Думай медленно – предсказывай точно. Искусство и наука предвидеть опасность - Филип Тетлок, Дэн Гарднер (2015)

Затем Хэйгел плохо выступил на слушаниях. Очевидно, это уменьшило его шансы. Но на сколько? Дабы ответить на это, Ульфельдер написал: «Теорема Байеса требует, чтобы мы установили две вещи: 1) какова вероятность того, что мы видим в Сенате плохое выступление кандидата, которому суждено провалиться, и 2) какова вероятность того, что мы видим в Сенате плохое выступление кандидата, которому суждено быть одобренным?» Ульфельдер не знал нужных чисел, поэтому начал с того, что принял слова Рикса на веру и сильно склонил свои расчеты в его сторону, подразумевая, что, если данные Рикса невозможно проверить, то их невозможно проверить и у него. «Чисто теоретически я приму такой расклад: только один из пяти впоследствии одобренных кандидатов плохо выступает в слушаниях по вопросу утверждения должности, но так делают 19 из 20 провалившихся кандидатов». Ульфельдер загрузил данные в теорему Байеса, посчитал — и в итоге его прогноз «обрушился с 96 процентов до… 83». Таким образом, Ульфельдер сделал вывод, что суждение Рикса сильно отклонилось от истины, но вероятность, что Хэйгела утвердят, была все еще очень высока. В итоге две недели спустя его утвердили[144].

У человека с низкими способностями к математике это может вызвать отчаяние. Неужели прогнозистам действительно нужно понимать, запоминать и — о ужас! — использовать алгебраические формулы? У меня хорошие новости: нет, не нужно.

Суперпрогнозисты хороши в математике: многие знают о теореме Байеса и могут использовать ее, если чувствуют, что дело того стоит. Но они редко прибегают к прямому использованию чисел. Для суперпрогнозистов важнее не сама теорема Байеса, а его основная идея о постепенном приближении к истине с помощью постоянных корректировок в пропорции с весом имеющихся свидетельств[145]. Все это в полной мере относится к Тиму Минто. Он знает о теореме Байеса, но ни разу не использовал ее при составлении сотен обновленных прогнозов. В то же время Минто очень ценит дух Байеса. «Думаю, существует большая вероятность, что я интуитивно понимаю теорему Байеса лучше, чем большинство людей, — говорит он, — даже несмотря на то, что, если меня попросить написать ее по памяти, я, возможно, не смогу этого сделать». Минто — байесовец, не использующий теорему Байеса. Это парадоксальное определение относится к большинству суперпрогнозистов.

Итак, у нас есть формула успеха: множество маленьких обновлений. Поступайте так же — и окажетесь на пути к славе великого прогнозиста, верно?

Очень жаль, но не все так просто. Подход Тима Минто часто отлично работает и именно поэтому так распространен в работе суперпрогнозистов. Но это вовсе не универсальная отмычка. Иногда его применение — именно то, чего не нужно делать.

Помните чрезмерную реакцию Дага Лорча на отчет об арктическом льде? Через несколько дней после того, как поднял вероятность своего прогноза до 95 %, он увидел самую свежую информацию, а также информацию за последние двенадцать лет. Сравнив ее с прогнозами ученых, Даг заметил огромное несоответствие между ними и реальностью. Что ему следовало делать в этом случае? Даг мог пойти по пути «множества маленьких обновлений» и постепенно снизить вероятность в своем прогнозе. Или просто взглянуть на вопрос свежим взглядом. «Единственная причина, по которой я назначил 95 % вероятности, — это отчет, который явно не соответствует действительности, так что я должен его отбросить и сделать новый прогноз». Он пошел по второму пути: сначала вернулся к изначальным 55 %, затем снизил их до 15, и уже после этого приступил к «множеству маленьких обновлений» в своем обычном стиле.

Это был правильный подход. Если бы Даг не отошел от политики «множества маленьких обновлений» в момент, когда его прогноз равнялся 95 %, окончательный разочаровывающий результат оказался бы гораздо хуже.