Superforecasting: The Art and Science of Prediction

Synopsis

Saviez-vous qu'il est possible de faire des prédictions précises sur l'avenir sans avoir de pouvoirs psychiques? Avec la bonne pratique et les bonnes stratégies à explorer, vous pouvez devenir ce qu'on appelle un super prévisionniste.

Dans Superforecasting: The Art and Science of Prediction par le professeur de Wharton Philip E. Tetlock et le co-auteur Dan Gardner, les lecteurs apprennent quelles sont les qualités et les compétences qui font un super prévisionniste et comment vous pouvez appliquer ces connaissances à n'importe quelle situation. Vous apprendrez également à connaître des super prévisionnistes de tous les horizons et comment décomposer même les questions les plus difficiles pour obtenir les meilleurs résultats.

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

Top 20 des insights

1. La super prévision n'est pas une question de capacité à faire des calculs, mais de ce que vous en faites qui compte le plus. Un brillant résolveur de casse-tête sera désavantagé par rapport à une personne moins intelligente qui possède une grande capacité de pensée autocritique.
2. Pour les super prévisionnistes, les croyances sont des hypothèses à tester, non des trésors à garder. Ne soyez pas ouvert d'esprit, soyez super ouvert d'esprit. Cependant, lorsque vous faites une prédiction, soyez aussi précis que possible. Si la prédiction est trop vague, vous pouvez tomber dans l'"Effet Forer", où les gens supposent sa signification et l'appliquent à eux-mêmes.
3. Démontez la question en composants, puis distinguez les parties que vous connaissez de celles que vous ne connaissez pas. Ensuite, mettez le problème dans une perspective comparative qui minimise l'unicité de la situation.Examinez les facteurs qui mettent en valeur l'unicité d'une situation et synchronisez vos résultats pour rendre un jugement aussi précis que possible.
4. Les super prévisionnistes ajustent leurs points de vue à la lumière de nouvelles informations aussi souvent que nécessaire pour tirer la conclusion la plus précise. Équilibrez soigneusement l'ancien avec le nouveau et incorporez-les dans votre dernière prédiction. Mettez à jour souvent, mais par petites augmentations. Ce concept est parfaitement illustré en utilisant l'équation de mise à jour de croyance bayésienne.
5. Il y a deux dangers auxquels un prévisionniste est confronté après avoir fait une détermination initiale. L'un est la sous-réaction à de nouvelles informations (biais ou "persévérance de croyance"), et le second est de surréagir. Les deux peuvent diminuer la précision et dans les cas extrêmes, détruire une prévision parfaitement bonne. Ignorez les informations non pertinentes pour éviter l'effet de dilution sur vos informations, puis engagez-vous.
6. Faites ressortir le meilleur des autres et laissez les autres faire ressortir le meilleur de vous. L'équilibre que vous apprenez en prévision se traduira par la gestion d'équipe, surtout lorsque vous entendez différentes perspectives. L'ancien entraîneur des LA Dodgers, Tommy Lasorda, a dit que la gestion est "comme tenir une colombe". Tenez trop fort, tuez-la. Tenez trop lâche, perdez-la.
7. Modifiez la formulation d'une question pour obtenir une autre perspective. Par exemple : "Le gouvernement sud-africain accordera-t-il un visa au Dalai Lama dans les six mois ?" En plus des raisons pour lesquelles ils lui accorderaient un visa, examinez les raisons pour lesquelles ils ne le feraient pas.Changez le mot "accorder" par "refuser" et vous avez un nouveau critère pour la recherche.
8. Les prévisionnistes rencontrent plusieurs obstacles qui impactent la précision. Un langage vague tel que "part de marché significative" peut être interprété en fonction des biais du lecteur et non des faits. Le décalage temporel est un autre problème. Lorsque les prévisions s'étendent sur des mois ou des années, méfiez-vous du "biais de rétrospection" qui modifie votre perspective actuelle pour correspondre aux résultats.
9. Pour être un super prévisionniste, un état d'esprit de croissance est essentiel. Toute pratique n'améliore pas cependant la compétence. Vous devez savoir quelles erreurs surveiller, et associer votre pratique à des retours clairs et opportuns. Soyez prudent pour ne pas laisser votre confiance grandir plus vite que votre précision.
10. Problème inextricable ? Divisez-le en sous-problèmes gérables que vous pouvez identifier comme connaissables et inconnus. La grande question de, "Y aura-t-il une autre guerre de Corée ?" est beaucoup plus difficile à quantifier que "Quelle est la fréquence des essais nucléaires nord-coréens ?" et "La Corée du Nord va-t-elle lancer une cyber-attaque contre la Corée du Sud ?"
