[สรุปหนังสือ] Superforecasting : The Art and Science of Prediction

 

 

Superforecasting : The Art and Science of Prediction (2015)
by Philip E. Tetlock & Dan Gardner

 

“All models are wrong, but some are useful.”

 

มนุษย์ทุกคนคือนักพยากรณ์ (forecaster)… ในทุกวันๆ พวกเราทุกคนต้องตัดสินใจในเรื่องต่างๆอยู่แทบจะตลอดเวลา ซึ่งการตัดสินใจของพวกเราในหลายๆครั้งนั้นล้วนเกิดขึ้นจากความคาดหวังในสิ่งที่จะเกิดขึ้นในอนาคตอยู่เสมอ อาทิ การตัดสินใจว่าวันนี้เราจะกินอะไรดีนั้นต้องมีการประเมินถึงปัจจัยต่างๆในอนาคตมากมาย ไม่ว่าจะเป็น ความอร่อยของร้านอาหารที่เราเลือก ความชอบของคนที่เราจะไปทานด้วย ความสะดวกสบายของการเดินทาง ไปจนถึง สภาพอากาศ

แต่ในการพยากรณ์เหตุการณ์ที่สำคัญระดับประเทศหรือระดับโลก อาทิ ผลของการเลือกตั้งและโอกาสที่จะเกิดวิกฤตเศรษฐกิจ นั้น มนุษย์กลับเลือกที่จะเชื่อมั่นในคำพยากรณ์ของเหล่าผู้เชี่ยวชาญ (expert) มากกว่าตัวของพวกเราเอง โดยงานวิจัยในปี 2005 ของ Philip E. Tetlock ศาสตราจารย์แห่งมหาวิทยาลัย Wharton ได้เคยเปิดเผยไว้ว่า “The average expert was roughly as accurate as dart-throwing chimpanzee” หรือ “ผู้เชี่ยวชาญโดยเฉลี่ยนั้นมีความแม่นยำในการพยากรณ์ไม่ต่างจากการปาลูกดอกของลิงชิมแปนซี” หรือแปลเป็นภาษาไทยง่ายๆคือ “คำพยากรณ์ของผู้เชี่ยวชาญโดยเฉลี่ยนั้นไม่แม่นเลย”

แต่ !! ศาสตราจารย์ Philip E. Tetlock ก็ค้นพบคนกลุ่มหนึ่งที่เขาเรียกว่า “superforecaster” หรือ “สุดยอดนักพยากรณ์” ที่มีความสามารถในการพยากรณ์ได้อย่างแม่นยำกว่าผู้เชี่ยวชาญหรือบุคคลทั่วไปอย่างมีนัยสำคัญ อันเป็นที่มาของหนังสือ Superforecasting : The Art and Science of Prediction เล่มนี้ที่เขียนโดยตัวของ Philip E. Tetlock เองและ Dan Gardner ที่ต้องการนำเสนอเคล็ดลับในการพยากรณ์ของเหล่าสุดยอดนักพยากรณ์ที่บุคคลทั่วไปสามารถเรียนรู้และนำไปปรับใช้เพื่อเพิ่มประสิทธิภาพของการพยากรณ์ของตัวเองให้สูงสุด ไม่ว่าจะเป็นทั้งในด้านของธุรกิจ เศรษฐกิจ การเมืองและชีวิตประจำวัน ขอเชิญทุกท่านที่สนใจในการเพิ่มขีดความสามารถในการตัดสินใจของตัวเองอ่านสรุปหนังสือเล่มนี้กันได้เลยครับ

 

Philip E. Tetlock (ขอบคุณภาพจาก Knowledge @ Wharton)

 

Chapter One: An Optimistic Skeptic

ในเดือนธันวาคมปี 2010 นาย Mohammed Bouazizi ได้จุดไฟเผาตัวเองทั้งเป็นเพื่อประท้วงหลังจากเขาถูกตำรวจยึดรถเข็นขายผลไม้ของเขาโดยมิชอบ เหตุการณ์ครั้งนี้จุดไฟ Arab Spring การประท้วงและก่อจลาจลครั้งใหญ่ที่โค่นล้มรัฐบาลในประเทศแถบอาหรับไปหลายประเทศ หลังจากการเกิดขึ้นของเหตุการณ์นี้ นักวิชาการจำนวนมากต่างก็ออกมาอธิบายถึงต้นเหตุของการเกิดการปฏิวัติครั้งใหญ่นี้ไว้อย่างครอบคลุม ทั้ง การคอรัปชั่น ความยากจนและจำนวนคนว่างงานที่เพิ่มสูงขึ้น แต่ทำไมนักวิชาการเหล่านี้ถึงกลับไม่สามารถพยากรณ์เหตุการณ์ Arab Spring ล่วงหน้าได้เลย ?!?

