Az Alapítvány-sorozat központi eleme a Hari Seldon által kidolgozott pszichohistória tudományág. Ami akkor még futurisztikus ötletnek hatott, mára egyre inkább kezd valósággá válni.
Az első regényben ismerjük meg az öreg matematikust, aki a tizenkétezer éve fennálló Galaktikus Birodalom bukását jósolja. Egy fiatal asszisztensének elmagyarázza, hogy úgy jutott erre a következtetésre, hogy a legkifinomultabb matematikai és statisztikai elveket ráillesztette egy megfelelően nagy mintára (a kvadrilliárd főt számláló birodalomra), és ez alapján ki tudta következtetni a jövőt.
A számításai szerint a Birodalom háromszáz éven belül össze fog omlani, és azt legalább harmincezer év anarchia és szenvedés követi, mialatt egy galaktikus szereplő sem tudja kézbe venni a hatalmat. Azonban kidolgozza a Seldon-tervet, miszerint két, megfelelő helyre és megfelelő utasításokkal elhelyezett kolónia úgy befolyásolná a történelmet, hogy ez az interregnum állapot mindössze ezer évre csökkenjen. Ez lesz a két Alapítvány, amelyek történetét a regények feldolgozzák.
A statisztikát alapjául vevő pszichohistóriát a következő példával szemlélteti Asimov: egy gázfelhő egyetlen atomjának útját lehetetlen lenne pontosan megjósolni, azonban ha az összes atomot halmazként kezeljük, annak mozgása és változásai már könnyen megjósolhatók. A tudományág alapelve tehát, hogy minél nagyobb mintát kell használni, és ez alapján számítható ki a jövő – de a módszer nem alkalmazható csak egyetlen emberre.
Ha az ember már csak ennyit elolvas a pszichohistóriáról, nehéz elképzelni, hogy valaha is valóra váltsanak egy ilyen elképzelést, főleg, ha Asimov egyik kötetben sem tér ki matematikai részletekre. Azonban az elmúlt évek technológiai fejlődésének köszönhetően úgy néz ki, mégis arrafelé haladunk, hogy valóban előre lássuk a jövő történeteit, csak a sci-fi nagyágyújával szemben az ipari szereplők egyszerűen Big Data néven emlegetik ezt a területet.
A legnagyobb minták
A Big Data slágerkifejezésnek számít a technológiai újságírás terén, minden techportál a sokféle Big Data-megoldásról ír, workshopok és egész szakmai konferenciák szerveződnek az ágazat köré. De mit is jelent pontosan, és miért pont az elmúlt néhány évben bukkant fel?
A Big Data definíciója nagyjából megegyezik a pszichohistóriáéval: megfelelően nagyméretű mintából dolgozva könnyebben észrevehetőek a korrelációk, ez alapján különböző százalékos eséllyel megjósolhatóak bizonyos események.
Fontos, hogy nem foglalkozik a miértekkel, csak az összecsengő adatokkal. Nem képes megmondani miért történik valami, csak azt, hogy mekkora eséllyel következik be.
A legjobb példát talán az egészségügyből lehet hozni: a különböző digitális archívumok nagy mennyiségű információt gyűjtenek össze a páciensek tüneteiről, kórházban töltött napjaikról, gyógyszeradagjukról, stb. Egy megfelelő algoritmus segítségével össze lehet vetni hosszú időszakok adatait, és ki lehet számítani, hogy az azonos tünetekkel, betegséggel rendelkezők hány nappal a hazaküldésük után tértek vissza valami komolyabb problémával.
Így előre meg lehet jósolni, hogyha valakit ugyanolyan tünetekkel felvesznek, majd hazaküldenek, hogy X napon belül hány százalék eséllyel merülhet fel a szervezetében valamilyen komplikáció. Az orvosok még nem is feltétlenül értik, hogy mi miért történik, de ha bíznak a jóslatban, megakadályozhatják a vészhelyzetet – utána pedig a korreláció bebizonyosodása esélyt adhat arra is, hogy kiderítsék, pontosan miért következett be (vagy épp nem következett be) az az alapján kiszámolt eredmény.
A valóság felé
Még mindig fennáll a kérdés, hogy erre miért épp most jöttünk rá, ha Asimov már az ötvenes években megírta történeteit? A kulcs abban keresendő, hogy az elmúlt néhány évben robbanásszerűen elterjedtek a különböző vezeték nélkül kommunikáló szenzorok. Ezek a kis érzékelők rengeteg féle adatot képesek mérni, és azokat akár Wi-Fi-n, akár Bluetooth-on valós időben folyamatosan képesek közvetíteni.
Így nemcsak az deríthető ki például, hogy milyen állapotban vannak épp egy gyártósor gépei, vagy egy kamion alkatrészei, hanem hosszú távon összegyűjthető, hogy milyen rendellenességek előzik meg a meghibásodásokat. Így a gyártó vagy a szállítócég vezetője időben észreveheti a kicsinek tűnő változásokat, és gyorsan reagálhat, hogy elkerüljön egy nagyobb balesetet. Az okokat nem tudja, de ráér vele foglalkozni – nagyobb baj nem történt.
A cikkben eddig említett példák már-már bevett gyakorlatnak számítanak az iparban, de közgazdászok és politológusok módszeres számításokkal már azt is meg tudják mondani, mely országokban van nagyobb esély polgárháborúkra vagy kormánypuccsra, ahogy az kiderül Paul Collier: The Bottom Billion c. könyvéből.
Talán már köztünk él, épp iskolába jár a való élet Hari Seldonja, aki először fogja majd össze a rendelkezésére álló feltételeket, hogy egy megfelelően nagyméretű mintán dolgozva megjósolja a Föld lakosainak jövőjét.
A Robot könyvek idővonalától már jócskán eltértünk, és lemaradtunk a robotok feltalálásával, de lehet, hogy az Alapítvány tudományos sikereit jó húszezer évvel korábban véghez fogjuk vinni.
gyerekcipőben járt a ma ismert technológia, mégis fantasztikusan megjósolta – még ha az idővel kicsit tévedett is -, hogy az hova fog fejlődni és milyen hatása lesz a társadalomra. A ma olvasójának épp ez lehet a legizgalmasabb. Összehasonlítani a jóslatot azzal, ami megvalósult belőle. Hogy mennyire élünk abban a világban, amelyet Asimov gondolt, hogy élni fogunk benne.
