回到剛剛我們問到的問題，為何醫生們已蒐集那麼多證據，我們仍不能一口咬定「吸煙導致癌症」？為什麼政府只能用上「吸煙危害健康」作宣傳口號而不能直截了當地指出香煙就是肺癌的殺手？我們要明白人類的身體是高度複雜的有機生物，專家們對於身體內部不同運作的因果關係仍未能搞得清楚，或用上我們的術語來說，就是身體有太多噪音（noise），令我們難以看清哪種因果關係能確鑿如「吸毒就會上癮」一樣。選擇如此「精確」的斷言反而會增加了不準確的可能。
討論有關對未來的預測，情也是大同小異。社會的資訊是公開流動的，也是充滿噪音的。預測界新星 Nate Silver 便提出一種「狐狸」的思維態度，緊記用機率來表達未來的可能，而且不斷留意有沒有更具分量的新資料，足以左右原先的想法，並且留意哪些是有分量的共識。
預測前先有清晰底線
Silver 的本事就是能夠準確預測美國大選 50 個州份的所有結果，這是令所有預測選舉的行家望塵莫及。他是如何做到？Silver 指最重要是追蹤不同頻道的報道，特別是有分量的報道。什麼才算是有分量？條件就是這些人的看法一直以來的可信度如何，以往的紀錄怎樣？蒐集了之後，再尋找這些人的「共識」。當然，共識往往難以達到一致，就如「吸煙導致癌症」仍有人持不同看法一樣。但在此不要要求「精確」，重點是有沒有足夠清晰的「底線（baseline）」存在（類似「吸煙危害健康」）。有了底線後，便可以在這之上用「機率」來看那些候選人的勝算是多少。
當愈來愈多新資料（而且是有分量的資料）出現時，適時修正之前的機率。需要留意的是，「修正」不一定撥亂反正，在 Silver 的例子中，他就是能夠不斷吸收新資訊，讓他持續「修正」候選人的勝算愈來愈明顯。他完全發揮了「狐狸」的特質，用客觀的頭腦不斷留意哪些是信號，哪些是噪音，以及這些信號是否匯聚出「共識」來。Silver 就是用了這套方法，讓他能夠在 2012 年美國大選前，當其他人認為奧巴馬將與羅姆尼有一番難分高下的惡鬥時，他卻認為奧巴馬將會大勝。或用他的語言是﹕奧巴馬勝出的機率為 90.9%。