趨勢索引 與 未來研究

是神準預言 還是守株待兔？

趨勢研究，就是關於預見的未來。未來是不可測的，也因如此，若要追求掌握未來的細節，例如3周後股市是升還是跌，其不確定性是非常高。哪怕你用大數據的技術、高度複雜的電腦模型計算，效果仍不明顯。因此，當大家談論未來，都寧取「大概地對」也不要「精確地錯」。

Peter Drucker 說過未來已經發生在今天。即只要我們細意觀察，敏感地留意周遭的事，哪怕是打開背包盤點一下身上的物品，也能有所發現。趨勢之所以稱為趨勢，是因為它有一種延續。即昨天已經發生，今天也發生，明天也極可能會延續下去。然而它又不同於太陽從東方升起的那種恆常現象。趨勢是有其「勢力」的，預期其累積的力度猶如滾雪球一樣，愈滾愈大，力度愈來愈猛。例如城市化就是一例。城市化是延續了好幾個世紀的趨勢，很可能在未來50年（尤其在中國）繼續滾動下去。人與人之間的通訊模式愈來愈即時，又是另一股經過多年的趨勢，你大可由「烽火戲諸侯」、「飛鴿傳書」或更早的年代開始追溯，直到今天我們用微信、WhatsApp 等來即時溝通。

大勢是錯不了的「預測」
人口老化已被人討論了不知多少次，因為前提是這說法錯不了！大勢所趨是一些錯不了的「預測」，結果有一些趨勢分析家捉住這些大勢大書特書。以研究人口學作經濟預測的Harry Dent在2009年寫了《2010大崩壞》（The Great Depression Ahead），3年後推出了《2012大蕭條》（The Great Crash Ahead），然後今年，最新著作《人口懸崖﹕如何安然度過2014-2019年的通縮期》（Demographic Cliff）又再次套用他的專長。我以前也是Harry Dent的粉絲，但老實說到現時為止，他的書沒有一本能超越他在1994年出版的The Great Boom Ahead。其後的著作只是重複又重複他所看到的「嬰兒潮人口學」對經濟的衝擊。

數年內出3本討論同一人口老化題目的書？不要忘記人口老化是一個相對穩定的大趨勢，基本上說一次大家都會明的，若真的要做一些更新，10年出一次是可以接受的。但現在以這樣的頻率來出書（而且每本都有300頁以上！），那很自然就跳進細節去﹕什麼時候黃金會怎樣、什麼時候股票會怎樣、然後美元又會怎樣等便要接踵出台。可這正是預測的大忌。

Harry Dent 在 2009 年寫《2010大崩壞》，結果沒有出現，然後又在《2012大蕭條》提出2013至2014年將會很糟糕，結果去年美股表現出奇地猛，全線上升。今年推出《人口懸崖》，美股最近終於出現了重要調整，很多人便認為這次 Harry Dent 很神準。但其實他也不過是另一個末日博士，整天不停喊末日，末日「終於」來了，「因此」末日博士很神準。我會說那根本就是守株待兔，不是什麼預測。而且若依據他之前的著作來投資的話，沒有「損手爛腳」已屬幸運。

根據 Harry Dent 所說，他一向都很準（偶有調整之外）。但若是那麼準，哪為什麼還需要靠賣 newsletter 過活？為什麼他現在愈來愈像推銷員？他不是應該家財萬貫如索羅斯或畢菲特？他認為今年道指會低見 6,000 點，問題是，就算讓他猜到又怎樣？是否單靠這次就能說明「人口結構」可以幫助預測準確到細節呢？像他這樣研究人口學的人，其實已經到了蓋棺論定的地步。人口學很有參考價值，它也有力地說明很多社會現象與人口老化是相關的。但了解人口學不能讓你一朝變富；或可以這樣說，研究未來並不是研究如何致富，那是關心人類發展的一種關懷。Harry的人口學研究，或者是時候R.I.P.了。

大數據「知道」妳懷孕了，又怎地！

在預測界紅人 Nate Silver 的近作《精準預測》中，提到在預測中必須包容「噪音（noise）」，因為世界本來就是那麼不完美，並不是你用心去找所謂的「隱伏在後的潛模式（或潛趨勢）」就會找到。今天我們炒得火熱的「大數據（big data）」，就是有很驚人的數字拆解力（number crunching），幫助我們什麼都拆一頓。而如果你要這樣拆，答案是你總會拆到一堆模式出來，有一些是滿令人驚喜的。

