Inhoudsopgave
    

Bluff your way into sociale fysica
Alex Pentland
door Alex Pentland
leestijd: 12 min

Collectieve intelligentie, sociale beïnvloeding en creativiteit: het zijn aspecten van menselijk gedrag die tot voor kort ongrijpbaar waren. Maar met de komst van sociale fysica is dat razendsnel aan het veranderen.

MIT-professor Alex Pentland is de belangrijkste pionier op gebied van sociale fysica, een nieuwe wetenschap gebaseerd op big data. Hij is ook de man die weet hoe we onze data op een veilige manier kunnen inzetten om maatschappelijke problemen op te lossen en om ons productiever, creatiever en gelukkiger te maken. 

In Sociale Big Data presenteert Pentland revolutionaire nieuwe inzichten over hoe ideeën zich verspreiden en waar menselijk gedrag door gestuurd wordt. Hij laat zien hoe we onze samenleving, maar ook onze organisaties beter kunnen leren begrijpen en zelfs positief beïnvloeden. Het boek opent je de ogen voor één van de belangrijkste ontwikkelingen van de eenentwintigste eeuw: ons gedrag wordt een exacte wetenschap.

Sociale Big Data verschijnt 22 september bij Maven Publishing, en is alvast hier te reserveren. Een voorpublicatie.

Wat is sociale fysica?

Sociale fysica is een nieuwe, kwantitatieve sociale wetenschap op basis van big data die betrouwbare, wiskundige verbanden beschrijft tussen informatie en ideeënstromen aan de ene en het gedrag van mensen aan de andere kant.

De sociale fysica geeft ons meer inzicht in de manier waarop ideeën zich van persoon tot persoon verspreiden middels het mechanisme van sociaal leren. De discipline laat zien hoe deze ideeënstroom uiteindelijk de normen, productiviteit en creatieve output van onze bedrijven, steden en samenlevingen bepaalt. Ze stelt ons in staat de productiviteit van kleine groepen, van afdelingen binnen bedrijven, maar ook van een stad als geheel te voorspellen. Ze helpt ons ook communicatienetwerken goed in te stellen, zodat we consequent betere besluiten kunnen nemen en productiever kunnen worden.

De belangrijkste inzichten die de sociale fysica heeft opgeleverd, hebben allemaal te maken met de ideeënstroom tussen mensen. Deze ideeënstroom kan uiteraard worden waargenomen in het patroon van telefoontjes of van berichten op sociale media, maar ook door te bepalen hoeveel tijd mensen met elkaar doorbrengen, of ze naar dezelfde plaatsen gaan en vergelijkbare ervaringen hebben.

Kennis van de ideeënstromen is uiterst belangrijk voor het begrijpen van onze samenleving, niet alleen omdat tijdige informatie essentieel is voor efficiënte systemen, maar vooral ook omdat de verspreiding en het combineren van nieuwe ideeën uiteindelijk leiden tot gedragsverandering en innovatie.

Deze focus op ideeënstromen is de reden dat ik de naam 'sociale fysica' heb gekozen. Net zoals de traditionele fysica inzicht probeert te geven in de manier waarop energiestromen zich vertalen in bewegingsveranderingen, probeert de sociale fysica te achterhalen hoe ideeënstromen en informatie zich vertalen in gedragsveranderingen.

Laten we, om te zien hoe de sociale fysica te werk gaat, eens kijken naar het gedrag van daghandelaren op de financiële markt die tips uitwisselen op een sociaal netwerk. Er zijn tijden dat bijzonder weinig handelaren een aardige winst maken, een situatie die slecht is voor de handelaren, maar ook voor hun makelaars, die omzet kwijtraken wanneer de handelaren ermee ophouden. Om de handelaren betere resultaten te laten behalen, hebben makelaars standaardoplossingen toegepast; zo hebben ze geprobeerd de kennis en expertise van de handelaren te verbeteren. En deze traditionele remedies hebben enig effect: in één geval stegen de resultaten van een groep handelaren met ongeveer 2%.

Toen gaf een aandelenmakelaar ons onderzoekslaboratorium op MIT toestemming om een sociaal-fysische aanpak te proberen en onze wiskundige modellen van de verspreiding van ideeën door sociale netwerken op het probleem los te laten. Door de miljoenen gedetailleerde berichten tussen handelaren op een sociaal netwerk te analyseren, ontdekten we dat de sociale invloed binnen het netwerk een te groot effect had, zodat er kuddegedrag ontstond: handelaren reageerden te sterk op elkaar en hadden daardoor de neiging allemaal dezelfde strategie te gaan volgen.

