgens aangrenzende rasterpunten
andere rasterpunten beïnvloeden.

355
00:18:27,139 --> 00:18:29,874
En zo evolueer je de sfeer
door de tijd

356
00:18:29,909 --> 00:18:31,842
in deze driedimensionale ruimte.

357
00:18:31,877 --> 00:18:35,679
En
opmerkelijk genoeg werkt de aanpak.

358
00:18:35,714 --> 00:18:37,515
Het is verbazingwekkend gek dat het werkt.

359
00:18:37,550 --> 00:18:41,418
Het is opmerkelijk hoe goed het werkt,

360
00:18:41,453 --> 00:18:44,221
gezien het feit dat we het maken
grote aannames

361
00:18:44,256 --> 00:18:46,557
over de begintoestand,
om zo te zeggen,

362
00:18:46,592 --> 00:18:49,059
of de begintoestand
van welke voorspelling dan ook.

363
00:18:49,094 --> 00:18:54,165
En die begintoestand
blijkt absoluut cruciaal.

364
00:18:56,268 --> 00:18:58,035
In de begindagen
van numerieke voorspellingen,

365
00:18:58,070 --> 00:19:01,438
het leek erop
een definitieve weersvoorspelling

366
00:19:01,473 --> 00:19:04,808
zich uitstrekt tot ver in de toekomst
misschien binnenkort wel mogelijk.

367
00:19:04,843 --> 00:19:08,913
Maar onderzoek uit de jaren zestig

368
00:19:08,948 --> 00:19:12,583
toonden kleine fouten aan
bij het meten van de begintoestand

369
00:19:12,618 --> 00:19:17,688
in de loop van de tijd groter worden,
leidende voorspellingen op een dwaalspoor.

370
00:19:17,723 --> 00:19:20,291
Dus als je een stap verder gaat in de tijd,

371
00:19:20,326 --> 00:19:22,393
de voorspelling
zal minder nauwkeurig worden.

372
00:19:22,428 --> 00:19:27,198
Ironisch genoeg, dat
gevoeligheid voor initiële omstandigheden

373
00:19:27,233 --> 00:19:30,134
suggereerde ook een manier
om de nauwkeurigheid te verbeteren

374
00:19:30,169 --> 00:19:32,403
van numerieke weersvoorspellingen.

375
00:19:32,438 --> 00:19:35,839
Dankzij de kracht van de hedendaagse computers,

376
00:19:35,874 --> 00:19:39,076
voorspellers kunnen hun
weersimulaties niet één keer

377
00:19:39,111 --> 00:19:41,645
maar meerdere keren.

378
00:19:41,680 --> 00:19:45,716
Voor elke run gaan ze iets verder
de beginvoorwaarden veranderen

379
00:19:45,751 --> 00:19:48,519
om de inherente fout weer te geven
ingebouwd in de metingen

380
00:19:48,554 --> 00:19:50,387
en de onzekerheid in het model zelf.

381
00:19:50,422 --> 00:19:55,559
Het proces heet ensemble forecasting,

382
00:19:55,594 --> 00:19:59,029
en de resultaten worden genoemd
spaghetti-plots.

383
00:19:59,064 --> 00:20:01,599
Wij kijken naar
ongeveer 100 verschillende voorspellingen hier

384
00:20:01,634 --> 00:20:04,268
voor de jetstream van ongeveer zes dagen geleden.

385
00:20:04,303 --> 00:20:05,970
We hebben de daadwerkelijke jetstream

386
00:20:06,005 --> 00:20:08,072
getekend als de witte lijn
hier vandaag,

387
00:20:08,107 --> 00:20:10,474
en je kunt het meeste zien
voorspellingen van zes dagen geleden

388
00:20:10,509 --> 00:20:12,409
waren ver ten noorden van waar wij waren
daadwerkelijk de jetstream vinden

389
00:20:12,444 --> 00:20:13,711
vanmorgen.

390
00:20:13,746 --> 00:20:16,680
En dan gaan we naar
een vijfdaagse voorspelling

391
00:20:16,715 --> 00:20:19,583
en een vierdaagse voorspelling
en een driedaagse voorspelling

392
00:20:19,618 --> 00:20:23,087
en dan naar twee dagen
en de dag van het evenement.

393
00:20:23,122 --> 00:20:24,822
En je kunt zien hoe het model
voorspellingen komen allemaal samen

394
00:20:24,857 --> 00:20:27,558
over die oplossing, en dat is wat
je zou verwachten dat ze dat doen.

395
00:20:27,593 --> 00:20:30,194
Maar jij gaat terug
naar de zesdaagse voorspelling,

396
00:20:30,229 --> 00:20:32,997
je ziet de grote spreiding
in de ensembleoplossingen

397
00:20:33,032 --> 00:20:35,232
voor dit specifieke patroon.

398
00:20:35,267 --> 00:20:40,004
Op het einde,
meteorologen wenden zich tot statistische hulpmiddelen

399
00:20:40,039 --> 00:20:42,172
om weersvoorspellingen te analyseren

400
00:20:42,207 --> 00:20:45,609
en maken vaak gebruik van waarschijnlijkheden
om de onzekerheid uit te drukken

401
00:20:45,644 --> 00:20:47,645
in de resultaten.

402
00:20:47,680 --> 00:20:49,913
Dat is de "40% kans op regen"
hoor je misschien

403
00:20:49,948 --> 00:20:52,483
van uw lokale voorspeller.

404
00:20:52,518 --> 00:20:54,718
Meteorologie is probabilistisch
in de kern,

405
00:20:54,753 --> 00:20:56,720
en dat geloof ik
het grote publiek weet het

406
00:20:56,755 --> 00:21:00,491
er is onzekerheid inherent
bij alles wat we zeggen,

407
00:21:00,526 --> 00:21:01,725
maar het gaat steeds beter met ons.

408
00:21:04,530 --> 00:21:09,066
Onze voorspellingen voor drie dagen uit
zijn nu net zo nauwkeurig

409
00:21:09,101 --> 00:21:11,001
zoals de voorspellingen voor één dag waren
ongeveer 10 jaar geleden.

410
00:21:11,036 --> 00:21:12,569
En dit blijft verbeteren.

411
00:21:12,604 --> 00:21:15,673
De wetenschap is dus vooruitgegaan
voorbij mijn stoutste dromen,

412
00:21:15,708 --> 00:21:19,577
en het is zelfs moeilijk te zien
waar het in de toekomst naartoe zou kunnen gaan.

413
00:21:22,147 --> 00:21:23,847
Net als in de meteorologie,

414
00:21:23,882 --> 00:21:25,149
voor de rest van de wetenschap,

415
00:21:25,184 --> 00:21:27,618
de ultieme test van ons begrip

416
00:21:27,653 --> 00:21:31,588
is ons vermogen
om nauwkeurige voorspellingen te doen.

417
00:21:31,623 --> 00:21:33,724
Op grote schaal: wetenschappelijke theorieën

418
00:21:33,759 --> 00:21:36,593
zoals de algemene theorie van Einstein
van relativiteit

419
00:21:36,628 --> 00:21:38,028
voorspellingen moeten doen

420
00:21:38,063 --> 00:21:40,597
die kunnen worden getest om geaccepteerd te worden.

421
00:21:40,632 --> 00:21:43,233
In dat geval duurde het vier jaar

422
00:21:43,268 --> 00:21:45,636
vóór een volledige zonsverduistering
onthuld

423
00:21:45,671 --> 00:21:48,939
dat licht dat langs de zon passeerde, kromde zich,

424
00:21:48,974 --> 00:21:52,443
precies zoals voorspeld
volgens de theorie van Einstein--

425
00:21:52,478 --> 00:21:54,611
het eerste bewijs dat hij gelijk had

426
00:21:54,646 --> 00:21:58,582
dat de massa van de zon vervormt
het weefsel van ruimte-tijd--

427
00:21:58,617 --> 00:22:00,884
wat wij als zwaartekracht ervaren.

428
00:22:02,221 --> 00:22:06,890
In feite de wetenschappelijke methode
vraagt om een hypothese

429
00:22:06,925 --> 00:22:09,793
wat tot een voorspelling leidt
van resultaten

430
00:22:09,828 --> 00:22:12,229
van een zorgvuldig ontworpen
experimenteren

431
00:22:12,264 --> 00:22:13,864
dat zal zijn bewering testen.

432
00:22:16,268 --> 00:22:20,104
Verrassend genoeg was dat niet het geval
tot de jaren twintig en dertig

433
00:22:20,139 --> 00:22:23,273
dat een Britse wetenschapper,
Ronald A. Fisher,

434
00:22:23,308 --> 00:22:26,710
richtlijnen opgesteld
voor het ontwerpen van experimenten

435
00:22:26,745 --> 00:22:31,982
met behulp van statistieken en waarschijnlijkheid
als een manier om resultaten te beoordelen.

