Superforecasting by Philip E. Tetlock and Dan Gardner

Dan gardner Hälsa Livsstil Philip E. Tetlock Psykologi Social Superförstöring

The Art and Science of Prediction

Superforecasting by Philip E. Tetlock and Dan Gardner

Buy book - Superforecasting by Philip E. Tetlock and Dan Gardner

What exactly is the subject of the Superforecasting book?

Superforecasting (2015), based on decades of study and the findings of a large, government-sponsored forecasting tournament, explains how to improve the accuracy of your forecasts, whether you're attempting to foresee changes in the stock market, politics, or your vardagsliv.

Who is the target audience for the Superforecasting book?

  • Those that are interested in learning how forecasting works
  • Thinkers who are able to think critically
  • Businesspeople that wish to enhance their forecasting abilities

Who are Philip E. Tetlock and Dan Gardner, and what do they do?

Phil Tetlock, the Annenberg University Professor at the University of Pennsylvania, is a political scientist and psychologist who specializes in political psychology. He is the founder and director of the Good Judgment Project, a forecasting research that has resulted in more than 200 papers published in peer-reviewed journals.
Dan Gardner is a journalist, author, and speaker who lives in New York City. Besides being the author of the well acclaimed books Risk: The Science and Politics of Fear and Future Babble, Gardner has also spoken on a variety of topics throughout the world for governments and companies like Google and Siemens.

Vad finns exakt i det för mig? Learn how to create accurate predictions by watching this video.

Forecasts and predictions are made on a wide range of topics, including the weather, the stock market, next year's budget, and who will win this weekend's football game, among many others. However, these are not the only topics about which we make predictions. As a result of our obsession with predicting, we get upset when events do not unfold in the manner in which we had anticipated them. So, can predictions be made that are more accurate than they are today? They have the ability. Within a few months, we'll be able to produce superforecasts that are trimmed and realigned with each new piece of information, and then evaluated and improved after the predicted event has occurred. In these notes, we'll look at the difficult but fascinating skill of producing the ultimate predictions, which is both hard and interesting.

Here you'll learn why the former CEO of Microsoft anticipated the iPhone's market share; how a forecaster foretold the autopsy of Yasser Arafat; and why groups of forecasters are more effective than individuals in predicting the future.

Forecasting has certain limits, but that should not be used as an excuse to reject it.

Forecasting is something we do on a regular basis, whether we're planning our next career move or making a financial investment decision. In essence, our predictions are a reflection of our hopes for what the future will bring. Forecasting, on the other hand, is restricted since even small occurrences may have unanticipated effects. We live in a complicated world where even a single individual may cause catastrophic consequences. Take, for example, the Arab Spring. Mohamed Bouazizi, a Tunisian street seller, set himself on fire because he was humiliated by corrupt police officers. This was the beginning of a chain reaction.

Ett teoretiskt skäl finns för varför det är svårt att förutse sådana händelser i första hand. När det gäller olinjära system som jordens atmosfär kan till och med minutförändringar ha ett betydande inflytande, enligt den amerikanska meteorologen Edward Lorenz. Kaos teori (även känd som fjärilseffekten) är teorin som förklarar detta fenomen. Om vindens riktning förändras med mindre än en bråkdel av en grad, kan de långsiktiga vädermönstren dramatiskt förändras, enligt vissa uppskattningar. För att uttrycka det på ett annat sätt kan klaffen på en fjärils vinge i Brasilien utlösa en tornado att rippa över Texas.

Men bara för att förutsäga har sina gränser, bör vi inte överge det helt. Ta till exempel Edward Lorenz's Area of ​​Meteorology. När väderprognoser utfärdas några dagar i förväg kan de betraktas som rimligt korrekta. Varför? Av det enkla skälet att väderprognoserna bedömer noggrannheten för deras förutsägelser efter evenemanget. De får en bättre kunskap om hur vädret fungerar till följd av att jämföra sin förutsägelse med de faktiska väderförhållandena. Men frågan med detta tillvägagångssätt är att individer i andra områden sällan utvärderar noggrannheten i deras förutsägelser! För att förbättra vår prognos måste vi först öka dess noggrannhet, och sedan måste vi bli mer allvarliga när det gäller att jämföra vad vi förutspådde med vad som verkligen sker. Och det kräver ett verkligt engagemang för mätning.

