Do not go gentle into that good night,
绝不向黑夜请安,
Rage, rage against the dying of the light.
咆哮于光之消散.
-–Dylan Thomas (英国诗人)
前言
本期 第谷读书会，由本人Ben.YourKing主讲Human Behavior文章。
论文信息
《Predicting history》
原文链接
附录材料
数据获取
代码获取
视频回顾
详情可观看集智俱乐部，第谷读书会 ，视频链接 ： Predicting History
笔记总结
笔记总结发布在，第谷读书会 微信公众号，推文链接 ： 读书笔记
论文摘要
第谷读书会第2019.06.14期，吴友钦同学分享了Duncan J. Watts 等人的论文《Predicting history》。该篇论文介绍了利用机器学习的方法在帮助我们预测历史上有历时性意义事件的可能性。题目简单短小却内涵丰富，ing表示现在进行时，预测的是“history”而非“future”。
简单的来说，本文关注这样的问题：
对于正在发生的事件，我们能否准确地预测其在未来具有历史意义？
也即，我们对事件历史意义的评估，与未来的人对该同一事件重要性的评估在多大程度上能够一致？
本文提供经验证明来支持早期的哲学论证，即现在认为在未来将具有历史意义的事件很可能是虚假的（在未来反倒变得不重要），反过来，许多后来被视为历史性的事件在现在却很少引起足够的注意。
本文介绍了一种将机器学习预测模型应用于大型数字化档案库的概念和方法框架。研究者发现，虽然这些模型可以准确地识别一些历史上重要的事件，但它们往往倾向于过高地预测事件的历史意义（不准，FP），同时也不能识别许多后来会被认为是重要的事件，（不全，FN）。这两种类型的错误都随着所考虑的事件数量的增加而单调地增加。
总的来说，研究者的结论是，历史意义是极难预测的，这与最近其他关于复杂社会系统可预测性的内在限制的研究一致。
然而，研究结果也表明，相比于人类的预测而言，“理想记录者”——机器学习模型有更好的表现性能；进一步的，在非常大的数字语料库中开发”人工档案管理员”来识别可能具有历史意义的事件是可行的！
研究启示
We all have turning points in our lives,
Most of the time ,we can not see them ,
until they are in our rear-view mirror.
But I am here to tell you this is one of those moments.
Every intersection offer several possibilities.
You just have to pick the right road .
And sometimes ,those choices have to be made quickly.
