سپر فورکاسٹنگ: پیشگوئی کی فن اور سائنس

خلاصہ

کیا آپ جانتے ہیں کہ آپ بغیر روحانی قوتوں کے مستقبل کے بارے میں درست پیشگوئیاں کر سکتے ہیں؟ صحیح مشق اور تجاویز کی تلاش کے ساتھ، آپ ایک سپر فورکاسٹر بن سکتے ہیں۔

وارٹن پروفیسر فلپ ای. ٹیٹلاک اور شریک مصنف ڈین گارڈنر کی سپر فورکاسٹنگ: پیشگوئی کی فن اور سائنس میں، پڑھنے والوں کو سپر فورکاسٹر بنانے والی خصوصیات اور مہارتوں کے بارے میں معلومات ملتی ہیں اور آپ کسی بھی صورتحال میں علم کا استعمال کیسے کر سکتے ہیں۔ آپ حقیقی زندگی کے سپر فورکاسٹرز کے بارے میں بھی جانیں گے جو تمام زندگی کی راہوں سے ہیں اور کس طرح سب سے مشکل سوالات کو توڑ کر بہترین نتائج حاصل کرنے کے لئے۔

20 بڑی باتیں

1. سپر فورکاسٹنگ صرف اعداد و شمار کو چبھانے کے بارے میں نہیں ہے، بلکہ زیادہ اہم ہے کہ آپ اس کے ساتھ کیا کرتے ہیں۔ ایک شاندار پہیلی حل کرنے والا شخص ایک کم ذہنی قوت والے شخص کے مقابلے میں نقصان میں ہوگا جو خود تنقیدی سوچ کی عظیم صلاحیت رکھتا ہے۔
2. سپر فورکاسٹرز کے لئے، عقائد آزمائش کے لئے مفروضے ہیں، نہ کہ خزانے جو محفوظ کرنے ہیں۔ ذہن کھولنے کی بجائے، ذہن کو سپر کھولیں۔ ہاں، جب آپ پیشگوئی کرتے ہیں، تو جتنا ممکن ہو سکے درست ہوں۔ اگر پیشگوئی بہت مبہم ہو، تو آپ "Forer Effect," میں پھنس سکتے ہیں، جہاں لوگ اس کا مطلب مان لیتے ہیں اور اپنے آپ پر لاگو کرتے ہیں۔
3. سوال کو اجزاء میں تقسیم کریں، پھر یہ تفریق کریں کہ آپ کون سے حصے جانتے ہیں اور کون سے نہیں۔ پھر، مسئلہ کو ایک موازنہ کرنے والے منظر میں رکھیں جو صورتحال کی یکتائی کو کم کرتا ہے۔ایک صورتحال کی یکتائی کو اوپر اٹھانے والے عوامل پر نظر ڈالیں ' اور اپنی تلاشوں کو یقینی بنانے کے لئے مطابقت پذیر کریں تاکہ آپ جتنا ممکن ہو سکے اتنا درست فیصلہ کر سکیں۔
4. سپر فورکاسٹرز نئی معلومات کی روشنی میں اپنے نقطہ نظر کو ضرورت کے مطابق تبدیل کرتے ہیں تاکہ وہ سب سے زیادہ درست نتیجہ نکال سکیں۔ پرانے اور نئے کا احتیاط سے توازن رکھیں اور انہیں اپنی تازہ ترین پیشگوئی میں شامل کریں۔ اکثر اپ ڈیٹ کریں، لیکن چھوٹے چھوٹے اضافوں میں۔ یہ تصور بیزین بیلیف-اپ ڈیٹنگ مساوات کی استعمال سے بہترین طریقے سے واضح ہوتا ہے۔
5. ایک فورکاسٹر کو ابتدائی تعیناتی کے بعد دو خطرات کا سامنا ہوتا ہے۔ ایک نئی معلومات کے لئے زیر عمل ہونا (تعصب یا " عقیدت کی استمرار ")، اور دوسرا زیادہ ردعمل ہونا۔ دونوں درستگی کو کم کرسکتے ہیں اور شدید صورتوں میں، ایک بہت اچھی پیشگوئی کو تباہ کرسکتے ہیں۔ اپنی معلومات پر تنسیخ کے اثر کو تالنے کے لئے غیر متعلقہ معلومات کو نظر انداز کریں، پھر پابند ہوجائیں۔
6. دوسروں میں بہتری کو باہر لائیں اور دوسروں کو اپنی میں بہتری باہر لانے دیں۔ آپ کو پیشگوئی میں سیکھنے والا توازن ٹیم مینجمنٹ میں ترجمانی کرے گا، خاص طور پر جب آپ مختلف نقطہ نظر سنیں۔ سابقہ LA Dodgers کوچ ٹامی لاسورڈا نے کہا کہ مینجمنٹ " کبوتر کو پکڑنے کی طرح ہوتی ہے۔ " بہت زیادہ پکڑو، مار دو۔ بہت کم پکڑو، کھو دو۔