少女懷孕「未卜先知」

一個大數據常用的例子就是美國的大零售商 Target，於 2012 年的一期 New York Times Magazine 的頭版搶盡風頭，因為該報報道了一篇關於 Target 如何在芸芸數據中配對出哪個顧客很可能已經懷孕。整個故事非常精彩（精彩到我仍懷疑其真實性），話說有一名怒氣沖沖的中年男人走到其中一家店的店員面前，手持著 Target 用電郵寄出的購物優惠券，但購物的內容卻已經有所預設﹕一些孕婦用品的優惠。那名男子原來是一少女的父親，因在其女兒的電郵信箱上收到 Target 寄來的優惠券，很不滿意地質問店員為何向他的女兒寄出如此有意圖的「鎖定式推廣」，其意思是否 Target 鼓勵他的女兒嘗試懷孕？店員當然一頭霧水，店長查明了原來是 Target 背後的數據分析，查閱該少女的購物紀錄中有某種組合（葉酸維他命；鋅、鎂營養片和某些很特別的潤膚膏等等）便推斷該消費客戶有 87% 的可能懷有身孕，而且預產期大約是在什麼時候。因此 Target 的電腦推廣系統便會再配對一些相關的孕婦用品資料，發到她的電郵信箱去。店長及後回電，準備向該名男子道歉並說明，誰知那名男子在電話中主動道歉並詢問他們是如何得悉他的女兒真的已有身孕！以上的故事是大數據最喜歡採用的，以「較她爸爸還早知道女兒已有了身孕」來說明大數據的威力。

第三波還需人腦分析

今天社會已經開始邁進「第三波」，即以資訊、數據來產生有用的知識，並利用知識創造財富的年代。而近來大數據的浪潮好像在向我們宣示，我們已經進入了第三波的年代了。但各位必須懂得區分，「開始邁進」第三波不等於「已經進入了」第三波。但這又以什麼來做準則呢？一切還是以人的思維素質，而不是科技來判定的。

Nate Silver認為，能拆解數字的電腦「粗暴」運算，將很多看似「無厘頭」的資訊用不同方式分析，讓我們可以參考同一組資料的不同維度。當中我們必然會有一些很棒的發現（例如Target的例子），但同樣重要的提點是，我們的世界仍然是不完美的，很多時候噪音就是噪音，真的沒有任何值得再演釋。更多的分析只會是在一堆噪音上「過度演釋（over-interpretation）」！人腦仍是非常重要的，但他／她必須懂得如何判別哪些是信息，哪些是噪音。有了這種能力，思維層次才能與第三波經濟同步。

現代人思維仍然滯後

現下的問題是﹕社會雖然開始步進第三波的經濟，但我們的思維在很多時候仍滯後在第二波的「集中、集權、大量、標準」等層次上，第三波科技所拆解出的資料仍然是不懂得解讀與分析，到頭來只是另一層次的噪音而已，而且是愈來愈多噪音。

上周我談及全力發展第三波經濟的新加坡。沒錯，他們有好的政府願意花錢，決心投資，結果不斷吸引外資及國外人才，在很多有利第三波發展的金融、生物科學、管理學上都有長足的進步。而香港政府的不長進，沒有這些方面的長遠投資，是否意味著我們一般百姓不能踏進第三波經濟？我的觀察是，在配套上的支援當然重要，但我們實在需要明白，在第三波世界到底要求怎樣的思維模式，我們才能判別到底哪個地區是最有潛力發展第三波的。下一期與各位分享未來的思考需要什麼。

越精確越容易錯

上回提到 Alvin Toffler 提出的「三次浪潮（three waves）」的想法，作為我們對未來想像的框架的重要性。Toffler 厲害之處是從人類繁雜的歷史中，選擇從「生產模式」入手，即創造產品與服務的生產力。他留意到，若從生產模式入手，我們可以看到有 3 個極具區別性的轉型﹕分別是農業生產、工業生產，以及後期的知識生產。他在 1980 年出版《第三波》之前，便已經留意到當時的社會正從一個以機械、機器、大量化，以至標準化的生產模式，進入到另一個新的年代。

不要說當時仍沒有互聯網，連個人電腦（personal computer）也只不過是一種剛起步的「發燒友玩意」，因此 Toffler 只能從種種社會現象中推演出下一波的生產模式必然是以應用知識或運用資訊的方式來生產。他並不精確地知道這個未來會怎樣，但他仍賦予這個未來一個標籤，稱之為「第三波」。對於這樣的未來，Toffler 也只能夠做到我所指的「模糊地對」，今天看來，他的「模糊地對」結果是一致地被認為是頗「準確」的。但若這些大未來學家可以如此高瞻遠矚，下一個問題是為什麼他們不嘗試再精確一點呢？