การเกิดขึ้นของเหตุการณ์ Arab Spring นั้นสามารถอธิบายได้ด้วยหลักการ complex state ที่อธิบายถึงสถานะของสิ่งแวดล้อมที่มีความเชื่อมโยงกันอย่างซับซ้อน ที่เมื่อถึงจุดวิกฤติ (critical) การขยับปีกของผีเสื้อเพียงครั้งเดียวก็สามารถก่อให้เกิดพายุทอร์นาโดได้

นักคณิตศาสตร์ชาวฝรั่งเศส Pierre-Simon Laplace เคยกล่าวไว้ว่า หากมนุษย์สามารถล่วงรู้ถึงทุกสิ่งทุกอย่างในปัจจุบันอย่างสมบูรณ์แล้ว มนุษย์คนนั้นจะมีความสามารถในการพยากรณ์อนาคตได้อย่างแม่นยำ แต่ในปัจจุบันนี้ มนุษย์ยังไม่แม้แต่จะสามารถพยากรณ์รูปร่างของเมฆได้เลยถึงแม้ว่าจะรู้ปัจจัยสำคัญที่เกี่ยวข้องแทบทุกอย่าง เช่น อุณหภูมิ แรงลมและความชื้น แล้วก็ตาม

ในชีวิตประจำวัน มนุษย์ต้องอาศัยการพยากรณ์ต่างๆในการดำเนินชีวิตอยู่ตลอดเวลาตั้งแต่การรีบตื่นแต่เช้าเพราะกลัวรถติดหรือการเดินทางไปร้านอาหารในช่วงเวลาที่ร้านบอกว่าเปิด ความสามารถในการพยากรณ์ระยะสั้นของมนุษย์นั้นมีความแม่นยำสูงมาก เช่น การพยากรณ์อากาศหรือเวลาพระอาทิตย์ตก แต่อย่างไรก็ตามความแม่นยำที่เรายึดถือมานานล้วนแฝงไว้ด้วยความไม่แน่นอนต่างๆ เช่น เจ้าของร้านอาหารเกิดป่วย หรือ เราอาจเกิดอุบัติเหตุบนถนนระหว่างทางก็เป็นไปได้

เราอยู่ในโลกที่ความแน่นอนสอดแทรกกับความไม่แน่นอนอย่างแยกไม่ออก มนุษย์เมื่อหลายล้านปีก่อนคงไม่มีใครเถียงว่าไดโนเสาร์จะเป็นสัตว์ที่จะครองโลก จนกระทั่งพวกมันโดนอุกกาบาตพุ่งชนจนสูญพันธุ์ไปในที่สุด

ผู้เขียนเรียกตัวเองว่าเป็น Optimistic Skeptic ที่มีความเชื่อมั่นว่าการพยากรณ์ที่แม่นยำนั้นมีอยู่จริงแต่คงมีเฉพาะในบางเงื่อนไขและบางช่วงเวลาเท่านั้น

มองไปยังอนาคตข้างหน้า การพยากรณ์โดยคอมพิวเตอร์ที่ใช้ algorithm จาก big data จะมีความแม่นยำมากขึ้น แต่ถึงอย่างไรก็ตามการจะพยากรณ์เหตุการณ์สำคัญที่มีปัจจัยทั้งด้านคุณภาพและปริมาณจำนวนมากอาจจะต้องใช้คอมพิวเตอร์ A.I. ที่ฉลาดสุดๆจนไม่น่าจะสามารถทำได้ในเร็ววันนี้ สิ่งที่ดีที่สุดตอนนี้คือการร่วมมือกันระหว่างการพยากรณ์แบบ subjective ของมนุษย์กับการพยากรณ์แบบ algorithmic จากคอมพิวเตอร์

 

Chapter Two: Illusions of Knowledge

“มนุษย์มักจะตัดสินใจเชื่ออะไรบางอย่างอย่างรวดเร็วเกินไปและมีความสามารถในการเปลี่ยนความคิดของตัวเองที่ช้าเกินไป”

เราเชื่อมั่นว่าเรามีความรู้ในหลายๆอย่างที่เราไม่ได้รู้มันจริงๆ สาเหตุหลักๆเกิดจากการที่เราเชื่อมั่นใน System 1 หรือ Automatic System ระบบการตัดสินใจแบบอัตโนมัติซึ่งสามารถตอบคำถามได้อย่างรวดเร็ว แต่จริงๆแล้วคำตอบเหล่านั้นเต็มไปด้วยความลำเอียง (bias) มากมาย

การแก้ไข Illusions of Knowledge สามารถทำได้ด้วยกรรมวิธีแบบวิทยาศาสตร์คือการสงสัยและการตั้งคำถาม พร้อมกับการทดลองเพื่อพิสูจน์หาข้อเท็จจริงนั้นๆอยู่อย่างสม่ำเสมอซึ่งเป็นเสมือนการบังคับให้ System 2 หรือ Cognitive System ที่เป็นระบบการตัดสินใจที่อาศัยความคิดและใช้พลังงานสมองมากเริ่มทำงาน

