每日精读 · 清单外
Superforecasting: The Art and Science of Prediction · 菲利普·泰特洛克 & 丹·加德纳 (Philip Tetlock & Dan Gardner) · 2015
泰特洛克花二十年做了一件几乎没人做过的事——把成千上万条关于未来的判断记下来、编号、然后逐条对答案打分——结果发现两件事：一，电视上那些最有名、最笃定的专家，长期准确率大致和瞎猜相当；二，人群里确实藏着一小撮普通人，长期稳定地打败情报分析员。而后者靠的不是天赋、内幕或超高智商，而是一套可以学会的做法：把大问题拆成能查证的小问题，从「基础比率」起步，用一小步一小步的更新修正，给答案标上具体数字，然后回头逐条对账。这本书真正的主张不是「未来可以被预知」，而是「判断是一门可以计分、因而可以变好的手艺」。
泰特洛克是宾夕法尼亚大学的心理学与政治学教授，加德纳是记者兼合作者。此书是他上一本《专家的政治判断》（2005）的续篇：那本记录了 1984 年起、历时约二十年、来自 284 位专家的两万余条预测，得出那句被引烂了的结论——专家的平均表现勉强好过随机。这一本要回答的是反问：既然大家都不行，那到底有没有人行？2011 年起，美国情报高级研究计划署（IARPA）办了一场为期四年的预测锦标赛，泰特洛克夫妇（合作者是他的妻子、心理学家芭芭拉·梅勒斯）组建的「良好判断计划」（Good Judgment Project）派出数千名志愿者参赛，靠一群业余人士赢了其他大学队伍——本书讲的就是这场比赛，以及从中挖出来的方法。
这个比喻出自古希腊残句「狐狸知道很多事，刺猬只知道一件大事」，经思想史学者以赛亚·伯林用来分类思想家，泰特洛克把它变成了可测量的变量。刺猬型专家有一套统摄一切的宏大框架——市场万能、帝国终将衰落、某某主义必然崩溃——遇到任何新闻，都把它塞进这套框架解释。狐狸型则东拼西凑：从多个互相冲突的来源各取一点，不追求理论上的优雅，对自己的判断留有余地。
| 刺猬 | 狐狸 | |
| 看世界的方式 | 一套统摄一切的大理论 | 多个互相冲突的来源，各取一点 |
| 遇到反面证据 | 当噪音过滤掉，立场反而更硬 | 当信号收下，把判断挪一点 |
| 说话的样子 | 斩钉截铁、故事漂亮——上电视的料 | 「大概」「除非」——听着不过瘾 |
| 长期准确率 | 差，最出名的那批可能不如随机 | 明显更高 |
同一批品质，一边让人成名，一边让人判断失准。
数据的结论很不客气：狐狸的长期准确率明显更高，而刺猬——尤其是最出名的那批——甚至可能比随机更差。机制并不神秘：一套框架越简洁有力，越容易把矛盾的证据当噪音过滤掉，于是错误无法被自身修正，只会被越推越极端。
而书里那句最刺人的话，是关于名气与准确度呈负相关：媒体需要的是敢下断言、讲得斩钉截铁的人，可这恰恰是刺猬的特长。换句话说，让一个人上电视的品质，和让他判断准确的品质，几乎是相反的两样东西。这一条足以改变你消费评论的方式：下次听到一个把复杂局势讲得干净利落、毫无余地的分析，你该起的第一个念头不是「他好清楚」，而是「他的框架正在替他过滤证据」。
要评价预测，先得知道拿什么评价。书里用的是布莱尔分数（Brier score）——把你给的概率和实际结果（发生＝1，没发生＝0）之差平方后取平均，分数越低越好：0 是完美，0.5 相当于对什么都说「五五开」的瞎猜。它之所以重要，是因为它同时惩罚两种毛病，而这两种毛病可以分开看：
两者的张力就是预测这门手艺的全部难处：谨慎让你校准，胆量让你有用，而两边都要。超级预测者的做法是既敢给出 5%、95% 这样的极端数字，又靠不断微调把它们守住。
这里还藏着一条对日常极有用的推论：只有把话说成数字，你才可能错，也才可能变好。书里举了个经典教训（1961 年猪湾入侵前，参谋长联席会议给肯尼迪的评估里出现「有相当好的机会」这类措辞，事后各方对它到底指多大概率理解不一）——模糊的词是双向保险：成了算你说对，砸了你也没说死。它保护说话的人，代价是让整个组织学不到任何东西。
