Natuurkundigen hebben een wiskundig model ontwikkeld om uit te leggen hoe mensen meningen vormen, met behulp van een combinatie van machinaal leren en statistische mechanica. Het model maakt gebruik van een techniek genaamd Bayesiaanse inferentie om meningen te actualiseren zodra er nieuwe informatie beschikbaar komt.

Bayesiaanse gevolgtrekking is een statistische methode die ons in staat stelt onze opvattingen over de toestand van de wereld bij te werken naarmate we nieuwe informatie ontvangen. Het basisidee is dat we beginnen met een eerdere overtuiging over de toestand van de wereld, en dat we die overtuiging vervolgens bijwerken naarmate we nieuwe informatie krijgen. De hoeveelheid gewicht die we aan de nieuwe informatie toekennen, hangt af van de mate waarin we erop vertrouwen.

In de context van opinievorming is onze eerdere overtuiging de mening die we momenteel hebben. Wanneer we nieuwe informatie ontvangen, actualiseren we onze mening op basis van de mate waarin we de bron van de informatie vertrouwen en hoe consistent deze is met onze eerdere overtuigingen.

Het natuurkundig model maakt gebruik van een machine-learning-algoritme om de parameters van het Bayesiaanse inferentiemodel te leren. Hierdoor kan het model zich aanpassen aan verschillende situaties en voorspellingen doen over hoe de meningen van mensen in de loop van de tijd zullen veranderen.

Het model werd getest op een dataset met opiniegegevens uit de echte wereld, en het bleek nauwkeurig te kunnen voorspellen hoe de meningen van mensen in de loop van de tijd veranderden. Dit suggereert dat het model kan worden gebruikt om te begrijpen hoe mensen meningen vormen, en om te voorspellen hoe hun meningen in de toekomst zullen veranderen.