436
00:22:36,221 --> 00:22:39,423
Als voorbeeld:
hij vertelde het verhaal van een dame

437
00:22:39,458 --> 00:22:41,091
die beweerde het verschil te proeven

438
00:22:41,126 --> 00:22:43,861
tussen de melk die in haar thee werd gegoten

439
00:22:47,866 --> 00:22:51,335
en er werd thee in haar melk gegoten.

440
00:22:56,408 --> 00:22:59,576
Fisher dacht na over manieren
om dat te testen.

441
00:22:59,611 --> 00:23:03,514
Wat als hij haar presenteerde?
met slechts één kopje om te identificeren?

442
00:23:03,549 --> 00:23:05,749
Als ze het een keer goed had,
je zou waarschijnlijk,

443
00:23:05,784 --> 00:23:08,352
‘Ja, maar ze had een
50-50 kans, gewoon door te raden,

444
00:23:08,387 --> 00:23:09,887
om het goed te krijgen.”

445
00:23:09,922 --> 00:23:12,523
Je zou dus niet erg overtuigd zijn
dat ze de vaardigheid heeft.

446
00:23:12,558 --> 00:23:16,460
Visser voorgesteld
dat een redelijke test van haar bekwaamheid

447
00:23:16,495 --> 00:23:18,729
het zouden acht kopjes zijn,

448
00:23:18,764 --> 00:23:20,130
vier met melk in thee,

449
00:23:20,165 --> 00:23:23,801
vier met thee in melk,

450
00:23:23,836 --> 00:23:26,970
elk willekeurig gepresenteerd.

451
00:23:27,005 --> 00:23:33,210
De dame moest toen scheiden
ze terug in de twee groepen.

452
00:23:33,245 --> 00:23:34,645
Waarom acht?

453
00:23:34,680 --> 00:23:38,248
Want dat leverde op
70 mogelijke combinaties

454
00:23:38,283 --> 00:23:43,487
van de kopjes, maar slechts één
waarbij ze correct gescheiden zijn.

455
00:23:43,522 --> 00:23:46,089
Als ze het goed heeft,

456
00:23:46,124 --> 00:23:48,992
dat zou niet bewijzen
ze had een bijzondere vaardigheid,

457
00:23:49,027 --> 00:23:53,163
maar Fisher kon concluderen:
Als ze maar aan het raden was,

458
00:23:53,198 --> 00:23:56,433
het was een uiterst onwaarschijnlijk resultaat,

459
00:23:56,468 --> 00:24:00,771
een waarschijnlijkheid
van slechts 1,4 procent.

460
00:24:00,806 --> 00:24:03,707
Vooral dankzij Fisher,

461
00:24:03,742 --> 00:24:07,478
dat idee werd verankerd
in de experimentele wetenschap

462
00:24:07,513 --> 00:24:12,182
als de "p-waarde" --
p voor waarschijnlijkheid.

463
00:24:12,217 --> 00:24:15,252
Als u uitgaat van uw resultaten
waren puur toeval,

464
00:24:15,287 --> 00:24:18,088
dat wat je aan het testen was
geen effect gehad,

465
00:24:18,123 --> 00:24:21,825
wat is de waarschijnlijkheid
je zou die resultaten zien

466
00:24:21,860 --> 00:24:24,094
of iets dat nog zeldzamer is?

467
00:24:24,129 --> 00:24:26,196
Als je ervan uitgaat dat er een proces is

468
00:24:26,231 --> 00:24:28,131
dat is volkomen willekeurig,

469
00:24:28,166 --> 00:24:32,870
en je vindt dat het mooi is
Het is onwaarschijnlijk dat u uw gegevens krijgt,

470
00:24:32,905 --> 00:24:34,972
dan ben je misschien verdacht
dat er iets gebeurt.

471
00:24:35,007 --> 00:24:37,975
Je zou eigenlijk kunnen concluderen dat
dat het geen willekeurig proces is.

472
00:24:38,010 --> 00:24:42,179
Dat dit interessant is om te zien
naar wat er nog meer aan de hand zou kunnen zijn,

473
00:24:42,214 --> 00:24:43,914
en het gaat op een of andere manier voorbij
van de snuiftest.

474
00:24:43,949 --> 00:24:47,384
Visser ook
stelde een benchmark voor:

475
00:24:47,419 --> 00:24:48,785
alleen experimentele resultaten

476
00:24:48,820 --> 00:24:51,922
waar de p-waarde
was minder dan 0,05--

477
00:24:51,957 --> 00:24:54,291
een waarschijnlijkheid van minder dan
vijf procent--

478
00:24:54,326 --> 00:24:56,093
waren een tweede blik waard.

479
00:24:56,128 --> 00:24:57,394
Met andere woorden,

480
00:24:57,429 --> 00:25:00,731
als u uitgaat van uw resultaten
waren puur toeval,

481
00:25:00,766 --> 00:25:03,734
je zou ze minder zien dan
één keer op de twintig.

482
00:25:03,769 --> 00:25:06,370
Niet erg waarschijnlijk.

483
00:25:06,405 --> 00:25:10,607
Hij noemde die resultaten
"statistisch significant."

484
00:25:10,642 --> 00:25:12,276
Statistisch significant.

485
00:25:12,311 --> 00:25:13,577
Dit is een verschrikkelijk woord.

486
00:25:13,612 --> 00:25:15,379
Het kan heel onbeduidend zijn.

487
00:25:15,414 --> 00:25:19,583
Je zou kunnen detecteren
een heel, heel, heel klein effect,

488
00:25:19,618 --> 00:25:22,686
maar het zou heten:
in het wiskundige jargon,

489
00:25:22,721 --> 00:25:23,854
"significant."

490
00:25:25,090 --> 00:25:26,523
Sinds Fisher's Day,

491
00:25:26,558 --> 00:25:30,761
p-waarden zijn gebruikt als a
handige maatstaf voor succes

492
00:25:30,796 --> 00:25:34,565
door velen, inclusief
de meeste wetenschappelijke tijdschriften.

493
00:25:34,600 --> 00:25:36,700
Omdat ze er de voorkeur aan geven successen te publiceren,

494
00:25:36,735 --> 00:25:40,103
en gepubliceerd worden is dat wel
cruciaal voor loopbaanontwikkeling,

495
00:25:40,138 --> 00:25:43,941
de verleiding om te masseren en
experimentele gegevens manipuleren

496
00:25:43,976 --> 00:25:47,244
in een goede p-waarde is enorm.

497
00:25:47,279 --> 00:25:51,348
Er is zelfs een naam voor:
"p-hacken."

498
00:25:51,383 --> 00:25:55,686
P-hacking is wanneer onderzoekers
bewust of onbewust

499
00:25:55,721 --> 00:25:59,389
begeleiden hun data-analyse te krijgen
de resultaten die ze willen,

500
00:25:59,424 --> 00:26:03,560
en aangezien .05 een beetje de-de is
balk om te kunnen publiceren

501
00:26:03,595 --> 00:26:06,630
en iets echt noemen,
en al je subsidiegeld ontvangen,

502
00:26:06,665 --> 00:26:10,434
het is meestal leidend voor de resultaten

503
00:26:10,469 --> 00:26:13,370
zodat jij aankomt
bij die p van .05.

504
00:26:15,774 --> 00:26:19,776
Hoeveel p-hacking
echt doorgaat, is moeilijk te weten.

505
00:26:19,811 --> 00:26:22,212
Wat is misschien belangrijker
is om te onthouden

506
00:26:22,247 --> 00:26:25,882
wat oorspronkelijk bedoeld was
met een p-waarde.

507
00:26:25,917 --> 00:26:31,355
Er werd altijd de p-waarde bedoeld
om detective te zijn, geen rechter.

508
00:26:31,390 --> 00:26:33,090
Als je een experiment doet

509
00:26:33,125 --> 00:26:36,593
en vind het resultaat dat is
statistisch significant,

510
00:26:36,628 --> 00:26:40,530
dat zegt je, dat is
een interessante plek om te kijken

511
00:26:40,565 --> 00:26:42,733
en onderzoeken en begrijpen
verder wat er aan de hand is,

512
00:26:42,768 --> 00:26:45,769
niet "studeer dit niet meer
want de zaak is afgehandeld.”

513
00:26:45,804 --> 00:26:50,540
In zekere zin,
een lage p-waarde is een uitnodiging

514
00:26:50,575 --> 00:26:54,244
om het experiment te reproduceren,
om het resultaat te helpen valideren,

515
00:26:54,279 --> 00:26:56,546
maar dat gebeurt niet altijd.

516
00:26:56,581 --> 00:27:00,584
In feite zijn er maar weinig
carrièreprikkels daarvoor.

517
00:27:00,619 --> 00:27:04,221
Tijdschriften en financiers geven de voorkeur aan nieuw onderzoek.

518
00:27:04,256 --> 00:27:08,625
Er is geen Nobelprijs
voor replicatie.

519
00:27:08,660 --> 00:27:14,164
Een andere oplossing voor p-hacking
en de te grote nadruk op p-waarden

520
00:27:14,199 --> 00:27:17,868
kan eenvoudigweg een grotere transparantie zijn.