Undvik att använda tvetydigt språk och sträva efter att vara så specifik som möjligt.

Om du tänker på det verkar mätning av förutsägelser som en no-brainer: samla prognoserna, utvärdera deras korrekthet, göra beräkningarna och voila! Men det är inte så enkelt alls. Betydelsen av den ursprungliga förutsägelsen måste förstås innan den kan fastställas om den var korrekt eller inte. Tänk på fallet med Microsofts VD Steve Ballmer, som förutspådde att iPhone skulle misslyckas med att få en betydande del av marknaden i april samma år. När du tänker på storleken på Apples marknadsvärde verkade Ballmers förutsägelse löjligt, och folk skrattade faktiskt åt honom. En annan tonvikt var det faktum att Apple ägde 42 procent av den amerikanska smarttelefonmarknaden, vilket är en uppenbarligen betydande andel av den totala industrin. Men vänta lite, låt oss lyssna på vad han verkligen sa.

Han sa att, ja, iPhone kan göra mycket intäkter, men att den aldrig skulle kunna fånga en betydande del av den globala mobiltelefonmarknaden (hans förutsägelse: mellan två och tre procent). Istället skulle programvaran som utvecklats av hans företag, Microsoft, växa för att dominera marknaden. Och i större eller mindre utsträckning blev denna prognos i uppfyllelse. Under det tredje kvartalet 2013, enligt Garner IT -statistik, svävade iPhone: s globala andel av mobiltelefonförsäljningen cirka sex procent, vilket är mycket mer än vad Ballmer förväntade sig - men inte så mycket. Under tiden användes Microsofts programvara i de allra flesta mobiltelefoner som såldes över hela världen vid den tiden. Prognoser bör också undvika att använda tvetydigt språk och istället förlita sig på numeriska data för att förbättra noggrannheten.

När du förutsäger är det vanligt att använda tvetydiga termer som "kan", "kan" eller "troligt." Forskning har emellertid visat att individer bifogar olika tolkningar till fraser som dessa. För att kommunicera sannolikheten bör prognosmakare använda procentsatser eller andra numeriska åtgärder för att beskriva sannolikheten för en händelse. När amerikanska underrättelsebyråer som NSA och CIA uppgav att Saddam Hussein döljer vapen för massförstörelse, visade sig anklagelsen vara falsk, det var ett katastrofalt misslyckande för USA: s regering. Om dessa underrättelsebyråer hade beräknat med mer noggrannhet och tillämpade procentsatser, kanske USA inte att ha attackerat Irak 2003. Oddsen för att Irak hade WMD var 60 procent, men det fanns fortfarande en 40 procent möjlighet att Saddam inte hade någon - en svag grund för att gå i krig, för att uttrycka det mildt -

Om du vill öka noggrannheten i dina förutsägelser, håll reda på dina resultat.

Så, hur kan vi förhindra att man gör katastrofala misstag som de som inträffade med WMD: erna? Vi måste uppenbarligen förbättra noggrannheten i våra förutsägelser. Låt oss titta på några av metoderna för att göra detta. Den mest effektiva metoden är att upprätthålla poäng. För att åstadkomma detta skapade författarens forskargrupp det regeringssponserade Good Bedömningsprojektet, som drog tusentals frivilliga som svarade på mer än en miljon frågor under fyra år, vilket resulterade i publiceringen av boken. Forskarna trodde att genom att använda poäng skulle de kunna öka prognosnoggrannheten.