喜愛細節卻增加錯誤可能

這讓我想起諾貝爾經濟學獎得主 Daniel Kahneman 的一個實驗。他設計了一個虛擬的角色，且稱之為 A 女士，並給予他的受試者看以下資料﹕「A 是個 31歲、未婚、有話直說的聰明女性。她主修哲學，在學生時代非常關心歧視和社會公義的問題，也參與過反核遊行。」

現在 Kahneman 給予受試者一張清單，並要求他們將最有可能角色，依機率排列。整個實驗中最關鍵的是清單中的其中兩項為「A是銀行出納員」、另一項為「A 是銀行出納員，同時也是活躍的女權主義運動者」。結果有近 90% 的美國一級大學生選擇了第二項。這與 A 的身分描述較吻合，從表徵的層面看是非常合理的，但同時也是錯得離譜的。問題出在哪裏？就是出在第二項是一條「及（and）」的命題﹕她是出納員及女權主義運動者。兩者出現的機率，在邏輯上是必然會少於單一個出現的機會。這裏的重點是雖然「活躍的女權主義者」更符合我們上面的描述，但當我們為一個情景加添了細節（無論這些細節是多吸引）的時候，我們也同時在降低這個情景出現的機率。

研究未來的取態

做預測我們都希望要準確，同時我們也要求有更多的描述。但這兩個要求基本上是對著幹的，但就如以上所說，就是全世界最頂級的大學生，也有近九成會忽略這種基本邏輯。因此，我們的社會便不得不出現很多「精確地錯」的專家。有時候我也覺得很難怪罪於他們，因為他們也是為了迎合聽眾、傳媒的要求，才不斷在公眾面前出醜。但也不打緊，人類的記憶都是短暫的（而且是充滿謬誤的），所以我們很快便會忘記這些人曾經錯過多少次，重點是他們能夠說出類似「活躍的女權主義者」這類「精準」的言論，總是比「模糊地對」的那種泛泛而談來得吸引。也正因如此，我們一直不能認真的了解未來。原來想要嚴肅的認識未來，並不是盲目的、按從自己的偏見和喜惡而信口開河，也不是愈精確愈好。這也是為什麼我們需要框架（frames）。掌握了如 Toffler 這類「第三波」的大框架後，我們不妨用「狐狸」的思維方式，小心的推敲，用機率的方式來區分信息與噪音。那樣，我們反而能夠在「模糊地對」的前提下，比其他人來得更精準。

「模糊地對」的大趨勢

早在廿年前，大家都在推崇探討大趨勢的未來學家，就如提出《第三波》的 Alvin Toffler、《大趨勢》的 John Naisbitt，以及上期提及的上個世紀的管理學泰斗 Peter Drucker。但翻看這些大師的著作，他們鮮有為「什麼是大趨勢」下一個有鮮明共識的定義。因此這個工作只能留待我們自己來填補。我認為所謂的大趨勢，是指今天已經在發生的改變。你是可以感受到的，但這些改變並不是表面、易見的改變。例如時裝潮流是一種顯而易見的改變：2014 年會流行什麼顏色，流行怎樣的配搭等等。我傾向稱這種「來時急，去時快」的現象為「時尚（fads）」。社會上出現的大趨勢（megatrends），應被視為是一些無論你做什麼都不能逆轉的社會現象。大趨勢可比喻為在地球底層慢慢移動的板塊，而且涵蓋性很廣大。

「時尚」多是隨機的

時尚的出現是相對隨機的、不可測的，而且往往都是充滿爆炸力的，例如熱爆全球的韓國歌手 Psy 唱的《江南 Style》。但我認為在這一類突爆式的現象可以學習的地方並不多；就連Psy自己也不能重複這種成功，那即是說當中的隨機性非常強。花時間研究這些「時尚」的起因往往捉錯用神。與其花時間在一些無法預見，又無法複製的事情上，倒不如多花時間在一些我們有線索的事情上。就如 Peter Drucker 提出「知識工人（knowledge workers）」的崛起。

另一位偉大的未來學家 Alvin Toffler，提出人類社會發展的板塊活動，他稱之為「波浪（waves）」，有一浪蓋一浪的意思。Toffler提出人類若然從生產模式進行研究，我們大致可以分為三浪，第一波（first wave）為農業式的生產模式，接踵而來的是第二波（second wave），就是工業式的生產模式。第二波是大部分國家仍然在經歷的階段，但很多已發展國家，尤其是歐、美、日本等地，已經同時地進入了所謂的第三波（the third wave），一個與知識、資訊緊扣的年代，人類大量地利用知識與數據、並展開多維度的分析作為他們生產的手段。Drucker所提出的知識工人，剛好也與 Toffler 提出的第三波不謀而合。