ในอดีตกว่า 2000 ปี การรักษาโรคของหมอถูกใช้งานกันต่อๆกันมาอย่างแพร่หลายโดยไม่มีการพิสูจน์ว่าสามารถรักษาโรคนั้นๆได้จริงหรือไม่ เช่น การให้ทาตัวด้วยไข่นกกระจอกเทศหรือการกินพืชและสัตว์แปลกๆตามความเชื่อที่สืบทอดต่อกันมา จนกระทั่งเมื่อเข้าสู่ศตวรรษที่ 19 แพทย์จึงเริ่มทำการทดลองเพื่อพิสูจน์ว่ายาชนิดไหนรักษาโรคได้ผลจริงๆ จนนำมาสู่ความก้าวหน้าครั้งยิ่งใหญ่ของวงการแพทย์ในปัจจุบัน

 

Chapter Three: Keeping of Score

Steve Ballmer อดีต CEO ของ Microsoft เคยออกมาพูดว่า “There’s no chance that the iPhone is going to get any significant market share. No chance.” ซึ่งคำพูดนี้ถูกกล่าวหาว่าเป็นการพยากรณ์ที่ห่วยแตกที่สุดติดอันดับโลก ถึงแม้ว่าปัจจุบันยอดขาย iPhone สามารถทำรายได้มากกว่ารายได้ของ Microsoft ทั้งบริษัท คำพยากรณ์ของ Ballmer อาจจะไม่ได้ผิดพลาดขนาดนั้นก็ได้ ถ้ามองในมุมจำนวนเครื่องมือถือทั่วโลก ณ ปัจจุบัน ยอดขายของ iPhone ยังอยู่แค่ประมาณ 6% เท่านั้น ซึ่งอาจจะเป็น “insignificant market share” ตามที่ Ballmer บอก

การวัดผลการพยากรณ์เป็นสิ่งที่ยากมากๆ เนื่องจากการพยากรณ์ส่วนใหญ่มักจะบอกแบบกำกวมทั้งในเรื่องโอกาสในการเกิด ความรุนแรงและช่วงเวลาในการเกิด เช่น “กรีซมีโอกาสมากที่จะทำให้ยุโรปมีปัญหาการเงินในเร็วๆนี้” เราไม่สามารถระบุได้ว่าโอกาสมากนี่มากแค่ไหน ความรุนแรงเท่าไหร่ และเร็วๆนี้นี่คือพรุ่งนี้หรืออีก 5 ปีข้างหน้า วิธีการวัดผลทางทฤษฎีที่ถูกต้องที่สุดคือการวัดผลผ่านโลกจำลองซัก 100 โลก แต่แน่นอนว่ามันทำขึ้นจริงๆไม่ได้

วิธีการวัดผลที่ดีที่สุดคือการถามคำถามหรือให้พยากรณ์ในเงื่อนไขเดียวกัน (เช่น พยากรณ์อากาศในกรุงเทพ) จำนวนหลายๆครั้ง โดยให้ตอบด้วยความชัดเจนทั้งโอกาสในการเกิด ความรุนแรงและช่วงเวลา

ผู้เขียน Philip E. Tetlock ได้ก่อตั้งโครงการ Expert Politic Judgment ขึ้นโดยมีจุดประสงค์ที่จะวัดผลการพยากรณ์เหตุการณ์สำคัญทางการเมืองทั้งในและระหว่างประเทศของผู้เชี่ยวชาญกว่า 300 คนตลอดระยะเวลายาวนานถึง 21 ปี ก่อนที่จะได้ข้อสรุปว่า “ผู้เชี่ยวชาญโดยเฉลี่ยมีความแม่นยำในการพยากรณ์ไม่ต่างจากลิงชิมแปนซีปาลูกดอก” แต่ก็มีผู้เชี่ยวชาญบางกลุ่มที่มีความแม่นยำสูงจนน่าจับตามอง ซึ่งพวกเขาเหล่านี้มีข้อแตกต่างจากคนอื่นอย่างเดียวนั่นคือ ”วิธีการคิด”

กวีชาวกรีกเคยพูดถึงหมาป่ากับเม่นว่า “The fox knows many things but the hedgehog knows one big thing.” นักพยากรณ์ก็สามารถแบ่งออกเป็น 2 ประเภทได้เช่นกัน คือ The Hendgehog ผู้ที่มีความเชื่อของตัวเองเป็นที่ตั้งและพยายามเบี่ยงเบนเหตุผลต่างๆให้เข้ากับความเชื่อของเขาเหล่านั้น กับ The Fox ผู้ที่มีความยืดหยุ่นในการตัดสินใจโดยเขาจะทำการรวบรวมข้อมูลจากทุกด้านให้ได้มากที่สุดก่อนที่จะตัดสินใจ The Hedgehog จะมีความเชื่อมั่นสูงว่าสิ่งนั้นจะเกิดแน่หรือไม่เกิดแน่นอน ส่วน The Fox จะเลือกที่จะพยากรณ์ในลักษณะของ “ความน่าจะเป็น” ซึ่งผลลัพธ์ที่ได้นั้นมีความแม่นยำกว่ามาก

