Superforecasting: The Art and Science of Prediction

خلاصه

آیا می دانستید که بدون داشتن قدرت های روانی می توانید پیش بینی های دقیقی درباره آینده انجام دهید؟ با تمرین و استراتژی های مناسب، شما می توانید به یک پیش بین فوق العاده تبدیل شوید.

در Superforecasting: The Art and Science of Prediction نوشته استاد دانشگاه وارتون، فیلیپ تتلوک و همکارش دن گاردنر، خوانندگان درباره ویژگی ها و مهارت هایی که یک پیش بین فوق العاده را تشکیل می دهد یاد می گیرند و چگونه می توانند این دانش را در هر situation اعمال کنند. شما همچنین درباره پیش بینان فوق العاده واقعی از همه راه های زندگی یاد می گیرید و چگونه می توانید حتی سوالات سخت تر را برای رسیدن به بهترین نتایج تجزیه و تحلیل کنید.

25 questions and answers

How does super forecasting affect risk management?

View answer

Super forecasting can significantly impact risk management by providing more accurate predictions about future events or outcomes. This can help in making better-informed decisions and strategies, thus reducing the potential risks. It involves breaking down complex problems into simpler parts and using statistical methods, critical thinking, and intuitive judgement to predict outcomes. However, it's important to note that while super forecasting can improve the accuracy of predictions, it doesn't eliminate the inherent uncertainty associated with future events.

What are the psychological aspects of super forecasting?

View answer

The psychological aspects of super forecasting involve the ability to break down complex questions, analyze them from different perspectives, and make accurate predictions. Super forecasters possess qualities such as open-mindedness, intelligence, humility, and a willingness to learn from mistakes. They are also able to avoid cognitive biases that can cloud judgment and affect decision-making.

How does super forecasting relate to data analysis?

View answer

Super forecasting is closely related to data analysis. It involves making predictions about future events based on the analysis of available data. Super forecasters use a variety of data analysis techniques to break down complex problems and make accurate predictions. They also continuously update their forecasts as new data becomes available, which is a key aspect of data analysis.

