Superprognostisering: Konsten och vetenskapen om förutsägelser

Sammanfattning

Visste du att det är möjligt att göra korrekta förutsägelser om framtiden utan psykiska krafter? Med rätt övning och strategier att utforska kan du bli vad som kallas en super prognosställare.

I Superprognostisering: Konsten och vetenskapen om förutsägelser av Wharton-professorn Philip E. Tetlock och medförfattaren Dan Gardner lär sig läsarna om de egenskaper och färdigheter som gör en super prognosställare och hur du kan tillämpa kunskapen i alla situationer. Du kommer också att lära dig om verkliga super prognosställare från alla samhällsskikt och hur man bryter ner även de svåraste frågorna för att uppnå de bästa resultaten.

Topp 20 insikter

1. Super prognostisering handlar inte om förmågan att knäcka siffror, utan vad du gör med det som betyder mest. En lysande pussellösare kommer att vara i nackdel jämfört med en mindre intelligent person som har en stor kapacitet för självkritiskt tänkande.
2. För super prognosställare är övertygelser hypoteser som ska testas, inte skatter som ska skyddas. Var inte öppensinnad, var super öppensinnad. Men när du gör en förutsägelse, var så exakt som möjligt. Om förutsägelsen är för vag kan du stöta på "Forer-effekten," där människor antar dess betydelse och tillämpar den på sig själva.
3. Packa upp frågan i komponenter, skilj sedan ut vilka delar du känner till och vilka du inte gör. Sedan, sätt problemet i ett jämförande perspektiv som tonar ner situationens unikhet.Titta på faktorer som framhäver en situations unikhet och synkronisera dina fynd för att göra en så exakt bedömning som möjligt.
4. Superprognoser justerar sina åsikter i ljuset av ny information så ofta som nödvändigt för att dra den mest exakta slutsatsen. Balansera noggrant det gamla med det nya och införliva dem i din senaste prognos. Uppdatera ofta, men i små steg. Detta koncept illustreras perfekt med hjälp av Bayesianska tro-uppdateringsekvationen.
5. Det finns två faror en prognosmakare står inför efter att ha gjort en första bedömning. Den ena är underreaktion på ny information (bias eller "trohållfasthet"), och den andra är att överreagera. Båda kan minska noggrannheten och i extrema fall förstöra en perfekt bra prognos. Ignorera irrelevant information för att undvika utspädningseffekten på din information, och engagera dig sedan.
6. Framhäv det bästa hos andra och låt andra framhäva det bästa hos dig. Balansen du lär dig i prognostisering kommer att översättas till teamhantering, särskilt när du hör olika perspektiv. Tidigare LA Dodgers-tränare Tommy Lasorda sa att ledning är "som att hålla en duva." Håll för hårt, döda den. Håll för löst, förlora den.
7. Justera formuleringen av en fråga för att få ett annat perspektiv. Till exempel: "Kommer den sydafrikanska regeringen att bevilja Dalai Lama ett visum inom sex månader?" Förutom skälen till att de skulle bevilja honom ett visum, titta på skälen till att de inte skulle göra det.Ändra ordet "bevilja" till "förneka" och du har ett nytt kriterium för forskning.
8. Prognosmakare stöter på flera hinder som påverkar noggrannheten. Otydligt språk som "betydande marknadsandel" kan tolkas baserat på läsarens fördomar och inte fakta. Tidsfördröjning är ett annat problem. När prognoser sträcker sig över månader eller år, var försiktig med "efterklokhetens bias" som ändrar ditt nuvarande perspektiv för att matcha resultaten.
9. För att vara en super prognosmakare är en tillväxtinställning nödvändig. All övning förbättrar dock inte färdigheter. Du behöver veta vilka misstag du ska vara uppmärksam på, och para ihop din övning med tydlig och snabb feedback. Var försiktig så att inte ditt självförtroende växer snabbare än din noggrannhet.
10. Oöverkomligt problem? Bryt ner det i hanterbara delproblem som du kan identifiera som kända och okända. Den stora frågan, "Kommer det att bli ett annat koreanskt krig?" är mycket svårare att kvantifiera än "Vad är frekvensen av nordkoreanska kärnvapentester?" och "Kommer Nordkorea att lansera en cyberattack mot Sydkorea?"