Frågor som "Kommer Tunisiens president att fly till en bekväm exil i nästa månad?" och "Kommer euron att falla under 1,20 dollar under de kommande tolv månaderna?" besvarades av deltagarna. Efteråt gav varje prognosmästare en sannolikhetsgradering till varje deltagares prognos, modifierade det som nödvändigt efter att ha läst relevanta nyheter, och när den förutsagda tiden kom, tilldelade varje förutsägelse en Brier -poäng, vilket indikerade hur exakt prognosen var. Brier -poängen, som fick sitt namn efter Glenn W. Brier, är det mest använda sättet att bestämma noggrannheten för en förutsägelse. Ju lägre antal, desto mer exakt förutsägelse; Till exempel får en felfri prognos en poäng på hundra och femtiotvå. En slumpmässig uppskattning kommer att resultera i en Brier -poäng på 0,5, medan en prognos som är helt felaktig kommer att resultera i en maximal Brier -poäng på 2,0.

Frågan som ställs påverkar hur man tolkar Brier -poängen. Trots att du har en Brier -poäng på 0,2, vilket verkar vara utmärkt, kan din förutsägelse visa sig vara katastrofal! Låt oss låtsas att vi gör väderförutsägelser. Om vädret i Phoenix, Arizona ständigt är varmt och soligt, kan en prognosmästare helt enkelt förutse varmt och soligt väder och få en Brier -poäng på noll, vilket uppenbarligen är bättre än en poäng på 0,2. När det gäller att förutse vädret i Springfield, Missouri, som är känd för sitt oförutsägbara väder, skulle du betraktas som en meteorolog i världsklass även om din poäng bara var 0,02.

Superforecasters börjar med att dela upp problem i mindre bitar för att bättre förstå dem.

Stämmer det att alla Superforecasters är lysande tänkare som har tillgång till topphemlig intelligens? Nej inte alls. Så, hur kan de göra så exakta prognoser om framtiden, kanske du undrar. För att lösa ett ämne måste en superforecaster först bryta ner uppenbarligen svårigheter i hanterbara underproblem. Detta kallas Fermi-stil resonemang. Enrico Fermi, en forskare som spelade en nyckelroll i utvecklingen av atombomben, kunde förutsäga med anmärkningsvärda precisionssaker som till exempel antalet pianotunrar i Chicago, trots att han inte hade ett enda stycke av information till hans förfogande.

He accomplished this by distinguishing between the knowable and the unknown, which is the first step taken by superforecasters. For example, when Yasser Arafat, the head of the Palestine Liberation Organization, died of an unexplained reason, many people speculated that he had been poisoned. But this was not the case. Then, in 2012, researchers discovered dangerously high amounts of polonium-210 — a radioactive substance that may be deadly if inhaled – in his possessions. It was because of this finding that the theory that he had been poisoned gained traction, and his corpse was excavated and examined in both France and Switzerland. When asked if scientists would discover increased amounts of polonium in Yasser Arafat's body as part of the Good Judgment Project, forecasters responded affirmatively. Bill Flack, a volunteer forecaster, addressed the issue in the manner of Enrico Fermi, breaking down the facts.

In the first place, Flack discovered that Polonium decays quickly, which meant that if Arafat had been poisoned, there was a good possibility that the polonium would not be identified in his bones, given that he passed away in 2004. Flack conducted study on polonium testing and came to the conclusion that it could be detected in certain circumstances. Later, Flack considered the possibility that Arafat had Palestinian adversaries who might have poisoned him, as well as the possibility that the postmortem report had been tainted in order to blame Israel for his death. He predicted that polonium would be discovered in Arafat's body with a 60 percent probability. Han hade rätt. As a result, Flack began by establishing the fundamentals before moving on to the more complex assumptions, which is exactly what a good forecaster would do.

Start with the outer view and then switch to the inner view for a more precise prediction.