7. ایک سوال کے الفاظ میں ترمیم کرکے دوسرے منظر پر حاصل کریں۔ مثال کے طور پر: " کیا جنوبی افریقی حکومت دلائی لاما کو چھ ماہ کے اندر ویزہ دے گی؟ " ان کے پاس اسے ویزہ دینے کی وجوہات کے علاوہ، ان کی وجوہات دیکھیں کہ وہ اسے کیوں نہیں دیں گے۔"grant" کے لفظ کو "deny" میں تبدیل کریں اور آپ کے پاس تحقیق کے لئے نیا معیار ہوگا۔
8. پیشگوئی کرنے والوں کو کئی رکاوٹوں کا سامنا کرنا پڑتا ہے جو درستگی پر اثر انداز ہوتی ہیں۔ "significant market share" جیسی مبہم زبان کو پڑھنے والے کی تعصبات کی بنیاد پر تشریح کیا جا سکتا ہے، نہ کہ حقائق۔ وقت کا فاصلہ ایک اور مسئلہ ہے۔ جب پیشگوئیاں مہینوں یا سالوں تک پھیلی ہوتی ہیں، تو "hindsight bias" کے بارے میں خبردار رہیں جو آپ کے موجودہ منظر نامے کو نتائج کے مطابق تبدیل کرتا ہے۔
9. ایک سپر پیشگو بننے کے لئے، بڑھتی ہوئی سوچ ضروری ہے۔ ہر مشق مہارت میں بہتری نہیں لاتی، ہاں، آپ کو یہ جاننے کی ضرورت ہوتی ہے کہ کن غلطیوں کا خیال رکھنا ہے، اور اپنی مشق کو صاف اور بروقت ردعمل کے ساتھ جوڑیں۔ اپنی درستگی سے تیزی سے بڑھنے والے اعتماد کو سنبھالنے کی کوشش کریں۔
10. ناقابل حل مسئلہ؟ اسے ایسے حل پذیر ذیلی مسائل میں تقسیم کریں جنہیں آپ جانتے ہوں اور ناقابل علم۔ "Will there be another Korean war?" کا بڑا سوال بہت زیادہ مقدار میں تعین کرنے سے زیادہ مشکل ہے "What is the frequency of North Korean nuclear tests?" اور "Will North Korea launch a cyber-attack on South Korea?"۔
11. اندرونی اور باہری مناظر کے درمیان صحیح توازن قائم کریں۔ اندرونی مناظر صورتحال کے خاص ہوتے ہیں، جیسے حالیہ واقعات۔ باہری مناظر زیادہ عام ہوتے ہیں، یعنی صورتحال کی اوسط تکرار کتنی ہوتی ہے۔ تاریخ کا دہرانا عموماً دوبارہ ہوتا ہے۔ حتی کہ بہت یکساں واقعات بھی رجحانات سے تعلق رکھ سکتے ہیں، جو پھر اندرونی مناظر کے مقابلے میں وزن دیتے ہیں۔
12. ثبوت پر زیادہ ردعمل نہ دیں، لیکن کم بھی نہیں کریں۔پیشگوئی کا سب کچھ مشاہدہ اور توازن کے بارے میں ہے۔ سپر پیشگوئی کرنے والے فرد فرمانبردار ہوتے ہیں، لیکن بلاوجہ نہیں چھلانگ لگاتے۔ جب آپ اپنی پیشگوئی کو اپ ڈیٹ کرتے ہیں، یہ بور یا حتیٰ کہ ناخوشگوار ہو سکتا ہے، لیکن طویل عرصے کے لئے یہ قابل قدر ہوتا ہے۔ بہترین پیشگوئی کرنے والے عموماً احتمالات کو تدریجی طور پر اپ ڈیٹ کرتے ہیں، جیسے کہ 0.4 سے 0.35 تک۔
13. "ڈریگن فلائی آنکھ پیشگوئی" مقابلہ-مقابلہ بحثوں کی تلاش ہے، یعنی "دوسری جانب سے…" یہ طریقہ پیشگوئی کی دنیا میں عام ہے کیونکہ بہترین پیشگوئی کرنے والے فرد بہت زیادہ باریکی سے کام کرتے ہیں، لیکن وہ تمام طرفوں کو تولنے کے لئے تیار ہوتے ہیں۔ سپر پیشگوئی کرنے والے عموماً ایک فعال ذہنی خلاصہ پریکشا میں اچھے نمبر حاصل کرتے ہیں، جیسے کہ پنسلوینیا یونیورسٹی کے ماہر نفسیات جوناثن بارون کی ایک۔