The Wisdom of The Crowd คือการรวบรวมความรู้ของคนในทุกกลุ่มให้ได้จำนวนมากๆเพื่อที่จะนำมาหาคำพยากรณ์ในที่สุด ซึ่งเหตุการณ์นี้จะมีความแม่นยำก็ต่อเมื่อคนที่ร่วมพยากรณ์จะต้องมีความรู้ในระดับหนึ่งและต้องมีความหลากหลายไม่เอนเอียงไปทางใดทางหนึ่ง เหมือนการทดลองพยากรณ์น้ำหนักวัวที่พอเอาค่าน้ำหนักที่ทุกคนพยากรณ์ออกมาเฉลี่ยผลปรากฏว่าใกล้เคียงกันมาก

The Fox ใช้วิธีการพยากรณ์ในลักษณะใกล้เคียงกัน แต่พวกเขาจะทำการรวบรวมความคิดจากหลายๆกลุ่มมารวมกันในหัวเดียว (aggregate) และคำนวณออกมาเป็นโอกาสในการเกิดเหตุการณ์ต่างๆ เปรียบเสมือนตาของแมลงปอที่มองเห็นสิ่งแวดล้อมเกือบ 360 องศา

ยกตัวอย่างเช่น งานวิจัยที่ให้ทุกคนตอบคำถามชิงรางวัลโดยให้ผู้เข้าร่วมส่งค่าตัวเลขมาหนึ่งตัว ผู้ที่ได้รับรางวัลคือคนที่ตอบตัวเลข 0 ถึง 100 ที่ใกล้เคียงกับ 2 ใน 3 ของค่าเฉลี่ยของคำตอบที่สุด ถ้าคิดเชิงวิชาการจะพบว่าถ้าค่าเฉลี่ยของคนที่ตอบคือ 50 คำตอบที่ควรตอบคือ 33 แต่พอคิดอีกนิดจะพบว่าคนอื่นๆก็น่าจะรู้เหมือนกัน คำตอบจึงต้องลงไปอีกคือ 22 และลดไปเรื่อยๆจนเหลือ 0 ในที่สุด แต่ผลการวิจัยพบว่าค่าเฉลี่ยของคำตอบคือ 19 (คนที่ตอบ 13 ได้รางวัล) ทั้งนี้เกิดจากคนในกลุ่มผู้ทดสอบบางส่วนที่เป็นกลุ่มที่ไม่ได้คิดแบบเครื่องคิดเลข พวกเขาอาจจะตอบ 22 หรือ 33 หรือแม้กระทั่ง 50 นักพยากรณ์แบบ The Fox จะต้องประเมินว่ามีคนกลุ่มที่ตอบ 0 กับกลุ่มที่ตอบเลขเยอะๆอยู่เท่าไหร่ รวมถึงคนในกลุ่มที่คิดคำตอบแบบ aggregate เหมือนๆกับเขาอีกเท่าไหร่

 

Chapter Four: Superforecasters

หลังจากความล้มเหลวในการพยากรณ์ว่าอิรักและ Saddam Hussein มีการครอบครอง Weapon of Mass Destruction หน่วยข่าวกรอกของสหรัฐจึงได้ก่อตั้งองค์กร Intelligence Advanced Research Projects Activity (IARPA) ขึ้นเพื่อสร้างให้หน่วยงานข่าวกรองมีความสามารถในการพยากรณ์ที่แม่นยำมากขึ้น

IARPA ได้ก่อตั้งโครงการแข่งขันการพยากรณ์ขึ้นเพื่อให้หน่วยงานวิจัยจากมหาวิทยาลัยต่างๆได้รับทุนไปพัฒนาและหาวิธีการพัฒนาประสิทธิภาพของการพยากรณ์เหตุการณ์ทางการเมือง

ผู้เขียนได้ก่อตั้งทีม Good Judgment Project (GJP) ขึ้นโดยมีผู้เข้าร่วมออนไลน์กว่า 2800 คนที่มีพื้นหลังแตกต่างกันแต่สิ่งที่เหมือนๆกันคือพวกเขาเป็นคนธรรมดาๆที่ไม่ใช่ผู้เชี่ยวชาญพิเศษแต่อย่างใด โครงการ GJP ส่งคำถามเกี่ยวกับเหตุการณ์ทางภูมิรัฐศาสตร์ให้กับผู้เข้าร่วมพยากรณ์โอกาสในการเกิดเหตุการณ์นั้นๆ เช่น รัสเซียจะบุกยึดแคว้นไคเมียสำเร็จภายใน 6 เดือนหรือไม่ ซึ่งผู้เข้าร่วมสามารถปรับเปลี่ยนคำตอบของตัวเองได้เรื่อยๆ