View all 25 questions

Ask follow up

20 بینش برتر

1. پیش بینی فوق العاده درباره توانایی crunch اعداد نیست، بلکه اینکه چه کاری با آن انجام می دهید بیشتر اهمیت دارد. یک حل کننده معماهای برجسته نسبت به یک فرد کمتر هوشمند که توانایی بزرگی برای تفکر خود انتقادی دارد، در معرض ضرر قرار خواهد گرفت.
2. برای پیش بینان فوق العاده، باورها فرضیاتی هستند که باید آزمایش شوند، نه گنجینه هایی که باید حفظ شوند. بازدارنده نباشید، بلکه فوق العاده بازدارنده باشید. با این حال، وقتی یک پیش بینی انجام می دهید، تا جای ممکن دقیق باشید. اگر پیش بینی بیش از حد مبهم باشد، می توانید به "اثر فورر" برخورد کنید، جایی که مردم معنای آن را فرض می کنند و آن را به خودشان اعمال می کنند.
3. سوال را به اجزای مختلف تقسیم کنید، سپس تشخیص دهید کدام بخش ها را می دانید و کدام ها را نمی دانید. سپس، مشکل را در یک دیدگاه مقایسه ای قرار دهید که منحصر بفرد بودن situation را کاهش می دهد. به عواملی نگاه کنید که منحصر بفرد بودن یک situation را بیشتر می کنند و یافته های خود را هماهنگ کنید تا بتوانید بهترین قضاوت را انجام دهید.
4. پیش بینان فوق العاده نظرات خود را در نور اطلاعات جدید به هر زمان لازم برای رسیدن به نتیجه دقیق تر تنظیم می کنند. با دقت تعادل بین قدیمی و جدید را حفظ کنید و آنها را در آخرین پیش بینی خود گنجانید. به روز رسانی ها را اغلب انجام دهید، اما با افزایش کوچک. این مفهوم به طور کامل با استفاده از معادله به روز رسانی باور بیزی توضیح داده شده است.
5. دو خطری وجود دارد که یک پیش بین پس از انجام یک تعیین اولیه مواجه می شود. یکی از آنها عدم واکنش به اطلاعات جدید (سوگیری یا "اصرار بر باور") است و دومین خطر واکنش بیش از حد است. هر دو می توانند دقت را کاهش دهند و در موارد بسیار شدید، یک پیش بینی کاملا خوب را نابود کنند. اطلاعات بی ارزش را نادیده بگیرید تا اثر تخفیف را بر اطلاعات خود اجتناب کنید، سپس تعهد کنید.
6. بهترین خود را بیرون بیاورید و به دیگران اجازه دهید بهترین خود را در شما بیرون بیاورند. تعادلی که در پیش بینی یاد می گیرید به مدیریت تیم ترجمه خواهد شد، به خصوص وقتی نظرات مختلفی را می شنوید. سرمربی سابق LA Dodgers، تامی لاسوردا گفته است که مدیریت "مثل نگه داشتن یک کبوتر است." بیش از حد محکم نگه دارید، آن را بکشید. بیش از حد آزاد نگه دارید، آن را از دست بدهید.
7. واژگان یک سوال را تغییر دهید تا یک دیدگاه دیگر بگیرید. به عنوان مثال: "آیا دولت آفریقای جنوبی در طی شش ماه آینده به دالایی لاما ویزا می دهد؟" علاوه بر دلایلی که می توانند به او ویزا بدهند، به دلایلی نگاه کنید که نمی توانند.کلمه "اعطا" را به "رد" تغییر دهید و شما یک معیار جدید برای تحقیق خواهید داشت.
8. پیش بینان با چندین مانعی روبرو می شوند که دقت را تحت تاثیر قرار می دهد. زبان مبهمی مانند "سهم قابل توجه بازار" می تواند بر اساس سوگیری های خواننده و نه واقعیت ها تفسیر شود. تاخیر زمانی مسئله دیگری است. وقتی پیش بینی ها ماه ها یا سال ها را شامل می شوند، از "سوگیری دید از پس" که دیدگاه فعلی شما را برای مطابقت با نتایج تغییر می دهد، مراقب باشید.
9. برای اینکه یک پیش بین فوق العاده باشید، رویکرد رشد ضروری است. اما همه تمرین مهارت را بهبود نمی بخشد. شما باید بدانید کدام اشتباهات را باید مراقب باشید و تمرین خود را با بازخورد واضح و به موقع همراه کنید. مراقب باشید که اعتماد به نفس شما سریعتر از دقت شما رشد نکند.
10. مشکل بی راه؟ آن را به زیر مشکلات قابل حل تقسیم کنید که می توانید آنها را به عنوان قابل شناخت و ناشناخته تشخیص دهید. سوال بزرگ "آیا جنگ دیگری در کره خواهد بود؟" بسیار سخت تر از "چه تعدادی از آزمایش های هسته ای کره شمالی است؟" و "آیا کره شمالی یک حمله سایبری به کره جنوبی را راه اندازی خواهد کرد؟" قابل سنجش است.