重知識資訊的「第三波」

從一個大趨勢的層面來說，早在數十年前已經看到這股隱伏的趨勢，以及它的發展路徑，他們的確是高瞻遠矚。回看很多他們的「預言」，仍然很有參考價值，甚至是準確。例如 Toffler 早在 1970 年代出版的《未來的震撼（Future Shock）》，便提出社會的改變速度將會愈來愈快，快到一個地步會對我們活在改變當中的人產生種種不適應現象。用這一句話來描述 40 年後的今天（尤其是中國大陸的改變）是再貼切不過。又，Toffler 在 1980 年代的《第三波（The Third Wave）》提出「產銷合一（prosumer）」的概念，認為市場的角色將隨科技而有所改變，不再那麼清晰地在一個交易中區分出誰是生產者，誰是消費者。例如以前我們用傳呼機的年代，電話服務生替我們處理並發放信息。今天我們發放的信息幾乎全是由自己在手機上輸入的。直截了當但也跳過了服務生的需要。我們是短信的生產者，也是消費者。

太多數據產生更多「精準的錯」

這些大師之所以如此準確，一方面當然是來自他們敏銳而非同凡響的觀察力，但另一方面是當年的資訊量有限，並不利於做精準的預測。由於這種限制，反而讓那個年代的未來學大師採用了一種「模糊地對（approximately right）」的預言。這樣說來，三四十年後的今天，預言與預測已經進入了一個巨量數據（big data）的年代。就如我以前所說，愈多資訊，帶來更多噪音，一不留神，我們便會掉進「精準地錯（precisely wrong）」的陷阱裏。

Peter Drucker 與大未來

「預測未來的最好方法，就是創造未來。」

這是管理學泰斗 Peter F. Drucker（彼得．德魯克，又譯彼得．杜拉克）說過的名句。在管理學上 Drucker 絕對是奇葩，於 95歲的高齡離世。他年過 90仍能著書，豐富的資歷令他成為一本活的管理百科全書。著作等身之餘，還提出了多個改變世界的管理概念，例如在 1960年代提出的「知識工人（knowledge worker）」，1970 年代提出的「目標管理（management by objectives）」（或後期變得更流行的「績效管理」），直到今天仍然是主流。記者出身的他，行文異常通暢，但從不援用任何學術的言詞來說明他的管理概念。其威名響遍世界，香港及內地都有不少粉絲，更設立了專為推廣 Drucker 管理理念的學院（名為「德魯克管理學院」，可 google 一下）。他是管理學的「神級」人物。

有趣的是，Drucker 並不稱自己為管理學家。他比較認同自己是一名「社會生態學家」。的確，若翻查德魯克的創作年表，便會發現 Drucker 作品的發表年期中，管理學著作只佔少數。其餘的多是涉及社會及國家發展的評論。他的管理著作暢銷全球，有口皆碑。但對我來說他其實更像一名研究趨勢的未來學家（起碼他是較 Harry Dent 早上30年提出人口學上「嬰兒潮」現象！）。

印象非常深刻的是，在 10多年前 Wired 雜誌一篇訪問中，Drucker 被問及當年仍是所向披靡的微軟公司，被美國司法部用「反壟斷法」予以起訴，他竟說這是大可不必的，因為從來沒有一家企業能如此壟斷一個市場超過 15年，而且分拆微軟可能是幫助微軟延續其霸權！微軟被控是在 1997年發生的事，事後回看它的壟斷也不過 15年。那時誰會想到微軟今天會被蘋果的光芒蓋盡，變得毫不起眼。厲害之餘， Drucker 又在另一篇文章談及人口老化及對老人金的看法，他說今天（和未來）的老人不是太窮，而是太富有，國家肯定無法支持他們這種富裕的退休費用。第一次讀到 Drucker 的言論時，是覺得很不中聽。但那種橫跨80年以上的世界觀實在讓我不敢輕視這名老人的說法。在此我特別推薦他的《杜拉克跨世講堂》，全是短篇的著作，但你能從中看到 Drucker 的世界觀是如何的宏大及與眾不同。他不單是管理智慧的象徵，也是未來研究的泰斗。