11. Trouvez le bon équilibre entre les vues internes et externes. Les vues internes sont spécifiques à la situation, comme les événements récents. Les vues externes sont plus génériques, c'est-à-dire combien de fois la situation en question se produit, en moyenne. L'histoire a tendance à se répéter. Même des événements apparemment uniques peuvent se rapporter à des tendances, qui sont ensuite pondérées contre les vues internes.
12. Ne réagissez pas de manière excessive aux preuves, mais ne sous-réagissez pas non plus.La prévision est une question d'observation et d'équilibre. Les super prévisionnistes sont agiles, mais ne sautent pas inutilement. Lorsque vous mettez à jour votre prédiction, cela peut être ennuyeux ou même inconfortable, mais cela en vaut la peine à long terme. Les meilleurs prévisionnistes ont tendance à mettre à jour les probabilités de manière incrémentielle, par exemple de 0,4 à 0,35.
13. La "prévision à l'œil de libellule" est la poursuite de discussions point par point, c'est-à-dire "d'un autre côté..." Cette méthode est courante dans le monde de la prévision car les meilleurs prévisionnistes sont précis, mais prêts à peser tous les côtés. Les super prévisionnistes obtiennent souvent des scores élevés aux tests d'ouverture d'esprit active, comme celui du psychologue Jonathan Baron de l'Université de Pennsylvanie.
14. Rendez-vous conscient des forces causales à l'œuvre dans votre problème. Les informations qui se heurtent sont tout aussi importantes, sinon plus, que les preuves qui soutiennent votre hypothèse. Tout comme une libellule voit plusieurs images et les synthétise toutes ensemble en une seule image, les prévisionnistes doivent le faire avec des points de vue opposés.
15. En disséquant une question, vous serez en mesure de déterminer diverses probabilités allant de "lointain" à "presque certain". Plus vous pouvez distinguer de degrés d'incertitude, meilleur prévisionniste vous deviendrez. Cela semble contre-intuitif au début, mais avec de la patience et de la pratique, vous serez en mesure de traduire des intuitions vagues en probabilités numériques.
16. Trouvez un équilibre sain entre la surconfiance et le manque de confiance.Les super prévisionnistes ne se précipitent pas pour juger, ni ne s'attardent trop longtemps près de "peut-être". Une précision à long terme nécessite une calibration et une résolution, une prudence et une décision. Faites des autopsies de vos expériences pour apprendre ce qui a fonctionné et trouver des solutions créatives aux erreurs que vous découvrez.
17. La rétrospection est supérieure à 20/20, surtout si vous avez fait une prédiction. Un piège courant à éviter est le "biais de rétrospection du rétroviseur". Assumez vos échecs. Ne négligez pas les défauts dans vos hypothèses de base. Vous auriez pu être sur la bonne voie mais avoir été dévié par une petite erreur technique.
18. Des algorithmes complexes alimentés dans des super ordinateurs pourraient bientôt compléter les efforts de prévision. Le jugement humain peut bénéficier d'une seconde perspective dépourvue d'émotion, mais pour l'instant, seuls les humains peuvent comprendre le sens humain. "Il y a une différence entre imiter et refléter le sens et originer le sens", a déclaré l'ingénieur en chef de Watson, David Ferrucci.
19. Il y a des obstacles à considérer si vous prévoyez de mettre en place une équipe de prévisionnistes avec un seul objectif. Les prévisionnistes peuvent adopter une "pensée de groupe" et devenir trop conciliants. De même, ils peuvent tomber dans la "paresse cognitive", qui est l'attitude que les autres devraient faire le gros du travail. Maintenez un jugement indépendant dans le groupe.
20. L'apprentissage nécessite de faire, avec un bon retour d'information qui ne laisse aucune ambiguïté sur le fait que vous êtes sur la bonne voie.La pratique n'est pas utile si vous vous contentez de passer par les mouvements de prévision. La super prévision est le produit d'une pratique profonde et délibérée. La super prévision nécessite une constante pleine conscience même lorsque vous essayez de suivre les règles.

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

Résumé

Que faut-il pour être un bon super prévisionniste ?

Des prévisionnistes célèbres comme Tom Friedman sont appelés en temps de crise pour aider à prendre des décisions à long terme basées sur les événements actuels. Vous n'avez pas besoin d'être une célébrité pour faire des prédictions précises, cependant, et de nombreux "super prévisionnistes" avec des taux de précision élevés sont méconnus. La prévision est une compétence à apprendre et à maîtriser continuellement.