14. اپنے مسئلے میں کام کرنے والی سببی قوتوں کا آپ کو آگاہ ہونا چاہئے۔ ایسی معلومات جو متصادم ہوتی ہیں، وہ اتنی ہی اہم ہوتی ہیں، اگر نہیں تو زیادہ سے زیادہ، جیسے آپ کے تصور کی تائید کرنے والے ثبوت سے۔ جیسے ڈریگن فلائی متعدد تصاویر دیکھتی ہے اور ان سب کو ایک ہی تصویر میں مرکب کرتی ہے، اسی طرح پیشگوئی کرنے والوں کو مخالف نظریات کے ساتھ کرنا چاہئے۔
15. جب آپ ایک سوال کا تجزیہ کرتے ہیں، تو آپ "دور" سے "تقریباً یقینی" تک مختلف احتمالات کا تعین کر سکتے ہیں۔ جتنے زیادہ شک کی درجات آپ متمیز کر سکتے ہیں، آپ بہتر پیشگوئی کرنے والے بن جائیں گے۔ یہ شروع میں غیر معمولی لگتا ہے، لیکن صبر اور عمل کے ساتھ آپ غیر واضح بیانیہ کی بنیاد پر نمبری احتمالات میں ترجمہ کر سکتے ہیں۔
16. اوورکانفیڈنس اور انڈر کانفیڈنس کے درمیان ایک صحت مند توازن قائم کریں۔سپر فورکاسٹرز فیصلہ کرنے میں جلدبازی نہیں کرتے، نہ ہی وہ "شاید." کے قریب بہت دیر تک ٹھہرتے ہیں۔ طویل مدتی درستگی کی ضرورت ہوتی ہے کیلیبریشن اور ریزولوشن، ہوشیاری اور فیصلہ کن کردار کی۔ اپنے تجربات پر مردہ مرتبہ کریں تاکہ آپ یہ جان سکیں کہ کیا کام کر رہا تھا اور آپ جو خرابیاں پائیں ان کے لئے تخلیقی حل تلاش کریں۔
17. پچھلے منظر کی بینائی سے زیادہ بڑی ہوتی ہے، خاص طور پر اگر آپ نے کوئی پیشگوئی کی ہو۔ "ریئر ویو میرر ہائنڈ سائٹ باائیس." سے بچنے کی ایک عام کھڑی ہے۔ اپنی ناکامیوں کو قبول کریں۔ اپنے بنیادی فرضیات میں خرابیوں کو نظر انداز نہ کریں۔ ہو سکتا ہے کہ آپ صحیح راستے پر ہوں لیکن کسی چھوٹی تکنیکی خرابی کی بنا پر راستہ بھٹک گئے ہوں۔
18. معقد الگورتھمز کو سپر کمپیوٹرز میں ڈالا جا سکتا ہے جو جلد ہی پیشگوئی کی کوششوں کو مکمل کر سکتا ہے۔ انسانی فیصلہ سازی کو جذبات سے خالی دوسرے منظر سے فائدہ حاصل ہو سکتا ہے، لیکن ابھی تک صرف انسان ہی انسانی معنی کو سمجھ سکتے ہیں۔ "معنی کی نقل اور عکاسی کرنے میں اور معنی کی ابتدا کرنے میں فرق ہوتا ہے،" نے واٹسن کے چیف انجینئر، ڈیوڈ فیرچی کہا۔
19. اگر آپ ایک ٹیم کو فورکاسٹرز کے ساتھ ایک ہی مقصد کے لئے رکھنے کا منصوبہ بنا رہے ہیں تو آپ کو خیال میں رکھنے کے لئے رکاوٹیں ہیں۔ فورکاسٹرز "گروپ سوچ" اپنا سکتے ہیں اور بہت زیادہ متفق ہو سکتے ہیں۔ اسی طرح، وہ "کوگنٹو لوفنگ" میں پھسل سکتے ہیں، جو یہ رویہ ہوتا ہے کہ دوسرے بھاری اٹھانے کے لئے ہونے چاہئے۔ گروپ میں غیر متاثر کن فیصلہ سازی برقرار رکھیں۔
20. سیکھنے کی ضرورت ہوتی ہے، اچھی ردعمل کے ساتھ، جو کوئی ابہام نہ چھوڑے کہ آپ کیا صحیح راستے پر ہیں یا نہیں۔صرف پیشن گوئی کے عمل کو انجام دینے سے مشق مفید نہیں ہوتی۔ سپر فورکاسٹنگ گہری، غور و فکر کی مشق کی پیداوار ہوتی ہے۔ سپر فورکاسٹنگ کے لئے مستقل طور پر ہوشیاری ضروری ہوتی ہے حتی کہ جب آپ قواعد کی پیروی کرنے کی کوشش کرتے ہیں۔