物理学家费米以让学生估算「芝加哥有多少钢琴调音师」出名——不是要他们知道答案，而是训练他们把一个无从下手的量，拆成几个各自都能大致估出的量（城市人口 → 多少户 → 多少家有钢琴 → 多久调一次 → 一个调音师一年能调多少台），再乘回去。关键在于误差会互相抵消：几个方向不同的粗估相乘，往往比一次性拍脑袋准得多。
超级预测者对付时事题也是这套。书里那个著名例子是「阿拉法特的遗骸中是否会检出钋」：与其争论阴谋论是否成立，他们把它拆成一串可查的小问：钋的半衰期是多久、遗体埋了多久后还能不能检出、送检的是哪家实验室、此前类似检测的结果如何、宣布方有什么动机——每个小问题都有可查的事实或可估的比率，拼起来才落到一个数上。
为什么这招重要？因为绝大多数糟糕的判断，坏在一开始就把问题问得太大。「这家公司会成吗」没法回答，但「他们能不能在九个月内签下三个企业客户」可以。拆题这个动作本身就已经在提升判断，因为它逼你把直觉里含混的部分暴露成一条条可以被驳倒的小主张。
这是全书最可迁移的一招，源自卡尼曼与特沃斯基。内部视角（inside view）是盯着眼前这件事本身的细节：这个团队多能干、这个方案多妙、这次情况多特殊。外部视角（outside view）则是先把它归进一个类别，问：「同一类的事情，历史上有多大比例是这个结果？」这个比例就叫基础比率（base rate）。
为什么先外后内？因为内部视角天生乐观且容易被细节淹没。一个团队坐下来估算「这个项目要多久」，谈的全是自家计划——却极少有人去查「本部门过去二十个同类项目平均超期多少」。那个枯燥的数字，往往比整个下午的讨论都更准。
超级预测者的固定动作是：先把基础比率钉成锚，再用本案的特殊信息把它往上或往下推，而且推得克制。顺序不能反——先陷进细节再去找数据，人只会挑那些支持自己既有印象的数据。这个习惯能改掉的最大毛病，是把「我这次不一样」当成默认前提：绝大多数时候，你这次和别人那次一样。
超级预测者不是一锤定音，而是把预测当成一个持续维护的仓位：新消息来了就调一点，从 63% 挪到 58%，再挪到 61%。这背后是贝叶斯更新（Bayesian updating）的精神——不必真去算公式，抓住那句话就够：你的新看法，应当是旧看法加上新证据带来的那一点位移；证据越强，位移越大。
这里最值得记的是两种相反的死法，它们同样致命：
而频繁的小幅更新之所以有效，恰恰因为它保留了此前所有证据的分量：每次只挪一点，等于承认新消息只是拼图里的一小块。书里的数据支持这一点——顶尖预测者更新得更频繁、每次幅度更小。这个习惯迁移到任何领域都一样有用：把观点当成一个可以随时小幅调整的数字，而不是一面立起来就不能倒的旗。
泰特洛克说超级预测者最一致的性格特征，不是聪明，而是「永远的测试版」（perpetual beta）——把自己的判断能力当成一个从没做完、需要持续调试的产品。这背后是德韦克的成长型心态（growth mindset）：把能力看成可练的，于是失败是数据；把能力看成固定的，于是失败是判决，只能回避或粉饰。
配套的两个具体动作值得直接抄走。其一是逐条对账的复盘：不是笼统地问「我上季度判断准不准」（记忆会自动美化），而是翻出当时写下的数字，一条条对。这也是后见之明偏误（hindsight bias）的唯一解药——事情发生后，你的大脑会真诚地相信「我早就知道」，只有当时留下的白纸黑字能拆穿它。
其二是事前验尸（premortem）：在动手之前，先假设「一年后这件事彻底失败了」，然后请所有人写下失败的原因。比问「有什么风险」高明的地方在于，它把问题从「会不会出事」（人们会本能地辩护）换成了「已经出事了，是怎么出的」——一旦结局被设定为既成事实，人的想象力立刻从辩护切换到解释，藏着的顾虑就出来了。
把超级预测者编成协作团队后，成绩还会再提升一截——但前提是团队不塌成回音室。书里提的护栏是建设性对抗：明确要求成员去攻击彼此的推理（而非人），并鼓励「精确提问」——不问「你怎么看」，而问「你说的『很可能』是几成？你需要看到什么才会改口？」
这里必须点破群体思维（groupthink）是什么：它不是大家意见相同，而是为了维持和气而无人愿意说出异议，最终整个群体一起走向一个没人真正检验过的结论（心理学家詹尼斯正是用猪湾事件当典型案例的）。团队之所以能优于个人，靠的是意见来源真正独立；一旦大家开始互相看脸色，人多反而放大错误。