11. Hitta rätt balans mellan inre och yttre synpunkter. Inre synpunkter är specifika för situationen, som nyligen inträffade händelser. Yttre synpunkter är mer generiska, dvs hur ofta situationen i fråga inträffar, i genomsnitt. Historien tenderar att upprepa sig. Även till synes unika händelser kan relatera till trender, som sedan vägs mot inre synpunkter.
12. Överreagera inte på bevis, men underreagera inte heller.Prognostisering handlar allt om observation och balans. Superprognostiker är smidiga, men hoppar inte i onödan. När du uppdaterar din prognos kan det vara tråkigt eller till och med obekvämt, men det är värt det i längden. De bästa prognostikerna tenderar att uppdatera sannolikheter stegvis, till exempel från 0,4 till 0,35.
13. "Dragonfly eye forecasting" är strävan efter punkt-motpunkt-diskussioner, dvs. "å andra sidan…" Denna metod är vanlig bland prognosvärlden eftersom de bästa prognostikerna är precisa, men villiga att väga alla sidor. Superprognostiker får ofta höga poäng på tester för aktiv öppensinnadhet, som ett av psykologen Jonathan Baron vid University of Pennsylvania.
14. Gör dig medveten om de orsakssamband som påverkar ditt problem. Information som kolliderar är lika viktig, om inte mer, än bevis som stöder din hypotes. Precis som en trollslända ser flera bilder och sammanfogar dem alla till en enda bild, måste prognostiker göra med motsatta åsikter.
15. När du dissekerar en fråga kommer du att kunna bestämma olika sannolikheter som sträcker sig från "avlägsen" till "nästan säkert." Ju fler grader av osäkerhet du kan skilja, desto bättre prognostiker kommer du att bli. Det känns onaturligt först, men med tålamod och övning kommer du att kunna översätta vaga verbala antaganden till numeriska sannolikheter.
16. Hitta en hälsosam balans mellan övermod och undermod.Superprognosmakare rusar inte till dom, och de dröjer inte för länge nära "kanske." Långsiktig noggrannhet kräver kalibrering och upplösning, försiktighet och beslutsamhet. Gör post-mortem på dina experiment för att lära dig vad som fungerade och hitta kreativa lösningar på de fel du hittar.
17. Efterklokhet är större än 20/20, särskilt om du gjorde en prognos. En vanlig fallgrop att undvika är "backspegelns efterklokhetssnedsättning." Äg dina misslyckanden. Överskåda inte brister i dina grundläggande antaganden. Du kanske var på rätt spår men blev avspårad av ett mindre tekniskt fel.
18. Komplexa algoritmer matade in i superdatorer kan snart komplettera prognosförsök. Mänskligt omdöme kan dra nytta av ett andra perspektiv utan känslor, men just nu kan bara människor förstå mänsklig mening. "Det finns en skillnad mellan att efterlikna och reflektera mening och att skapa mening," sa Watsons chefsingenjör, David Ferrucci.
19. Det finns hinder att överväga om du planerar att sätta ihop ett team av prognosmakare med ett enda mål. Prognosmakare kan anta "grupptänkande" och bli alltför överens. På samma sätt kan de glida in i "kognitivt slöande," vilket är attityden att andra ska göra det tunga lyftet. Upprätthålla oberoende omdöme i gruppen.
20. Lärande kräver handling, med bra feedback som inte lämnar någon tvetydighet om huruvida du är på rätt spår.Övning är inte till hjälp om du bara går igenom prognosrörelserna. Superprognostisering är produkten av djup, övervägande praxis. Superprognostisering kräver konstant medvetenhet även när du försöker följa reglerna.

Sammanfattning

Vad krävs för att vara en bra superprognostiker?

Kända prognostiker som Tom Friedman kallas in i kristider för att hjälpa till att fatta långsiktiga beslut baserade på aktuella händelser. Du behöver inte vara en kändis för att göra korrekta förutsägelser, dock, och många "super prognostiker" med höga noggrannhetsgrader är osjungna. Prognostisering är en färdighet som ska läras och kontinuerligt bemästras.