Because every scenario is different, you should avoid making snap decisions and passing judgment on a case too soon. In order to tackle any issue effectively, it is necessary to adopt an objective perspective, which involves determining what the base rate is. That is, however, not entirely clear. To illustrate, consider the situation of an Italian family that lives in a small home in the United States of America. They have two jobs: the father is a bookkeeper and the mother works part-time at a childcare facility together. In addition to themselves, their child's grandma also lives in the home with them.

It's possible that if you were asked what the odds were that this Italian family would acquire a pet, you'd attempt to find out by instantly grabbing on to the characteristics of the family or their living circumstances. However, you would not qualify as a superforecaster in such case! A superforecaster would not begin by examining the specifics. Instead, she would start by finding out what proportion, or "base rate," of American homes own a pet. She would then go from there. With the help of Google, you might find out what percentage of the population this is in a couple of seconds. This is the view from the outside. After you've done that, you'll be able to see things from the inside. This will provide you with information that will allow you to modify the base rate appropriately.

Starting with the outside perspective of the Italian family provides a first estimate: there is a 62 percent probability that the family has a pet, according to the example. After that, you get more precise and modify the number you've chosen. For example, you might look at the percentage of Italian households in America who keep a pet. The notion of anchoring is at the heart of the rationale for the outside perspective. An anchor is the first figure that is drawn before any modifications are made. If, on the other hand, you start with the smaller details, your forecast is far more likely to be thousands of miles away from any anchor or exact figure.

Fortsätt att hålla dig uppdaterad även efter att du har nått din ursprungliga slutsats och gör justeringar av dina förutsägelser mot bakgrund av nya fakta.

När processen har börjat har vi sett hur Superforecasters kommer igång, men när du har gjort din första prognos kan du inte bara luta dig tillbaka och se om du hade rätt. Varje ny kunskap kräver uppdatering och modifiering av din tidigare bedömning. Kommer du ihåg Bill Flack? Efter att ha förutspått att polonium skulle hittas i Yasser Arafats kropp, upprätthöll han en klocka på nyheterna och reviderade sin förutsägelse när han ansåg att det var nödvändigt, enligt den senaste informationen. Det schweiziska studieteamet hävdade sedan att mer testning behövdes och att resultaten skulle tillkännages senare, trots att Flacks första förutsägelse hade gjorts år tidigare. Eftersom Flack hade gjort en omfattande studie på polonium, var han medveten om att teamet hade upptäckt polonium och att ytterligare tester behövdes för att bestämma källan till polonium. Som ett resultat ökade Flack sin förutsägelse till 65 procent.

Som det visade sig upptäckte det schweiziska teamet Polonium i Arafats kropp, vilket resulterade i Flecks slutliga Brier -poäng på 0,36 poäng. Med tanke på frågaens komplexitet är detta en enastående prestanda. Du måste dock utöva försiktighet. Även om ny kunskap kan vara fördelaktig kan det också vara skadligt om det är felaktigt tolkat. Enligt ett exempel frågade USA: s underrättelseavancerade forskningsprojektaktiviteter (IARPA) från USA: s regering om det skulle bli mindre arktisk havsis den 15 september 2014 än det hade varit året innan. Doug Lorch, en superforecaster, kom till slutsatsen att det fanns en sannolikhet på 55 procent att svaret skulle vara bekräftande. Lorch fick å andra sidan en månad gammal rapport från Sea Ice-prognosnätverket som påverkade honom tillräckligt för att höja sin förutsägelse från 90 procent till 95 procent, en betydande förändring baserad på en enda information.

När den 15 september 2014, så småningom anlände, fanns det mer arktisk is än det hade varit året innan. Lorchs första förutsägelse gav detta en 45-procentig chans att inträffa, men efter hans revision sjönk sannolikheten till en liten fem procent. Det är nödvändigt att skilja känsliga nyanser från onödig information för att göra skicklig uppdatering. Var inte rädd för att förändra din åsikt, men tänk noga på om ny kunskap är till hjälp eller inte innan du fattar ett beslut.

Att arbeta i grupper kan vara fördelaktigt för att förutsäga, men bara om det görs korrekt.

