趨勢索引 與 未來研究

用機率思考 (Think Probabilistically)

年少時讀科幻小說家阿斯莫夫（Isaac Asimov）最著名的《基地》系列，主角 Hari Seldon 能夠運用一種新數學「心理史學（psychohistory）」應用到預測未來的事件上。作者構想一種糅合了歷史學、數學、社會心理學、社會學及統計學的新學說，用於統計和預測宏觀巨大的未來活動（例如預測銀河帝國的命運）。故事當然是萬分精彩，但最令我印象深刻的是，主角所有的預測都是用機率（probability）來表達的。

無獨有偶，我在 Nate Silver 的《精準預測》中，看到作者提出他所發表的幾乎所有預測，「不管是政治還是其他領域，都是機率性的」。因此，Nate Silver 令我想起阿斯莫夫筆下的 Hari Seldon。雖然早前在此專欄上都介紹過 Silver 的豐功偉績——在 2008 年及 2012 年對美國總統大選結果近乎完美的「精準預測」，但另一方面，我們卻很難定義 Silver 是什麼人，因為他並非來自學界，不屬任何大學，也不是什麼統計學教授；他畢業於芝加哥大學經濟系，之後加入了 KPMG 事務所當價格顧問，後因公餘太無聊，便寫了一個程式，分析及預測自己一直關心的棒球運動戰果。經過不少學習與修正，結果得出一個精準度很高的預測分析系統，甚至被收購。其後他又研發了另一個系統應用在得州撲克，短期內為他贏上千萬元。

通過實戰達至精準預測

重點是，他是從實戰中反思何謂「預測」。繼而，他眼見所有政治選舉的預測那麼糟透，便自行建立了一個名為 FiveThirtyEight.com 的網站，用自己的方法來作選舉預測，結果大受歡迎，並將這個網站帶進《紐約時報》，成為了該報的超級大紅人。Silver 揚名之後，深知自己不能久留在《紐約時報》的官僚體制下，所以便接受了 ESPN 的重金邀請，回到最當初，也是他的最愛的體育評論。

Nate Silver 很明顯是對預測有某種天分，也有豐富的經驗，他不諱言自己有過很多試錯的經驗，才讓他從數據非常完備的棒球運動，到噪音度很高的總統競選活動，都得到精準的預測結果。當他在其《精準預測》中自白自己是如何做到這些戰果的時候，他的主張是「慢思、謹慎和機率式」的思考。

被忽略的思考方法

他舉例說認為大選前一天領先 5 個百分點的參議員候選人，歷史上來看有95% 的機會率是會勝選的。然而，這個 95% 是有非常明確而客觀的意義：勝利的確是在望，但不要忘記在 100 次同類的選舉中仍有 5 次機會是會敗選的。然而，我們一般沒有機率思考習慣的人，很喜歡將 95% 的機會率轉化為某些比較主觀的「偏見」。唯一一位非經濟學的諾貝爾經濟學得主、心理學家Daniel Kahneman在其《快思慢想》中已經很詳盡的說明了機率式思考對我們來說是多麼的陌生，以及在不為意這些機率的時候會做出什麼不良的決策。

除了機率式思考外，Silver再分享了兩個關鍵秘訣：一是不斷調整你的預測。很多人誤解了好的預測必須是一次性的，而且定了想法之後就不應該改變想法的。但Silver認為只要有值得參考的新資料出現，就應該重新評估昨天的預測是否需要修正。另一個關鍵的秘訣是「尋找共識 （looking for consensus）」，至於何謂尋找共識，且讓我們留待下回才作分解。

Be foxy 像狐狸一樣思考

節目是類似《百萬富翁》的現場直播節目。模式是二人對弈：二人互相訴說自己故事，故事可能是真的，也可以是假的，目的就是要誤導對方，同時自己又不能被對方誤導。我在上哈佛大學的一堂談判技巧的課裏，看着教授播放一段又一段輯錄的博弈比賽。然後教授邀請我們也像電視觀眾一樣猜誰是說謊者，誰是實話者。結果怎樣呢？女生的反應尤其迅速，很多不消一秒便看到屏幕中參賽者面部「微表情」的種種異動，便脫口指出對方是誠實者還是說謊者。有些時候她們真的蠻神準，但也有不少時候，她們都猜錯了。有趣的是，當女生以為自己在「測謊敏感度」遠優於男生時，教授從研究數據中指出事實是她們只不過與男生打成平手。這說明什麼？這說明「快而肯定」與「準確」沒有必然關係。