För att vara en pålitlig och självsäker prognostiker, behöver du vara öppen för nya erfarenheter. Det räcker inte att vara öppensinnad; du måste vara super öppensinnad för att offra dina egna förutfattade idéer och åsikter för den mest korrekta förutsägelsen.

Tyvärr finns det ingen magisk formel som prognostiker kan vända sig till - bara breda principer med många förbehåll. Det finns dock ett antal beprövade och sanna prognosmetoder som kan hjälpa dig på din resa.

Goldilocks hade rätt

När du ställs inför en stor fråga, triagera situationen. Det vill säga, fokusera på frågor där ditt hårda arbete troligen kommer att löna sig, i motsats till de svåraste eller enklaste frågorna. Gå för "Goldilocks"-metoden, dvs.någonstans i mitten och arbeta dig utåt.

Om du skulle sammanfatta prognoser i ett ord, kan det vara "balans." Detta betyder inte att dina förutsägelser alltid bör vara någonstans i mitten, men ta allt i beaktande även om det kontrasterar med din nuvarande syn. En närmare granskning kan introducera en faktor du inte hade tänkt på som ändrar kursen för dina sannolikheter.

Fermi-ize it

Italiensk-amerikanska fysikern Enrico Fermi, en central figur i uppfinningen av atombomben, ställde en klurig fråga för prognoser som frågar hur många pianostämmare det finns i Chicago.

Utan att titta på internet eller Gula Sidorna kan en prognosmakare komma fram till ett utbildat svar om de vet fyra saker:

• Antalet pianon i Chicago
• Hur ofta pianon stäms varje år
• Hur lång tid det tar att stämma ett piano
• Hur många timmar om året den genomsnittliga pianostämmaren arbetar

Fermi lärde ut att bryta ner frågan kan separera det vetbara och okända från denna lista. Trots de till synes slumpmässiga svaren tenderar resultatet att vara mer exakt än en slumpmässig gissning. Många har försökt lösa detta pussel, men en presentation av psykologen Daniel Levitin visar hur man kommer fram till en lösning.

• För det första svaret, sätt ett självsäkert intervall – ett område du är 90% säker på innehåller det rätta svaret. Levitin gissade att Chicago har runt 2,5 miljoner människor eftersom det är mindre än Los Angeles men tillräckligt stort för att hysa över 1,5 miljoner invånare.
• Nästa, Levitin antog att ett piano kanske behöver stämmas en gång per år.
• Eftersom pianon är för dyra för de flesta familjer, gissade Levitin att 1/100 hem i Chicago äger ett piano. Detta nummer fördubblas när du tar med skolor, konserthallar, etc. som äger mer än ett. 2,5 miljoner invånare x 2/100 (2%) = 50 000 pianon i Chicago.
• Sedan gissade Levitin att det tar ungefär två timmar att stämma ett piano.
• Antag att en pianostämmare arbetar 40 timmar i veckan plus två veckors semester och spenderar cirka 20% av sin tid på att köra från jobb till jobb, den genomsnittliga pianostämmaren kanske arbetar 1 600 timmar per år.

Därför, om 50 000 pianon behöver stämmas en gång per år, och det tar två timmar att stämma ett piano, kommer det att bli 100 000 totala pianostämningstimmar. Om du delar det med de årliga timmarna som en pianostämmare arbetar, kommer det att bli 62,5 pianostämmare i Chicago. Levitin hittade 83 listningar för pianostämmare i Chicago, men många av dem var dubbletter, som företag med mer än ett telefonnummer. Så, ett exakt nummer är inte känt, men Levitins beräkning visar hur nära du kan komma.

Prognostisering steg-för-steg: låt oss lösa ett mord

Ställ en fråga. Till exempel, låt oss säga att du är en morddetektiv och du behöver ta reda på vem som gjorde det. Till skillnad från på TV kommer ledtrådarna inte att falla i ditt knä innan nästa reklampaus.