خلاصہ

ایک اچھے سپر فورکاسٹر بننے کے لئے کیا چاہئے؟

مشہور پیش گوئی کرنے والے جیسے ٹام فریڈمین کو بحران کے وقتوں میں طویل مدتی فیصلوں کی بنیاد پر موجودہ واقعات کی مدد کرنے کے لئے بلایا جاتا ہے۔ ہاں، لیکن آپ کو مشہور ہونے کی ضرورت نہیں ہے تاکہ آپ درست پیش گوئیاں کر سکیں، بہت سے "سپر فورکاسٹرز" جن کی درستگی کی شرح بہت زیادہ ہوتی ہے، وہ نامور نہیں ہوتے۔ پیش گوئی ایک مہارت ہے جو سیکھی اور مسلسل مکمل کی جانی چاہئے۔

ایک معتبر اور پر اعتماد پیش گو بننے کے لئے، آپ کو نئے تجربات کے لئے کھلا ہونا چاہئے۔ صرف خیالات کے لئے کھلا ہونا کافی نہیں ہے؛ آپ کو اپنے پہلے سے تصورات اور رائے کی قربانی دینے کے لئے سپر کھلا ہونا چاہئے تاکہ سب سے زیادہ درست پیش گوئی کی خاطر۔

افسوس کہ کوئی جادوئی فارمولہ موجود نہیں ہے جس کی پیش گوئی کرنے والے مڑ سکتے ہیں - صرف وسیع اصولوں کے ساتھ بہت سی محفوظات ہیں۔ ہاں، لیکن پیش گوئی کے کچھ ثابت کردہ اور سچے طریقے ہیں جو آپ کی سفر میں مدد کر سکتے ہیں۔

گولڈی لاکس صحیح تھی

جب بڑے سوال کے سامنے ہوں، تو صورتحال کو تقسیم کریں۔ یعنی، ان سوالات پر توجہ دیں جہاں آپ کی محنت کا صلہ ملنے کی امکانات ہوں، بجائے اس کے کہ سب سے مشکل یا آسان ترین سوالات۔ "گولڈی لاکس" کا رویہ اپنائیں، یعنی.کہیں بھی درمیان میں شروع کریں اور باہر کی طرف کام کریں۔

اگر آپ پیش گوئی کو ایک لفظ میں خلاصہ کرنا چاہتے ہیں تو یہ ہو سکتا ہے "توازن۔" یہ یہ نہیں کہتا کہ آپ کی پیش گوئیاں ہمیشہ کہیں نہ کہیں درمیان میں ہونی چاہیے لیکن ہر چیز کو مد نظر رکھیں بھالے ہی یہ آپ کے موجودہ نقطہ نظر کے مقابلے میں ہو۔ ایک قریبی جائزہ ایک ایسا عامل متعارف کرا سکتا ہے جس کا آپ نے خیال نہیں کیا تھا جو آپ کی امکانات کے راستے کو تبدیل کرتا ہے۔

Fermi-ize it

ایٹمی بم کی ایجاد میں مرکزی شخصیت بننے والے اٹالوی امریکی طبیعیات دان انریکو فرمی نے پیش گوئی کے لئے ایک پہیلی پیش کی کہ چکاگو میں کتنے پیانو تیونرز ہیں۔

انٹرنیٹ یا یلو پیجز کو دیکھے بغیر، ایک پیش گو کو اگر وہ چار چیزیں جانتے ہیں تو ایک پڑھا لکھا جواب دے سکتے ہیں:

• چکاگو میں پیانو کی تعداد
• پیانو کتنی بار ہر سال ٹیون کیے جاتے ہیں
• پیانو کو ٹیون کرنے میں کتنا وقت لگتا ہے
• سالانہ اوسط پیانو ٹیونر کتنے گھنٹے کام کرتے ہیں

فرمی نے سکھایا کہ سوال کو توڑنا اس فہرست سے جاننے یوگی اور ناقابل علم کو الگ کر سکتا ہے۔ جوابات کی بے ترتیبی کے باوجود، نتیجہ عموماً بے ترتیب تخمین سے زیادہ درست ہوتا ہے۔ بہت سے لوگوں نے اس پہیلی کی کوشش کی ہے، لیکن ماہر نفسیات دینیل لیوٹن کی ایک پیش کش نے یہ دکھایا کہ حل کیسے نکالا جا سکتا ہے۔