11. تعادل مناسبی بین دیدگاه های داخلی و خارجی برقرار کنید. دیدگاه های داخلی خاص موقعیت هستند، مانند رویدادهای اخیر. دیدگاه های خارجی عمومی تر هستند، یعنی چقدر موقعیت مورد نظر به طور متوسط رخ می دهد. تاریخ معمولاً تکرار می شود. حتی رویدادهای به ظاهر منحصر به فرد می توانند به روندها مرتبط باشند، که سپس با دیدگاه های داخلی مقایسه می شوند.
12. به شواهد واکنش نشان ندهید، اما زیر واکنش نیز نشان ندهید. پیش بینی همه چیز در مورد مشاهده و تعادل است. پیش بینان فوق العاده چابک هستند، اما بی دلیل جهش نمی زنند. وقتی پیش بینی خود را به روز می کنید، ممکن است کسل کننده یا حتی ناخوشایند باشد، اما در بلند مدت ارزشمند است. بهترین پیش بینان معمولاً احتمالات را به طور تدریجی به روز می کنند، مانند از 0.4 به 0.35.
13. "پیش بینی چشم پروانه" تعقیب بحث های نقطه به نقطه است، یعنی "از طرف دیگر..." این روش در دنیای پیش بینی رایج است زیرا بهترین پیش بینان دقیق هستند، اما مایل به ارزیابی همه طرف ها. پیش بینان فوق العاده اغلب در آزمون های بازدید فعال با ذهن باز، مانند یکی از روانشناسان جاناتان بارون در دانشگاه پنسیلوانیا، نمره بالایی می گیرند.
14. خود را از نیروهای علیتی که در مشکل شما در حال کار هستند، آگاه کنید. اطلاعاتی که در تضاد هستند، به اندازه یا حتی بیشتر از شواهدی که فرضیه شما را پشتیبانی می کنند، مهم هستند. همانطور که یک پروانه چندین تصویر را می بیند و آنها را همه با هم به یک تصویر ترکیب می کند، باید پیش بینان نیز با دیدگاه های متضاد این کار را انجام دهند.
15. هنگامی که یک سوال را تجزیه و تحلیل می کنید، شما قادر خواهید بود احتمالات مختلفی را که از "دور" تا "تقریباً قطعاً" متغیر است، تعیین کنید. هر چه بتوانید درجات بیشتری از عدم قطعیت را تشخیص دهید، پیش بین بهتری خواهید شد. در ابتدا غیرطبیعی به نظر می رسد، اما با صبر و تمرین شما قادر خواهید بود حدس های مبهم را به احتمالات عددی ترجمه کنید.
16. تعادل سالمی بین اعتماد به نفس زیاد و کم اعتمادی برقرار کنید.پیش بینی کنندگان برتر نه به سرعت به قضاوت می اندازند و نه خیلی طولانی در نزدیکی "شاید" می مانند. دقت طولانی مدت نیاز به کالیبراسیون و وضوح، احتیاط و قاطعیت دارد. بر روی آزمایش های خود تشریح بعد از مرگ انجام دهید تا بیاموزید که چه چیزی کار کرد و راه حل های خلاقانه ای برای اشتباهاتی که پیدا می کنید، بیابید.
17. دید از پس به جلو بیش از 20/20 است، به خصوص اگر شما پیش بینی کرده اید. یک سقوط رایج برای جلوگیری از آن "توجه به دید از پس به جلو" است. شکست های خود را بپذیرید. از نادیده گرفتن نقص ها در فرضیات اصلی خود خودداری کنید. شما ممکن است در مسیر درست باشید اما به دلیل یک خطای فنی جزئی از مسیر انحراف پیدا کرده اید.
18. الگوریتم های پیچیده ای که در کامپیوترهای برتر تغذیه می شوند، ممکن است به زودی تلاش های پیش بینی را تکمیل کنند. قضاوت انسانی می تواند از دیدگاه دوم بدون احساس بهره مند شود، اما در حال حاضر، فقط انسان ها می توانند معنای انسانی را درک کنند. "تفاوتی بین تقلید و بازتاب معنا و ایجاد معنا وجود دارد"، مهندس ارشد واتسون، دیوید فروچی گفت.
19. اگر قصد دارید تیمی از پیش بینی کنندگان را با یک هدف واحد مجتمع کنید، موانعی وجود دارد که باید در نظر گرفت. پیش بینی کنندگان می توانند "فکر گروهی" را بپذیرند و خیلی موافقت کنند. به همین ترتیب، آنها می توانند به "تنبلی شناختی" سرازیر شوند، که این نگرش است که دیگران باید کار سخت را انجام دهند. قضاوت مستقل را در گروه حفظ کنید.
20. یادگیری نیاز به انجام دارد، با بازخورد خوبی که هیچ ابهامی در مورد اینکه آیا شما در مسیر درست هستید یا نه، نمی گذارد. تمرین مفید نیست اگر شما فقط از طریق حرکات پیش بینی بروید. پیش بینی برتر محصول تمرین عمیق و متفکرانه است. پیش بینی برتر نیاز به آگاهی دائمی دارد حتی وقتی سعی می کنید قوانین را رعایت کنید.