GJP ได้รวบรวมคำตอบของผู้พยากรณ์โดยให้น้ำหนักผู้ที่มีความพยากรณ์แม่นยำเป็นพิเศษจนทำให้ GJP กลายเป็นทีมที่มีความแม่นยำสูงที่สุดในโครงการของ IARPA โดยดาวเด่นอันดับหนึ่งของ GJP คือ อดีตวิศวกรคอมพิวเตอร์เกษียณอายุธรรมดาๆที่สามารถทำคะแนนความแม่นยำได้ดีที่สุด เขาและผู้เข้าร่วมการทดลองอีก 57 ถูกผู้เขียนยกให้เป็น Superforecaster ผู้ซึ่งมีความแม่นยำในการพยากรณ์มากกว่าคนธรรมดาถึง 60% แถมยังมีความสามารถในการพยากรณ์ระยะไกลได้ดีกว่าคนอื่นถึง 3 เท่า

Illusion of Prediction คือภาพลวงตาของความแม่นยำที่คนส่วนใหญ่จะมองว่าคนที่ทำนายได้ดีติดต่อกันหลายครั้งมีความสามารถพิเศษ แต่จริงๆแล้วพวกเขาเหล่านั้นอาจจะแค่โชคดีก็ได้ เช่น นักลงทุนที่ชนะตลาด 7 ปีติดต่อกัน [คิดทางสถิติจะมีโอกาสประมาณ 1 ใน 128 คน (2 ยกกำลัง 7) เท่านั้นเอง] จริงๆก็คล้ายกับคนถูกลอตเตอรี่ที่ถึงแม้โอกาสจะยากแต่มีผู้ซื้อลอตเตอรี่จำนวนมากยังไงก็ต้องมีคนถูกบ้าง

Regression to The Mean เป็นหลักการที่ใช้อธิบายถึงเหตุการณ์ของคนหรืออื่นๆที่ out-perform หรือ under-perform คนอื่นได้อย่างเห็นได้ชัดในระยะเวลาหนึ่งโดยโชค พวกเขาหรือนั้นจะกลับเข้าสู่ค่าเฉลี่ยในที่สุด ยกเว้นว่าเขามี skill ที่ดีจริงๆถึงจะทำให้เขามีค่าเฉลี่ยสูงกว่าคนทั่วๆไป

ในทางกลับกัน Superforecaster ของโครงการ GJP นั้นกว่า 70% สามารถรักษาอันดับความแม่นยำในการพยากรณ์ใน 2% แรกได้ต่อเนื่องกันหลายปี แถมความแม่นยำของพวกเขายังเพิ่มขึ้นเรื่อยๆ นี่จึงเป็นหลักฐานที่ชัดเจนว่า Superforecaster มีทักษะความสามารถในการพยากรณ์ที่แตกต่างจากคนทั่วไปจริงๆ

 

Chapter Five: Supersmart?

คำถามที่ตามมาคือ Superforecaster นั้นคืออัจฉริยะเท่านั้นหรือเปล่า ?!? จากการสอบวัดระดับ IQ ของผู้เข้าร่วมโครงการ GJP พบว่าโดยเฉลี่ยแล้วผู้เข้าร่วมมี IQ ดีกว่า 70% ของประชากรสหรัฐ (ซึ่งน่าจะเป็นเช่นนั้นเพราะไม่ทุกคนจะยอมเสียเวลามานั่งพยากรณ์เหตุการณ์สำคัญต่างๆของโลก) ส่วน Superforecaster นั้นมี IQ สูงกว่า 80% ของทั้งหมด ซึ่งถือว่ามีความรู้มากกว่าคนทั่วไปแต่ก็ไม่ได้ถึงกับเป็นอัจฉริยะ top 1% ผู้เขียนให้ข้อสรุปว่าความฉลาดนั้นมีส่วนในการพยากรณ์แต่ไม่เท่ากับ ”วิธีการเอาความฉลาดไปใช้”

Fermi Estimation คือกรรมวิธีการประมาณค่าโดยใช้วิธีการคำนวณด้วยการแตกประเด็นหลักเป็นคำถามย่อยๆ เช่น การประมาณจำนวนนักซ่อมเปียโนทั้งหมดในชิคาโก้ ต้องเริ่มจากการประมาณประชากรของเมืองชิคาโก้ สัดส่วนการใช้เปียโนทั้งหมดต่อจำนวนประชากร ความถี่ในการซ่อม ระยะเวลาในการซ่อมแต่ละครั้ง จนได้ออกมาเป็นชุดของปัจจัยที่ย่อยที่สามารถนำไปคำนวณได้อย่างง่ายดายยิ่งขึ้น

หลักการพยากรณ์ของเหล่า Superforecaster เริ่มต้นจากการวิเคราะห์ Outside View หรือมุมมองจากความจริงทางสถิติ (statistical fact) แบบ objective เช่น การพยากรณ์ว่าครอบครัวนายสเตฟาโน่มีโอกาสเลี้ยงสุนัขเท่าไหร่ ต้องไปจับที่สถิติคนเลี้ยงสุนัขของเมืองนั้นก่อนที่จะมาวิเคราะห์ว่าครอบครัวนั้นๆมีลักษณะอย่างไร หลังจากนั้นจึงเข้าไปวิเคราะห์เหตุการณ์นั้นๆจริงๆแบบ Inside View ด้วยการแตกเหตุการณ์เป็นแต่ละ Scenario พร้อมกับใช้ Fermi Estimation เป็นตัวช่วย และทำการรวมข้อมูล Outside View กับ Inside View เข้าด้วยกัน

