Филип Тетлок - Думай медленно — предсказывай точно. Искусство и наука предвидеть опасность

Драматичности тут нет никакой. Если честно, это даже скучно. Тим никогда не станет гуру, которого пригласят делиться мистическими откровениями на телевидении, корпоративных вечеринках и страницах книг-бестселлеров. Но его способ работает. Данные турнира это доказывают: суперпрогнозисты не только обновляют свои прогнозы чаще, чем обычные прогнозисты, — они еще и меньше их изменяют.

В том, как все работает, нет мистики. Прогнозист, который не уточняет свое мнение в свете новой информации, не оценит ее по достоинству; в то время как прогнозист, который слишком увлечется новыми данными и построит предсказание исключительно на них, забудет о ценности сведений, на которых основывался первоначальный прогноз. Талантливый прогнозист осторожно удерживает баланс между старой и новой информацией, ценит и ту и другую и включает ее в новый прогноз. Лучший способ это сделать — небольшие обновления.

Эту идею иллюстрирует старый мыслительный эксперимент. Представьте, что сидите спиной к бильярдному столу. Друг катит по столу шар, и тот где-то останавливается. Вы хотите не глядя определить местоположение шара. Каким образом? Друг катит по столу другой шар, который тоже где-то останавливается. Вы спрашиваете: «Второй шар находится слева или справа от первого?» Друг отвечает: «Слева». Это практически ничтожный обрывок информации. Но он тоже что-то значит — например, говорит о том, что первый шар находится не на левом краю стола, а значит, делает чуть-чуть более вероятным расположение первого шара на правой стороне стола. Если друг прокатит по столу третий шар, и вы повторите вопрос, то получите еще один обрывок информации. Если ответ будет снова «Слева», шансы, что первый шар находится на правой стороне стола, еще немного увеличатся. Продолжайте процесс, и вы постепенно сузите разброс возможных местоположений и наведете прицел на истину — однако так и не сможете полностью исключить неопределенность [142].

Если вы изучали статистику, то, возможно, вспомните вариант этого мыслительного эксперимента, придуманный Томасом Байесом. Байес, пресвитерианский священник, изучавший логику, родился в 1701 году, то есть жил в момент зарождения современной теории вероятности, к которой и сам приложил руку, опубликовав «Эссе к решению проблемы доктрины шансов». Это эссе, в сочетании с работами друга Байеса Ричарда Прайса, опубликовавшего его эссе уже после смерти, в 1761 году, а также открытия, совершенные великим французским математиком Пьером-Симоном Лапласом, в конечном счете создали теорему Байеса. Она выглядит таким образом:

P(H|D)/P(—H|D) = P(D|H)/P(D|-H)P(H)/P(—H)

Апостериорные шансы = Степень вероятности Априорные шансы

Байесовское уравнение корректировки убеждений

Если выражаться просто, теорема говорит, что новое ваше убеждение должно зависеть от прежнего (и знания, которое его сформировало), умноженного на «диагностическую ценность» новой информации. Абстрактность формулировки обескураживает, поэтому давайте посмотрим, как Джей Ульфельдер — политолог, суперпрогнозист и мой коллега — применил ее на практике. В 2013 году администрация Обамы выдвинула Чака Хэйгела на должность министра обороны. Но в этот момент всплыла противоречивая информация, слушания прошли плохо, и появились спекуляции на тему того, что Хэйгела может не одобрить Сенат. Том Рикс, оборонный аналитик, написал:

Снимет ли Хэйгел свою кандидатуру? Я бы сказал, 50 на 50… Но его шансы уменьшаются с каждым днем. Итого: каждый рабочий день, в течение которого комитет Сената США по вооруженным силам не голосует за то, чтобы отослать его кандидатуру в Сенат, я думаю, уменьшает вероятность Хэйгела стать министром обороны на 2 %.

Было ли это здравое суждение? «Опытные прогнозисты часто начинают с базовой ставки, — написал Ульфельдер. — С момента создания поста [министра обороны] вскоре после Второй мировой войны только одного из 24 официально выдвинутых кандидатов Сенат отверг, и ни один не снял свою кандидатуру сам». Таким образом, базовая ставка была 96 %. Если бы сразу после выдвижения кандидатуры Чака Хэйгела Ульфельдера спросили, утвердят ли его кандидатуру, он бы сказал, учитывая, что не стал бы рассматривать другие факторы: «96 % вероятности, что утвердят». Учитывая то, что суждение было сделано до поступления дополнительной информации, оно называется априорным [143].

Затем Хэйгел плохо выступил на слушаниях. Очевидно, это уменьшило его шансы. Но на сколько? Дабы ответить на это, Ульфельдер написал: «Теорема Байеса требует, чтобы мы установили две вещи: 1) какова вероятность того, что мы видим в Сенате плохое выступление кандидата, которому суждено провалиться, и 2) какова вероятность того, что мы видим в Сенате плохое выступление кандидата, которому суждено быть одобренным?» Ульфельдер не знал нужных чисел, поэтому начал с того, что принял слова Рикса на веру и сильно склонил свои расчеты в его сторону, подразумевая, что, если данные Рикса невозможно проверить, то их невозможно проверить и у него. «Чисто теоретически я приму такой расклад: только один из пяти впоследствии одобренных кандидатов плохо выступает в слушаниях по вопросу утверждения должности, но так делают 19 из 20 провалившихся кандидатов». Ульфельдер загрузил данные в теорему Байеса, посчитал — и в итоге его прогноз «обрушился с 96 процентов до… 83». Таким образом, Ульфельдер сделал вывод, что суждение Рикса сильно отклонилось от истины, но вероятность, что Хэйгела утвердят, была все еще очень высока. В итоге две недели спустя его утвердили [144].

У человека с низкими способностями к математике это может вызвать отчаяние. Неужели прогнозистам действительно нужно понимать, запоминать и — о ужас! — использовать алгебраические формулы? У меня хорошие новости: нет, не нужно.

Суперпрогнозисты хороши в математике: многие знают о теореме Байеса и могут использовать ее, если чувствуют, что дело того стоит. Но они редко прибегают к прямому использованию чисел. Для суперпрогнозистов важнее не сама теорема Байеса, а его основная идея о постепенном приближении к истине с помощью постоянных корректировок в пропорции с весом имеющихся свидетельств [145]. Все это в полной мере относится к Тиму Минто. Он знает о теореме Байеса, но ни разу не использовал ее при составлении сотен обновленных прогнозов. В то же время Минто очень ценит дух Байеса. «Думаю, существует большая вероятность, что я интуитивно понимаю теорему Байеса лучше, чем большинство людей, — говорит он, — даже несмотря на то, что, если меня попросить написать ее по памяти, я, возможно, не смогу этого сделать». Минто — байесовец, не использующий теорему Байеса. Это парадоксальное определение относится к большинству суперпрогнозистов.