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

Pour être un prévisionniste fiable et confiant, vous devez être ouvert à de nouvelles expériences. Il ne suffit pas d'être ouvert d'esprit ; vous devez être super ouvert d'esprit pour sacrifier vos propres idées préconçues et opinions pour le bien de la prédiction la plus précise.

Malheureusement, il n'existe pas de formule magique à laquelle les prévisionnistes peuvent se référer - juste des principes généraux avec beaucoup de réserves. Cependant, il existe un certain nombre de méthodes de prévision éprouvées qui peuvent vous aider dans votre parcours.

Boucle d'or avait raison

Lorsqu'on vous pose une grande question, triez la situation. C'est-à-dire, concentrez-vous sur les questions où votre travail acharné est susceptible de porter ses fruits, par opposition aux questions les plus difficiles ou les plus faciles. Optez pour l'approche "Boucle d'or", c'est-à-dire.commencez quelque part au milieu et travaillez votre chemin vers l'extérieur.

Ask follow up

Si vous deviez résumer la prévision en un mot, ce pourrait être "équilibre". Cela ne signifie pas que vos prédictions devraient toujours être quelque part au milieu, mais prenez tout en considération même si cela contraste avec votre point de vue actuel. Une inspection plus approfondie pourrait introduire un facteur auquel vous n'aviez pas pensé et qui modifie le cours de vos probabilités.

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

Fermi-isez-le

Le physicien italo-américain Enrico Fermi, figure centrale de l'invention de la bombe atomique, a posé une énigme pour la prévision qui demande combien de pianos sont accordés à Chicago.

Sans regarder sur internet ou les Pages Jaunes, un prévisionniste peut trouver une réponse éduquée s'il connaît quatre choses :

• Le nombre de pianos à Chicago
• La fréquence à laquelle les pianos sont accordés chaque année
• Le temps qu'il faut pour accorder un piano
• Le nombre d'heures par an que travaille le moyenne accordeur de piano

Fermi a enseigné que décomposer la question peut séparer le connaissable et l'inconnaissable de cette liste. Malgré la nature apparemment aléatoire des réponses, le résultat tend à être plus précis qu'une supposition aléatoire. Beaucoup ont tenté cette énigme, mais une présentation du psychologue Daniel Levitin montre comment trouver une solution.

Ask follow up

• Pour la première réponse, définissez un intervalle de confiance - une plage dont vous êtes sûr à 90% qu'elle contient la bonne réponse. Levitin a supposé que Chicago compte environ 2,5 millions d'habitants car elle est plus petite que Los Angeles mais assez grande pour accueillir plus de 1,5 million de résidents.
• Ensuite, Levitin a supposé qu'un piano pourrait avoir besoin d'être accordé une fois par an.
• Comme les pianos sont trop chers pour la plupart des familles, Levitin a supposé que 1/100 des maisons à Chicago possèdent un piano. Ce nombre est doublé lorsque vous prenez en compte les écoles, les salles de concert, etc. qui en possèdent plus d'un. 2,5 millions de résidents x 2/100 (2%) = 50 000 pianos à Chicago.
• Puis, Levitin a supposé qu'il faut environ deux heures pour accorder un piano.
• En supposant qu'un accordeur de piano travaille 40 heures par semaine plus deux semaines de vacances et passe environ 20% de son temps à se déplacer d'un travail à l'autre, l'accordeur de piano moyen pourrait travailler 1 600 heures par an.

Ask follow up

Par conséquent, si 50 000 pianos ont besoin d'être accordés une fois par an, et qu'il faut deux heures pour accorder un piano, cela représente 100 000 heures totales d'accordage de piano. Si vous divisez cela par le nombre d'heures travaillées annuellement par un accordeur de piano, cela donne 62,5 accordeurs de piano à Chicago. Levitin a trouvé 83 annonces pour des accordeurs de piano à Chicago, mais beaucoup d'entre elles étaient des doublons, comme des entreprises avec plus d'un numéro de téléphone. Donc, un nombre précis n'est pas connu, mais le calcul de Levitin montre à quel point vous pouvez vous rapprocher.

Ask follow up

Prévision étape par étape : résolvons un meurtre

Posez une question. Par exemple, disons que vous êtes un détective d'homicide et que vous devez découvrir qui l'a fait. Contrairement à la télévision, les indices ne tomberont pas sur vos genoux avant la prochaine pause publicitaire.

