آیا می‌توانیم «پیش‌بینیِ آینده» را یاد بگیریم؟
پیش‌بینیِ آینده دیگر هنر نیست بلکه علم است و نیازی نیست که پیش‌بینی را به دستِ اختاپوس‌ها و طالع‌بین‌ها بسپاریم!
فرادید | از نوستراداموس گرفته تا پاول (همان اختاپوس «فالگیری» که نتایج مسابقات جام‌جهانی را پیش‌گویی می‌کرد)، فراوانند آدم‌هایی که مدعی‌اند خودشان یا حیوان‌شان می‌توانند آینده را پیش‌گویی کنند.
به گزارش فرادید؛ در اغلب موارد رد‌کردنِ این ادعاها، خواه پیش‌گویی‌های مبهم (مثل پیش‌گویی‌های نوستراداموس) باشد، خواه همزمانی‌های دوپهلو (مثل پیش‌گویی‌های پاول)، آسان است.اما آیا هستند آدم‌هایی که بتوانند به‌واقع به ما بگویند در آینده چه اتفاقی خواهد افتاد؟
به هرحال ما برای فهمِ جهان به دانشگاهیان و گروه‌های سیاسیِ معروف نگاه می‌کنیم. برای مثال، اگر بخواهیم بدانیم در اوکراین چه اتفاقی خواهد افتاد، محتمل است که به سراغ افرادی برویم که درباره نیروی نظامی روسیه تحصیل کرده‌اند یا استاد سیاست خارجی هستند. برای آنکه، درباره تورم سال ۲۰۲۳ چشم‌اندازی پیدا کنیم، ممکن است به سراغ اقتصاددانان برویم. اما آنچه ما را شگفت‌زده می‌کند آن است که براساسِ شواهد، دانشگاهیان و صاحب‌نظران خیلی هم این کار را به درستی انجام نمی‌دهند.
در دهه ۱۹۸۰، یک دانشمند علوم سیاسی به نامِ فیلیپ تِتلاک، تصمیم گرفت پیش‌بینی‌های چندین کارشناس را محک بزند. او صد‌ها دانشگاهی و استاد را که زندگی‌شان را صرف اندیشیدین درباره سیاست کرده بودند دعوت کرد و از آن‌ها خواست تا در «مسابقه پیش‌بینی آینده» شرکت کنند.
از آن‌ها درخواست شد که سوالاتی نظیر اینکه اتحاد جماهیر شوروری تا کی دوام خواهد آورد یا چه کسی در انتخابات بعدی ریاست‌جمهوری پیروز خواهد شد را پیش‌بینی کنند و احتمال هر کدام را تخمین بزنند. برای مثال، یکی ممکن بود بگوید که ۳۰ درصد احتمال دارد تا قبل از سال ۱۹۹۰ جماهیر شوروی سقوط کند. در طی زمان، هر کدام از این پیش‌بینی‌ها با واقعیت سنجیده شد تا مشخص شود که کارشناسان تا چه اندازه توانسته بودند درست حدس بزنند و مشخص شد که کارشناسان در پیش‌بینیِ رویداد‌های آینده خوب عمل نمی‌کنند.
بسیاری از آن‌ها مانند شخصی که کاملاً تصادفی درباره یک موضوع نظر می‌دهد، عمل کرده بودند. دانشمندان به این نتیجه رسیدند که «تعداد اندکی از کارشناسان پیش‌بینی‌های‌شان نزدیک به واقعیت بود، اما فاصله این پیش‌بینی‌ها تا واقعیت، به‌لحاظ استعاری شبیه فاصله دارت از هدف در زمانی بود که یک شامپانزه مشغولِ پرت کردنِ دارت‌هاست!»