25 questions and answers

How can one improve their precision in making predictions?

View answer

One can improve their precision in making predictions by adopting the approach of super forecasters. This involves treating beliefs as hypotheses to be tested rather than treasures to be guarded. It's important to be super open-minded and precise when making a prediction. Unpacking the question into components, distinguishing known and unknown parts, and putting the problem into a comparative perspective can help. It's also crucial to adjust views in light of new information as often as necessary.

What is the role of hypotheses testing in super forecasting?

View answer

In super forecasting, hypotheses testing plays a crucial role. Super forecasters view beliefs as hypotheses to be tested, not treasures to be guarded. They break down the problem into components, identify what they know and what they don't, and then test these hypotheses. They adjust their views in light of new information as often as necessary. This process of hypotheses testing helps them make precise judgments and accurate predictions.

How can one develop the capacity for self-critical thinking required for super forecasting?

View answer

One can develop the capacity for self-critical thinking required for super forecasting by treating beliefs as hypotheses to be tested, not treasures to be guarded. It's important to be super open-minded and precise when making predictions. Unpacking the question into components, distinguishing known and unknown parts, and putting the problem into a comparative perspective that downplays the situation's uniqueness can also help. It's also crucial to adjust views in light of new information as often as necessary.

View all 25 questions

Ask follow up

خلاصه

برای یک پیش بینی کننده برتر خوب بودن چه چیزی لازم است؟

پیش بینی کنندگان مشهور مثل تام فریدمن در زمان بحران فراخوانده می شوند تا بر اساس رویدادهای کنونی تصمیمات طولانی مدت را کمک کنند. شما نیازی به این ندارید که یک مشهور باشید تا پیش بینی های دقیق انجام دهید، با این حال، بسیاری از "پیش بینی کنندگان برتر" با نرخ دقت بالا ناشناخته هستند. پیش بینی یک مهارت است که باید یاد گرفته و به طور مداوم به آن مسلط شد.

24 questions and answers

What is the impact of technology on super forecasting?

View answer

Technology has a significant impact on super forecasting. It allows for the collection and analysis of vast amounts of data, which can improve the accuracy of predictions. Machine learning and AI can also be used to identify patterns and trends that may not be apparent to human forecasters. However, the question is not directly related to the content provided.

How does super forecasting relate to decision science?

View answer

Super forecasting is a critical aspect of decision science. It involves making accurate predictions about future events, which can then be used to inform decision-making processes. This is particularly important in situations where decisions have long-term implications. Super forecasters, who have high accuracy rates, are skilled at making these predictions and their work can greatly enhance the effectiveness of decision science.

What are the ethical considerations in forecasting?

View answer

Ethical considerations in forecasting include ensuring accuracy, avoiding bias, maintaining transparency, and considering the potential impacts of the forecast. Forecasters should strive to provide the most accurate predictions possible, avoiding any personal or political biases that may skew the results. They should also be transparent about their methods and the potential margin of error in their forecasts. Additionally, forecasters should consider the potential impacts of their predictions and strive to minimize any potential harm.

View all 24 questions

Ask follow up

برای یک پیش بینی کننده قابل اعتماد و مطمئن، شما باید به تجربیات جدید باز باشید. کافی نیست که با ذهن باز باشید؛ شما باید به شدت با ذهن باز باشید تا ایده ها و نظرات پیش فرض خود را برای به دست آوردن پیش بینی دقیق تری فدا کنید.

متأسفانه، هیچ فرمول جادویی وجود ندارد که پیش بینی کنندگان می توانند به آن متوسل شوند - فقط اصول گسترده ای با بسیاری از هشدارها. با این حال، تعداد زیادی از روش های پیش بینی آزموده و واقعی وجود دارد که می توانند شما را در سفر خود یاری کنند.

گلدیلاکس درست بود

وقتی با یک سوال بزرگ مواجه می شوید، وضعیت را تقسیم و تحلیل کنید. یعنی، تمرکز خود را بر روی سوالاتی قرار دهید که کار سخت شما احتمالاً می تواند موثر باشد، به جای سوالات سخت یا آسان. برای روش "گلدیلاکس" بروید، یعنی.جایی در میانه شروع کنید و به سمت بیرون کار کنید.

اگر می خواستید پیش بینی را در یک کلمه خلاصه کنید، ممکن است آن کلمه "تعادل" باشد. این به معنی این نیست که پیش بینی های شما همیشه باید در میانه باشد، بلکه باید همه چیز را در نظر بگیرید حتی اگر با دیدگاه فعلی شما متفاوت باشد. بازرسی نزدیک ممکن است عاملی را که به آن فکر نکرده اید معرفی کند که مسیر احتمالات شما را تغییر می دهد.

