寫這本書的讀後心得，我自己是充滿矛盾的，或許是生存在資訊量大且變化快速的迷茫時代，一方面我自己很希望能夠學習超級預測的方法，身為數據分析者，我的工作內容本身就是預測，以過去模型去預測未來走向，如果能以思維方法調整並提升準確性，即使只有一丁點知識也好，都是收穫。另一方面我十分存疑超級預測者的存在，因為預測正確，即使是連續的正確性，有時候也是幸運的結果，到底如何分辨幸運、實力？真的有超級預測者存在嗎？這本書探討的議題值得分享，雖然不見得正確，但也能引領我們獲取新的思維方法。
「超級預測者」該如何定義？
未來是可以預測嗎? 作者認為這個問題並不是如此簡單用可以/不可以的二分法回答。我們每天都在面臨預測，有些預測相對準確而可預知，例如「每天日出日落的時間」、或者是「連假高速公路會不會塞車」，有些相對不可預知，像是「明天股價會漲還跌?」「明年哪裡會有戰爭?」所謂預測準確，取決於我們想要預測的主題、牽涉多久時間，以及所面臨的情境。
也因此，預測準確的定義至關重要。知道如何衡量預測好壞，最重要的是這個結果可以給予預測者反饋，並且依據這樣的反饋修正，然後再不斷持續「預測-反饋-修正」的循環。為什麼要持續這個循環? 作者認為，預測能力是一種思維方式、是一種蒐集信息的方法，也是一種隨時更新現況的信念。這種能力是可以學習的，「預測-反饋-修正」循環可以幫助我們提升預測能力，而且這樣的循環時間越短越好，代表每一次預測偏離軌道的時候，自己可以很快發現，並且思考自己哪裡錯了、然後改善預測能力，所以他不建議針對太長久的事件做預測，因為等到那事件發生時，我們根本無從藉此尋找自己預測錯誤的原因。
舉例來說，2008年經濟危機時，當美國央行力行貨幣寬鬆政策以救經濟，有許多經濟學家阻止，他們認為通膨有可能會隨之而來且會引發美元貶值，事實上之後幾年美國通膨一直持續在穩定水準，「但之後還是有可能造成通貨膨脹阿!」當時經濟學家雖然可以這樣辯稱，而且任何人都可以說這件事之後「之後有可能發生」，當人們這樣說也很難使人反駁。作者說這不是清楚可以衡量的預測，所謂有可能是多久? 有可能發生是指機率多少? 發生時間點為何? 發生時通貨膨脹會上升多少? 不精確的預測衡量標準，讓事後回溯該預測準確性變得困難，因為言語的模糊性使的事後辯解解釋空間很大，而人們針對過往的記憶容易扭曲，使得判斷預測準不準確反而成為一場場無意義的爭論。
建立衡量預測的評分，讓預測能追蹤比較
因此，預測必須有清楚明確的定義與時間軸，針對同一個主題，如果能夠做多次預測，較能衡量。多次預測的意義，除了在於完成前述「預測-反饋-修正」修正循環，因為預測會以機率表達，多次循環可以計算預測機率是否接近真實機率。舉例來說: 假設我預測明天有70%機率會下雨，這個預測只有一次機會來證實，沒辦法準確衡量; 但是我若我預測這周下雨機率70%，那我有7天的機會觀察結果，假設最後這周有5天下雨，2天沒下，那機率為71%，表示我的預測機率與實際相當接近。
但是光是預測機率接近真實機率，還不足以成為超級預測者，因為機率值還是讓人有漏洞可鑽: 一般事件40%~60%發生機率較高，那我全部都說40%~60%就最接近預測值啦? 作者於是創造出一個評估預測準確性的評分「Brier Score」，目的在從多種角度解決衡量預測不準的問題:
(1)除準確性外，加入「決心值」
將多次預測結果與真實結果比較，除了預測機率值需與真實結果相近「準確度高」，還需要衡量「信心值高」─預測中必須有較極端狀況出現。舉例來說，超級預測者在預測事件發生10%時，他有信心此事發生機率低，而不是每個事件都預測40%~60%保守帶，如果每次猜測保守帶可能準確率高，但這個預測並沒有參考的意義。
(2)建立比較基準
Brier Score多好叫做預測準確? 每個預測的難易度不同，例如預測赤道下雨機率，自然比預測地中海地區下雨機率容易，兩者互相比較沒有意義，所以在比較時，必須選定一個比較基準，讓預測者與「現狀」或是「亂猜」相較。像是預測美國總統大選各洲結果，現狀可能是「兩黨在上一次選舉各州結果」，因為兩黨選民結構沒那麼容易改變，如果預測結果跟兩黨上次各州結果差距不大，那這樣的預測不算傑出。如果預測者確實比亂猜好，而且預測者之間互相比較，也可以找出其中較傑出者，這些人是持續性的有優秀的評分，我們可以說他們是「超級預測者」。
 |
| Photo by Ben White on Unsplash |
超級預測者的特質