تتلاک فقط کارشناسان را در مسابقه پیش‌بینیِ آینده ثبت‌نام نکرده بود. او فراخوانی داد تا آدم‌های عادی جامعه که علاقه‌مند هستند، بتوانند برای شرکت در مسابقه پیش‌بینیِ آینده ثبت‌نام کنند. سال اول ۳۲۰۰ نفر ثبت‌نام کردند. مدتی بعد از شروع مسابقه، او الگوریتمی را اجرا کرد تا به کمک آن به پیش‌بینی‌های دقیق‌ترین پیش‌بینی‌کنندگان بیش‌ترین اعتبار را بدهد. او هم‌چنین پیش‌بینی‌ها را «حداکثری» کرد و احتمالات مطرح‌شده را به ۱۰۰ درصد یا صفردرصد نزدیک‌تر کرد. الگوریتم‌ها نشان داد که افراد معمولی که به فراخوان‌ها پاسخ داده بودند، پیش‌بینی‌های بهتری در مقایسه با تحلیل‌گرانی که به اطلاعات محرمانه دسترسی داشتند، ارائه کرده بودند و خیلی بهتر از بازیگرانِ سیاسی و دانشگاهیان عمل کرده بودند.
آن‌هایی که بهترین پیش‌بینی‌ها را ارائه کرده بودند به عنوانِ «ابرپیش‌بینی‌کننده» در مسابقه باقی می‌ماندند و به شکست‌دادنِ سایرین ادامه می‌دادند. اما چه چیزی آن‌ها را در پیش‌بینی تا‌این‌حد خبره کرده بود؟ به‌نظر می‌رسد که ابرپیش‌بینی‌کنندگان تقریباً در مقابلِ تعصب‌ها و سوگیری‌هایی که سایر پیش‌بینی‌کنندگان را تحتِ تأثیر قرار می‌داد، مصونیت داشتند.
«غفلت از دامنه» یکی از این تعصب‌هاست که یک روان‌شناسِ برنده جایزه نوبل، به نامِ دنیل کانمن، آن را معروف کرد. تصور کنید که از شما خواسته شده بگویید فلان شخصیتِ سیاسی چقدر امکان دارد تا رهبری یک حزب را در طی یک‌سال به دست آورد؛ و از شما پرسیده می‌شود که از بین ۸۵ درصد و ۹۰ درصد به نظرتان چه‌قدر محتمل است که این فرد رهبری حزب را به دست بگیرد؟
حالا تصور کنید که به جای یک‌سال از شما پرسیده شود چقدر امکان دارد که طی دو سال آینده چنین فردی رهبر حزب شود. آیا جوابی که به سوال دوم می‌دهید همان جوابی است که به سوال اول دادید؟ اگر چنین است شما نسبت به دامنۀ زمانی موضوع حساسیت کافی نداشته‌اید و به همین دلیل محاسبات‌تان در قبالِ دو پرسشِ به‌ظاهر مشابه، یکسان است و پاسخی مشابه به آن‌ها می‌دهید.
اغلب آدم‌ها نسبت به دامنه حساسیت ندارند و از آن غفلت می‌کنند، اما ابرپیش‌بینی‌کنندگان نسبت به دامنه حساس هستند. آن‌ها هم‌چنین کم‌تر احتمال دارد دچار انحرافاتِ شناختی دیگری مانند سوگیریِ تأیید و اعتمادبه‌نفس افراطی باشند ـ مواردی که می‌توانند روی پیش‌بینی‌های بهتر اثر منفی بگذارند.
آیا افراد با این توانمندی‌های خارق‌العاده به دنیا می‌آیند یا هر کسی با تلاش و تمرین می‌تواند یک ابرپیش‌بینی‌کننده شود؟ پاسخ تاحدی کلافه‌کنند است. درواقع ترکیبی از هر دو لازم است. به پرسش‌هایی که در ادامه مطرح می‌کنم، فکر کنید:
اگر ۵ ماشین برای ساختِ ۵ وسیله به ۵ دقیقه زمان نیاز داشته باشند، ۱۰۰ ماشین برای ساختِ ۱۰۰ وسیله چند دقیقه زمان لازم دارند؟ اگر پاسخ شما ۱۰۰ دقیقه است، باید بگویم متأسفانه شما از یک آزمونِ شناختیِ معمول به نام آزمونِ بازتابیِ شناختی رد شدید، آزمونی که طراحی شده تا کسانی که به‌جای استفاده از نیروی فکر و اندیشه، با غریزه‌شان پاسخ می‌دهند را الک کند.