• D'abord, vérifiez la vue extérieure : Référez-vous aux statistiques comme taux de base. Le FBI dit que 28,3% des victimes d'homicide sont tuées par une personne qu'elles connaissent, donc il y a 28,3% de chances que la victime ait connu son meurtrier. De même, il y a 9% de chances que ce soit un étranger.
• Ensuite, vérifiez la vue intérieure : Examinez les faits spécifiques à ce cas. Qui avait la capacité, les moyens et le mobile pour tuer cette personne ? Ajustez votre pourcentage de chances en fonction de chaque suspect. Commencez par le plus évident et élargissez votre champ de recherche. (C'est pourquoi ils regardent toujours d'abord le conjoint ou le partenaire significatif.) Si la victime a eu une dispute récente avec leur partenaire significatif, la probabilité que cette personne les ait tués augmente. Si ce partenaire significatif avait un alibi vérifiable, la probabilité diminue. Note : Ne restez pas bloqué sur vos premières impressions, mais ne les ignorez pas non plus. Il est facile de s'accrocher à une prédiction et de trouver des informations pour la soutenir, plutôt que de peser toutes les options.
• Maintenant, fusionnez les deux vues pour créer une prédiction synthétisée. Disons que la victime a été vue montant dans une voiture la nuit où elle a été tuée.Vous avez identifié une personne qui a travaillé avec la victime et qui conduit le même type de voiture. Les collègues disent que cette personne était obsédée par la victime. Leur alibi est faible. Ils semblent être le suspect le plus probable. Disons que vous estimez à 75% la probabilité que cette personne soit votre coupable.
• Demandez à vos collègues de supposer que votre jugement est erroné et de faire leurs propres estimations. Les chercheurs ont découvert que la combinaison de votre premier jugement avec un second fait par d'autres est souvent plus précise. Une autre façon d'aborder cela est de prendre du recul par rapport à votre première estimation pendant plusieurs semaines (si vous avez le luxe du temps en dehors d'une affaire de meurtre) avant de demander à des pairs de faire l'une des leurs. De même, vous pouvez faire votre propre second jugement après une pause, comme le fait l'investisseur milliardaire George Soros. Soros a souvent cité cette méthode comme une partie clé de son succès.

Ask follow up

Les psychologues qui testent les policiers constatent un grand écart entre leur confiance et leur compétence. À mesure que les officiers acquièrent de l'expérience, cet écart s'agrandit. Méfiez-vous de la confiance qui grandit plus vite que la précision.

Mettez à jour souvent, mais petit à petit

Les statisticiens seront familiers avec une expérience de pensée proposée au XVIIIe siècle par le ministre presbytérien, Thomas Bayes. Il a écrit "Un essai pour résoudre un problème dans la doctrine des chances", qui a été affiné et publié à titre posthume en 1761 par son ami, Richard Price.

Essentiellement, le théorème dit que votre nouvelle croyance devrait dépendre de votre croyance antérieure, multipliée par la valeur diagnostique de la nouvelle information.

Bien que les super prévisionnistes devraient être numérates, ils n'ont pas besoin de se tourner vers l'algèbre chaque fois qu'ils veulent faire une prédiction. Ce qui compte davantage, c'est l'aperçu central de Bayes d'approcher progressivement de la vérité en mettant à jour en proportion du poids de la preuve.

Ask follow up

En revenant à l'exemple de l'homicide, vous pourriez augmenter la probabilité qu'un sujet soit votre tueur une fois que vous découvrez qu'ils ont menti sur leur emplacement. Si vous réagissez de manière excessive et pensez, "Ah ha! Je suis sûr à 99% maintenant" vous pouvez négliger des inconnues, telles que les raisons pour lesquelles ils ont menti (pour sauver leur emploi, pour épargner les sentiments de leur conjoint, etc.).

Ask follow up

Prédire l'imprévisible

N'oubliez pas de prendre en compte les situations qui pourraient tout changer du jour au lendemain. Il vaut mieux se donner un peu de marge de manœuvre "au cas où" que de supposer que tout se passera comme prévu.

En 2010, un pauvre vendeur de fruits tunisien a été volé par des policiers corrompus - malheureusement, un événement courant à l'époque. Plus tard ce jour-là, il s'est immolé par le feu devant le bureau de la ville. Des protestations ont éclaté. Le dictateur de la Tunisie, le président Zine el-Abidine Ben Ali a fui le pays. Pourtant, l'agitation civile a continué à travers le monde arabe et a entraîné un certain nombre de rébellions et de guerres civiles.Qui aurait pu prédire qu'une auto-immolation d'un homme provoquerait le "Printemps arabe" ?

Ask follow up

Une situation peut être identifiée comme une "poudrière prête à exploser", mais il est presque impossible de dire ce qui allumera la mèche.