ยกตัวอย่าง โอกาสที่จะตรวจพบธาตุกัมมันตรังสีในศพของอดีตประธานาธิบดีอิสราเอล Yasser Arafat ต้องเริ่มจาก Outside View เช่น อัตราการย่อยสลายของกัมมังตรังสี สถิติของประธานาธิบดีที่เสียชีวิตด้วยการถูกลอบสังหาร ฯลฯ ก่อนที่จะวิเคราะห์ Inside View เป็น Scenario เช่น กรณีถูกอิสราเอลวางยาพิษจริง กรณีถูกปาเลสไตน์วางยาพิษ หรือกรณีที่ถูกวางธาตุกัมมันตรังสีไว้ทีหลังเพื่อให้คิดว่าอิสราเอลวางยาพิษ

หลังจากได้ค่าพยากรณ์แล้ว Superforecaster มักจะออกตามหามุมมองอื่นๆจากคนอื่นๆเพื่อนำมาใช้ปรับเปลี่ยนค่าพยากรณ์ของตัวเอง รวมถึงการบังคับให้ตัวเองมองหามุมมองใหม่ๆเพิ่มเติมเรื่อยๆเพื่อทำการปรับค่าพยากรณ์อย่างต่อเนื่อง

คุณสมบัติที่ดีของ Superforecaster อีกข้อคือ Active Open-mindedness หรือการเปิดรับสิ่งใหม่ๆแบบเชิงรุก เช่น การชอบหาความรู้เพิ่มเติม ช่างสงสัยและพร้อมที่จะเปลี่ยนแปลงตัวเองอยู่ตลอดเวลา

 

Chapter Six: Superquants?

Superforecaster ไม่จำเป็นต้องมีความสามารถด้านคณิตศาสตร์ที่สูงเป็นพิเศษ แต่พวกเขามีสิ่งหนึ่งที่หลายคนไม่มีนั่นคือ Probabilistic Thinking หรือกระบวนการคิดแบบความน่าจะเป็น

มนุษย์ตั้งแต่ยุคหินให้น้ำหนักกับความแน่นอนสูงมาก นั่นคือเหตุการณ์นั้นจะต้องเกิดหรือไม่เกิดขึ้นแน่ๆ ส่วนเหตุการณ์อื่นๆที่ไม่สามารถบอกได้แน่ชัดจะถูกคิดแบบง่ายๆ คือ โอกาส 50:50 เพียงเท่านั้น

มนุษย์ชอบความแน่นอนมาก [คนจะยอมจ่ายให้ลดโอกาสร้ายๆจาก 5% เป็น 0% มากกว่าจาก 10% เป็น 5%] และมักจะชอบมองข้ามความไม่แน่นอนให้เป็นความแน่นอน เช่น ถ้ารู้ว่าโอกาสมี 80% มนุษย์มักจะมั่นใจว่าเหตุการณ์จะเกิดขึ้นแน่ๆทั้งๆที่เหตุการณ์นั้นมีโอกาสถึง 20% ที่จะไม่เกิดขึ้น แต่ Superforecaster นั้นรู้จักถึงความสำคัญของ Probability และความไม่แน่นอนเป็นอย่างดี พวกเขาเลือกที่จะพยากรณ์แบบความน่าจะเป็นไปจนถึงหน่วยย่อยหลัก 1% กันเลยทีเดียว [คนส่วนใหญ่กำหนดเป็นเลข 30%, 40%, 50% ได้ก็เก่งแล้ว] ยิ่งการพยากรณ์ลงไปยังหน่วยย่อยมากแค่ไหน ความแม่นยำก็จะเพิ่มมากขึ้น

มนุษย์มักจะพยายามหาความหมายของเหตุการณ์ต่างๆที่เกิดขึ้น โดยให้ความสำคัญกับ Why เป็นหลัก พวกเขามักจะเชื่อว่าเหตุการณ์นั้นๆเกิดขึ้นอย่างมีความหมายโดยไม่คิดว่ามันเป็นแค่โอกาสไม่กี่เสี้ยวเปอร์เซ็นต์ ต่างกับ Superforecaster ที่มองเหตุการณ์ต่างๆด้วย How เพื่อเข้าใจว่าเหตุการณ์นั้นเกิดขึ้นได้อย่างไรด้วยโอกาสการเกิดเท่าไหร่ และแน่นอนว่าเหล่า Superforecaster มักจะเป็นคนที่ไม่ให้ความสำคัญกับความเชื่อและศาสนาเท่าไหร่

 

Chapter Seven: Supernewjunkies?