25 questions and answers

What are some books or resources for further learning about the balance approach in forecasting?

View answer

Some recommended books for further learning about the balance approach in forecasting include 'Forecasting: Principles and Practice' by Rob J Hyndman and George Athanasopoulos, 'Predictive Analytics: The Power to Predict Who Will Click, Buy, Lie, or Die' by Eric Siegel, and 'Superforecasting: The Art and Science of Prediction' by Philip E. Tetlock and Dan Gardner. Online resources such as Coursera and edX also offer courses on forecasting and predictive analytics.

How can the balance approach in forecasting be used to predict trends in the stock market?

View answer

The balance approach in forecasting can be used to predict trends in the stock market by considering all factors, even those that may contradict current views. This approach allows for a more comprehensive analysis, potentially revealing factors that could significantly alter market trends.

What are some industries where the balance approach in forecasting is particularly useful?

View answer

The balance approach in forecasting is particularly useful in industries that are subject to rapid change and uncertainty, such as technology, finance, and energy. It's also beneficial in supply chain management, healthcare, and retail where understanding and predicting consumer behavior is crucial.

View all 25 questions

Ask follow up

آن را Fermi-ize کنید

فیزیکدان ایتالیایی آمریکایی انریکو فرمی، یکی از شخصیت های مرکزی در اختراع بمب اتمی، یک معمای پیش بینی را مطرح کرد که می پرسد چند تن آهنگساز پیانو در شیکاگو هستند.

بدون نگاه کردن به اینترنت یا صفحات زرد، یک پیش بین می تواند با دانستن چهار چیز، پاسخ تحصیلی ای ارائه دهد:

• تعداد پیانوهای موجود در شیکاگو
• چقدر پیانوها در هر سال کوک شده اند
• زمان لازم برای کوک کردن یک پیانو
• تعداد ساعاتی که یک آهنگساز پیانو در سال کار می کند

فرمی آموخت که شکستن سوال می تواند قابل شناخت و ناشناخته را از این لیست جدا کند. با وجود طبیعت تصادفی پاسخ ها، نتیجه معمولاً دقیق تر از یک حدس تصادفی است. بسیاری از افراد این معما را امتحان کرده اند، اما یک ارائه توسط روانشناس دانیل لویتین نشان می دهد چگونه می توان به یک راه حل رسید.

• برای اولین پاسخ، یک بازه اطمینان تنظیم کنید - یک بازه که 90٪ مطمئن هستید که پاسخ صحیح را در بر می گیرد. لویتین حدس زد که شیکاگو حدود 2.5 میلیون نفر جمعیت دارد زیرا کوچکتر از لس آنجلس است اما به اندازه کافی بزرگ است تا بیش از 1.5 میلیون ساکن را در خود جای دهد.
• سپس، لویتین فرض کرد که یک پیانو ممکن است نیاز به کوک شدن یک بار در سال داشته باشد.
• از آنجا که پیانوها برای بیشتر خانواده ها گران هستند، لویتین حدس زد که 1/100 خانه ها در شیکاگو یک پیانو دارند. این عدد زمانی که مدارس، سالن های کنسرت، و غیره را در نظر بگیرید که بیش از یک پیانو دارند، دو برابر می شود. 2.5 میلیون نفر جمعیت x 2/100 (2٪) = 50،000 پیانو در شیکاگو.
• سپس، لویتین حدس زد که حدود دو ساعت طول می کشد تا یک پیانو کوک شود.
• با فرض اینکه یک آهنگساز پیانو 40 ساعت در هفته کار می کند به علاوه دو هفته تعطیلات و حدود 20٪ از زمان خود را برای رانندگی از کار به کار صرف می کند، میانگین آهنگساز پیانو ممکن است 1,600 ساعت در سال کار کند.

Ask follow up

بنابراین، اگر 50،000 پیانو نیاز به کوک شدن یک بار در سال داشته باشند، و طول می کشد دو ساعت برای کوک کردن یک پیانو، این می آید به 100،000 ساعت کل کوک پیانو. اگر این را تقسیم کنید بر ساعات سالانه کاری یک آهنگساز پیانو، این می آید به 62.5 آهنگساز پیانو در شیکاگو. لویتین 83 لیست برای آهنگسازان پیانو در شیکاگو پیدا کرد، اما بسیاری از آنها تکراری بودند، مانند کسب و کارهایی که بیش از یک شماره تلفن داشتند. بنابراین، یک شماره دقیق معلوم نیست، اما محاسبه لویتین نشان می دهد چقدر می توانید نزدیک باشید.

