ابر پیش بینی ها

یک تیم زن و شوهر از دانشمندان با ایجاد و نظارت بر پروژه قضاوت خوب، یک تحقیق آکادمیک عظیم و طولانی در مورد چگونگی آموزش پیش‌بینی‌کنندگان و بهبود پیش‌بینی‌هایشان، به غول‌هایی در زمینه پیش‌بینی تبدیل شدند. در این فرآیند، آنها اصطلاح “Superforecasting” را ابداع و رایج کردند و شرکتی را ایجاد کردند که پیش‌بینی‌هایی را برای مشاغل و دولت‌ها ارائه می‌کند.

باربارا ملرز، نیمی از این دو پژوهشگر، به یاد می آورد: «داستان در تابستان 2009 شروع شد. من و همسرم فیل تتلاک تصمیم گرفتیم برای قرارداد با IARPA اقدام کنیم. این فعالیت پروژه های تحقیقاتی پیشرفته اطلاعاتی دولت است، نهادی که او آن را “خواهر کوچک دارپا”، آژانس پروژه های تحقیقاتی پیشرفته دفاعی بسیار بزرگتر توصیف می کند.

ملرز خاطرنشان می کند: “ما این کمک مالی را به عنوان فرصتی برای همکاری در مورد چیزی که هر دوی ما را علاقه مند می کند، قرار دادیم.” او و همسرش هر دو روانشناسی تدریس می کنند و هر دو در دانشگاه پنسیلوانیا به دانشکده هنر و علوم و مدرسه وارتون منصوب شده اند.

آنها به دنبال بودجه ای بودند که IARPA به پروژه های مورد علاقه جامعه اطلاعاتی اعطا کند. بر خلاف دارپا، که تمایل دارد تحقیقات خود را طبقه بندی کند، IARPA برخی از یافته های خود را با عموم به اشتراک می گذارد که با ماموریت دانشگاهی همخوانی دارد. اما زمانی که IARPA سه یا چهار ماه طول کشید تا به ملرز و تتلاک اطلاع دهد که درخواست آنها برای یک پروژه پذیرفته شده است، یک ناهماهنگی جزئی ایجاد شد.

همانطور که ملرز آن را به یاد می آورد، تأخیر همه چیز را کمی «ناجور» کرد. در آن زمان، او و تتلاک دانشگاه کالیفرنیا در برکلی را ترک کردند تا موقعیت فعلی خود را در پن به عهده بگیرند. بخشی از بودجه باید از طریق UC Berkeley فیلتر می شد، بنابراین پروژه در ابتدا شامل پنج یا 10 دانشجو و اعضای هیئت علمی از آن مدرسه به سرپرستی پروفسور دان مور بود. ملرز و تتلاک 20 یا 25 دانش آموز و استاد را از پن، همانطور که او می گوید، استخدام کردند. نیروهایی از دانشگاه رایس، دانشگاه عبری و سایر موسسات بعداً به این پروژه پیوستند.

مسابقات پیش بینی

آن‌ها روی چیزی کار می‌کردند که IARPA آن را مسابقات ACE می‌نامد، که مخفف عبارت Aggregative Contingent Estimation است. به این فکر کنید که پنج تیم تحت رهبری دانشگاه در حال رقابت برای دستیابی به بهترین پیش‌بینی‌های احتمالی ژئوپلیتیکی از یک جمعیت بزرگ و پراکنده از داوطلبان هستند.

این پروژه در سال 2011 آغاز شد و تا سال 2015 ادامه یافت. پس از سال دوم، IARPA بودجه همه گروه های دانشگاهی غیر از گروه Mellers و Tetlock را از پن حذف کرد. آنها برنده اعلام شدند و برای دو سال دیگر IARPA به کمک مالی تحقیقات خود ادامه داد زیرا آنها با گروه های کنترل و تحلیلگران اطلاعاتی رقابت می کردند و در عین حال تلاش می کردند معیارها را مطابقت دهند یا از آنها پیشی بگیرند.

ابرپیش‌بینی‌کنندگان از همه اقشار زندگی می‌کنند – یکی به عنوان لوله‌کش کار می‌کرد و دیگری به عنوان استاد ریاضیات.

در همین حال، IARPA یک بازار پیش بینی در داخل جامعه اطلاعاتی راه اندازی کرد. بسته به مجوزهای امنیتی شرکت کنندگان، در دو سطح عمل کرد. این بدان معناست که گروه دانشگاه و تحلیلگران اطلاعاتی پیش‌بینی‌ها را بر اساس سؤالات یکسانی انجام می‌دادند، اما دومی به دلیل مجوزهای امنیتی خود اطلاعات بیشتری در اختیار داشتند. به همین ترتیب، Superforecasters پروژه قضاوت خوب 30 درصد بهتر از تحلیلگران اطلاعاتی بودند. ملرز با عصبانیت می گوید: «این خبر خوب و بد بود.