Le météorologue américain Edward Lorenz a découvert que de minuscules variations de saisie de données dans les modèles météorologiques simulés par ordinateur pouvaient produire des prévisions à long terme radicalement différentes. Son insight, publié dans un article intitulé, "Prévisibilité : Est-ce que le battement d'aile d'un papillon au Brésil déclenche une tornade au Texas ?" est devenu l'inspiration pour la théorie du chaos.

Ask follow up

Les prédictions sont partout

La prévisibilité de quelque chose dépendra de ce que nous voulons prédire, de combien de temps à l'avance, et dans quelles circonstances. La prévision météorologique de demain sera beaucoup plus précise que celle de cinq jours à partir de maintenant car comme Lorenz l'a découvert, beaucoup de choses peuvent changer entre maintenant et alors.

Ask follow up

L'internet est plein de prévisions. Une visite rapide à Amazon illustre la prédiction de l'algorithme d'autres articles que vous pourriez aimer acheter. Lorsque vous donnez votre avis sur les recommandations, l'algorithme met à jour ses prédictions de manière très légère.

La vie est pleine de prédictions banales aussi. Vous voyez des nuages à l'horizon et vous prenez un parapluie. Les lois scientifiques comme les phases de la lune peuvent prédire le temps avec une précision suffisante pour planifier l'agriculture.Mais, il est beaucoup plus difficile de prévoir quand vous devriez remplir votre réservoir d'essence cette semaine parce que le pipeline pourrait être attaqué par des pirates informatiques et faire monter les prix.

Ask follow up

Se tromper (et supposer) est humain

Un désormais célèbre "Test de Réflexion Cognitive" a été introduit par Shane Frederick, un professeur de science de gestion au Massachusetts Institute of Technology. Il pose cette question apparemment facile :

"Une batte et une balle coûtent 1,10 $. La batte coûte un dollar de plus que la balle. Combien coûte la balle ?"

La plupart des gens pensent immédiatement, 0,10 $. Si vous y réfléchissez plus attentivement, vous constatez que cette réponse est incorrecte. Nos cerveaux se fixent automatiquement sur le "dollar" et non sur le "plus". Si la balle coûte 0,10 $ et que la batte coûte un dollar de plus (1,10 $), alors le coût total sera de 1,20 $. Par conséquent, la réponse correcte est 0,05 $.

Ask follow up

Les psychologues modernes attribuent ce phénomène à une division de la fonction cérébrale humaine en deux systèmes. Le Système Un est le subconscient. Il prend des décisions cognitives et perceptuelles automatiques, et très rapidement à cela. Le Système Deux est notre esprit conscient, ou ce que nous choisissons de concentrer à l'instant. Le Système Un prend des décisions en une fraction de seconde basées sur l'expérience historique, les connaissances existantes, les prédispositions et d'autres facteurs qui "semblent" justes mais ne sont pas nécessairement corrects.

Ask follow up

Pour être un super prévisionniste, vous devrez être conscient du Système Un et de la manière dont ses opérations vitales peuvent parfois entraver le jugement des personnes intelligentes.

L'importance des prédictions humaines

Aussi imparfaits et biaisés que puissent être les humains, ils resteront un composant nécessaire des prévisions à l'avenir. L'avènement des superordinateurs et de l'intelligence artificielle rend tentant de supposer que nous pouvons laisser toutes les prédictions aux machines. Le polymathe Herbert Simon a prédit en 1965 que nous n'étions qu'à 20 ans d'un monde où les machines pourraient faire "tout travail qu'un homme peut faire."

Ask follow up

Bien que cela soit certainement le cas dans de nombreuses industries automatisées, il y a une raison pour laquelle les ordinateurs et les robots sont toujours supervisés par des humains. Les auteurs ont parlé à l'ingénieur en chef de Watson, David Ferrucci, qui travaille dans l'intelligence artificielle depuis plus de 30 ans. Les ordinateurs sont mieux capables de repérer des modèles de nos jours, a-t-il noté, mais l'apprentissage automatique nécessite la présence d'humains pour alimenter le processus d'apprentissage. En ce moment, un ordinateur peut rechercher un fait, mais une prévision nécessite une supposition éclairée basée sur une myriade d'informations.

Ask follow up

Le cerveau humain est merveilleux parce que la tâche de compiler des données et de faire une prévision est extrêmement difficile, et pourtant nous le faisons tout le temps. Le plus grand obstacle pour les ordinateurs s'ils doivent jamais remplacer un super prévisionniste est la compréhension.Les humains peuvent devenir meilleurs pour imiter le sens humain et donc meilleurs pour prédire le comportement humain, a noté Ferrucci, mais "il y a une différence entre imiter et refléter le sens et origine du sens."

Ask follow up