Ask follow up

پیش بینی گام به گام: بیایید یک قتل را حل کنیم

یک سوال مطرح کنید. برای مثال، فرض کنید که شما یک کارآگاه قتل هستید و باید بفهمید که کی این کار را انجام داده است. بر خلاف تلویزیون، سرنخ ها قبل از وقفه تبلیغاتی بعدی در دست شما نخواهد افتاد.

• اول، نگاهی به دیدگاه خارجی بیندازید: به آمار به عنوان نرخ پایه مراجعه کنید. FBI می گوید که 28.3٪ از قربانیان قتل توسط کسی که آنها را می شناسند کشته می شوند، بنابراین 28.3٪ احتمال دارد قربانی قاتل خود را بشناسد. همچنین، 9٪ احتمال دارد که یک غریبه باشد.
• سپس، نگاهی به دیدگاه داخلی بیندازید: واقعیت های خاص این پرونده را بررسی کنید. کی توانایی، ابزار و انگیزه برای کشتن این شخص را داشت؟ احتمال خود را بر اساس هر مظنون بالا و پایین تنظیم کنید. با مشخص ترین شروع کنید و راه خود را به بیرون حرکت دهید. (به همین دلیل همیشه نگاهی به همسر یا همراه معنی دار اول می اندازند.) اگر قربانی اخیراً با همراه خود دعوا کرده بود، احتمال اینکه این شخص آنها را کشته است، افزایش می یابد. اگر این همراه یک الیبی قابل اثبات داشت، احتمال کاهش می یابد. توجه: روی احساسات اولیه خود گیر نکنید، اما آنها را نادیده نگیرید. آسان است که به یک پیش بینی متصل شوید و اطلاعاتی را برای حمایت از آن پیدا کنید، به جای وزن دادن به تمام گزینه ها.
• حالا، دو دیدگاه را برای ایجاد یک پیش بینی ترکیب کنید. فرض کنید قربانی دیده شده است که شب که کشته شد، به ماشینی سوار می شود. شما یک فرد را شناسایی کرده اید که با قربانی کار می کرد و همان نوع ماشین را رانده است. همکاران می گویند که این فرد به قربانی وسواس داشت. الیبی آنها ضعیف است. آنها مظنون قوی تری به نظر می رسند. فرض کنید شما به یک احتمال 75٪ می رسید که این شخص مقصر شما است.
• همکاران شما فرض کنند که قضاوت شما اشتباه است و تخمین های خود را بزنند. پژوهشگران پیدا کرده اند که ترکیب قضاوت اولیه شما با دومی که توسط دیگران انجام شده است، اغلب دقیق تر است. روش دیگری برای رویکرد به این موضوع این است که چند هفته از تخمین اولیه خود فاصله بگیرید (اگر در خارج از یک پرونده قتل، لوکس زمان را داشته باشید) قبل از اینکه از همتایان خود بخواهید یکی از خودشان را بسازند. همچنین، می توانید پس از یک وقفه، تخمین دوم خود را بزنید، همانطور که سرمایه گذار بیلیونر، جورج سوروس انجام می دهد. سوروس اغلب این روش را به عنوان یک بخش کلیدی از موفقیت خود نقل کرده است.

Ask follow up

روانشناسانی که از افسران پلیس آزمایش می کنند، فاصله زیادی بین اعتماد به نفس و مهارت آنها می یابند. هرچه افسران تجربه بیشتری کسب می کنند، این فاصله افزایش می یابد. از افزایش اعتماد به نفس سریع تر از دقت خود بپرهیزید.

به روز رسانی های مکرر، اما کم کم

آماردانان با یک تجربه فکری آشنا خواهند بود که در قرن 18 توسط کشیش پرسبیترین، توماس بیز پیشنهاد شد. او "مقاله ای در راه حل یک مشکل در دکترین احتمالات" نوشت که توسط دوستش، ریچارد پرایس در سال 1761 پس از مرگ او پالایش و منتشر شد.