اما تیم پن چگونه به آن موفقیت دست یافت؟ قدرت در اعداد کمک کرد. ملرز می گوید: «ما افراد بیشتری را نسبت به سایر تیم ها به خدمت گرفتیم. ما دسترسی بهتری به افرادی داشتیم که می‌توانستند برای ما داوطلب شوند.»

توسط اعداد

در سال های اول و دوم، پروژه قضاوت خوب، خرد و قدرت پیش بینی بین 3000 تا 4000 پیش بینی کننده داوطلب را گرد هم آورد. نزدیک به پایان سال سوم، تتلاک و الین ریچ، داروسازی که پروژه آن را به عنوان یک ابر پیش بینی معرفی کرده بود، برای مصاحبه در برنامه All Things Considered، برنامه رادیوی ملی ملی، شرکت کردند.

ریچ در برنامه توضیح داد که چگونه سرگرمی پیش‌بینی‌اش شکوفا شده است، و داستان او الهام بخش 20000 داوطلب شد تا برای چهارمین سال پروژه ثبت‌نام کنند. اما بسیاری از یافتن اینکه جمع‌آوری دانش لازم برای پیش‌بینی‌های دقیق چقدر دشوار است، مخالفت کردند و مجموعه پیش‌بینی‌کنندگان تا پایان سال آخر به حدود 5000 نفر کاهش یافت.

هر سال، این پروژه عملکرد هر پیش‌بینی‌کننده را تجزیه و تحلیل می‌کرد و به آنها امتیاز می‌داد و 2 درصد برتر را به‌عنوان Superforecasters شناسایی می‌کرد و آنها را به کار در تیم‌ها در طول سال‌های باقی‌مانده برنامه هدایت می‌کرد.

ملرز در مورد انتخاب Superforecasters و تشکیل تیم ها می گوید: “این بهترین و قوی ترین مداخله ما بود.” «این مثل این بود که این افراد استروئید بخورند. آنها واقعاً سخت کوش بودند، اما زمانی که با هم بودند بسیار سخت کار می کردند تا به یکدیگر کمک کنند و خوب کار کنند و رقابت کنند. تمام کارهایی را که دوست دارند انجام دهند گرد هم آورده است.»

10 تا 15 نفر در هر تیم شرکت کردند و از طریق اتاق های گفتگو اینترنتی با یکدیگر همکاری کردند. ملرز خاطرنشان می کند: “آنها اشتباهات یکدیگر را تصحیح کردند، مقالاتی را با یکدیگر به اشتراک گذاشتند، به یکدیگر انگیزه دادند.” «آنها درباره منطق برخی منطق بحث کردند و فقط به شهر رفتند. این فقط قابل توجه بود.»

ابرپیش‌بینی‌کنندگان از هر طبقه‌ای بودند – یکی به عنوان لوله‌کش کار می‌کرد و دیگری به عنوان استاد ریاضیات. بسیاری از کامپیوترهای برنامه نویسی شده یا در سایر زمینه های مرتبط با فناوری به کار گرفته شده اند. هر شغلی که داشتند، همه آنها دارای ذهن تحلیلی بودند (به «ذهن یک ابرپیش‌بینی‌کننده» نگاه کنید.

آغازی نو

اگرچه پروژه IARPA که باعث ایجاد ابرپیش بینی شد به پایان رسیده است، کار ابر پیش بینی ها همچنان ادامه دارد. برخی روابط خود را با Good Judgment Inc.، شرکتی که از این پروژه برای خدمت به مشتریان در بخش‌های دولتی و دولتی جدا شده است، ایجاد کرده‌اند (به «پیش‌بینی درست» در زیر مراجعه کنید).

در همین حال، Tetlock و Mellers و برخی از Superforecasters پروژه قضاوت خوب 2.0 را برای رقابت در یک تورنمنت دیگر IARPA، که در حال بررسی پیش‌بینی خلاف واقع است، تشکیل داده‌اند. آنها در نظر دارند که اگر تاریخ تغییر می کرد چه اتفاقی می افتاد – مثلاً اگر هیتلر یک دختر به دنیا می آمد.

ملرز می گوید: «هدف این است که به مردم کمک کنیم به این فکر کنند که چگونه می توانیم از تاریخ بیاموزیم. “ما این کار را با شهود انجام می دهیم و پیش بینی های خلاف واقع می کنیم.” آنها دقت پیش بینی های خلاف واقع را با مقایسه آنها با بازی های شبیه سازی شده آزمایش می کنند.

به گفته ملرز، هر دو تورنمنت هدف بالاتری دارند. او درباره مسابقات می گوید: «شما خیلی سریع متوجه می شوید که چه چیزی کار می کند و چه چیزی کار نمی کند. “این یک راه فوق العاده برای سرعت بخشیدن به علم است.”

پیش بینی های درست

جامعه اطلاعاتی ایالات متحده نتوانست حملات 9-11 را پیش بینی کند و به اشتباه پیش بینی کرد که عراق دارای سلاح های کشتار جمعی است. زمان آن رسیده بود که راه های بهتری برای استفاده از خرد جمعیت برای پیش بینی پیدا کنیم.