Uit de wiskundige formules van de sociale fysica bleek dat dit probleem het best kon worden opgelost door het sociale netwerk zo te veranderen dat nieuwe strategieën trager over het netwerk werden verspreid. Nadat we deze veranderingen hadden doorgevoerd, verdubbelde de gemiddelde opbrengst van de investeringen, een veel beter resultaat dan met de gebruikelijke aanpak van dit probleem wordt bereikt.

Een langzamere verspreiding van ideeën is geen oplossing die je in normale managementboeken zult vinden. En dit resultaat was geen toeval, want we hadden wiskundige analyses gebaseerd op miljoenen stukjes informatie waarmee we exact konden bepalen hoe we moesten ingrijpen en precies konden voorspellen wat het resultaat zou zijn.

Big data

De motor van de sociale fysica is big data: de sinds kort alomtegenwoordige digitale data die nu beschikbaar zijn over alle aspecten van het menselijk leven. De sociale fysica functioneert door patronen te analyseren van menselijke ervaringen en van de uitwisseling van ideeën in de digitale broodkruimels die we allemaal om ons heen strooien tijdens onze gang door de wereld – onder andere telefoongegevens, pinbetalingen en positiebepalingen middels GPS.

Deze data vertellen het verhaal van het dagelijks leven door vast te leggen wat ieder van ons heeft gedaan. En dat verschilt sterk van wat er op Facebook wordt gezet; in berichten op Facebook staat wat mensen elkaar wíllen vertellen, aangepast aan de normen van de dag. Aan de hand van waar je je tijd doorbrengt en welke dingen je koopt, kan nauwkeuriger worden vastgesteld wie je werkelijk bent dan aan de hand van wat je zegt dat je doet.

Het analyseren van de patronen in deze digitale broodkruimels wordt reality mining genoemd, en deze analyse levert enorm veel informatie op over wie individuen zijn. Mijn studenten en ik zijn tot de ontdekking gekomen dat we met behulp van reality mining bijvoorbeeld kunnen bepalen of iemand meer risico op diabetes loopt of het type mens is dat leningen terugbetaalt. En wanneer we deze patronen analyseren in grote populaties, blijken we veel dingen te kunnen verklaren – bankencrashes, revoluties, speculatieve zeepbellen – die tot nu toe willekeurige 'straffen Gods' leken te zijn.

De in de sociale fysica gebruikte wetenschappelijke methode verschilt van de methode die in de meeste sociale wetenschappen wordt toegepast, omdat de sociale fysica voornamelijk werkt met 'levende laboratoria'. Wat is een levend lab? Stel je voor dat je een denkbeeldige kamer om een hele gemeenschap kunt plaatsen en vervolgens elk facet en elk aspect van het gedrag, de communicatie en de sociale interactie tussen de leden van de gemeenschap kunt vastleggen en zichtbaar kunt maken. Stel je tevens voor dat je dit een aantal jaren achtereen doet terwijl de leden van de gemeenschap gewoon hun leven leiden. Dat is een levend lab.

In de afgelopen tien jaar zijn mijn studenten en ik erin geslaagd dergelijke levende laboratoria op te zetten en hebben we hele sociale organismen – groepen, bedrijven en hele gemeenschappen – soms jaren achtereen van seconde tot seconde gevolgd. De methode is eenvoudig: metingen worden verricht door digitale broodkruimels te verzamelen van de sensoren in mobiele telefoons, berichten op sociale media, aankopen met creditcards, etcetera.

Om dit te realiseren, hebben we juridische instrumenten en software voor de bescherming van de rechten en de privacy van de mensen in deze laboratoria ontwikkeld om ervoor te zorgen dat ze volledig op de hoogte zijn van wat er met hun gegevens gebeurt en het recht behouden om zich op elk gewenst moment terug te trekken uit het project. En, deze oplossingen kunnen worden toegepast om de bescherming van de privacy van burgers overal ter wereld te verbeteren.

Die talloze telefoongegevens, creditcardbetalingen en locatiebepalingen middels GPS vormen voor wetenschappers een nieuwe lens waardoor ze de samenleving in detail kunnen bestuderen. Net zoals de Nederlandse lenzenmakers, toen zij de eerste bruikbare lenzen maakten, onderzoekers in staat stelden om de eerste microscopen en telescopen te bouwen, heeft mijn onderzoekslab instrumenten ontwikkeld die alle digitale broodkruimels van een hele gemeenschap verzamelen, zodat we de eerste bruikbare 'socioscopen' konden bouwen. Door deze nieuwe instrumenten kunnen we een blik op het leven werpen in al zijn complexiteit – en ze zijn de toekomst van de sociale wetenschappen. Net als de microscoop en de telescoop het onderzoek in de biologie en de astronomie radicaal veranderden, zullen socioscopen in levende laboratoria een radicale verandering teweegbrengen in de bestudering van het menselijk gedrag.

