當你讀這篇文章的時候，其實已經對未來做出十幾次的預測，例如從標題猜測這篇文章的內容，以及自己是否感興趣。每個人都是預測者，所有人都想知道未來會發生什麼：我可能感染武漢肺炎嗎？三個月後能找到工作嗎？這間店有我想買的東西嗎？有時間完成專案嗎？川普會連任美國總統嗎？

 

　　然而，儘管我們經常預測，但通常不擅長這件事。第一個研究「不切實際的樂觀主義」（樂觀偏誤）的現代心理學家尼爾‧韋恩斯坦（Neil Weinstein）寫道：「人們對於有利結果的偏好出現在各式各樣的負面事件中，從疾病（如癌症）、自然災害（如地震）乃至意外懷孕、水污染到分手等等。此外，雖然沒有那麼強烈，但它也出現在正面事件中，例如大學畢業、結婚和受更好的治療等等。」

 

　　說實話，我們預測未來的能力很差，這就是為什麼經常求助各種預測專家：氣象學家、經濟學家、選舉學家、保險公司、醫生和投資基金經理，他們大多仰賴科學數據進行預測。但還有其他種類的預測者：例如據傳南茜‧雷根（Nancy Reagan）曾找占星家瓊‧奎格利（Joan Quigley）依照隆納‧雷根（Ronald Reagan）的星盤安排行程，以防遭到暗殺。人類極盡所能預測即將發生的事情，希望為未來做好心理和實質上的準備。

 

　　根據賓夕法尼亞大學的心理學家菲力浦‧泰特洛克（Philip Tetlock）的看法，這又是另一種偏誤。泰特洛克在2006年出版的《專家的政治判斷》（Expert Political Judgment）中諷刺地表示，預測專家的精準度跟「黑猩猩扔飛鏢」差不多。

 

　　他的觀點認為，預測專家往往過度執著在一個特定的觀點上，導致他們無法看清全局。例如1920年代與經濟學家約翰‧梅納德‧凱恩斯（John Maynard Keynes）齊名的美國經濟學家爾文‧費雪（Irving Fisher），他在1929年華爾街股災的前幾天宣稱，目前的股價已經達到了「長久的高點」，但幾天後的結果讓他名譽掃地。儘管如此，費雪還是對自己的理論深信不疑，堅稱股市會在接下來幾個月反彈回漲（事實是直到1954年道瓊指數才重回股災前的水準）。

 

　　不過泰特洛克也發現，有些人確實可以精準地預測未來：只要擁有合理的智商、懂得如何蒐集資訊，並且在數據發生變化時盡快修正觀點，更加考量可能性而不是確定性。

 

 

　　情報高等研究計劃署（IARPA）為此贊助了一場預測比賽，對泰特洛克的理論進行「嚴格的考驗」。這場比賽共有五個大學團隊競相預測地緣政治事件，而泰特洛克的團隊最終獲得勝利。泰特洛克招募了一批預測者，然後從中挑選出最厲害的「超級預測者」。根據他的研究，「超級預測者」是預測者中排名前2％的人，他們能比其他人更早做出預測，而且更可能預測準確。

 

　　那麼預測準確的秘密是什麼呢？答案是採納各方的預測結果。最著名的例子是博學家法蘭西斯‧高爾頓（Francis Galton）所進行的實驗，1907年高爾頓在英國普利茅斯的牲畜集市上舉辦了一場「猜牛重量」的比賽。高爾頓取得所有的參賽卡並統計分析。

 

　　高爾頓寫道：「這些參賽者提供了很棒的素材。預測者並沒有被激情左右……六便士的參賽費用打退了想鬧場亂猜的人，而得獎榮譽和比賽氣氛讓每個參賽者都竭盡全力。參賽者中包括屠夫和農夫，其中還有一些判斷重量的專家。」比賽結果顯示，787個參賽者預估的平均重量為1197英磅，只比這隻牛的真實重量少了一磅。

 

　　直到1969年，「群體可能比個人預測更準」的觀點才認真被重新研究。當時諾丁漢大學的克萊夫‧格蘭傑（Clive Granger，未來的諾貝爾獎得主）和經濟學家J‧M‧貝茨（J. M. Bates）所發表的論文證實，比起找出最佳的個人預測結果，綜合各種不同的預測會更準確。

 

　　這些發現加上經濟學家佛烈德利赫‧海耶克（Friedrich Hayek）的研究，成為當代預測市場的基礎。這個概念是創造出一群人，對某個事件做出可驗證的預測（例如2020年美國總統誰能勝選），將市場上人們買賣事件走向的機率作為期貨，得知大眾對未來事件的預測，簡單來說就是「未來事件交易所」採用的機制。