การพยากรณ์ที่มีการปรับปรุงเปลี่ยนแปลงตามข้อมูลข่าวสารล่าสุดอยู่สม่ำเสมอมักมีความแม่นยำมากกว่าคำพยากรณ์ที่ไม่ได้รับการปรับแก้ไข

Superforecaster มักจะที่จะติดตามข่าวสารที่เกี่ยวข้องกับเหตุการณ์ที่ต้องพยากรณ์อยู่สม่ำเสมอเพื่อที่จะนำข่าวสารใหม่ๆมาปรับปรุงคำพยากรณ์เดิม ทั้งนี้ต้องคำนึงถึงระยะเวลาและความถูกต้องของข่าวสารด้วย การเลือกใช้ข่าวสารเองก็ต้องมีการตรวจสอบและให้น้ำหนักอย่างเหมาะสม ระวังอย่าให้ความสำคัญกับข้อมูลมากไปหรือน้อยเกินไป เช่น พยากรณ์โอกาสที่อเมริกาจะโจมตีซีเรีย เมื่อมีข่าวโอบาม่าออกมาบอกว่าจะสนับสนุนการใช้กำลังทหารในซีเรียแล้ว นักพยากรณ์ควรจะปรับเพิ่มความน่าจะเป็นของค่าพยากรณ์ขึ้นอย่างเหมาะสม

การปรับแก้คำพยากรณ์ยังต้องต่อสู้กับ ego ของผู้พยากรณ์เองที่ไม่อยากเปลี่ยนคำพูดของตัวเองไปมาซึ่งเป็นปัญหาหลักของผู้เชี่ยวชาญส่วนใหญ่ แต่เหล่า Superforecaster ที่เข้าร่วมโครงการ GJP นั้นเป็นแค่คนทั่วไปที่ไม่ได้ให้ความสำคัญต่ออัตตาของตัวเองและพุ่งเป้าไปที่การพยากรณ์ให้ได้ผลลัพท์ที่แม่นยำที่สุดเป็นหลัก

ดังนั้น แนวทางในการพยากรณ์ที่ดีที่สุดนั้นจึงต้องอาศัยการอัพเดทข่าวสารที่เกี่ยวข้องอยู่ตลอดเวลาเพื่อปรับผลของการพยากรณ์อย่างสม่ำเสมอตามความสมดุลระหว่างข้อมูลชุดเดิมที่สะสมมาและข้อมูลชุดใหม่ที่พึ่งได้เรียนรู้

 

Chapter Eight: Perpetual Beta

คุณสมบัติของ Superforecaster ที่สำคัญอีกข้อคือการมี “Growth Mindset” หรือความคิดที่พร้อมจะเรียนรู้และพัฒนาตัวเองอยู่อย่างสม่ำเสมอ โดยนักพยากรณ์เหล่านั้นจะกล้ายอมรับในความผิดพลาดอย่างเต็มใจและหยิบเอาความผิดพลาดเหล่านั้นเป็นบทเรียนโดยไม่ยอมแพ้ต่ออุปสรรคที่พบเจอ

 

Chapter Nine: Superteams

จากผลการวิจัยในโครงการ GJP ยังพบว่าเมื่อนำนักพยากรณ์มาอยู่รวมกันเป็นทีมจะทำให้ค่าพยากรณ์มีความแม่นยำขึ้นกว่าเดิมมาก สืบเนื่องจาก Wisdom of The Crowd ที่เกิดจากการรวบรวมค่าพยากรณ์จากนักพยากรณ์ที่มีความคิดเห็นแตกต่างกันเข้าด้วยกัน ยิ่งในทีมมีความหลากหลายมากยิ่งทำให้ความแม่นยำมีมากขึ้นเพราะมุมมองของนักพยากรณ์แต่ละคนมีเยอะขึ้นและสามารถแบ่งปันความรู้ระหว่างกันได้อย่างดีที่สุด

ทีมที่ดีต้องเปิดให้เกิดการโต้เถียงกันให้มากที่สุดเพื่อป้องกันการเกิด groupthinking หรือ การใช้อิทธิพลของคนส่วนใหญ่เปลี่ยนแปลงความคิดของคนส่วนน้อยและป้องกันไม่ให้ความคิดของหัวหน้ากลุ่มโดดเด่นกว่าสมาชิกในทีม

 

Chapter Ten: The Leader’s Dilemma

ผู้นำที่ดีต้องมี 3 คุณสมบัติได้แก่ ความมั่นใจ การตัดสินใจอันเด็ดเดี่ยวและวิสัยทัศน์ที่ดี

ในการเป็นผู้นำในทีมการพยากรณ์ที่เต็มไปด้วยความไม่แน่นอนนั้น ปรัชญาผู้นำที่สามารถใช้แล้วได้ผลมากที่สุดคือ The Wehrmacht ของเยอรมนีที่เน้นเรื่องการเปิดกว้างทางความคิดเห็นและการให้อำนาจลูกน้องในการตัดสินใจด้วยตัวเอง ผู้นำบอกว่าจุดหมายคืออะไร ส่วนแนวทางนั้นให้ลูกน้องจัดการกันเองตามสถานการณ์และที่สำคัญผู้นำต้องมีความเชื่อมั่นในตัวเองอย่างชัดเจนเพื่อสร้างกำลังใจให้ลูกน้องด้วย

 

Chapter Eleven: Are They Really So Super?