• پہلے جواب کے لئے، ایک یقینی وقفہ تعین کریں - ایک رینج جس میں آپ کو 90% یقین ہو کہ صحیح جواب موجود ہے۔ لیوٹن نے اندازہ لگایا کہ شکاگو میں تقریباً 2.5 ملین لوگ ہیں کیونکہ یہ لاس اینجلس سے چھوٹا ہے لیکن اس میں 1.5 ملین سے زیادہ رہائشیوں کو رہنے کے لئے کافی بڑا ہے۔
• پھر، لیوٹن نے خیال کیا کہ ایک پیانو کو سال میں ایک بار ٹیون کرنے کی ضرورت ہوتی ہوگی۔
• چونکہ پیانو زیادہ تر خاندانوں کے لئے بہت مہنگے ہوتے ہیں، لیوٹن نے اندازہ لگایا کہ شکاگو میں 1/100 گھروں میں پیانو موجود ہوتا ہے۔ جب آپ اس میں اسکولز، کنسرٹ ہالز وغیرہ شامل کرتے ہیں جو ایک سے زیادہ رکھتے ہیں تو یہ تعداد دگنی ہو جاتی ہے۔ 2.5 ملین رہائشیوں x 2/100 (2%) = شکاگو میں 50,000 پیانو۔
• پھر، لیوٹن نے اندازہ لگایا کہ ایک پیانو کو ٹیون کرنے میں تقریباً دو گھنٹے لگتے ہیں۔
• اگر یہ تصور کیا جائے کہ ایک پیانو ٹیونر ہفتے کے 40 گھنٹے کام کرتا ہے اور دو ہفتے کی چھٹی لیتا ہے اور اپنے وقت کے تقریباً 20% کام سے کام جانے میں گزارتا ہے، تو اوسط پیانو ٹیونر سال میں 1,600 گھنٹے کام کر سکتا ہے۔

لہذا، اگر 50,000 پیانو کو سال میں ایک بار ٹیون کرنے کی ضرورت ہو، اور ایک پیانو کو ٹیون کرنے میں دو گھنٹے لگتے ہیں، تو یہ کل 100,000 پیانو-ٹیوننگ گھنٹوں کے برابر ہوتا ہے۔ اگر آپ اسے ایک پیانو ٹیونر کے سالانہ کام کے گھنٹوں سے تقسیم کریں، تو یہ شکاگو میں 62.5 پیانو ٹیونرز کے برابر آتا ہے۔ لیوٹن نے شکاگو میں پیانو ٹیونرز کی 83 لسٹنگز پائیں، لیکن ان میں سے بہت سے دہرائے گئے تھے، جیسے کہ ایک سے زیادہ فون نمبر والے کاروبار۔ لہذا، صحیح تعداد معلوم نہیں ہے، لیکن لیوٹن کی حساب کتاب یہ دکھاتی ہے کہ آپ کتنے قریب جا سکتے ہیں۔

پیش بینی کرنے کا قدم بہ قدم طریقہ: آئیے ایک قتل کا حل تلاش کریں

ایک سوال پوچھیں۔ مثال کے طور پر، آئیے کہیں کہ آپ ایک قتل کے ڈیٹیکٹو ہیں اور آپ کو یہ معلوم کرنے کی ضرورت ہے کہ اس کام کو کس نے کیا ہے۔ ٹیلی ویژن کی طرح، اگلے کمرشل بریک سے پہلے آپ کے گود میں سبوت نہیں گریں گے۔