所以超級預測者有哪些特質與眾不同? 作者從1980年開始進行長達20年的預測實驗，涉及參與者280位相關領域專家，針對多次經濟與國際事件詢問並持續追蹤專家的預測，發現平均而言專家的預測結果並沒有比亂猜好，但若再仔細區分，某一群專家的結果比其中另一群好，他歸納結果較好的這群專家，他們共有的特質是願意接受更多資訊，專家容易被自己的經驗綁住，但他們不用既有經驗帶「有色眼鏡」看待目前的局勢，或許對自己的預測較沒那麼信誓旦旦，但總是謙虛的多方考量、廣納各種資訊意見。他們將多方資訊來源彙整分析成結論，這樣的方式等於他們一個人體內彙整多個專家意見做預測，看似簡單，卻不容易。
超級預測者的聰明才智可能在平均之上，但不用頂尖，充滿對預測的熱忱更重要，因為預測是需要不斷練習的，他們將預測當成習慣，但每次預測風格大多並非直覺式快速的，而是慎思再慎思，因為他們不讓直覺凌駕於理性之上。也因此，他們總是能「心胸開放」─花更多心力，思索那些與自己相左的意見(It's more useful to pay attention to those who disagree with you than to those who agree with you)。
 |
| Photo by Hermes Rivera on Unsplash |
成為超級預測者的心法指南
作者提供十條指南，讓讀者可以參考並練習成為「超級預測者」，挑選幾條我個人比較喜歡且實用的整理如下:
(1)清楚定義預測目標，接受錯誤並且確實反饋
清楚定義預測目標，是為了讓預測-反饋-修正的循環可以持續進行，預測者必須接受自己預測錯誤的事實，並且找出錯誤的原因。預測錯誤必須思考原因，是預測成功也必須思考是否是基於運氣，最重要的是: 持續不斷的練習預測，正如同學習任何技能，在精確的反饋之下，練習次數提高技能層次，預測也是如此。
(2)將問題細拆成小問題(Fermi-ize)
想像我們面臨一個預測問題: 請預測美國芝加哥有多少調音師? 看似一翻兩瞪眼的問題，卻可以透過拆分將這個問題細分成可以衡量。假設把問題拆分以下四點，每個問題又可以再做細拆:
1.「芝加哥有多少台鋼琴?」:可以從芝加哥人口* 人口約多少比例有鋼琴的佔比預測。
2.「一台鋼琴每年被調音幾次?」
3.「一台鋼琴調音一次需要多久?」
4.「一位調音師每年平均工作時數?」:從美國勞動人口平均工作時數去預估，扣除調音師需要往返的交通時間。
以上四項拆分，預測總共需要被調音的時數(需求)、再結合調音師工作時數(供給)，假設市場平衡狀態下就可以得出我們想要的答案，當然針對每個細項拆分我們只能做大概假設甚至抓個比率，但是這樣的拆分能讓我們的預測跳脫直覺式猜想，即使在沒有太多資訊情況之下，預測可以更有機會接近真實。
(3) 快速更新，但避免過度反應
每天資訊的流動是非常快速的，為了達到預測目標，更新資訊並調整自己的預測是必須的，尤其是那些沒有太多人知道的資訊，然而困難點是，假資訊、不相關的資訊也很多，一旦將不相關的資訊納入預測，反而造成過度反應而預測失準。作者認為，預測者必須隨時覺知這兩種風險，在每次更新資訊時，只調整一點點預測，但不斷重複更新的過程(lots of small updates)，這也是貝式定理的精髓。
我的心得
3年前閱讀了Nate Silver的《精準預測》(有興趣可參閱我的心得: 《精準預測》Part1：你的預測可能失誤; 《精準預測》Part2: 用貝氏定理趨近不可知的真實世界) ，近日再閱讀《超級預測》，發覺關於預測的心法，其實多為異曲同工: 必須秉持著謙遜、不斷調整的心態。三年過後，即使超級預測者的作者極具說服力的論述有關於超級預測者確實存在的實驗，我心裡仍然思考者或許準確的預測結果又是另一次單純的運氣之下的產物，特別作者在書中廣告他的公司網頁─將預測分數當作商品販賣，讓人不禁懷疑這整本書是否是一個大業配?
然而最後我還是決定分享書中內容，因為書中關於預測思維，包含定義預測、追蹤反饋、分解問題的思維觀點讓我獲益良多，尤其是預測需要有清楚定義才可以衡量，用這個標準檢視，市面上許多預測並不及格，我們也能夠用這個標準反思自己所提出的看法，在不服氣別人與自己意見相左時，先想想爭辯是否有意義。也許作者想要告訴我們的並非世界局勢能夠完全準確的預測，而是用另一種角度讓我們用科學觀點看待未知的事物，在這個變化快速的時代，訓練自己的思維是必須、不斷質疑自己的思考對於適應未知能有所幫助。「人類的預測雖然很渺小，但當我們抓緊這微小的遠見，也是不容忽視的力量。」 假設所有的事情都可以準確預測，世界也就失去未知的挑戰，也許就是設法在這未知潮流之中抓住一點點方向，讓努力學習變得如此有趣吧!
沒有留言:
張貼留言