จากหนังสือ Thinking, Fast and Slow ผู้เขียน Daniel Kahneman ได้กล่าวไว้ว่าบุคคลทั่วไปมักจะมี bias ที่เขาเรียกว่า What You See Is All There Is (WYSIATI) หรือพูดง่ายๆคือ มนุษย์มักจะปล่อยให้ระบบความคิดอัตโนมัติหรือ System 1 ทำงานก่อนระบบคิดหรือ System 2 เสมอและมักจะเชื่อมั่นว่าสิ่งที่เขาคิดคือสิ่งที่ถูกต้องแล้ว

เหล่า Superforecaster มีกระบวนการคิดที่เป็นแบบแผนเพื่อป้องกันการทำงานอัตโนมัติของ System 1 และพยายามคิดด้วย System 2 อย่างสม่ำเสมอ ตั้งแต่กระบวนการมองปัญหาเป็นข้อๆและใช้ข้อมูลทางสถิติจริงๆมาคิดก่อนที่จะตัดสินใจใดๆ ยกตัวอย่าง ให้พยากรณ์โอกาสที่จะเกิดเหตุการณ์ A ขึ้นในรอบ 3 เดือน/6 เดือน กลุ่มคนทั่วไปมักจะให้โอกาสเท่าๆกัน แต่ Superforecaster จะเพิ่มโอกาสของรอบ 6 เดือนให้มากขึ้นเสมอตามหลักการของสถิติ

ผู้เขียนยังให้ความเห็นว่า Superforecaster สามารถที่จะพยากรณ์เหตุการณ์สำคัญของโลกในระยะสั้นๆได้ แต่ไม่สามารถพยากรณ์เหตุการณ์ยาวๆเป็นสิบปีได้แน่นอน เนื่องจากโอกาสในการเกิดเหตุการณ์ใดๆในโลกมักจะไม่กระจายตัวแบบ normal distribution แต่จะมีแนวโน้มที่จะกระจายตัวแบบ fat tail หรือมีโอกาสที่จะเกิดเหตุการณ์รุนแรงมากๆได้ เช่น ถ้านาซีชนะสงครามโลกยอดผู้เสียชีวิตอาจจะเยอะกว่านี้หลายเท่าตัว

 

Chapter Twelve: What’s Next?

ปฏิเสธไม่ได้ว่าการพยากรณ์มีความสำคัญต่อโลกเป็นอย่างมาก ผู้เขียนได้ให้ความเห็นว่าในอนาคตข้างหน้า การเจริญก้าวหน้าทางข้อมูลจะบีบบังคับให้ผู้เชี่ยวชาญและนักพยากรณ์ต้องแสดงความน่าเชื่อถือผ่านประวัติความแม่นยำของการพยากรณ์ในอดีตที่ผ่านมา มนุษย์จะมีการพูดคุยกันด้วย fact & data มากยิ่งขึ้น โดยผู้เชียวชาญเฉพาะด้านนั้นเหมาะที่จะเป็นคนตั้งคำถามที่ดีเพื่อให้เหล่า Superforecaster ที่มีวิธีคิดในการพยากรณ์ตามหลักการด้านล่างนี้เป็นคนคอยพยากรณ์คำตอบของคำถามเหล่านั้นได้อย่างแม่นยำที่สุด

แนวปฏิบัติ 10 ประการเพื่อเพิ่มความแม่นยำในการพยากรณ์ให้มากขึ้น 10%

1. เลือกตอบคำถามที่สามารถพยากรณ์ได้และมีคุณค่าเท่านั้น (ไม่เอาแบบทายนายกอีก 20 ปีข้างหน้า)
2. ใช้ Fermi Estimation เพื่อแตกย่อยคำถามใหญ่เป็นข้อๆ แยกส่วนที่รู้และไม่รู้ให้ชัดเจน
3. พิจารณา Outside View (ข้อมูลทางสถิติ) และ Inside View (มุมมองที่เป็นเอกลักษณ์ของเหตุการณ์)
4. ปรับปรุงคำพยากรณ์ทีละเล็กทีละน้อยอย่างสม่ำเสมอสอดรับกับข้อมูลใหม่ๆ
5. มองหามุมมองอื่นๆอยู่เสมอ ทั้งจากคนอื่นๆและจากการคิดใหม่ขึ้นเอง
6. มีความคิดแบบ Probabilistic แยกระดับความไม่แน่นอนออกให้ถี่ที่สุด
7. ปรับระดับความเชื่อมั่นให้สมดุล
8. เรียนรู้จากข้อผิดพลาด
9. บริหารทีมที่ดี Open & Challenge ในทางที่ดี
10. ปฏิบัติอย่างสม่ำเสมอจนเกิดความชำนาญ

ปิดท้ายนักพยากรณ์ที่ดีต้องมี Growth Mindset และ Mindfulness อย่างสม่ำเสมอ

 

<<< ติดตาม [สรุปหนังสือ] เล่มอื่นๆต่อได้ทางนี้เลยครับ [CLICK] >>>