• سب سے پہلے، بیرونی نظریہ کی جانچ پڑتال کریں: شرح بنیادی طور پر اعداد و شمار کا حوالہ دیں۔ FBI کہتی ہے کہ 28.3% قتل کے مقدمات میں مقتول کو ان کے جاننے والے نے مارا ہوتا ہے، لہذا مقتول کو ان کے قاتل نے مارنے کا 28.3% امکان ہوتا ہے۔ اسی طرح، یہ ایک اجنبی کا 9% امکان ہوتا ہے۔
• پھر، اندرونی نظریہ کی جانچ پڑتال کریں: اس کیس کے خاص حقائق کا معائنہ کریں۔ کس نے اس شخص کو مارنے کی صلاحیت، وسائل، اور مقصد رکھتا تھا؟ ہر مشتبہ پر مبنی اپنے فیصدی امکان کو اوپر اور نیچے کریں۔ سب سے زیادہ واضح سے شروع کریں اور اپنے راستے کو باہر کی طرف منتقل کریں۔ (اسی لئے وہ ہمیشہ بیوی یا اہم دوسرے پر نظر رکھتے ہیں۔) اگر مقتول نے ان کے اہم دوسرے کے ساتھ حال ہی میں جھگڑا کیا ہوتا، تو یہ شخص انہیں مارنے کا امکان بڑھ جاتا ہے۔ اگر اس اہم دوسرے کا تصدیق شدہ الائبی ہو، تو امکان کم ہو جاتا ہے۔ نوٹ: اپنی ابتدائی انتوائی خیالات پر پھنسے نہ رہیں، لیکن انہیں نظر انداز نہ کریں۔ یہ آسان ہوتا ہے کہ ایک پیشگوئی پر قبضہ کر لیں اور اس کی تائید کرنے کے لئے معلومات تلاش کریں، بجائے اس کے کہ تمام اختیارات کو تولیں۔
• اب، دونوں نظریاتوں کو مرج کر کے ایک مرکب پیشگوئی بنائیں۔ آئیے کہیں کہ مقتول کو رات کو ایک گاڑی میں سوار ہوتے ہوئے دیکھا گیا تھا۔آپ نے ایک شخص کی شناخت کی ہے جو مقتول کے ساتھ کام کرتا تھا اور وہی قسم کی گاڑی چلاتا ہے۔ ہم آہنگوں کا کہنا ہے کہ وہ شخص مقتول سے محبت کرتا تھا۔ ان کی الائبی کمزور ہے۔ وہ مشتبہ شخص کی طرح نظر آتے ہیں۔ آئیے کہتے ہیں کہ آپ نے یہ اندازہ لگایا ہے کہ 75٪ کا امکان ہے کہ یہ شخص آپ کا مجرم ہے۔
• اپنے ساتھیوں سے مان لیں کہ آپ کا فیصلہ غلط ہے اور اپنے اندازے بنائیں۔ تحقیق کاروں نے پایا ہے کہ آپ کے پہلے فیصلے کو دوسرے کے ساتھ ملانا عموماً زیادہ درست ہوتا ہے۔ اس کا دوسرا طریقہ یہ ہو سکتا ہے کہ آپ اپنے پہلے اندازے سے کچھ ہفتوں کے لئے پیچھے ہٹ جائیں (اگر آپ کے پاس قتل کے مقدمے کے علاوہ وقت کی سعادت ہو) پھر ساتھیوں سے اپنا اندازہ بنانے کے لئے کہیں۔ اسی طرح، آپ اپنا دوسرا فیصلہ بھی ایک وقفے کے بعد کر سکتے ہیں، جیسا کہ بلین یر ہونے والے سرمایہ کار جارج سوروس کرتے ہیں۔ سوروس نے اکثر یہ طریقہ اپنی کامیابی کا اہم حصہ بتایا ہے۔

ماہرین نفسیات جو پولیس اہلکاروں کا امتحان لیتے ہیں، ان کی اعتماد اور مہارت کے درمیان بڑا فرق پاتے ہیں۔ جب اہلکار زیادہ تجربہ کار ہوتے ہیں، تو یہ فرق بڑھتا ہے۔ اپنی درستگی سے تیزی سے بڑھنے والے اعتماد سے محتاط رہیں۔

اکثر اپ ڈیٹ کریں، لیکن تھوڑا تھوڑا

ماہرین اعداد و شمار کو 1700s میں پریسبیٹرین پادری، ٹھامس بیز نے تجویز کی گئی ایک خیالی تجربہ سے واقفیت ہوگی۔ انہوں نے "An Essay Towards Solving a Problem in the Doctrine of Chances," لکھی تھی، جسے ان کے دوست، رچرڈ پرائس نے 1761 میں ان کی موت کے بعد مزید بہتر بنا کر شائع کیا۔

بنیادی طور پر، مسئلہ یہ کہتا ہے کہ آپ کا نیا عقیدہ آپ کے سابقہ عقیدہ پر منحصر ہونا چاہیے، جو کہ نئی معلومات کی تشخیصی قیمت سے ضرب ہوتا ہے۔

جبکہ سپر فورکاسٹرز کو عددی ہونا چاہیے، انہیں ہر بار کسی پیش گوئی کرنے کے لئے الجبرا کی طرف مڑنے کی ضرورت نہیں ہوتی۔ جو چیز زیادہ اہم ہوتی ہے وہ ہے بیز کا بنیادی بصیرت، جو سچائی کے قریب تدریجی طور پر آنے کی ہے، جو ثبوت کے وزن کے مطابق تازہ کاری کرتی ہے۔

