A prima vista, potrebbe sembrare che data science e psicologia abbiano ben poco in comune. Tuttavia, di recente ho iniziato ad appassionarmi di psicologia e penso che tra le due ci siano molte più somiglianze di quanto si possa pensare.

1. Sia Data Science che psicologia ci aiutano a rispondere alla domanda "perché?”

La psicologia serve a capire come il comportamento è influenzato da ciò che accade nella nostra mente, per poi a rispondere in modo appropriato. Le due domande chiave a cui gli psicologi cercano di rispondere sono "perché?" (perché questo comportamento sta accadendo?), e "e allora? (cosa possiamo fare per cambiarlo?).

È molto simile a ciò che accade a chi si occupa di data science, la scienza che riguarda essenzialmente la soluzione di problemi, specialmente nelle aziende. Tuttavia, per farlo, bisogna capire perché il problema esiste, quali sono le cause sottostanti. Troppo spesso si cerca di passare direttamente alla soluzione del problema. Ma così facendo si rischia di perdere di vista il problema principale, e quindi di inibire lo sviluppo di una soluzione migliore.

Una delle pratiche comuni nella data science è proprio quella di identificare il problema di base (il "perché?") che deve essere risolto, per poi passare al "e allora?”. I data scientist, non essendo così radicati nelle questioni di business, possono fare un passo indietro e guardare al quadro generale.

2. La psicologia ci aiuta a capire perché i modelli possono essere di parte

Uno dei maggiori problemi dei modelli, soprattutto di quelli guidati dall'intelligenza artificiale, è che sviluppano pregiudizi. Si tende a pensare che le macchine siano neutre, ma non è vero. Per esempio, in un test è stato chiesto a un sistema basato sull'intelligenza artificiale di giudicare un concorso di bellezza, e le vincitrici sono state per lo più donne bianche.

La psicologia ci aiuta a capire perché questo potrebbe accadere.

I modelli sono buoni solo se i dati che vengono utilizzati per allenarli sono buoni. Questi dati sono alimentati dagli sviluppatori, il che significa che sono soggetti ai loro pregiudizi, sia consci che inconsci. Per esempio, tornando al concorso di bellezza con l'intelligenza artificiale, è probabile che gli sviluppatori fossero per lo più maschi e bianchi, probabilmente sui venti o trenta anni, e che abbiano formato il loro modello su foto di persone che trovavano attraenti: per lo più donne bianche sui vent'anni.

Naturalmente è possibile che il pregiudizio fosse più sottile: che ci siano semplicemente più foto di donne bianche in giro, quindi i dati sulla formazione contenevano un numero più elevato di queste immagini. Tuttavia, un pubblico diverso probabilmente se ne sarebbe accorto e avrebbe agito di conseguenza. Per gli sviluppatori, il set di dati sembrava "giusto" perché si adattava ai loro pregiudizi inconsci.

Data Science e psicologia hanno molte più somiglianze di quanto si possa pensare: la #DataScience ha bisogno della psicologia, e dei modelli psicologici, per migliorare l'accuratezza delle intuizioni che genera. #data Click To Tweet

3. Sia la psicologia che la Data Science servono a prendere decisioni migliori

Leggere di psicologia, almeno per me, significa capire meglio me stesso. Parliamo di "istinto" o di istinto come se fosse magia. Tuttavia, la psicologia ci dice che il sentimento istintivo è in realtà un processo subconscio che attinge all'esperienza appresa. Può quindi essere affidabile e non dovrebbe mai essere scartato senza un'indagine. Tuttavia, può anche essere basato su qualcosa che abbiamo frainteso da bambini, o perché qualcosa della situazione ci ricorda qualcuno o qualcosa di totalmente estraneo.

Capire questo significa che possiamo esaminare le nostre reazioni a potenziali esperienze, individui e situazioni e decidere se sono razionali. Possiamo quindi prendere una decisione più informata sull'azione.

Anche la data science pone una luce simile sui quesiti da risolvere. Usando i dati per esaminare la situazione, possiamo ottenere nuove intuizioni e poi utilizzarle per migliorare le decisioni.

4. Combinando data science e psicologia si possono migliorare i modelli

Nel corso degli anni, ricercatori e data scientist hanno cercato di modellare il comportamento umano, e in particolare il processo decisionale. I tentativi hanno spaziato da un approccio totalmente razionale della teoria dei giochi fino a modelli psicologici come il discounting, che cerca di quantificare l'idea che tutti preferiamo qualcosa adesso, piuttosto che dover aspettare.

Tutti questi approcci sono accurati in alcune circostanze, anche se spesso piuttosto limitati. Tuttavia, ciò che è davvero interessante è che l'approccio più accurato sembra combinare le due cose. Il modo migliore per prevedere il comportamento umano è quello di combinare una o più teorie cognitive con approcci di apprendimento automatico, soprattutto per problemi più complessi.

In altre parole, la data science ha effettivamente bisogno della psicologia, e dei modelli psicologici, per migliorare l'accuratezza delle intuizioni che genera. Come spesso accade, una partnership uomo-macchina è più forte di un dei due preso singolarmente.

E voi cosa ne pensate?