Het overgrote deel van de huidige sociale wetenschap is gebaseerd op analyses van laboratoriumfenomenen en op steekproeven – dat wil zeggen, op beschrijvingen van gemiddelden of stereotypen. Maar met deze aanpak kan de complexiteit van het echte leven, wanneer al onze mentale eigenaardigheden zich tegelijkertijd laten gelden, niet worden verklaard. Ook buiten beschouwing blijft het belangrijke feit dat de details over de mensen met wie we omgaan en de manier waarop we met hen omgaan er evenveel toe doen als marktkrachten of klassenstructuren. Sociale verschijnselen zijn opgebouwd uit talloze kleine transacties tussen individuen – mensen die niet alleen goederen en geld met elkaar uitwisselen, maar ook informatie en ideeën, of gewoon enkele woorden. In die individuele transacties zitten patronen die de drijvende kracht zijn van verschijnselen als financiële krachs en Arabische lentes. We moeten deze micropatronen begrijpen omdat ze ons een nieuwe kijk op de samenleving geven. Door big data krijgen we de kans de samenleving in al haar complexiteit te zien, via de miljoenen netwerken van interpersoonlijke uitwisselingen.

Een voorbeeld: sociale fysica toegepast op het gebied van gezondheid & ziekte

Op het terrein van de volksgezondheid is Google Flu een eigentijds, bekend voorbeeld van een manier waarop big data kunnen worden gebruikt om een betere samenleving te maken. Google Flu voorspelt een griepepidemie door per staat of streek het aantal zoekopdrachten op internet te tellen waarin het woord 'griep' voorkomt.

In streken waarin dit soort zoekopdrachten sterk in aantal stijgt, is waarschijnlijk sprake van een toename van het aantal griepgevallen. Met behulp van dergelijke technieken kunnen centra voor ziektepreventie nieuwe griepvirussen opsporen, kan de hoeveelheid medicijnen die nodig zullen zijn worden voorspeld, en kunnen ziekenhuizen, steden en bedrijven zich voorbereiden op het aantal ziektegevallen waar ze mee te maken zullen krijgen.

Dit is echter maar een indicatie van wat een digitaal zenuwstelsel aan de volksgezondheid kan bijdragen. Tot nu toe beschikten artsen niet over een manier om gedragsveranderingen die optreden wanneer iemand ziek wordt kwantitatief te meten. In de meeste onderzoeken naar infectieverspreiding wordt er daarom van uitgegaan dat er zeer weinig veranderingen optreden in verplaatsings- en interactiepatronen wanneer iemand is besmet; oftewel, zieke mensen handhaven hun dagelijkse gedragspatronen.

Maar uit data van mobiele telefoons blijkt dat dit niet zo is. Mensen gaan zich consequent anders gedragen wanneer ze ziek worden. Samen met de assistent-onderzoekers Anmol Madan en Wen Dong heb ik ontdekt dat het gedrag van mensen op vaste, voorspelbare manieren verandert wanneer ze ziek worden, en dat we deze gedragsveranderingen kunnen meten met behulp van de sensoren in mobiele telefoons.

De normale omgangspatronen van mensen die kenbaar hadden gemaakt dat ze pijn in hun keel hadden en hoestten, bleken te zijn verstoord. Ze begonnen met meer en met andere mensen om te gaan (goed voor het virus, maar slecht voor de mensen). Bij een verkoudheid bleek het totaal aantal interacties, en het aantal interacties in de avonduren, toe te nemen: kennelijk belden mensen hun vrienden na werktijd.

Later in de ziektecyclus, als er sprake was van koorts en andere griepsymptomen, beperkten mensen hun activiteiten zeer sterk (goed voor de andere mensen). Mensen die hadden gemeld dat ze zich gestrest, verdrietig, eenzaam of depressief voelden, raakten sociaal geïsoleerd op dagen met griepsymptomen. Uit al deze voorbeelden blijkt wel hoeveel mogelijkheden de mobiele telefoon biedt om de gezondheidstoestand van een individu vrijwel realtime te volgen.