Kanske är du bekant med frasen "grupptänkande." Frasen "Team Spirit" skapades av psykolog Irving Janis, som teoretiserade att individer i små grupper kan generera laganda genom att medvetet generera vanliga illusioner som stör kritisk resonemang. Störning orsakas av individer som är rädda för konflikter och istället bara håller med varandra. Att avvika från normen är emellertid en källa till äkta värde. Oberoende tal och tänkande är stora fördelar i alla lagmiljöer, men mer inom idrott. Som ett resultat valde studieteamet vid Good Judgment Project att undersöka om samarbete kan förbättra noggrannheten eller inte. Hur de åstadkom detta var genom att utveckla onlineforum via vilka prognosmakare som tilldelades olika grupper kunde interagera med varandra.

I början erbjöd studieteamet insikter om gruppdynamik och varnade onlinegrupperna mot att falla i fällan av grupptänkande. Det första årets resultat kom in, och de visade att de som arbetade i grupper i genomsnitt var 23 procent mer exakta än de som arbetade ensamma. Det andra året beslutade studieteamet att sätta superforecasters i grupper snarare än vanliga prognosmakare, och de upptäckte att de överträffade de vanliga grupperna med en betydande marginal. Gruppens dynamik påverkades emellertid också. Elaine Rich, en superforecaster, uttryckte missnöje med resultatet. Alla var väldigt artiga, och det fanns lite kritisk debatt om motsatta åsikter eller motargument. I ett försök att avhjälpa situationen gick organisationerna utöver för att visa att de accepterade konstruktiv feedback.

Precisionsfrågan, som driver individer att ompröva sina argument, är en annan teknik för att förbättra samarbetsprestanda. Detta är naturligtvis inte ett nytt koncept, eftersom stora instruktörer har övat exakt ifrågasättande sedan Sokrates och grekerna. Precisionsundersökning innebär att du fördjupas ytterligare i det specifika argumentet, för som genom att be om betydelsen av ett visst ord. Även om det finns starka åsikter om ämnet, avslöjar detta förhör resonemanget bakom slutsatsen, som öppnar dörren till ytterligare forskning.

Sammanfattning av boken superforecasting i sin helhet.

Den viktigaste lektionen i den här boken är att superforecasting inte är begränsad till datorer eller till genier. En utbildningsbar talang, det innebär bevis som samlar in, poängföring, håller sig upp till hastighet på nya fakta och har förmågan att vara tålamod. Råd som kan genomföras: Att hålla jämna steg med den senaste utvecklingen sätter dig ett steg före tävlingen. Superforecasters håller sig upp till hastighet på nyheter som är viktiga för deras förutsägelser på mycket vanligare än vanliga prognosmakare. Ett förslag för att hålla ett öga på ändringar är att ställa in aviseringar för dig själv, till exempel via användning av Google Alerts, för att hålla dig informerad. Dessa kommer att meddela dig så snart ny information om det aktuella ämnet görs tillgänglig genom att skicka ett e -postmeddelande till dig. Ytterligare läsning rekommenderas: Mark Buchanan gör en prognos. Prognos är en kritik av samtida ekonomisk teori som avslöjar de viktigaste felen i teorin. Mark Buchanan, en fysiker, tittar noggrant på de grundläggande vetenskapliga antagandena som ligger till grund för vår ekonomiska kunskap och använder angelägna analytiska förmågor, visar hur de är felaktiga. I det andra avsnittet i boken diskuterar Buchanan ett antal vetenskapliga genombrott som enligt hans åsikt i slutändan skulle hjälpa till att förbättra den samtida ekonomiska teorin.

Köp bok - Superforecasting av Philip E. Tetlock och Dan Gardner

Skriven av BrookPad Team baserat på superforecasting av Philip E. Tetlock och Dan Gardner



Äldre inlägg Nyare inlägg


Lämna en kommentar

Observera att kommentarer måste godkännas innan de publiceras