قتل کے مثال پر واپس جاتے ہوئے، آپ ایک موضوع کی قتل کی صورتحال کی صورتحال کو بڑھا سکتے ہیں جب آپ کو پتہ چلتا ہے کہ انہوں نے اپنی موجودگی کے بارے میں جھوٹ بولا۔ اگر آپ زیادہ ردعمل دیتے ہیں اور سوچتے ہیں، "اہا! میں اب 99٪ یقینی ہوں" تو آپ نامعلومات کو نظر انداز کر سکتے ہیں، جیسے کہ وہ کیوں جھوٹ بول رہے تھے (اپنی نوکری بچانے کے لئے، اپنے ہمسفر کی جذبات بچانے کے لئے، وغیرہ)۔

ناقابل تصور چیزوں کی پیش گوئی

رات کو سب کچھ بدلنے والی صورتحالوں کو شامل کرنا نہ بھولیں۔ یہ بہتر ہوتا ہے کہ آپ خود کو تھوڑا سا کمرہ دیں "صرف اس صورت میں" بجائے اس کے کہ سب کچھ منصوبہ بندی کے مطابق چلے گا۔

2010 میں، ایک غریب تیونسی پھل فروش کو بدعنوان پولیس اہلکاروں نے لوٹ لیا - افسوس کے ساتھ، اس وقت ایک عام واقعہ۔ اسی دن بعد میں، اس نے شہر کے دفتر کے باہر خود کو آگ لگا دی۔ احتجاج شروع ہو گئے۔ تیونس کے آمر، صدر زین العابدین بن علی نے ملک چھوڑ دیا۔ پھر بھی، عرب دنیا میں مدنی بے چینی جاری رہی اور اس نے کئی بغاوتوں اور مدنی جنگوں کا باعث بنا۔کون بتا سکتا تھا کہ ایک آدمی کا خود کشی کرنے کا عمل "عرب موسم بہار" کی وجہ بنے گا؟

ایک صورتحال کو "بم کی طرح پھٹنے کے لئے تیار" کہا جا سکتا ہے، لیکن یہ تقریباً ناممکن ہے کہ بتایا جا سکے کہ فیوز کو کس نے روشن کیا ہوگا۔

امریکی موسمیاتی Edward Lorenz نے دریافت کیا کہ کمپیوٹر سمولیٹڈ موسمی پیٹرنز میں چھوٹے ڈیٹا انٹری کی تبدیلیاں طویل مدتی پیشگوئیوں میں نمایاں تفاوت پیدا کر سکتی ہیں۔ ان کی بصیرت، جسے ایک مضمون میں شائع کیا گیا تھا، "Predictability: Does the Flap of a Butterfly's Wings in Brazil Set Off a Tornado in Texas?" خلافت نظریہ کے لئے الہام بنی۔

پیشگوئیاں ہر جگہ موجود ہیں

کچھ کتنا قابل پیشگوئی ہوگا، یہ اس بات پر منحصر ہوگا کہ ہم کیا پیشگوئی کرنا چاہتے ہیں، کتنے دور کے مستقبل میں، اور کس حالات میں۔ کل کا موسمی پیشگوئی پانچ دن بعد کے مقابلے میں بہت زیادہ درست ہوگی کیونکہ جیسا کہ Lorenz نے دریافت کیا، اب اور تب کے درمیان بہت کچھ تبدیل ہو سکتا ہے۔

انٹرنیٹ پیشگوئیوں سے بھرا ہوا ہے۔ Amazon پر تیزی سے دورہ کرنے سے الگورتھم کی پیشگوئی کا تصور ہوتا ہے کہ آپ کو کون سی چیزیں خریدنے پسند آئیں گی۔ جب آپ تجاویز پر رائے دیتے ہیں، تو الگورتھم اپنی پیشگوئیوں کو بہت ہی ہلکے سے اپ ڈیٹ کرتا ہے۔

زندگی میں معمولی پیشگوئیاں بھی بھری پڑی ہیں۔ آپ افق پر بادل دیکھتے ہیں اور چھتری پکڑ لیتے ہیں۔ سائنسی قوانین جیسے کہ چاند کے مراحل موسم کی پیشگوئی کر سکتے ہیں جس کی کافی درستگی کے ساتھ زراعت کی منصوبہ بندی کی جا سکتی ہے۔لیکن ، یہ بہت مشکل ہوتا ہے جب آپ کو پیشن گوئی کرنی پڑتی ہے کہ آپ کو اس ہفتے اپنی گیس ٹینک کو بھرنا چاہئے کیونکہ پائپ لائن پر ہیکرز کے حملے کی بنا پر قیمتیں بڑھ سکتی ہیں۔

غلطی کرنا (اور فرض کرنا) انسانی خصوصیت ہے

ایک مشہور "Cognitive Reflection Test" کو شین فریڈرک ، میساچوسٹس انسٹی ٹیوٹ آف ٹیکنالوجی کے ایک مینجمنٹ سائنس پروفیسر نے متعارف کروایا۔ یہ یہ آسان سوال پوچھتا ہے:

"ایک بیٹ اور بال کی قیمت $1.10 ہے۔ بیٹ کی قیمت بال سے ایک ڈالر زیادہ ہے۔ بال کی قیمت کتنی ہے؟"

زیادہ تر لوگ فوری طور پر سوچتے ہیں ، $0.10۔ اگر آپ اس بارے میں زیادہ غور کریں ، تو آپ کو پتہ چلتا ہے کہ یہ جواب غلط ہے۔ ہمارے دماغ خود بخود "ڈالر" پر قبضہ کر لیتے ہیں اور نہیں "زیادہ۔" اگر بال کی قیمت $0.10 ہو اور بیٹ کی قیمت ایک ڈالر زیادہ ہو ($1.10) ، تو کل قیمت $1.20 ہوگی۔ لہذا ، صحیح جواب $0.05 ہے۔

جدید نفسیاتی ماہرین اس ظاہری کو انسانی دماغ کے دو سسٹمز میں تقسیم کرتے ہیں۔ سسٹم ون غیر شعوری ہوتا ہے۔ یہ خودکار طور پر فیصلے کرتا ہے اور بہت تیزی سے فیصلے کرتا ہے۔ سسٹم ٹو ہمارا شعوری دماغ ہوتا ہے ، یا جو بھی ہم اس وقت توجہ دیتے ہیں۔ سسٹم ون تاریخی تجربات ، موجودہ علم ، رجحانات ، اور دیگر عوامل پر مبنی فیصلے کرتا ہے جو "محسوس" ہوتے ہیں لیکن ضروری نہیں کہ وہ صحیح ہوں۔

سپر فورکاسٹر بننے کے لئے آپ کو سسٹم ون کا آگاہ ہونا ہوگا اور یہ کیسے اس کی ضروری عملات کبھی کبھی عقلمند لوگوں کی سمجھ کو روک دیتی ہیں۔

انسانی پیشگوئیوں کی اہمیت

جتنے ناکامل اور تعصب آمیز بھی انسان ہو سکتے ہیں، وہ مستقبل میں پیشگوئی کا ایک ضروری جزو ہوں گے۔ سپر کمپیوٹروں اور مصنوعی ذہانت کی آمد نے یہ خیال دلایا ہے کہ ہم تمام پیشگوئیوں کو مشینوں کے حوالے کر سکتے ہیں۔ پولیمیتھ ہربرٹ سائمن نے 1965 میں پیشگوئی کی تھی کہ ہم صرف 20 سال دور ہیں جہاں مشینیں کوئی بھی کام کر سکتی ہیں جو ایک آدمی کر سکتا ہے۔

جبکہ یہ بات زیادہ تر خودکار صنعتوں میں ضرور ہے، لیکن کمپیوٹروں اور روبوٹس کو ابھی بھی انسانوں کی نگرانی میں رکھا جاتا ہے۔ مصنفین نے واٹسن کے چیف انجینئر، ڈیوڈ فیرچی سے بات کی، جو 30 سال سے زیادہ عرصے سے مصنوعی ذہانت میں کام کر رہے ہیں۔ انہوں نے نوٹ کیا کہ کمپیوٹر آج کل پیٹرنز کو بہتر طریقے سے سپاٹ کر سکتے ہیں، لیکن مشین لرننگ کو انسانوں کی موجودگی کی ضرورت ہوتی ہے تاکہ وہ لرننگ پروسیس کو فیڈ کر سکیں۔ ابھی کے لئے، ایک کمپیوٹر ایک حقیقت تلاش کر سکتا ہے، لیکن ایک پیشگوئی کو ایک مختلف معلومات کی بنیاد پر ایک آگاہ تخمین کی ضرورت ہوتی ہے۔

انسانی دماغ حیرت انگیز ہے کیونکہ ڈیٹا کو مرتب کرنے اور ایک پیشگوئی کرنے کا کام نہایت مشکل ہے، اور پھر بھی ہم اسے مسلسل کرتے رہتے ہیں۔ اگر کمپیوٹرز کبھی سپر فورکاسٹر کو تبدیل کرنے کے قابل ہونے ہیں تو ان کے لئے سب سے بڑی رکاوٹ سمجھ ہوگی۔انسانوں کی یہ صلاحیت بہتر ہو سکتی ہے کہ وہ انسانی معنوں کی نقل کریں اور اس طرح انسانی رویے کی پیشگوئی میں بہتر ہوں، نوٹ کیا Ferrucci، لیکن "نقل کرنے اور معنی کو عکاسی کرنے میں اور معنی کی ابتدا کرنے میں ایک فرق ہوتا ہے."