اصولاً، این قضیه می‌گوید که باور جدید شما باید بستگی به باور قبلی شما داشته باشد، که با ارزش تشخیصی اطلاعات جدید ضرب می‌شود.

در حالی که پیش‌بینی‌کنندگان باید دارای توانایی عددی باشند، آن‌ها نیازی به استفاده از جبر هر زمان که می‌خواهند پیش‌بینی کنند، ندارند. آنچه بیشتر اهمیت دارد، بینش اصلی بیز است که با به‌روزرسانی به نسبت وزن شواهد، به تدریج به حقیقت نزدیک‌تر می‌شود.

با بازگشت به مثال قتل، شما ممکن است احتمال یک فرد به عنوان قاتل خود را افزایش دهید زمانی که متوجه شوید که آن‌ها در مورد مکان خود دروغ گفته‌اند. اگر بیش از حد واکنش نشان دهید و فکر کنید، "آها! من الان 99٪ مطمئن هستم" می‌توانید ناشناخته‌ها را نادیده بگیرید، مانند دلایل دروغ گفتن آن‌ها (برای نجات شغل خود، برای حفظ احساسات همسرشان، و غیره).

Ask follow up

پیش‌بینی ناپیش‌بینی‌پذیر

فراموش نکنید که در موقعیت‌هایی که می‌توانند همه چیز را از یک شب به شب دیگر تغییر دهند، عامل باشید. بهتر است کمی از خودتان فضایی برای "فقط در صورت لزوم" بگذارید تا فرض کنید همه چیز طبق برنامه پیش خواهد رفت.

در سال 2010، یک فروشنده میوه فقیر تونسی توسط افسران پلیس فاسد سرقت شد - متأسفانه، یک واقعه رایج در آن زمان. بعد از آن روز، او خود را در مقابل دفتر شهر آتش زد. اعتراضات شروع شد. دیکتاتور تونس، رئیس‌جمهور زین العابدین بن علی کشور را ترک کرد. با این حال، بی‌قراری مدنی در سراسر جهان عرب ادامه یافت و منجر به تعدادی از شورش‌ها و جنگ‌های داخلی شد. چه کسی می‌توانست پیش‌بینی کند که خودسوزی یک مرد باعث "بهار عربی" خواهد شد؟

Ask follow up

ممکن است یک موقعیت به عنوان "بشکه باروت آماده برای انفجار" شناخته شود، اما تقریباً غیرممکن است بگوییم چه چیزی فیوز را روشن خواهد کرد.

متورولوژیست آمریکایی ادوارد لورنز کشف کرد که تغییرات کوچک ورودی داده در الگوهای هواشناسی شبیه‌سازی شده کامپیوتر می‌تواند پیش‌بینی‌های بلندمدت بسیار متفاوتی ایجاد کند. بینش او، که در یک مقاله با عنوان "پیش‌بینی: آیا پریدن بال یک پروانه در برزیل یک گردباد را در تگزاس روشن می‌کند؟" منتشر شد، الهام‌بخش نظریه هرج و مرج شد.

Ask follow up

پیش‌بینی‌ها در همه‌جا هستند

قابلیت پیش‌بینی چیزی بستگی به آن دارد که ما چه چیزی را می‌خواهیم پیش‌بینی کنیم، چقدر دور در آینده، و تحت چه شرایطی. پیش‌بینی هوای فردا بسیار دقیق‌تر از یکی پنج روز بعد خواهد بود زیرا همانطور که لورنز کشف کرد، بین حالا و آن زمان بسیار چیزهایی می‌تواند تغییر کند.

اینترنت پر از پیش‌بینی‌ها است. یک سریع به آمازون نشان می‌دهد که پیش‌بینی الگوریتم از سایر مواردی که ممکن است دوست داشته باشید برای خرید. وقتی شما بازخورد در مورد توصیه‌ها ارائه می‌دهید، الگوریتم پیش‌بینی‌های خود را به آرامی به‌روز می‌کند.