还有一个技术细节值得知道，因为它反直觉：把多人预测汇总时，简单取平均往往还偏保守——因为每个人都只掌握部分信息，而平均把大家的犹豫也一并平均了进去。良好判断计划的做法是给高手加权，再做「极端化」（extremizing）处理，把汇总后的概率往 0 或 1 的方向推一把（比如 0.7 推到 0.8）。它的道理是：如果一群人各握一块拼图却都投了「大概是」，那么把拼图合起来之后，本该比任何一个人都更有把握。（注意：这招的成立依赖参与者的信息足够多样；大家看的是同一条新闻时，极端化只会放大错误。）
塔勒布的反对必须诚实地摆出来，因为它抓住了这套方法的真实边界。他的立场（可参见本站 read26《反脆弱》）大致是：历史是被极少数不可预测的极端事件（黑天鹅）推动的，在这类事件上，概率估计不但没用，还会制造虚假的安全感；正确的应对不是预测得更准，而是把自己的处境改造成「即使猜错也不会被摧毁」。
泰特洛克的回应有两层。其一，比赛题目的时间跨度大多在一年以内，这类中短期问题占了现实决策的绝大多数，而它们确实是可预测的——用「反正预测不了长期黑天鹅」当借口拒绝改进这些判断，是偷换问题。其二，两人在更根本处并不冲突：该建立韧性的地方建立韧性，该提高精度的地方提高精度，把预测和抗打击当成互斥的选项，本身就是个假二分。但塔勒布的核心提醒仍然站得住：一个校准良好的概率，绝不等于对「万一发生」的后果做好了准备。
全书的论证像一条直线，五步走完。第一步，先证明问题存在：把专家几十年的预测记下来打分，发现平均水平堪忧，而名气越大往往越不准——原因是评论市场奖励的是自信与叙事，不是准确。
第二步，先修工具，再谈本事：没有计分规则就没有进步。于是把预测强制写成数字，用布莱尔分数评价，并把它拆成校准与决断力两面——这一步是全书真正的地基，后面所有结论都靠它才成立。
第三步，做实验找人：四年锦标赛、数千名志愿者、几百万条判断。结果是那约百分之二的人稳定领先，且优势跨年持续，因而不是运气。
第四步，拆解他们在做什么：费米式拆题、外部视角先行、小步频繁更新、主动找反面证据、精确到数字、事后逐条对账；心态上则是「永远的测试版」。第五步，验证它可教：短暂的训练即带来可测的提升，团队协作再加一层，汇总时的加权与极端化又加一层。
所以这本书真正证成的是什么？不是「未来可以被预知」，而是「在一年上下的尺度上，判断质量存在真实且稳定的个体差异，这差异主要由可学习的做法造成，因而是可以被训练出来的」。它把预测从玄学挪进了手艺——而这门手艺的第一条纪律不是聪明，是记账。
① 没被计分的预测不是预测，是表演。专家能几十年不长进，正因为没人把他们说过的话记下来对答案。
② 名气与准确度大致呈负相关：媒体奖励的是敢下断言、故事讲得漂亮的人，而这恰是准确性最差的那类。
③ 刺猬有一套解释一切的大框架，狐狸从多个冲突来源东拼西凑。狐狸更准，因为大框架会把不利证据当噪音过滤掉，于是错误永远修不了。
④ 好预测有两个独立的分数：校准（你说 70% 的事，是不是真有七成发生）与决断力（你敢不敢离开 50%）。对什么都说「一半一半」的人校准完美，却毫无用处。
⑤ 「有相当可能」是逃避计分的掩体。模糊措辞成了算你对、砸了你也没说死——它保护说话的人，代价是整个组织学不到东西。把话说成数字，你才可能错，也才可能变好。
⑥ 费米式拆题：把答不出的大问题拆成几个各自能估的小问题再乘回去，误差会互相抵消。大多数糟糕判断，坏在一开始就把问题问得太大。
⑦ 先外后内：先问「同类的事情历史上有多大比例是这个结果」（基础比率），再用本案的特殊信息克制地微调。顺序反了，你只会挑支持自己的证据。绝大多数时候，你这次和别人那次一样。
⑧ 把预测当持续维护的仓位，小步频繁更新。两种相反的死法一样致命：顽固不改（怕像认错），和一条新闻就从 20% 蹦到 70%（把噪音当信号）。
⑨ 复盘要翻出当时写下的数字逐条对，因为后见之明偏误会让你真诚地相信「我早就知道」；动手前做一次事前验尸——假设一年后彻底失败了，请所有人写下原因，藏着的顾虑立刻会出来。
⑩ 最该记住的边界：这套手艺管的是一年上下、判定清楚的问题，管不了改写历史的黑天鹅；而且一个校准良好的概率，绝不等于对「万一发生」做好了准备。预测只是决策的一半，另一半是你输得起多少。