521
00:27:17,903 --> 00:27:19,436
Meer en
meer, wat mensen doen

522
00:27:19,471 --> 00:27:21,405
publiceert hun gegevens.

523
00:27:21,440 --> 00:27:25,776
En dus wordt het steeds moeilijker en
moeilijker om te liegen met statistieken,

524
00:27:25,811 --> 00:27:27,444
omdat mensen gewoon zullen onderzoeken en zeggen:

525
00:27:27,479 --> 00:27:28,912
‘Nou, geef me dan de set die je hebt geanalyseerd

526
00:27:28,947 --> 00:27:30,514
en laat me zien
hoe je tot dit resultaat kwam."

527
00:27:32,551 --> 00:27:36,453
De statistieken gaan door
een fundamentele rol spelen in de wetenschap,

528
00:27:36,488 --> 00:27:39,189
maar echt overal gegevens
wordt verzameld,

529
00:27:39,224 --> 00:27:40,624
je zult statistici vinden
zijn aan het werk,

530
00:27:40,659 --> 00:27:44,861
zoeken naar patronen, conclusies trekken,

531
00:27:44,896 --> 00:27:47,230
en vaak voorspellingen doen--

532
00:27:47,265 --> 00:27:50,267
ook al lukt dat niet altijd.

533
00:27:51,369 --> 00:27:54,271
De presidentsverkiezingen
van 2016

534
00:27:54,306 --> 00:27:55,772
was een moeilijke opgave voor opiniepeilers,

535
00:27:55,807 --> 00:27:59,276
de mensen die dirigeren
en opiniepeilingen analyseren.

536
00:28:00,612 --> 00:28:03,146
Hillary Clinton was dat wel
de overweldigende favoriet

537
00:28:03,181 --> 00:28:05,582
om Donald Trump te verslaan
tot aan de verkiezingsdag.

538
00:28:05,617 --> 00:28:07,517
Trump stevent af op een historische nederlaag.

539
00:28:07,552 --> 00:28:09,119
Hij gaat verliezen door een aardverschuiving.

540
00:28:09,154 --> 00:28:11,288
Ik denk dat ze gaat
om een ​​hele goede nacht te hebben.

541
00:28:11,323 --> 00:28:15,992
De "New-York
Times" schat de kansen van Trump op 15%.

542
00:28:16,027 --> 00:28:20,430
Eén opiniepeiler op de verkiezingsavond
gaf hem één procent.

543
00:28:20,465 --> 00:28:24,468
Een projectie van een kans van 99%
van winnen, klopt dat?

544
00:28:24,503 --> 00:28:25,869
De kansen zijn overweldigend

545
00:28:25,904 --> 00:28:28,305
van een overwinning van Hillary Clinton
op dinsdag.

546
00:28:28,340 --> 00:28:31,442
Ik zou zeer verrast zijn
als er nog iets gebeurde

547
00:28:33,078 --> 00:28:37,514
En natuurlijk
Trump won en Clinton verloor.

548
00:28:37,549 --> 00:28:39,249
Mensen kregen herhaaldelijk te horen:

549
00:28:39,284 --> 00:28:40,584
‘Hillary Clinton is de kandidaat

550
00:28:40,619 --> 00:28:43,253
de meeste kans om dit te winnen
verkiezing", en dat deed ze niet.

551
00:28:43,288 --> 00:28:46,556
En ik denk dat dat echt is gebleven
mensen voelen zich bijna voorgelogen,

552
00:28:46,591 --> 00:28:49,326
Bijna bedrogen door deze cijfers.

553
00:28:49,361 --> 00:28:52,229
Dus wat
ging het door met de peilingen?

554
00:28:52,264 --> 00:28:55,332
En hoe precies
voorspellen mensen verkiezingen?

555
00:28:55,367 --> 00:28:59,202
Eén manier is door het aan mensen te vragen
op wie ze zullen stemmen.

556
00:28:59,237 --> 00:29:03,273
Een van
de leuke dingen van stemmen

557
00:29:03,308 --> 00:29:05,942
is dat we niet met iedereen hoeven te praten

558
00:29:05,977 --> 00:29:12,249
om erachter te komen wat
de meningen zijn van iedereen.

559
00:29:12,284 --> 00:29:14,484
Wij kunnen daadwerkelijk selecteren
iets dat een monster wordt genoemd.

560
00:29:16,388 --> 00:29:18,822
Bemonstering is een bekend idee.

561
00:29:18,857 --> 00:29:20,857
Om te zien of de soep goed is,

562
00:29:20,892 --> 00:29:23,760
je proeft een theelepel, niet de hele pot.

563
00:29:23,795 --> 00:29:25,929
Om uw bloed bij de dokter te testen,

564
00:29:25,964 --> 00:29:28,131
ze trekken doorgaans minder dan een ounce,

565
00:29:28,166 --> 00:29:30,267
ze laten je niet leeglopen.

566
00:29:30,302 --> 00:29:31,635
Maar in veel omstandigheden is

567
00:29:31,670 --> 00:29:37,340
het vinden van een representatief monster
is moeilijker dan het klinkt.

568
00:29:37,375 --> 00:29:39,643
Laten we veronderstellen dat dit

569
00:29:39,678 --> 00:29:42,746
is de bevolking van ongeveer
duizend mensen in een stad,

570
00:29:42,781 --> 00:29:45,949
en wij willen weten,
‘Zijn mensen voor of tegen?

571
00:29:45,984 --> 00:29:48,552
het ombouwen van een park
naar een hondenpark?"

572
00:29:48,587 --> 00:29:50,487
En dus deze groene kralen
hier beneden

573
00:29:50,522 --> 00:29:52,322
gaan vertegenwoordigen
mensen die er voor waren,

574
00:29:52,357 --> 00:29:55,091
en de rode kralen zijn
mensen die er tegen zijn.

575
00:29:55,126 --> 00:29:58,795
van Talithia
De eerste stap is profiteren

576
00:29:58,830 --> 00:30:03,767
van een onwaarschijnlijke bondgenoot
bij steekproeven: willekeur.

577
00:30:03,802 --> 00:30:05,569
De schoonheid van randomisatie

578
00:30:05,604 --> 00:30:08,605
is dat zolang je gooit
alles van uw bevolking

579
00:30:08,640 --> 00:30:12,042
in één pot
en trek het er willekeurig uit,

580
00:30:12,077 --> 00:30:13,643
je kunt er zeker van zijn dat je dat bent
binnen

581
00:30:13,678 --> 00:30:15,178
een bepaald percentage punten

582
00:30:15,213 --> 00:30:17,014
van de werkelijke waarde die in die pot zit.

583
00:30:19,217 --> 00:30:23,153
Het plan is dus om willekeurig te doen
proef de kralen, maar hoeveel?

584
00:30:23,188 --> 00:30:27,190
Dat hangt ervan af hoeveel
nauwkeurigheid die Talithia wil.

585
00:30:27,225 --> 00:30:31,228
Eén maatregel wel
de foutmarge--

586
00:30:31,263 --> 00:30:33,830
het maximale bedrag
het resultaat van het monster

587
00:30:33,865 --> 00:30:37,567
kan naar verwachting afwijken
die van de hele bevolking.

588
00:30:37,602 --> 00:30:40,670
Het is het plus- of mincijfer,
Vaak een percentage,

589
00:30:40,705 --> 00:30:43,506
zie je in de kleine lettertjes
in peilingen.

590
00:30:43,541 --> 00:30:47,510
Maar er is ook een betrouwbaarheidsniveau.

591
00:30:47,545 --> 00:30:49,913
Er is inherent sprake van onzekerheid

592
00:30:49,948 --> 00:30:52,782
dat is eigenlijk elk monster
vertegenwoordigt een hele bevolking.

593
00:30:52,817 --> 00:30:55,952
Het betrouwbaarheidsniveau vertelt het u
hoe zeker kun je zijn

594
00:30:55,987 --> 00:30:57,287
over je resultaat.

595
00:30:57,322 --> 00:30:59,823
Een betrouwbaarheidsniveau van 90% betekent:

596
00:30:59,858 --> 00:31:03,860
gemiddeld, als u uw peiling heeft uitgevoerd
of proef 100 keer,

597
00:31:03,895 --> 00:31:06,963
In 90 van die gevallen zou het accuraat zijn,

598
00:31:06,998 --> 00:31:09,299
binnen de foutmarge.

599
00:31:09,334 --> 00:31:13,570
Talithia kent het totale aantal
kralen is duizend.

600
00:31:13,605 --> 00:31:16,072
En ze heeft zich gevestigd
een plus-of-min vijf procent

601
00:31:16,107 --> 00:31:20,110
foutmarge
met een betrouwbaarheidsniveau van 90%.

602
00:31:20,145 --> 00:31:25,548
Dat betekent dat ze een monster nodig heeft
grootte van minimaal 214 kralen.