Omdat gedragsveranderingen die samengaan met problemen zoals symptomen van een luchtweginfectie, koorts, griep, stress en depressie voor iedereen gelijk zijn, maar elk probleem anders is dan alle andere, is het mogelijk om de globale gezondheidstoestand van mensen aan de hand van hun gedrag alleen te classificeren. Een app op een telefoon zou bijvoorbeeld stilletjes kunnen nagaan of er ongebruikelijke variaties in het gedrag zijn, en vervolgens kunnen uitzoeken of er een ziekte in ontwikkeling is. Zo'n proactieve vorm van gezondheidszorg zou zeer belangrijk kunnen zijn voor gezondheidsproblemen die patiënten vaak niet melden (bijvoorbeeld een achteruitgang in de geestelijke gezondheid en ouderdomsgerelateerde problemen).

We kunnen nog een stap verder gaan. Als je deze gedragsinformatie crowdsourcet in een hele bevolking en die informatie vervolgens combineert met gegevens over wanneer mensen in de afgelopen dagen waar zijn geweest, kun je het risico op besmetting van een hele buurt bepalen, zoals geïllustreerd door de kaart in figuur 14.

Figuur 14. Een kaart die aangeeft wat de interacties zijn van mensen op elke locatie en hoe groot de kans is dat ze besmet worden met het griepvirus. De donkere vlakken zijn de gebieden waaruit we data hebben; de lichtere vlakken in de donkere vlakken zijn de gebieden waar de kans om besmet te worden groter is.
Figuur 14. Een kaart die aangeeft wat de interacties zijn van mensen op elke locatie en hoe groot de kans is dat ze besmet worden met het griepvirus. De donkere vlakken zijn de gebieden waaruit we data hebben; de lichtere vlakken in de donkere vlakken zijn de gebieden waar de kans om besmet te worden groter is.

Deze kaart laat zien waar de kans om besmet te raken met het griepvirus het grootst en het kleinst is op een bepaalde dag en een bepaald tijdstip. De mogelijkheid om ziekten zoals de griep te traceren op het niveau van het individu zou ons kunnen behoeden voor pandemieën, omdat we maatregelen zouden kunnen nemen om geïnfecteerde mensen te bereiken voordat ze de ziekte verder verspreiden. We zouden de griep realtime volgen door informatie uit twee bronnen te combineren: 1) data over veranderingen in de gedragspatronen van individuen, omdat je voorspelbare veranderingen in deze patronen kunt meten wanneer mensen ziek worden; en 2) locatiedata, omdat via de lucht verspreide besmettelijke ziekten vooral door fysieke interacties met anderen worden verspreid.

Met name kunnen we met behulp van de kennis over gedragsveranderingen van mensen wanneer ze ziek worden, die we kunnen meten met sensoren in mobiele telefoons, de kans bepalen dat ieder afzonderlijk individu ziek wordt. Wen Dong heeft aangetoond dat we kaarten zoals die in figuur 14 kunnen maken wanneer we deze individuele kansen combineren door een wiskundig model van het verspreidingsproces te maken. Omdat op deze kaart het niveau van het besmettingsgevaar voor elke locatie is te zien, kan hij worden gebruikt om de plekken te mijden waar de kans om aan de griep te worden blootgesteld het grootst is.

Het wordt steeds noodzakelijker om ziekten op het niveau van het individu en realtime te kunnen volgen. Omdat de onderlinge verbindingen in de wereld door het reizen van mensen en goederen steeds talrijker worden, stijgt ook het risico op een wereldwijde pandemie. In de afgelopen jaren hebben Severe Acute Respiratory Syndrome (SARS) en andere ernstige besmettelijke ziekten zich zeer snel verspreid onder ver uit elkaar liggende, maar sociaal verbonden gemeenschappen. Het risico op een pandemie, of het nu SARS, H1 N1 of een andere besmettelijke ziekte is, is veel groter geworden.

Nu we de verspreiding van een besmettelijke ziekte van persoon tot persoon en minuut tot minuut kunnen waarnemen, hebben we de mogelijkheid om werkelijk doeltreffende preventieve maatregelen te nemen. Sommige deskundigen op het gebied van besmettelijke ziekten zijn zelfs van mening dat dit een van de weinige mogelijkheden is om honderden miljoenen sterfgevallen te voorkomen ten gevolge van de pandemieën die zeker zullen uitbreken.

<p><a href=

Sociale Big Data wordt in Nederland uitgeven door Maven Publishing, en is vanaf 22 september verkrijgbaar.

Auteur

Alex ‘Sandy’ Pentland is professor aan MIT, de meest prestigieuze technische universiteit ter wereld. Hij adviseert bedrijven zoals Google, Nissan en Motorola en won de DARPA Internet Grand Challenge, waarvoor zijn team 10 rode ballonnen in de VS moest lokaliseren. Pentland is een pionier als het gaat om het benutten van informatiestromen en prikkels in sociale netwerken.