快狠不一定準

跟着教授說道，那些在測試中表現特別好的學員都有一個共同的特點：他們一開始時都不太確定到底對方孰真孰假。這些學員雖然也會像很多女生一樣很早便有了自己的想法，但他們卻鮮會在瞬間跳至結論，相反他們會好奇地收集更多的觀察資料，中途如有需要更會改變初衷。但由於他們往往都能在較多的資訊下得出結論，而且能夠適時的修正自己的想法，因此他們較很多單憑直覺來判斷的成績好得多。

慎思不怕噪音

這與《精準預測》（The Signal and the Noise）的作者 Nate Silver 提出的結論非常近似。他認為，一個好的預測者很需要具備一種「狐狸（fox）」的素質：多疑、審慎、不亂下結論、涉獵廣博、能站在陽台上從多角度思考、尊重事實、不過度自信、調適力強。就如前說，擁有狐狸想法的人也會很早有了自己的主見，但仍不斷考量「是否就是這樣？」還有一點，他們並不懼怕噪音（noise），因為他們知道噪音就是常態，世界並不如我們所想的那麼工整，並不特定導向自己要尋找新秩序。這樣，反而令像狐狸思考的人更客觀的看世界，結果能做到較「刺蝟」有更好的預測力。「狐狸」雖然預測力較佳，但偏偏卻因為他們經常被人認為是反應較慢、模稜兩可、多疑易變，所以讓人覺得他們是弱者，或只是一個不敢押注的機會主義者。因此，我們的社會中總是喜歡聽到那些振振有詞的專家爽快而肯定的極端想法。但那些搶眼的標題往往會促使你對某事件的看法也變得較極端，偏離了客觀。

在早年的未來學家都爭相要成為偉大的預言者，誰能道出那「一個未來」才算是英雄。一不就是道指爆上四萬點，一不就是世界末日將至。總有一個偏激言論會成為事實，就好像「末日博士」天天在唱衰股市，終有一天他也會是「對的」。然而，真正想要研究和分析未來的人，是需要在「推敲中驗證」自己對未來的看法。弔詭的是，有了這種高度調適的敏感度，我們的預測反而變得較大機會實現了。

刺蝟式思考 (Hedgehogs Thinking)

人類與預見(to predict)未來的關係可謂從來都沒有分離過。我們幾乎每分每秒都在預測。最基本的，我必須假設明天我仍活在這個世上。這種假設就是一種預見。然而我們憑什麼來預見呢？先讓我們暫且做一個區分。預測是一些相對是短導的事件，例如天氣預測、股票預測、地震預測等，相反，預見就是一些相對長遠的發展性事件，例如人口的老化、城鎮化的發展，氣候的長遠改變等。若要再嚴謹一點做區分的話，預見是相對賭定的；預測則需要與「不確定性(uncertainty)」打交道。我們可以賭定的知道未來將會有大量的機械人替代人力，但我們只能預測下一季的 iPhone 銷售數字。然而，人類的慣性是喜愛賭定的預測，那怪我們面對著多大的不確定性。

我們不難發現有些人總是很賭定，好像很清楚的知道未來會是怎樣。例如台灣電話商 HTC 的老板周永明先生在 2011 年說 HTC 在 2012 年「完全沒有弱勢」，但我們看到 HTC 被三星打得體無全膚，差一點便跨下來。他可能是為了站在台上才有這種豪言。但這一類清晰的、爽快明確地說出未來會怎樣的言論總是會吸引更多的眼球。例如時事評論家李怡當年在八九民運後不久，以專家的方式宣佈「鄧小平將在稍後時間下台」；又或亞視新聞要搶先預報江澤民已經過身。他們都是在做預測，而且都是大膽的，以肯定的口氣說出「就是這樣」。我總是很好奇的想知道他們何以可以如此肯定？有些更會寫書立著，就如之前一直討論的人口未來學家 Harry Dent 一樣。但無論他們錯多少次，這些人總是有追隨者。他們當然也會有猜對的時候，就如張五常猜對中國的經濟發展（然後將這個故事重覆又重覆的抄作到永遠！）。他們的共同點都是，讓人記住他們是如何的有前瞻性，並且要讓人覺得他們的洞見是如何的非同凡響，這種洞見膨脹成為一種自信，然後振振有詞的說出「中國崩潰論」、「黃金會升破三千美元」等等。說中了，他們就被棒為明星；說錯了，也不打緊，反正聽眾總是善忘的。若以一種個人投資回報來說，說得賭定一點總是有好的結局。