• Först, kontrollera den yttre vyn: Hänvisa till statistik som en basfrekvens. FBI säger att 28,3% av mordoffren dödas av någon de känner, så det finns en 28,3% chans att offret kände sin mördare. På samma sätt finns det en 9% chans att det var en främling.
• Nästa, kontrollera den inre vyn: Undersök fakta specifika för detta fall. Vem hade förmågan, medlen och motivet för att döda denna person? Justera din chansprocent upp och ner baserat på varje misstänkt. Börja med den mest uppenbara och rör dig utåt. (Det är därför de alltid tittar på maken eller den betydande andra först.) Om offret nyligen hade ett bråk med sin betydande andra, ökar sannolikheten att denna person dödade dem. Om den betydande andra hade ett verifierbart alibi, minskar sannolikheten. Notera: Fastna inte på dina initiala magkänslor, men ignorera dem inte heller. Det är lätt att fastna på en prognos och hitta information för att stödja den, snarare än att väga alla alternativ.
• Nu, sammanfoga de två vyerna för att skapa en syntetiserad prognos. Låt oss säga att offret sågs stiga in i en bil natten de dödades.Du har identifierat en person som arbetade med offret och som kör samma typ av bil. Kollegor säger att personen var besatt av offret. Deras alibi är svagt. De ser ut som den starkaste misstänkta. Låt oss säga att du kommer fram till en 75% chans att denna person är din skyldige.
• Låt dina kollegor anta att ditt omdöme är felaktigt och göra sina egna uppskattningar. Forskare har funnit att kombinationen av ditt första omdöme med ett andra gjort av andra ofta är mer exakt. Ett annat sätt att närma sig detta är att ta ett steg tillbaka från din första uppskattning i flera veckor (om du har lyxen av tid utanför ett mordfall) innan du ber kollegor att göra en av sina egna. På samma sätt kan du göra ditt eget andra omdöme efter en paus, som miljardärinvesteraren George Soros gör. Soros har ofta citerat denna metod som en nyckeldel av hans framgång.

Psykologer som testar poliser finner en stor klyfta mellan deras självförtroende och deras skicklighet. När officerare blir mer erfarna, växer den klyftan. Var försiktig med att bli mer självsäker snabbare än du blir exakt.

Uppdatera ofta, men bit för bit

Statistiker kommer att vara bekanta med ett tankeexperiment föreslaget på 1700-talet av presbyterianska prästen, Thomas Bayes. Han skrev "An Essay Towards Solving a Problem in the Doctrine of Chances," som blev förfinad och publicerad postumt 1761 av hans vän, Richard Price.

I grund och botten säger satsen att din nya tro bör bero på din tidigare tro, multiplicerad med det diagnostiska värdet av den nya informationen.

Även om superprognostiker bör vara numeriska, behöver de inte vända sig till algebra varje gång de vill göra en prognos. Vad som är viktigare är Bayes kärninsikt att gradvis komma närmare sanningen genom att uppdatera i proportion till vikten av bevisen.

Om vi går tillbaka till mordexemplet kan du öka sannolikheten för att en person är din mördare när du får reda på att de ljugit om sin vistelseort. Om du överreagerar och tänker, "Aha! Jag är 99% säker nu" kan du förbise okända faktorer, som skälen till varför de ljög (för att rädda sitt jobb, för att rädda sin makas känslor, etc.).

Att förutsäga det oförutsägbara

Glöm inte att ta hänsyn till situationer som kan förändra allt över en natt. Det är bättre att ge dig själv lite spelrum "bara ifall att" än att anta att allt kommer att gå enligt plan.

År 2010 rånades en fattig fruktåterförsäljare i Tunisien av korrupta poliser - tyvärr en vanlig händelse vid den tiden. Senare samma dag satte han eld på sig själv utanför stadskontoret. Protester bröt ut. Tunisien president Zine el-Abidine Ben Ali flydde landet. Ändå fortsatte det civila oroligheterna i hela arabvärlden och resulterade i ett antal uppror och inbördeskrig.Vem kunde ha förutspått att en mans självförstörelse skulle orsaka "Arabiska våren?

En situation kan identifieras som ett "krut fat redo att explodera," men det är nästan omöjligt att säga vad som kommer att tända stubinen.