زندگی پر از پیش‌بینی‌های عادی است. شما ابرها را در افق می‌بینید و یک چتر می‌گیرید. قوانین علمی مانند فازهای ماه می‌توانند هوا را با دقت کافی برای برنامه‌ریزی کشاورزی پیش‌بینی کنند.اما پیش بینی کردن اینکه کی باید در هفته مخزن بنزین خود را پر کنید چون ممکن است خط لوله توسط هکرها حمله شود و قیمت ها را بالا ببرد، بسیار سخت تر است.

Ask follow up

اشتباه کردن (و فرض کردن) انسانی است

یک "آزمون بازتاب شناختی" معروف اکنون توسط شین فردریک، استاد علوم مدیریت در مؤسسه فناوری ماساچوست، معرفی شد. این سوال ظاهرا آسان را مطرح می کند:

"یک چوب بیسبال و توپ 1.10 دلار هزینه می کند. چوب بیسبال یک دلار بیشتر از توپ هزینه دارد. توپ چقدر هزینه دارد؟"

بیشتر مردم فورا فکر می کنند، $0.10. اگر بیشتر در مورد آن فکر کنید، متوجه می شوید که این پاسخ اشتباه است. مغز ما به طور خودکار به "دلار" می افتد و نه "بیشتر". اگر توپ $0.10 هزینه کند و چوب بیسبال یک دلار بیشتر ($1.10) هزینه داشته باشد، پس هزینه کل $1.20 خواهد بود. بنابراین، پاسخ صحیح $0.05 است.

روانشناسان مدرن این پدیده را به تقسیم کاری مغز انسان به دو سیستم نسبت می دهند. سیستم یک، ناخودآگاه است. این تصمیمات شناختی و ادراکی خودکار را اتخاذ می کند، و بسیار سریع عمل می کند. سیستم دو، ذهن آگاه ما است، یا هر چیزی که ما انتخاب می کنیم که در حال حاضر روی آن تمرکز کنیم. سیستم یک بر اساس تجربه تاریخی، دانش موجود، گرایش ها، و سایر عواملی که "حس" درست است اما لزوما صحیح نیست، تصمیمات لحظه ای می گیرد.

Ask follow up

برای اینکه یک پیش بینی بسیار خوب باشید، باید از سیستم یک و چگونگی عملکرد حیاتی آن که گاهی می تواند داوری افراد باهوش را مختل کند، آگاه باشید.

اهمیت پیش بینی های انسانی

با وجود نقص و تعصبات انسانی، آنها همچنان یک جزء ضروری از پیش بینی در آینده خواهند بود. ظهور کامپیوترهای فوق العاده و هوش مصنوعی باعث می شود فرض کنیم که می توانیم تمام پیش بینی ها را به ماشین ها بسپاریم. هربرت سایمون، یک چندمدانه، در سال 1965 پیش بینی کرد که فقط 20 سال دیگر تا دنیایی خواهیم داشت که در آن ماشین ها می توانند "هر کاری را که مرد می تواند انجام دهد" انجام دهند.

Ask follow up

در حالی که این موضوع قطعا در بسیاری از صنایع خودکار صادق است، دلیلی وجود دارد که کامپیوترها و ربات ها هنوز توسط انسان ها نظارت می شوند. نویسندگان با مهندس ارشد واتسون، دیوید فروچی، که بیش از 30 سال در زمینه هوش مصنوعی کار کرده است، صحبت کردند. او توجه کرد که این روزها کامپیوترها بهتر می توانند الگوها را تشخیص دهند، اما یادگیری ماشینی نیازمند حضور انسان برای تغذیه فرآیند یادگیری است. هم اکنون، یک کامپیوتر می تواند یک واقعیت را بررسی کند، اما یک پیش بینی نیازمند حدس مطلع بر اساس اطلاعات فراوان است.

Ask follow up

مغز انسان شگفت انگیز است زیرا وظیفه جمع آوری داده ها و ارائه پیش بینی بسیار سخت است، و با این حال ما همیشه این کار را انجام می دهیم. بزرگترین مانع برای کامپیوترها اگر قرار باشد که یک روز جایگزین یک پیش بینی بسیار خوب شوند، درک است.انسان ها ممکن است در تقلید از معنای انسانی و بنابراین در پیش بینی رفتار انسانی بهتر شوند، همانطور که فروچی توجه داشت، اما "تفاوتی بین تقلید و بازتاب معنا و ایجاد معنا وجود دارد."

Ask follow up