603
00:31:25,583 --> 00:31:27,150
Hier zijn de resultaten:

604
00:31:27,185 --> 00:31:31,788
We hebben 103 rode kralen
en 111 groen,

605
00:31:31,823 --> 00:31:34,791
dus ongeveer 48% van onze bevolking
tegen zou stemmen,

606
00:31:34,826 --> 00:31:37,460
en ongeveer 52% zou vóór stemmen.

607
00:31:37,495 --> 00:31:39,963
Onthoud nu die marge van
fout waar we het over hadden,

608
00:31:39,998 --> 00:31:41,631
die plus-of-min vijf procent?

609
00:31:41,666 --> 00:31:43,867
Dus als je daar rekening mee houdt,

610
00:31:43,902 --> 00:31:46,169
echt die cijfers
zijn helemaal niet zo verschillend.

611
00:31:46,204 --> 00:31:50,774
Dus ik denk dat je zou kunnen zeggen:
deze puppy is te dichtbij om te bellen.

612
00:31:50,809 --> 00:31:56,546
Sterker nog, binnen de
foutmarge, de statistieken klopten.

613
00:31:56,581 --> 00:32:00,517
Er waren er evenveel
rode en groene kralen in de pot.

614
00:32:03,021 --> 00:32:05,989
Terwijl de bemonsteringsfout
vanuit de wiskunde ingebouwd

615
00:32:06,024 --> 00:32:07,257
kan worden gekwantificeerd,

616
00:32:07,292 --> 00:32:10,226
er zijn nog meer fouten
dat kan niet.

617
00:32:10,261 --> 00:32:14,030
De andere delen van de
fout – hoe we onze vragen formuleren,

618
00:32:14,065 --> 00:32:15,899
hoe de respondenten zich die dag voelen,

619
00:32:15,934 --> 00:32:18,234
de verantwoordelijkheid om te voorspellen

620
00:32:18,269 --> 00:32:21,905
wat hun gedrag is
ergens verderop in de rij te zijn--

621
00:32:21,940 --> 00:32:23,440
al die bronnen van fouten

622
00:32:23,475 --> 00:32:25,909
zijn iets dat we niet kunnen berekenen.

623
00:32:25,944 --> 00:32:30,914
En er zit een addertje onder het gras
Ook voor willekeurige steekproeven voor opiniepeilingen.

624
00:32:30,949 --> 00:32:32,615
Een paar decennia terug,

625
00:32:32,650 --> 00:32:35,719
terwijl vrijwel elk huishouden
had een vaste lijn,

626
00:32:35,754 --> 00:32:40,323
het vinden van een willekeurige steekproef bedoeld
willekeurig telefoonnummers kiezen.

627
00:32:40,358 --> 00:32:44,260
Tot in de jaren zeventig
en in de jaren tachtig kregen we,

628
00:32:44,295 --> 00:32:46,496
je weet wel, 90% responspercentages.

629
00:32:46,531 --> 00:32:48,798
Als we willekeurig een telefoonnummer kiezen,

630
00:32:48,833 --> 00:32:50,967
iemand aan de andere kant
van die telefoon zou het opnemen

631
00:32:51,002 --> 00:32:52,335
en zou het interview doen
bij ons.

632
00:32:53,772 --> 00:32:55,538
Die dagen zijn voorbij.

633
00:32:55,573 --> 00:32:58,475
Dankzij nummerherkenning
en antwoordapparaten,

634
00:32:58,510 --> 00:33:01,444
mensen geven vaak geen antwoord
hun vaste lijnen niet meer--

635
00:33:01,479 --> 00:33:04,114
als ze er al een hebben.

636
00:33:04,149 --> 00:33:06,750
De responspercentages zijn veel lager.

637
00:33:06,785 --> 00:33:09,652
Slechts ongeveer tien procent van de mensen

638
00:33:09,687 --> 00:33:11,321
reageren op peilingen.

639
00:33:11,356 --> 00:33:13,289
Dus je kruist een beetje je vingers

640
00:33:13,324 --> 00:33:14,991
en hopend op de mensen die je bereikt

641
00:33:15,026 --> 00:33:18,161
zijn dezelfde als die
die daadwerkelijk gaan stemmen.

642
00:33:18,196 --> 00:33:23,733
In 2016 vonden we bijvoorbeeld
opiniepeilers bereikten het niet

643
00:33:23,768 --> 00:33:26,870
genoeg blanke kiezers
zonder universitair diploma.

644
00:33:26,905 --> 00:33:29,439
Als er sprake is van vooringenomenheid
in de gegevens, u kunt er niet van herstellen.

645
00:33:29,474 --> 00:33:32,142
Zoals we hebben gezien
van enkele recente verkiezingen.

646
00:33:33,678 --> 00:33:37,280
Na Donald
De verrassende overwinning van Trump,

647
00:33:37,315 --> 00:33:39,516
velen vroegen zich af of de peiling kapot was.

648
00:33:39,551 --> 00:33:42,852
Maar als je kijkt
bij de stembus zelf,

649
00:33:42,887 --> 00:33:44,287
en niet de krantenkoppen,

650
00:33:44,322 --> 00:33:47,657
gemiddeld genomen zijn de peilingen op de
nationaal en staatsniveau

651
00:33:47,692 --> 00:33:52,362
waren weg door
historisch typische bedragen.

652
00:33:52,397 --> 00:33:55,598
Dus als ik mensen hoor
zeggen: "Oh, de peilingen zaten fout",

653
00:33:55,633 --> 00:33:58,635
dan reflecteert het waarschijnlijk
interpretaties van mensen

654
00:33:58,670 --> 00:34:01,337
over het feit dat de peilingen fout zijn,

655
00:34:01,372 --> 00:34:03,273
waar mensen om verschillende redenen

656
00:34:03,308 --> 00:34:06,409
keek naar de peilingen en zei:

657
00:34:06,444 --> 00:34:08,812
‘Deze cijfers bewijzen mij
dat Clinton gaat winnen."

658
00:34:08,847 --> 00:34:10,980
Toen we naar de peilingen keken,
wij zeiden,

659
00:34:11,015 --> 00:34:13,817
‘Deze cijfers zeker
maak haar favoriet,

660
00:34:13,852 --> 00:34:16,719
"maar ze wijzen naar een
verkiezingen die redelijk dichtbij zijn

661
00:34:16,754 --> 00:34:18,755
en eigenlijk best onzeker."

662
00:34:18,790 --> 00:34:21,257
En anno 2016

663
00:34:21,292 --> 00:34:25,328
de VS presidentsverkiezingen
was net zo dichtbij.

664
00:34:25,363 --> 00:34:27,630
De overwinning van Trump hing ervan af
bij minder stemmen

665
00:34:27,665 --> 00:34:30,967
dan de zitcapaciteit van
sommige universiteitsvoetbalstadions--

666
00:34:31,002 --> 00:34:33,436
verspreid over drie staten:

667
00:34:33,471 --> 00:34:36,840
Pennsylvania, Wisconsin,
en Michigan.

668
00:34:36,875 --> 00:34:40,510
En er waren enkele problemen
met de peilingen in die staten

669
00:34:40,545 --> 00:34:43,046
dat leidde tot onderschatting
Trumps steun,

670
00:34:43,081 --> 00:34:46,950
volgens een autopsie
door een consortium van opiniepeilers.

671
00:34:50,688 --> 00:34:53,923
Nate Silver, de oprichter
van de website FiveThirtyEight,

672
00:34:53,958 --> 00:34:55,959
is een van de grootste namen
bij peilingen--

673
00:34:55,994 --> 00:34:59,429
ook al doet hij dat niet
houden doorgaans peilingen.

674
00:34:59,464 --> 00:35:02,832
Het is onze taak om
neem de opiniepeilingen van anderen

675
00:35:02,867 --> 00:35:05,902
en dat te vertalen

676
00:35:05,937 --> 00:35:09,339
in termen van een waarschijnlijkheid,
om in principe te zeggen of--

677
00:35:09,374 --> 00:35:10,507
Ehm, wie is er vóór,

678
00:35:10,542 --> 00:35:13,443
wat meestal vrij eenvoudig is
om te vertellen, eh,

679
00:35:13,478 --> 00:35:15,845
maar hoe zeker of
onzeker zijn de verkiezingen

680
00:35:15,880 --> 00:35:17,780
is het moeilijkere deel.

681
00:35:17,815 --> 00:35:20,717
Als een meteoroloog,

682
00:35:20,752 --> 00:35:23,987
Nate presenteert zijn voorspellingen
als waarschijnlijkheden.

683
00:35:24,022 --> 00:35:27,390
Op de ochtend van de verkiezingsdag 2016

684
00:35:27,425 --> 00:35:29,959
waar hij Clinton over vertelde
een kans van 70% om te winnen

685
00:35:29,994 --> 00:35:33,696
en Trump ongeveer een kans van 30%.