管理智慧象徵 預言社會走向

我希望能多花一些篇幅介紹作為一級未來學家的 Peter F. Drucker。但我在這裏的意圖卻是要指出，2005年離世的 Drucker 也代表着一個「大未來」的年代已經過去了。在那個年代，我們非常願意聆聽一群「超宏觀」的「大未來學家」（也包括提出第三波（The Third Wave）及大未來的 Alvin Toffler，或曾經紅極一時的《大趨勢》（Megatrends）作者 John Naisbitt，以及後期在垂死掙扎的 Harry Dent等），他們的特色是從社會的種種基調說起﹕人口學呀、地緣政治呀、企業發展呀、自由經濟呀、科技發展等等作一個綜合藍圖。當年，我們只要聽到這些大師指出社會正往着未來的哪一個走向走，就已經興奮不已。今天我們回看他們那些「預言」，有些是頗準確的（當然，也是頗獨斷的），也有不少落空了。我們如何消化這些預言的準與不準呢？同時，就如任何行業一樣，未來研究的領域也在不斷改變。我認為這個領域，將不能避免地變得愈來愈數學化（mathematical）。因此我們看到統計分析奇才 Nate Silver 的出現，以及博弈論（Game Theory）、大數據（Big Data）的崛起。未來研究是否已經進入了一個新年代？舊有的「大未來」學派是否真的過時？且聽下回分解。

尋求共識 (Seeking Consensus)

科學家要求大量證據，才願意斷定某個假說確鑿無疑。例如，很多醫生、專家都廣泛公認吸煙是導致肺癌的主要因素，但到現時為止，我們仍然沒有一致的共識說這就是「事實」。當然要視乎你是來自什麼利益團體，若你是煙草製造商，很容易可以理解你為何會認為吸煙不會導致癌症。在此要討論的焦點並不是這些煙草商買通了多少醫生，資助了多少研究，而是這些研究到底有多真正的科學含量；我們不能夠因為研究者的背景或資助來自煙草界，而拒絕考慮研究背後的科學是否嚴謹、是否真確（有可能這是另一些重要發現）。說到底，我們總是代表某種立場。若我們願意放下某些偏見，而客觀地容許一種被稱為「健康的懷疑（healthy skepticism）」的態度時，我們將會看到一個很不同的世界。

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%。

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！

「預見」並不等同「預測」

「預見」的意思是看到一個不可逆的趨勢，是未來必然發生的事。因為人口結構具備「一年老一歲」的線性特質，所以我們頗能用此推演而成為一種預見力。人口結構跟我們說，香港人口在迅速老化；當中佔人口比例中最大的一群我們簡稱之為「嬰兒潮」，他們當然也是在老化（因為每年必然會老上一歲！），今年大約是 47－53 歲左右的一群人，他們現在的消費力應該是在其人生中最強的時刻，所以他們是非常實在地支撐了本地的經濟。因此，我們可以很簡單而有力的看到嬰兒潮及其人口對香港經濟與政策發展的「預見力」。然而，企圖將這種「預見力」轉為一種「預測」，那就是另一回事了。

例如，我們都預見了人口變化及其隨年齡變化應用到政治選舉上，從而希望「預測」哪些政黨或政治候選人可以得勝？挑戰政治選舉的可測性是因為它與社會上的大眾人口是息息相關的，但凡與大範圍的人口相關的，那人口結構就是其中一個重要的參考元素。的確，世界各地每年都有不同大小的政治選舉，評論員幾乎都會評論這、評論那，同時他們都會留意人口結構對選舉的影響。但面對著一件如此具體的活動，人口結構分析可以對選舉結果引起的影響往住都是極其有限的。這可能是因為政治選舉是極其動態，容易受外界的變動左右。陳水扁在選舉前中了一槍便保住了總統之位；戈爾在美國總統選舉贏了選票，輸了州份而敗給小布殊；泰國、馬來西亞、韓國等的選舉無不充滿變數（就是香港的小圈子選舉也有「豬變狼」的變局啦！）。人口的因素往往須要在一種「無風又無浪」的環境下才能發揮它的作用。但大家都會知道這是幾乎沒有可能的。

因此，「預見」並不能同「預測」。人口結構給與我們「預見」上的方便性，卻沒有為我們帶來太多預測上的優勢。過去數週提論過的 Harry Dent 便犯上了這個毛病。但這個結局實在令太多人失望了。我們是否只能接受「大概地對」的這種結局呢？可能吧。

有趣的是，在 2012 年正值美國總統奧巴馬競逐連任之年，評論家們眾說紛云，整個環境讓人覺得難以看透誰能勝出。但有一名當時在《紐約時報》的專欄作者 Nate Silver 透過自己發明的數據分析方法，在美國 50 個選舉州份中，竟能準確預測所有 50 個州的結果（包括誰可在該州勝出）。Nate Silver 因此聲名大噪，其戰果是所有政治分析家都只能望其項背的。現下的問題是，他是如何在一個「無法準確預測」的選舉世界裡，做到如此神通的預測呢？我們下回就來討論一下吧。