問題是，這種被 The Signal and the Noise 作者Nate Silver稱為「刺蝟式思考 (hedgehogs)」正是現在最觀迎的模式。無他的，媒體工作者多會認為「精確地錯」，總是好過「模糊地對」，這樣才能寫一個好故事。刺蝟式思考的人也不一定為了嘩眾取寵才有他們的主張，他們可能真心相信「我的想法」才是答案。首先，刺蝟們往往是某種真理或主義(ideology)的旗手，他們通常都是行內的專家，即對某一領域擁有大量其他人不容易知道的知識，但同時也是較狹隘的；因為他們總是帶有「我知的比你多」的心態，所以他們並不容易聽取新的資料，除非這種資料是對他所作的預測有利；另外，他們都喜歡在資訊中尋求新的䄮序或隱藏模式 (hidden patterns)，但這個新的隱藏䄮序又必須對解說他原來的理論有幫助。若然以上的都做到了，那他們都會很自然地是信心滿滿的。因此，也不難理解，他們都是頗受聽眾歡迎的。同時，事實是，他們往往都是差勁的預言者。

註：The Signal and the Noise 的中文版剛剛被翻譯出來，名字是《精準預測》，一個我認為跟作者書店原意（訊號與混音）相去甚遠的書名！

大數據可能是另一種噪音而已

1997年美國《華爾街日報》記者 Michael Drosnin寫了一本轟動一時的著作《聖經密碼(Bible Code)》，向普羅大眾介紹了利用聖經的組合排列有序地重新解讀，便可以從中得知未來的方法。或簡單一點說，聖經就是一本未來書。當時作者參考了一些數學的方法，重新在原典的經文中找出具預言性的訊息。

結果有不少數學家和專家發現，沒錯，聖經確是滿佈所謂的「密碼」，但同樣在《大英百科全書》也是滿佈可以揭示未來的「訊息」。與其說是訊息，那更可能是胡說八道的噪音。不少的專家就是抨擊《聖經密碼》的作者誤將噪音當作訊息，亂扯一通。為什麼要提及此書？因為這事件讓我連繫到今天的「大數據(big data)」趨勢可能會引起的問題。

大數據年代的來臨，讓 Facebook 這間接有十億以上用戶的公司顯得很值錢，因為他們可以將十億個用戶的個人資料拆解再拆解、排列再排列、分析再分析，便可以得出大量對商戶很感興趣知道的消費行為。這個圖像是何等的壯濶，是何等的野心，但同時，Facebook可能沒有告訴你的是，有很多分析完之後的資料，看似是有另一種新意義，但往往不過是另一種噪音而已。

若以資訊量來說，今天資訊量遠比《聖經密碼》的年代增長了很多倍。我們認為若然有更多資料的獲取，同時電腦有更驚人的運算力，我們便可以看到數據分析背後，有不同而又之前沒有發掘過的新模式(patterns)。透過這些模式，有助我們更準確的進行預測（例如顧客的口味）。這也是今天所流行的「大數據(Big Data)」浪潮中的核心主張：給我更多多資料，我便可以從中解讀到更多你想也沒有想過的趨勢。這一切都是關於我們如何可以有更好的預測能力；這也製造了另一股稱之為「微趨勢(micro-trends)」的浪潮

但正所謂垃圾輸入，就只能有垃圾輸出。我們也很可能從大數據的資料得出一大堆垃圾（Big Garbage），但由於是我們是對「模式」敏感度高的動物（這固然是人類一大好處），但同時他們也很自然地會進行很多過度解讀，找出大量不知所謂的「聖經密碼(bible code)」。當電腦還沒有那麼大威力的時候，反而看不到那麼多「隱藏模式(hidden patterns)」。但現在資訊多了，我們也多了不少噪音。資料與資訊，在某程度來說，就是噪音。

那我們該怎麼辦？美國的新掘起的才俊 Nate Silver 可以提供不少值得參考的想法。

此君因能在2008年準確地預測了美國全國50個州中其49個州的戰果，而且能完全正確無誤地預測了所有得選者的名字，然後於 2012 年大選完美地準確預測了所有 50 個州份的選舉結果。必須說這樣的戰果就是在香港小小的立法局選舉都未必能做到，更枉論在如此的規模下要做到幾乎完美的預測，實在是太驚人了。很多人當然想知道，他是如何做到的。剛巧在不久之後，他便出了一本書，名為《訊號與噪音(The Signal and The Noise)》。這本書，可能是2012年更中一本年度佳作，更重要的是，這本書改變了不少人對未來的看法。其中最重要的就是學習「狐狸」的思考方法。下回待續。