686
00:35:33,731 --> 00:35:36,332
Dat is net zoiets als rollen
een tienzijdige dobbelsteen

687
00:35:36,367 --> 00:35:38,201
met zeven partijen die Clinton zijn

688
00:35:38,236 --> 00:35:40,770
en drie die Trump zijn.

689
00:35:40,805 --> 00:35:42,705
Mensen die
probabilistische voorspellingen doen,

690
00:35:42,740 --> 00:35:47,243
Dat zeggen ze niet
is intrinsiek willekeurig.

691
00:35:47,278 --> 00:35:51,114
Ze zeggen dat we dat hebben gedaan
onvolmaakte kennis ervan,

692
00:35:51,149 --> 00:35:53,383
en dat als je denkt dat je dat kunt zijn
zekerder dan dat,

693
00:35:53,418 --> 00:35:57,887
je houdt jezelf waarschijnlijk voor de gek
gebaseerd op de nauwkeurigheid van peilingen,

694
00:35:57,922 --> 00:35:59,789
andere soorten politieke gegevens zijn dat wel.

695
00:36:02,260 --> 00:36:04,794
Uiteindelijk,
het interpreteren van een waarschijnlijkheid

696
00:36:04,829 --> 00:36:07,030
hangt af van de situatie.

697
00:36:07,065 --> 00:36:10,633
Hoewel een kans van 30% misschien klein lijkt,

698
00:36:10,668 --> 00:36:14,270
als je de vlucht hebt geleerd
je stond op het punt om aan boord te gaan

699
00:36:14,305 --> 00:36:16,940
drie neergestort
op elke tien reizen,

700
00:36:16,975 --> 00:36:18,875
zou jij in het vliegtuig stappen?

701
00:36:18,910 --> 00:36:21,811
Als dit
vliegtuig bereikt alleen zijn bestemming

702
00:36:21,846 --> 00:36:23,713
zeven van de tien keer,

703
00:36:23,748 --> 00:36:26,449
let alstublieft op
naar onze korte veiligheidsbriefing.

704
00:36:26,484 --> 00:36:29,085
Of zoals een weervoorspeller dat zegt

705
00:36:29,120 --> 00:36:31,721
er is slechts 30% kans op regen,

706
00:36:31,756 --> 00:36:32,822
en toen regende het...

707
00:36:32,857 --> 00:36:34,324
zou het je iets kunnen schelen?

708
00:36:34,359 --> 00:36:35,858
Als het toch regent,

709
00:36:35,893 --> 00:36:38,661
niemand wil het weten,
‘Waarom regende het?

710
00:36:38,696 --> 00:36:40,463
We moeten krijgen
tot op de bodem hiervan."

711
00:36:40,498 --> 00:36:42,465
We kunnen zeggen: "Het gebeurde gewoon."

712
00:36:42,500 --> 00:36:44,000
Het zou kunnen hebben geregend,
het had misschien niet geregend.

713
00:36:44,035 --> 00:36:45,401
Zoals het gebeurde, gebeurde het ook.

714
00:36:45,436 --> 00:36:48,137
Ik denk dat dat zo is
een zekere natuurlijke weerstand

715
00:36:48,172 --> 00:36:50,907
dingen te zien
waar we misschien om geven

716
00:36:50,942 --> 00:36:52,775
meer dan of
het gaat regenen of niet,

717
00:36:52,810 --> 00:36:55,912
net als verkiezingen, op dezelfde manier.

718
00:36:55,947 --> 00:36:59,249
Zoals 2016 laat zien,

719
00:36:59,284 --> 00:37:01,818
voorspellen wie er gaat winnen
het Amerikaanse presidentschap,

720
00:37:01,853 --> 00:37:05,622
een eenmalige wedstrijd
tussen twee unieke tegenstanders,

721
00:37:05,657 --> 00:37:08,858
is verre van eenvoudig.

722
00:37:08,893 --> 00:37:10,560
Maar op minstens één gebied

723
00:37:10,595 --> 00:37:14,030
er zijn letterlijk tientallen jaren
van gedetailleerde statistieken

724
00:37:14,065 --> 00:37:16,065
over hoe de wedstrijden verliepen...

725
00:37:16,100 --> 00:37:17,900
honkbal.

726
00:37:19,070 --> 00:37:22,272
Honkbal is dat altijd geweest
een spel met getallen --

727
00:37:22,307 --> 00:37:28,077
boxscores, slaggemiddelden,
ERA's, RBI's.

728
00:37:28,112 --> 00:37:31,514
Maar terwijl statistieken dat altijd zijn geweest
onderdeel geweest van honkbal,

729
00:37:31,549 --> 00:37:36,519
in de afgelopen twintig jaar,
hun belang is enorm toegenomen

730
00:37:36,554 --> 00:37:39,656
dankzij sportanalyses,

731
00:37:39,691 --> 00:37:43,994
het gebruik van voorspellende modellen
om de prestaties van een team te verbeteren.

732
00:37:45,396 --> 00:37:47,096
Tot op zekere hoogte heeft elk bedrijf
niet alleen sporten,

733
00:37:47,131 --> 00:37:50,266
probeert echt te voorspellen
de volgende gebeurtenis, weet je.

734
00:37:50,301 --> 00:37:51,668
Of je nu op Wall Street bent,

735
00:37:51,703 --> 00:37:53,036
of als je in de technologiebranche zit,

736
00:37:53,071 --> 00:37:54,637
wat is het nieuwe nieuwe ding.

737
00:37:54,672 --> 00:37:56,039
En voor ons,
het zijn toekomstige spelersprestaties.

738
00:37:57,742 --> 00:37:59,842
Billy Beane was een van de eersten

739
00:37:59,877 --> 00:38:03,179
het kwantitatieve overnemen
aanpak eind jaren negentig

740
00:38:03,214 --> 00:38:06,883
toen hij algemeen directeur was
van de Oakland Atletiek.

741
00:38:06,918 --> 00:38:10,019
Zit vast met de lage loonlijst
van een kleinmarktteam,

742
00:38:10,054 --> 00:38:13,389
hij liet tientallen jaren achterwege
van subjectieve honkbalkennis

743
00:38:13,424 --> 00:38:17,560
en engageerde de organisatie
gebruik te maken van statistische analyses

744
00:38:17,595 --> 00:38:20,096
om het team te begeleiden
besluitvorming.

745
00:38:20,131 --> 00:38:22,332
Het werd een wiskundige vergelijking

746
00:38:22,367 --> 00:38:24,133
het samenstellen van een honkbalteam.

747
00:38:24,168 --> 00:38:29,072
Billy is op statistieken gebaseerd
aanpak begon de aandacht te trekken

748
00:38:29,107 --> 00:38:30,773
als de Oakland A klaar is
in de play-offs

749
00:38:30,808 --> 00:38:34,777
in vier opeenvolgende jaren

750
00:38:34,812 --> 00:38:38,448
en vestigde een competitierecord
met 20 overwinningen op rij.

751
00:38:38,483 --> 00:38:39,749
Toen werd het leeuw gemaakt

752
00:38:39,784 --> 00:38:43,019
en er zelfs een naam in gegeven
een best verkocht boek en film,

753
00:38:43,054 --> 00:38:44,520
"Geldbal."

754
00:38:44,555 --> 00:38:46,756
Brad Pitt speelt Billy.

755
00:38:46,791 --> 00:38:49,759
Als we winnen
ons budget met dit team,

756
00:38:49,794 --> 00:38:53,296
dan hebben we het spel veranderd.

757
00:38:54,499 --> 00:38:56,232
Terwijl 'Moneyballing' niet leidde

758
00:38:56,267 --> 00:38:59,335
naar een eredivisiekampioenschap
voor de Oakland A's,

759
00:38:59,370 --> 00:39:01,871
het veranderde het spel.

760
00:39:01,906 --> 00:39:04,240
Vandaag elke
Major League-honkbalteam

761
00:39:04,275 --> 00:39:06,109
heeft een sportanalyse
afdeling,

762
00:39:06,144 --> 00:39:09,712
proberen te voorspellen en te verbeteren
toekomstige spelersprestaties

763
00:39:09,747 --> 00:39:11,147
via gegevens,

764
00:39:11,182 --> 00:39:12,949
alles analyseren

765
00:39:12,984 --> 00:39:16,352
vanuit de hoek en snelheid
van de bal die van de knuppel komt--

766
00:39:16,387 --> 00:39:18,621
waarop spelers moeten worden opgevoed

767
00:39:18,656 --> 00:39:21,491
uit de minor leagues
of verhandeld.

768
00:39:21,526 --> 00:39:24,794
Ik zal het nooit doen
doe alsof je een wiskundewonder bent,

769
00:39:24,829 --> 00:39:27,697
Ik begrijp gewoon zijn krachten
en de toepassing ervan.

770
00:39:27,732 --> 00:39:29,365
Wanneer u een
Major League-honkbalteam,

771
00:39:29,400 --> 00:39:32,001
dat is een geweldige klus,

772
00:39:32,036 --> 00:39:34,003
en ieder kind
wie droomt ervan om het te doen,

773
00:39:34,038 --> 00:39:36,939
Ik kan je vertellen dat het zo is
alles waar je aan hebt gedacht.

