Fysiker har utvecklat en matematisk modell för att förklara hur människor bildar åsikter, med hjälp av en kombination av maskininlärning och statistisk mekanik. Modellen använder en teknik som kallas Bayesian inferens för att uppdatera åsikter när ny information blir tillgänglig.

Bayesiansk slutledning är en statistisk metod som gör att vi kan uppdatera våra föreställningar om tillståndet i världen när vi får ny information. Grundtanken är att vi börjar med en tidigare övertygelse om tillståndet i världen, och sedan uppdaterar vi den tron ​​när vi får ny information. Hur mycket vikt vi ger den nya informationen beror på hur mycket vi litar på den.

I samband med opinionsbildning är vår tidigare övertygelse den åsikt vi för närvarande har. När vi får ny information uppdaterar vi vår åsikt baserat på hur mycket vi litar på källan till informationen och hur överensstämmande den är med vår tidigare övertygelse.

Fysikmodellen använder en maskininlärningsalgoritm för att lära sig parametrarna för den Bayesianska inferensmodellen. Detta gör att modellen kan anpassa sig till olika situationer och göra förutsägelser om hur människors åsikter kommer att förändras över tid.

Modellen testades på en datauppsättning av åsiktsdata från den verkliga världen, och den visade sig kunna exakt förutsäga hur människors åsikter förändrades över tiden. Detta tyder på att modellen kan användas för att förstå hur människor bildar åsikter, och för att förutsäga hur deras åsikter kommer att förändras i framtiden.