 

　　正如詹姆斯‧索羅維茨基（James Surowiecki）在著作《群體的智慧》（The Wisdom of Crowds）所概述，以此預測市場或資訊市場能夠非常準確。例如為1988年美國總統大選而建立的「愛荷華電子市場」（The Iowa Electronic Markets），在2009年被《哈佛法律評論》（Harvard Law Review）引用為「預測市場可行」的證據，評論寫道：「在1988年至2000年總統選舉的前一周，愛荷華電子市場的預測與實際選舉結果的差距在1.5％以內，比起傳統自述的民意調查來得準確，傳統的民意調查錯誤率超過1.9％。」

 

　　除了選舉，許多跨國企業（如Google、Yahoo、HP、Intel、微軟）也使用內部的預測市場向員工詢問新藥、新產品成功的可能性和未來的銷售情況。

 

 

　　雖然預測市場看似完美，但它們並不總是正確：例如愛荷華電子市場和其他線上預測市場對英國脫歐的預測錯誤，對2016年川普勝選的預測錯誤，對2003年在伊拉克發現大規模殺傷性武器以及2005年提名約翰‧羅勃茲（John Roberts）擔任美國最高法院大法官也都預測錯誤。許多例子都表明，小群體會強化彼此的觀點，從而演變為極端的立場，這也被稱為「團體迷思」。團體迷思是耶魯大學心理學家歐文‧詹尼斯（Irving Janis）所提出的理論，他以此解釋豬灣事件的原因。

 

　　預測市場的弱點在於，沒有人知道參與者是憑直覺的賭博式預測，還是有理由和可靠依據的預測。儘管有想法的交易員最後應該會推動股價，但理論並不總是與現實一致。就像1720年南海泡沫事件或1637年荷蘭鬱金香狂熱期間的投機者讓市場陷入團體迷思，從而導致泡沫化的可能性也不低。

 

　　在預測市場出現以前，專家仍是許多人視為準確預測的唯一途徑，當時還出現不同的預測方法：德爾菲法（Delphi）。這項技術是美國智庫蘭德公司（RAND Corporation）在冷戰初期所研發，希望以此突破趨勢分析的限制。德爾菲法召集了一群領域互不相關的專家，每位專家都被要求單獨完成一份問卷，並列出對某個事件的觀點。由於問卷內容是匿名的，專家之間不會知道這份問卷是誰的看法，只會詢問他們是否想修改自己的意見。經過幾輪修訂後，團隊的中間意見被定為對未來預測的共識。

 

　　理論上來說，這種方法消除了團體迷思的問題，同時確保專家能得知其他人的意見。然而，在《德爾菲團隊成員的自白》（Confessions of a Delphi Panelist）一書中，約翰‧朗（John D. Long）坦承事實並非總是如此，因為面對73個問題「絞盡腦汁思考非常耗費心力」，他寫道：「在暴露個人性格缺陷的同時，我必須表明很多階段我都想走捷徑，用比較簡單的方式思考，不過度擔心自己回答的品質。我不止一次屈服於這種誘惑。」

 

　　因此當預測市場出現時，這個方法很快就被取代。如果有一種方法能把德爾菲法所要求的專業分析與目前的預測市場結合，那預測或許就會更準確。

 

 

　　在情報高等研究計劃署舉辦的競賽期間，泰特洛克的研究團隊把預測者分成好幾個小組，以此測試「預測準確性的心理驅動因素」的假設，並發現預了四個因素：

　

　　一、招募並留下更好的預測員（這讓他所建立的「優良判斷力計畫」（Good Judgment Project）預測員相較於其他研究計畫擁有10％的預測優勢）。

　　二、去除認知偏誤的訓練（有訓練比沒有訓練過約有10％的預測優勢）。

　　三、更具吸引力的工作環境，例如團隊合作和預測市場（相較於單獨工作的預測者，團體能增加約10％的預測優勢）。

　　四、汲取群體智慧的統計方式、排除偏激的因素，讓預測結果比平均值高出35％。

 

　　泰特洛克還把最優秀的預測者組成一支超級預測團隊，這些人表現出色並不是純憑運氣，而且還在比賽時不斷精進自己。對於想成為更厲害的預測者，泰特洛克的建議是：心胸更開放，試著消除認知偏見，以及避免「過度預測變化」（產生不合邏的情形）和「過分自信」（忽視偏見和基本機率）。泰特洛克的研究表明，克服這些障礙有助於做出更好的判斷和預測，而不要只是一味地從眾──不然擲硬幣決定不是更準？

 

 

原文出處：Jstor