774
00:39:36,974 --> 00:39:38,307
Maar als ze mij vragen:

775
00:39:38,342 --> 00:39:39,776
"Wat moet ik doen
om dat te doen?"

776
00:39:39,811 --> 00:39:42,178
Mijn antwoord is altijd hetzelfde.

777
00:39:42,213 --> 00:39:44,514
Ik zeg: ‘Ga studeren
en een A halen voor wiskunde."

778
00:39:44,549 --> 00:39:49,318
Tijdens het sporten
Analytics heeft honkbal getransformeerd,

779
00:39:49,353 --> 00:39:54,056
Moneyballing heeft zijn weg gevonden
op veel niet-gerelateerde terreinen.

780
00:39:54,091 --> 00:39:56,993
Voorstanders van datagedreven
besluitvorming en voorspelling

781
00:39:57,028 --> 00:40:00,096
hebben de aanpak toegepast
naar gebieden die zo divers zijn

782
00:40:00,131 --> 00:40:04,200
zoals populaire muziek en wetshandhaving.

783
00:40:04,235 --> 00:40:06,335
Moneyballing is ingeschakeld

784
00:40:06,370 --> 00:40:08,471
door de enorme hoeveelheid informatie

785
00:40:08,506 --> 00:40:12,775
verzameld via internet,
zogenaamde ‘Big Data’.

786
00:40:12,810 --> 00:40:14,710
Onze huidige gegevensuitvoer

787
00:40:14,745 --> 00:40:19,916
bedraagt ongeveer 2,5
quintiljoen bytes per dag.

788
00:40:21,385 --> 00:40:24,754
Maar hoe zit het?
de tegenovergestelde situatie,

789
00:40:24,789 --> 00:40:27,890
als er heel weinig gegevens zijn,
toch moeten er maatregelen worden genomen...

790
00:40:27,925 --> 00:40:32,328
bijvoorbeeld bij het zoeken
voor mensen die verdwaald zijn op zee?

791
00:40:32,363 --> 00:40:35,965
Hoe begin je überhaupt
om te voorspellen waar ze zouden kunnen zijn?

792
00:40:38,236 --> 00:40:41,904
Die van de Amerikaanse kustwacht
Sector Boston Command Center.

793
00:40:41,939 --> 00:40:44,974
Vanuit deze beveiligde reeks kamers,

794
00:40:45,009 --> 00:40:49,212
de Kustwacht coördineert alles
activiteiten in de omgeving van Boston,

795
00:40:49,247 --> 00:40:52,248
inclusief de nationale veiligheid,
handhaving van de drugswetgeving,

796
00:40:52,283 --> 00:40:54,851
en zoeken en redden.

797
00:40:59,657 --> 00:41:01,757
Goedemorgen, Kustwacht
Sector Boston Command Center,

798
00:41:01,792 --> 00:41:03,025
Meneer Fleming spreekt.

799
00:41:03,060 --> 00:41:04,126
Eh, goedemorgen, meneer...

800
00:41:04,161 --> 00:41:05,995
Een beller meldt zich

801
00:41:06,030 --> 00:41:07,430
dat een vriend ging paddleboarden

802
00:41:07,465 --> 00:41:10,366
eerder in de ochtend,
maar hij is nu te laat.

803
00:41:16,774 --> 00:41:18,508
De Kustwacht start een zoekactie

804
00:41:18,543 --> 00:41:19,809
met een responsboot van 45 voet...

805
00:41:19,844 --> 00:41:21,077
Boeiend...

806
00:41:21,112 --> 00:41:22,078
...uit de haven van Boston.

807
00:41:22,113 --> 00:41:24,714
Komt eraan.

808
00:41:24,749 --> 00:41:26,616
Helaas,
een peddelvaartuig in moeilijkheden

809
00:41:26,651 --> 00:41:28,751
is steeds gebruikelijker geworden.

810
00:41:28,786 --> 00:41:30,920
Je bent verplicht
om een reddingsvest aan te hebben.

811
00:41:30,955 --> 00:41:33,689
De reden daarvoor is anno 2015,

812
00:41:33,724 --> 00:41:37,460
Ik denk dat we dat hadden gedaan
625 sterfgevallen landelijk--

813
00:41:37,495 --> 00:41:39,729
een aantal van die mensen
die werden teruggevonden

814
00:41:39,764 --> 00:41:41,631
werden teruggevonden zonder
een reddingsvest.

815
00:41:41,666 --> 00:41:45,434
Het Commando
Center lanceert ook een andere boot

816
00:41:45,469 --> 00:41:48,404
vanuit Station Point Allerton,
in Hul.

817
00:41:48,439 --> 00:41:49,805
Korte koers verbroken.

818
00:41:49,840 --> 00:41:51,040
Blijf uit de buurt van lijnen.

819
00:41:52,710 --> 00:41:55,244
De beller zei de
De vermiste persoon peddelde doorgaans

820
00:41:55,279 --> 00:41:58,214
tussen Nantasket-strand
en Boston Licht,

821
00:41:58,249 --> 00:41:59,715
ongeveer drie mijl verderop.

822
00:41:59,750 --> 00:42:01,584
Maar met alle onbekende zaken...

823
00:42:01,619 --> 00:42:04,520
waar hij in de problemen kwam
en hoe hij misschien is afgedreven...

824
00:42:04,555 --> 00:42:09,025
het zoekgebied zou kunnen zijn
zo groot als 20 vierkante mijl.

825
00:42:12,463 --> 00:42:15,598
Zoek- en reddingsoperaties

826
00:42:15,633 --> 00:42:19,402
zijn vaak gebaseerd
op unieke omstandigheden

827
00:42:19,437 --> 00:42:22,772
en actie vereisen,
ondanks onvolledige informatie.

828
00:42:22,807 --> 00:42:24,507
Om dit soort problemen aan te pakken,

829
00:42:24,542 --> 00:42:27,076
statistici komen tot een idee
dat ontstaat

830
00:42:27,111 --> 00:42:29,812
met een 18e-eeuws
Engelse predikant

831
00:42:29,847 --> 00:42:34,016
geïnteresseerd in waarschijnlijkheid--
Thomas Bayes.

832
00:42:34,051 --> 00:42:37,186
Stel je voor dat je een munt krijgt om op te draaien,

833
00:42:37,221 --> 00:42:40,723
en je wilt weten of dat zo is
is eerlijk, 50-50 kop of munt,

834
00:42:40,758 --> 00:42:45,494
of verzwaard om te landen
meer op kop dan op staart.

835
00:42:45,529 --> 00:42:48,097
De traditionele aanpak
in statistiek en wetenschap

836
00:42:48,132 --> 00:42:53,102
veronderstelt geen van beide antwoorden en
gebruikt experimenten om erachter te komen.

837
00:42:53,137 --> 00:42:58,441
In dit geval houdt dat in
veel met de munt gooien.

838
00:42:58,476 --> 00:43:01,877
Of je kunt de
probleem als een Bayesiaan.

839
00:43:01,912 --> 00:43:04,246
In tegenstelling tot traditionele statistieken,

840
00:43:04,281 --> 00:43:06,882
dat betekent starten
met een initiële waarschijnlijkheid

841
00:43:06,917 --> 00:43:09,285
gebaseerd op wat je weet.

842
00:43:09,320 --> 00:43:12,021
In dit geval alle munten
die je ooit bent tegengekomen

843
00:43:12,056 --> 00:43:15,358
in een leven lang munten opgooien
eerlijk zijn geweest.

844
00:43:15,393 --> 00:43:18,928
Het lijkt waarschijnlijk
deze is waarschijnlijk ook eerlijk.

845
00:43:18,963 --> 00:43:21,897
Vervolgens draai je ook de munt om,

846
00:43:21,932 --> 00:43:24,433
het bijwerken van de waarschijnlijkheid
als je gaat.

847
00:43:24,468 --> 00:43:27,370
Laten we zeggen dat het begint
met meerdere hoofden op een rij.

848
00:43:27,405 --> 00:43:29,005
Dat doet je misschien afvragen,

849
00:43:29,040 --> 00:43:32,174
het vergroten van uw waarschijnlijkheid
schat dat het gewogen is.

850
00:43:32,209 --> 00:43:36,846
Maar naarmate je het vaker omdraait,
die beginnen op toeval te lijken.

851
00:43:36,881 --> 00:43:38,681
Uiteindelijk uw beste schatting

852
00:43:38,716 --> 00:43:41,917
is dat het waarschijnlijk is
een eerlijke munt,

853
00:43:41,952 --> 00:43:44,754
maar jij bent open
op eventuele nieuwe informatie.

854
00:43:44,789 --> 00:43:48,157
Alsof het van je oom is
de oplichter, "Crooked Larry."

855
00:43:50,995 --> 00:43:52,461
Sector 659.