این زمانی بود که مقامات اینتل به ایده برگزاری مسابقاتی برای به چالش کشیدن ذهن‌های دانشگاهی برای ایجاد راه‌های بهتر برای پیش‌گویی آینده رسیدند. یکی از تیم‌های رقیب – گروهی از دانشگاه پنسیلوانیا به نام پروژه قضاوت خوب – از پس این چالش برآمد و ممکن است تاریخ را تغییر داده باشد.

تحت رهبری پروفسور باربارا ملرز و فیل تتلاک، گروه پن، Superforecasting را کشف و سپس دنبال کردند.

سوپر 2 درصد

با برخی از ابرپیش‌بینی‌کنندگانی که از پروژه قضاوت خوب بیرون آمده‌اند، آشنا شوید.

دومینیک هینی

45، جنوب شرقی انگلستان

شغل: ویراستار انتشارات مرجع دانشگاهی

به عنوان یک پیش بینی، آیا شما یک متخصص عمومی ماهر هستید یا یک متخصص صنعت؟

کمی از هر دو. من کارهای زیادی روی پیش بینی ژئوپلیتیک انجام داده ام، به ویژه در مورد مناطقی که در شغل اصلی خود پوشش می دهم.

معمولاً چگونه از مهارت های پیش بینی خود استفاده می کنید؟

من قطعاً هنر اندیشیدن را در هر زمینه‌ای، شخصی و حرفه‌ای، از نظر این که «این رویداد X% احتمال دارد اتفاق بیفتد» و نوشتن چیزها یا دوره‌های عملی ممکن که شروع کننده نیستند، جذب کرده‌ام.

چه توصیه ای به ابر پیش بینی کنندگان مشتاق دارید؟

خارج از چارچوب فکر کنید، به بحث‌ها نگاه کنید، نرخ‌های پایه را به‌عنوان یک راهنمای قوی در نظر بگیرید و اگر به خوبی آگاه هستید و به مواضع مدافع شیطان احترام می‌گذارید، نترسید که متضاد یا غیر متعارف در نظر گرفته شوید.

ولتون چانگ

37، واشنگتن، دی سی

شغل: مدیر ارشد فناوری

چگونه و چه زمانی یک Superforecaster شدید؟

یادداشتی از مشاور قدیمی‌ام در مقطع کارشناسی درباره برگزاری مسابقاتی برای سنجش دقت پیش‌بینی سیاسی دریافت کردم. من شانس آوردم. حدود یک سال بعد، یادداشتی از افرادی که مسابقات را برگزار می‌کردند دریافت کردم که نمرات من در بین 2 درصد برتر پیش‌بینی‌کنندگان بود. دو سال بعد، به عنوان محقق دانشجوی مقطع کارشناسی ارشد که مستقیماً با بارب ملرز و فیل تتلاک کار می‌کردم، به پروژه قضاوت خوب پیوستم.

معمولاً چگونه از مهارت های پیش بینی خود استفاده می کنید؟

این روزها، من عموماً به رویدادهای غیرمحتمل اما بسیار تأثیرگذار فکر می کنم – نه کاملاً “قوهای سیاه”، بلکه بیشتر در قلمرو خاکستری رنگ.

چه توصیه ای به ابر پیش بینی کنندگان مشتاق دارید؟

قبل از انجام هر گونه پیش بینی، منابع و مفروضات خود را بررسی کنید. و در صورت امکان، در هر موضوعی که با آن آشنایی ندارید عمیقاً غوطه ور شوید.

شانون گیفورد

62، دنور

شغل: معاون مدیر پروژه های دفتر شهردار دنور

چه زمانی و چگونه یک سوپر پیش بینی شد؟

من بعد از سال اول ACE یا پروژه برآورد احتمالی جمعی IARPA یک Superforecaster شدم.

معمولاً چگونه از مهارت های پیش بینی خود استفاده می کنید؟

تمرین پیش‌بینی باعث شده است که من کمتر به هر نوع نتیجه‌گیری عجولانه بپردازم و بیشتر با دقت به چندین دیدگاه گوش کنم. همچنین باعث شده است که اخبار را به شیوه ای بسیار فعال تر بخوانم و به آن فکر کنم و در مورد پیامدهای پایین دستی رویدادهای جاری فکر کنم.

در مورد ابرپیش بینی چه توصیه ای دارید؟

ذهن خود را باز نگه دارید و مایل به تغییر آن باشید، پیش بینی های خود را به طور منظم به روز کنید، سعی کنید از تعصبات خود آگاه باشید و آنها را کنار بگذارید، با دقت به صحبت های افرادی که با آنها مخالف هستید گوش دهید و سعی کنید فروتنی خود را حفظ کنید، به خصوص زمانی که در حال پیش بینی یک موضوع هستید. یا یک سوال در زمینه ای که فکر می کنید خوب می دانید.

در ابتدا در مجله Luckbox منتشر شد. اشتراک رایگان در getluckbox.com/dailyfx

درباره زنان در امور مالی، تجارت و سرمایه گذاری بیشتر بدانید