Amerikanska meteorologen Edward Lorenz upptäckte att små datainmatningsvariationer i datorsimulerade vädermönster kunde producera dramatiskt olika långsiktiga prognoser. Hans insikt, publicerad i en artikel med titeln, "Förutsägbarhet: Orsakar en fjärils vingslag i Brasilien en tornado i Texas?" blev inspirationen för kaosteori.

Prognoser finns överallt

Hur förutsägbar något är beror på vad vi vill förutsäga, hur långt in i framtiden och under vilka omständigheter. Morgondagens väderprognos kommer att vara mycket mer exakt än en fem dagar från nu eftersom som Lorenz upptäckte, kan mycket förändras mellan nu och då.

Internet är fullt av prognoser. Ett snabbt besök på Amazon illustrerar algoritmens förutsägelse om andra saker du kanske vill köpa. När du ger feedback på rekommendationer uppdaterar algoritmen sina prognoser något.

Livet är fullt av vardagliga förutsägelser också. Du ser moln vid horisonten och tar ett paraply. Vetenskapliga lagar som månens faser kan förutsäga vädret med tillräcklig noggrannhet för att planera jordbruket.Men, det är mycket svårare att förutsäga när du bör fylla upp din bensintank denna vecka eftersom oljeledningen kan bli attackerad av hackare och driva upp priserna.

Att missta sig (och anta) är mänskligt

Ett nu berömt "Kognitivt Reflektionstest" introducerades av Shane Frederick, en professor i managementvetenskap vid Massachusetts Institute of Technology. Det ställer denna till synes enkla fråga:

"En fladdermus och boll kostar $1.10. Fladdermusen kostar en dollar mer än bollen. Hur mycket kostar bollen?"

De flesta människor tänker omedelbart, $0.10. Om du tänker mer noggrant, finner du att detta svar är felaktigt. Våra hjärnor hakar automatiskt på "dollarn" och inte "mer." Om bollen kostar $0.10 och fladdermusen kostar en dollar mer ($1.10), då blir den totala kostnaden $1.20. Därför är det korrekta svaret $0.05.

Moderna psykologer tillskriver detta fenomen till en uppdelning av mänsklig hjärnfunktion i två system. System Ett är det undermedvetna. Det fattar automatiska kognitiva och perceptuella beslut, och det mycket snabbt. System Två är vårt medvetna sinne, eller vad vi väljer att fokusera på för tillfället. System Ett fattar blixtsnabba beslut baserade på historisk erfarenhet, befintlig kunskap, predispositioner och andra faktorer som "känns" rätt men inte nödvändigtvis är korrekta.

För att vara en superprognostiker måste du vara medveten om System Ett och hur dess vitala operationer ibland kan hindra bedömningen av intelligenta människor.

Människors prognosers betydelse

Så ofullkomliga och partiska som människor kan vara, kommer de fortfarande att vara en nödvändig komponent i prognoser i framtiden. Ankomsten av superdatorer och artificiell intelligens gör det frestande att anta att vi kan lämna alla prognoser till maskinerna. Polymaten Herbert Simon förutsåg 1965 att vi bara var 20 år bort från en värld där maskiner kunde göra "allt arbete en man kan göra."

Även om detta verkligen är fallet i många automatiserade branscher, finns det en anledning till att datorer och robotar fortfarande övervakas av människor. Författarna talade med Watsons chefsingenjör, David Ferrucci, som har arbetat med artificiell intelligens i över 30 år. Datorer är bättre på att upptäcka mönster nuförtiden, noterade han, men maskininlärning kräver människors närvaro för att mata inlärningsprocessen. Just nu kan en dator söka upp ett faktum, men en prognos kräver en informerad gissning baserad på en myriad av information.

Den mänskliga hjärnan är underbar eftersom uppgiften att sammanställa data och göra en prognos är extremt svår, och ändå gör vi det hela tiden. Det största hindret för datorer om de någonsin ska ersätta en superprognostiker är förståelse.Människor kan bli bättre på att härma mänsklig mening och därmed bli bättre på att förutsäga mänskligt beteende, noterade Ferrucci, men "det finns en skillnad mellan att härma och reflektera mening och att skapa mening."