856
00:43:52,496 --> 00:43:56,132
Onze geschatte aankomsttijd
is één-een-vijf-acht.

857
00:43:56,167 --> 00:44:00,369
Bayesiaanse gevolgtrekking
creëert een rigoureuze wiskundige aanpak

858
00:44:00,404 --> 00:44:05,241
om waarschijnlijkheden te berekenen
op basis van nieuwe informatie.

859
00:44:05,276 --> 00:44:07,643
En het zit in het hart
van de Kustwacht

860
00:44:07,678 --> 00:44:12,381
Zoeken en redden optimaal
Planningsysteem: SAROPS.

861
00:44:12,416 --> 00:44:15,051
Hij is geweest
vermist sinds 07.30 uur vanmorgen,

862
00:44:15,086 --> 00:44:16,952
dus ik ga door
en doe een SAROPS-drift.

863
00:44:16,987 --> 00:44:18,754
SAROPS neemt informatie op

864
00:44:18,789 --> 00:44:21,991
over de laatst bekende positie
van het object van de zoekopdracht...

865
00:44:22,026 --> 00:44:23,626
Wat is de richting van de wind?

866
00:44:23,661 --> 00:44:26,195
...samen met de
metingen van stroming en wind

867
00:44:26,230 --> 00:44:28,264
en combineert deze met informatie

868
00:44:28,299 --> 00:44:30,933
over hoe objecten drijven
in het water

869
00:44:30,968 --> 00:44:33,903
om duizenden mogelijke paden te simuleren

870
00:44:33,938 --> 00:44:36,238
het doelwit kan hebben ingenomen.

871
00:44:36,273 --> 00:44:38,708
Deze worden verwerkt in waarschijnlijkheden,

872
00:44:38,743 --> 00:44:40,443
aangegeven door kleur,

873
00:44:40,478 --> 00:44:43,679
en omgezet in zoekplannen
geëxecuteerd worden.

874
00:44:43,714 --> 00:44:46,348
SAROPS is dat echt
een werkpaard voor de Kustwacht.

875
00:44:46,383 --> 00:44:48,317
Het doet veel van de berekeningen voor ons.

876
00:44:48,352 --> 00:44:50,419
Het levert ons veel op
van waardevolle zoekpatronen

877
00:44:50,454 --> 00:44:51,987
en zoekplanningsopties.

878
00:44:52,022 --> 00:44:54,356
Ik dacht dat hij dat was
behoorlijk ver uit de kust, maar weet je,

879
00:44:54,391 --> 00:44:56,892
hij zei dat het goed met hem ging, dus ik ging door.

880
00:44:56,927 --> 00:44:58,828
Het bericht van de zoektocht heeft zich verspreid.

881
00:44:58,863 --> 00:45:03,399
Een schipper meldt een waarneming
van eerder op de dag.

882
00:45:03,434 --> 00:45:05,401
Wat ik deed, is naar binnen gaan en het plaatsen
die informatie in SAROPS,

883
00:45:05,436 --> 00:45:07,002
en het veranderde alles.

884
00:45:07,037 --> 00:45:10,940
SAROPS snel
herberekent alle kansen

885
00:45:10,975 --> 00:45:13,542
en genereert een nieuw zoekplan.

886
00:45:13,577 --> 00:45:17,680
Het gebied is verschoven
drie mijl verder de zee in.

887
00:45:19,683 --> 00:45:23,052
Wij zijn ter plaatse,
begint nu met het zoekpatroon.

888
00:45:25,089 --> 00:45:26,122
Kijk goed uit.

889
00:45:26,157 --> 00:45:27,556
Rogier, komt eraan.

890
00:45:27,591 --> 00:45:28,791
Wij zijn aan het beoordelen
de situatie ter plaatse.

891
00:45:30,661 --> 00:45:34,497
Elk object dat je ziet
het water, kijk er eens goed naar.

892
00:45:45,709 --> 00:45:47,743
Paddleboarder, bakboordzijde

893
00:45:51,115 --> 00:45:54,416
Rogier,
We hebben een paddleboarder gevonden

894
00:45:54,451 --> 00:45:55,718
met nul één persoon aan boord.

895
00:45:55,753 --> 00:45:57,453
Uit de havencorridor!

896
00:45:57,488 --> 00:45:59,488
Stuurboordzijde.

897
00:45:59,523 --> 00:46:00,956
Ik heb een visueel beeld

898
00:46:00,991 --> 00:46:02,658
Oké.

899
00:46:02,693 --> 00:46:07,129
Zoals blijkt,
de zoektocht was een oefening.

900
00:46:07,164 --> 00:46:10,466
Uren eerder, het paddleboard
werd in het water geplaatst

901
00:46:10,501 --> 00:46:13,536
door een ander kustwachtschip
en liet afdrijven.

902
00:46:13,571 --> 00:46:17,606
De instrumenten die erop gemonteerd zijn
zijn er om de wind te meten

903
00:46:17,641 --> 00:46:20,242
en noteer het pad dat het heeft afgelegd,

904
00:46:20,277 --> 00:46:21,877
informatie die later zal worden gebruikt

905
00:46:21,912 --> 00:46:25,181
om de driftsimulaties aan te passen
in SAROPS,

906
00:46:25,216 --> 00:46:28,184
hoewel het systeem presteerde
best goed vandaag.

907
00:46:28,219 --> 00:46:30,953
Het voorwerp had gelijk
midden in onze zoekpatronen.

908
00:46:30,988 --> 00:46:33,389
SAROPS was dat dus eigenlijk
doodnauwkeurig

909
00:46:33,424 --> 00:46:35,024
bij het voorspellen waar we moesten zoeken

910
00:46:35,059 --> 00:46:36,458
vinden
de vermiste paddleboarder.

911
00:46:38,395 --> 00:46:40,696
Om te kunnen
een gezin bellen en zeggen:

912
00:46:40,731 --> 00:46:42,364
‘Je familie en vrienden
komt naar huis",

913
00:46:42,399 --> 00:46:43,899
is absoluut een oproep

914
00:46:43,934 --> 00:46:45,401
die we allemaal zouden moeten hebben
de kans om te maken,

915
00:46:45,436 --> 00:46:47,803
en gelukkig,
vanwege dit soort dingen,

916
00:46:47,838 --> 00:46:49,572
wij mogen wel bellen.

917
00:46:52,610 --> 00:46:55,611
Het computationele
complexiteit van updatekansen

918
00:46:55,646 --> 00:46:59,415
hield de Bayesiaanse benadering tegen
gedurende het grootste deel van de 20e eeuw.

919
00:46:59,450 --> 00:47:05,054
Maar de rekenkracht van vandaag
heeft het op de wereld losgelaten.

920
00:47:05,089 --> 00:47:08,691
Het zit in alles, van je spamfilter

921
00:47:08,726 --> 00:47:13,596
aan de manier waarop Google-zoekopdrachten werken
naar zelfrijdende auto’s.

922
00:47:13,631 --> 00:47:17,700
Sommigen vinden het zelfs in de Bayesiaanse taal
omarming van waarschijnlijkheid,

923
00:47:17,735 --> 00:47:21,537
overeenkomsten met de manier waarop we leren
uit ervaring.

924
00:47:21,572 --> 00:47:24,773
En ze hebben het in computers ingebouwd,

925
00:47:24,808 --> 00:47:26,642
Door het onderdeel te maken van een krachtige nieuwe kracht:

926
00:47:26,677 --> 00:47:28,811
machinaal leren.

927
00:47:28,846 --> 00:47:31,513
In het verleden,
toen we computers programmeerden,

928
00:47:31,548 --> 00:47:36,018
we hadden de neiging om echt op te schrijven,
in ondraaglijke details,

929
00:47:36,053 --> 00:47:38,687
een reeks regels
dat zou de computer vertellen

930
00:47:38,722 --> 00:47:42,324
wat te doen in elke situatie
onvoorziene omstandigheden.

931
00:47:42,359 --> 00:47:44,526
Maar er is een andere benadering:

932
00:47:44,561 --> 00:47:46,462
de computer behandelen

933
00:47:46,497 --> 00:47:51,267
als een kind
leren fietsen.

934
00:47:51,302 --> 00:47:53,669
Niemand leert een kind
rijden volgens een aantal regels.

935
00:47:53,704 --> 00:47:55,971
Misschien zijn er tips,

936
00:47:56,006 --> 00:47:58,407
maar uiteindelijk,
het is vallen en opstaan--

937
00:47:58,442 --> 00:48:02,778
ervaring--
dat is de instructeur.

938
00:48:02,813 --> 00:48:04,747
Het nieuwe ding,
de nieuwe jongen in de buurt

939
00:48:04,782 --> 00:48:05,981
is machinaal leren,

940
00:48:06,016 --> 00:48:07,683
specifiek iets
diep leren genoemd.

941
00:48:07,718 --> 00:48:10,986
Hier informeren wij niet
de computer van de regels,

942
00:48:11,021 --> 00:48:12,354
maar via voorbeelden.