پاسخ درست به این پرسش همان ۵ دقیقه است و اکثرِ ابرپیش‌بینی‌کنندگان بدونِ مشکل به آن پاسخ می‌دهند. ابرپیش‌بینی‌کنندگان پرسش را می‌شنوند و بلافاصله به این فکر می‌کنند که چرا یک پاسخِ واضح به این پرسش می‌تواند پاسخی اشتباه باشد.
اما راه‌هایی هست که می‌توانید مهارت‌های پیش‌بینی‌تان را تقویت کنید. یک برنامه آموزشی که تتلاک آن را طراحی کرده بود توانست دقتِ پیش‌بینیِ پیش‌بینی‌کنندگان را تا ۱۰ درصد افزایش دهد. این برنامه شاملِ تکنیک‌های پیش‌بینی‌های کلاسیک مثل تمرکز بر «نرخِ پایه» است.
فرض کنید که در انتخابات میان‌دوره‌ای پارلمان بین حزب محافظه‌کار و کارگر یک نظرسنجی برگزار می‌شود. این نظرسنجی در سال ۲۰۲۱ انجام شد و بسیاری فکر می‌کردند که محافظه‌کار‌ها می‌توانند بیش‌تر کرسی‌های پارلمان را به دست بیاورند. پاسخ‌ها به این نظرسنجی امکان پیروزی حزب محافظه‌کار در مقابل کارگر را ۶ به ۱ نشان می‌داد که یعنی حزب کارگر فقط ۱۴ درصد از کرسی‌ها را می‌توانست به دست آورد. اما در واقعیت این حزب کارگر بود که پیروز شد. اصلاً شگفت‌آور نیست: از سال ۲۰۱۰ تعداد ۲۵ انتخاباتِ میان‌دوره برگزار شده بود که حزب کارگر ۲۳ تای آن‌ها را برنده شده بود. این روند به شما «نرخ پایه» ۹۲ درصدی می‌دهد که خیلی با ۱۴ درصدی که پیش‌بینی‌کنندگانِ پرت پیش‌بینی کرده بودند، فاصله دارد.
این شیوه پیش‌بینی بسیار جالب است، اما آیا همیشه در جهانِ واقعی می‌توان به آن استناد کرد؟ دولتِ بریتانیا معتقد است که می‌توان. از آوریل سال ۲۰۲۰، دولتمردان بریتانیا مشغولِ پیش‌بینی درباره همه‌چیز از میزانِ بیماری‌زاییِ کووید تا احتمال حمله چین به تایوان به عنوان بخشی از بازارِ جهانی هستند.
در نقاطِ دیگرِ جهان نیز سازمان‌های غیردولتی با ابرپیش‌بینی‌کنندگان و کارشناسانی که هشدار‌های زودهنگام درباره بحران‌های انسانی می‌دهند کار می‌کنند؛ کارشناسانی که به آن‌ها کمک می‌کند پاسخ‌های بهتری به این بحران‌ها بدهند.
با‌اینکه نمی‌دانیم این تلاش‌ها تاچه‌اندازه می‌توانند اثرگذار باشند، آنچه مشخص است این است که پیش‌بینیِ آینده دیگر هنر نیست بلکه علم است و نیازی نیست که پیش‌بینی را به دستِ اختاپوس‌ها و طالع‌بین‌ها بسپاریم!
منبع: The Guardian
ترجمه: عاطفه رضوان‌نیا