943
00:48:12,389 --> 00:48:14,056
Zo vergelijkbaar met een klein kind

944
00:48:14,091 --> 00:48:16,692
dat valt en leert
uit deze ervaring,

945
00:48:16,727 --> 00:48:18,995
we laten de computer gewoon staan
leer van voorbeelden.

946
00:48:21,532 --> 00:48:23,165
Stel
je wilt een computer trainen

947
00:48:23,200 --> 00:48:26,068
om afbeeldingen van katten te herkennen.

948
00:48:26,103 --> 00:48:29,338
Door duizenden te scannen
van gelabelde afbeeldingen--

949
00:48:29,373 --> 00:48:31,407
sommige katten, sommige niet--

950
00:48:31,442 --> 00:48:34,109
de computer kan zich ontwikkelen
zijn eigen richtlijnen

951
00:48:34,144 --> 00:48:38,380
voor het inschatten van de waarschijnlijkheid
dat een foto een kat is.

952
00:48:38,415 --> 00:48:39,982
En deze dagen

953
00:48:40,017 --> 00:48:44,353
computers doen veel meer
dan alleen maar katten zoeken.

954
00:48:44,388 --> 00:48:46,155
Enkele van de beste computers van dit moment

955
00:48:46,190 --> 00:48:49,858
kan leren verslaan
's werelds beste Go-kampioen

956
00:48:49,893 --> 00:48:54,263
of om documenten te ontdekken
in stapels documenten,

957
00:48:54,298 --> 00:48:56,498
werk dat goedbetaalde advocaten doen
normaal gesproken doen,

958
00:48:56,533 --> 00:48:58,867
of ziekten diagnosticeren.

959
00:48:58,902 --> 00:49:00,970
In Stanford,
we hebben onlangs een onderzoek uitgevoerd

960
00:49:01,005 --> 00:49:03,839
om te begrijpen of
een machine learning-algoritme

961
00:49:03,874 --> 00:49:07,676
kan concurreren met topklasse,
Stanford-niveau,

962
00:49:07,711 --> 00:49:09,044
board-gecertificeerde dermatologen

963
00:49:09,079 --> 00:49:13,182
bij het opsporen van zaken als huidkanker.

964
00:49:13,217 --> 00:49:16,685
En zie, dat hebben we gevonden
ons machine learning-algoritme,

965
00:49:16,720 --> 00:49:18,187
ons kleine doosje,

966
00:49:18,222 --> 00:49:21,824
is zo goed als de beste mens
arts bij het vinden van huidkanker.

967
00:49:21,859 --> 00:49:24,994
Dat roept veel vragen op:

968
00:49:25,029 --> 00:49:28,130
moeten we software vertrouwen
over onze artsen?

969
00:49:28,165 --> 00:49:31,700
Of zijn diagnostische programma's
zoals die van Sebastiaan

970
00:49:31,735 --> 00:49:34,103
de intelligente medische
assistenten van morgen,

971
00:49:34,138 --> 00:49:37,506
een nieuw hulpmiddel maar geen vervanging?

972
00:49:37,541 --> 00:49:41,010
En er zijn nog andere zorgen.

973
00:49:41,045 --> 00:49:46,715
Als je het aan een persoon vraagt die rijdt
een fiets precies zoals ze het doen,

974
00:49:46,750 --> 00:49:49,184
ze zouden het moeilijk hebben
om het onder woorden te brengen.

975
00:49:49,219 --> 00:49:50,652
Hetzelfde is waar

976
00:49:50,687 --> 00:49:53,789
met zogenaamde "black box"
toepassingen voor machinaal leren

977
00:49:53,824 --> 00:49:55,457
zoals die van Sebastiaan:

978
00:49:55,492 --> 00:49:57,626
niemand, inclusief Sebastian,

979
00:49:57,661 --> 00:50:00,829
weet hoe het huidkanker opspoort.

980
00:50:00,864 --> 00:50:04,166
Net als de fietser doet hij dat gewoon,

981
00:50:04,201 --> 00:50:06,869
wat misschien goed is
voor diagnostische software,

982
00:50:06,904 --> 00:50:09,104
maar niet voor andere aspecten
van de geneeskunde,

983
00:50:09,139 --> 00:50:12,408
zoals behandelbeslissingen.

984
00:50:12,443 --> 00:50:13,776
Als wat je doet beslissend is

985
00:50:13,811 --> 00:50:15,878
welke dosis chemotherapie
een patiënt geven,

986
00:50:15,913 --> 00:50:17,946
Ik denk dat de meeste mensen zich ongemakkelijk zouden voelen

987
00:50:17,981 --> 00:50:19,481
en dat is een zwarte doos.

988
00:50:19,516 --> 00:50:20,883
Mensen zouden het willen begrijpen

989
00:50:20,918 --> 00:50:22,584
waar die voorspellingen
vandaan komen.

990
00:50:22,619 --> 00:50:25,387
Hetzelfde kan waar zijn

991
00:50:25,422 --> 00:50:26,955
om te beoordelen wie dat zou moeten doen
een hypotheek krijgen,

992
00:50:26,990 --> 00:50:30,592
of bij wie ontslagen moet worden
hun werk wegens slechte prestaties,

993
00:50:30,627 --> 00:50:33,529
of wie voorwaardelijk vrijkomt,

994
00:50:33,564 --> 00:50:35,230
alle situaties

995
00:50:35,265 --> 00:50:38,967
in welke black box-machine
leersoftware wordt gebruikt.

996
00:50:39,002 --> 00:50:40,436
Dit zijn algoritmen

997
00:50:40,471 --> 00:50:43,605
dat kan een groot effect hebben
op de levens van mensen.

998
00:50:43,640 --> 00:50:45,607
En we moeten begrijpen,
als samenleving,

999
00:50:45,642 --> 00:50:47,142
wat er in die algoritmen zit

1000
00:50:47,177 --> 00:50:48,510
en waar ze op gebaseerd zijn,

1001
00:50:48,545 --> 00:50:50,879
om dat zeker te stellen
ze bestendigen niet

1002
00:50:50,914 --> 00:50:53,315
sociale problemen die we al hebben.

1003
00:50:55,319 --> 00:50:59,788
We leven in een tijdperk
wanneer de samensmelting van data, computers,

1004
00:50:59,823 --> 00:51:03,392
waarschijnlijkheid en statistiek

1005
00:51:03,427 --> 00:51:06,095
geeft ons meer voorspellende kracht
dan we ooit eerder hebben geweten.

1006
00:51:06,130 --> 00:51:10,165
We kunnen de tastbare voordelen zien,

1007
00:51:10,200 --> 00:51:12,167
en enkele van de gevaren,

1008
00:51:12,202 --> 00:51:17,272
terwijl je het je ook afvraagt
waar dit allemaal naartoe zal gaan.

1009
00:51:17,307 --> 00:51:19,241
We zien echt een nieuwe
wetenschap van de statistiek

1010
00:51:19,276 --> 00:51:20,809
zich onder onze voeten ontwikkelen.

1011
00:51:20,844 --> 00:51:21,977
Dat is spannend,

1012
00:51:22,012 --> 00:51:24,746
en ik denk dat het een beetje moet zijn
beetje zoals

1013
00:51:24,781 --> 00:51:26,381
hoe het was wanneer
de waarschijnlijkheidstheorie

1014
00:51:26,416 --> 00:51:28,217
werd voor het eerst ontwikkeld

1015
00:51:28,252 --> 00:51:30,853
van Pascal en Fermat
en mensen om hen heen,

1016
00:51:30,888 --> 00:51:32,020
dat mensen zeiden:

1017
00:51:32,055 --> 00:51:33,889
‘Mijn God, dit zijn vragen
die wiskunde

1018
00:51:33,924 --> 00:51:35,924
kan echt iets hebben
over te zeggen."

1019
00:51:35,959 --> 00:51:37,593
Ik denk dat dat zo moet zijn geweest
hoe het was

1020
00:51:37,628 --> 00:51:39,595
wanneer statistieken
in zijn traditionele vorm

1021
00:51:39,630 --> 00:51:41,897
werd ontwikkeld in de
eerste deel van de 20e eeuw,

1022
00:51:41,932 --> 00:51:44,199
en plotseling
mensen vroegen het alleen maar

1023
00:51:44,234 --> 00:51:45,634
geheel nieuwe soorten vragen

1024
00:51:45,669 --> 00:51:47,069
dat ze dat niet eens konden
al eerder benadert.

1025
00:51:47,104 --> 00:51:50,005
En ik denk dat we het hebben
nu nog zo'n moment.

1026
00:51:51,842 --> 00:51:54,943
Terwijl morgen
zal altijd onzeker blijven,

1027
00:51:54,978 --> 00:51:58,547
wiskunde zal doorgaan
om de weg te wijzen,

1028
00:51:58,582 --> 00:52:00,916
door de kracht van waarschijnlijkheid,

1029
00:52:00,951 --> 00:52:04,253
en voorspelling door de cijfers.