每個應聘者都害怕的經典面試問題：告訴我一次你改變主意的時候。大多數面試者都會開始講述一些關於突然頓悟的陳詞濫調——頓悟時刻的變革性洞察——旨在展示候選人的坦誠、思想開放和分析能力。面試官一邊點頭，一邊考慮這個故事是否足夠令人難忘和深思熟慮，足以讓候選人獲得這份工作機會。
但突然改變主意真的是洞察力的標誌嗎？重大的頓悟會成為令人難忘的故事，但我們的研究表明，它們很少代表最佳分析頭腦修正信念的方式。那些擅長做出準確預測的人，並非180度大轉彎，而是傾向於逐漸改變他們的信念。他們修正預測以反映新資訊，但他們這樣做時速度緩慢，並將其與之前掌握的資訊進行比較。
我們大多數人一生都不會花時間預測未來，但我們做出的任何決定，部分都取決於我們隱含的預測。我們投票給誰，我們從事什麼工作，甚至我們出門是否帶傘，都反映了我們對未來的最佳猜測：政治候選人當選後會做什麼，哪份工作最適合，以及當天下雨的機率。
關於支援科學新聞
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道 訂閱。透過購買訂閱，您正在幫助確保有關塑造我們當今世界的發現和思想的具有影響力的故事的未來。
為了理解準確預測的科學，良好判斷力專案，這是一項由芭芭拉·梅勒斯和菲利普·泰特洛克領導的研究專案，我曾是該專案的博士後學者，招募了數千名志願者預測員，並向他們提出了近 500 個關於未來的問題。這些問題通常與地緣政治有關，側重於“安格拉·默克爾是否會贏得 2013 年德國總理選舉？”或“2012 年中國是否會爆發 H5N1 禽流感？”等主題。參與者的答案是機率性的。例如，一位預測員可能會預測默克爾有 80% 的機率贏得連任。在這項為期四年的研究中，由美國情報機構情報高階研究計劃署 (IARPA) 贊助，該團隊收集了超過一百萬次的預測判斷。
在數千名參與者中，良好判斷力專案識別出了所謂的“超級預測員”，那些在預測未來方面表現出驚人技能的人，甚至比能夠訪問機密情報的情報分析師做得更好。為了成為一名超級預測員，志願者必須在至少九個月的時間內，對數十個問題做出始終準確的預測。準確性是發現人才的黃金標準，但觀察結果的發揮需要時間。因此，我們尋找關於誰可能特別擅長預測的其他早期線索。一個很有希望的線索是預測員更新他們信念的方式。
多年來，心理學家、政治科學家和商界人士都在研究個人如何改變主意——更具體地說，他們如何修正頭腦中的機率。這種修正的一個例子是，當我們中午從窗戶看到陰暗的天空時，我們預測下雨的機率已從 40% 升至 80%。改變一個人的評估可能是思想開放的標誌。正如亞馬遜創始人傑夫·貝佐斯所指出的那樣，經常正確的人也經常改變主意。
但是，大的改變——例如，從 40% 跳到 80%——不一定表明某人思想開放。這種突然的逆轉可能反而由近因偏差觸發，即過度強調新資訊的傾向。突然的改變也可能是由可得性啟發法引起的，這使我們過度強調容易想到的事實和故事，儘管這些事實和故事不一定能幫助我們預測未來。優秀的預測員會抵制這些傾向，避免對新的或特別令人難忘的資訊反應過度。
最佳預測員必須學會駕馭反應不足和反應過度的雙重風險。為了找到這些人，我們根據三個標準衡量了他們的信念更新傾向：頻率、確認和幅度。頻率是一個人多久改變對某個問題的信念。確認傾向是確認一個人先前信念並堅持原始答案的習慣。幅度是每次修正對機率尺度的改變程度。
我們發現，具有高確認傾向的個人通常是不準確的預測員——他們傾向於為沒有發生的事件分配高機率，為確實發生的事件分配低機率。相比之下，那些頻繁更新信念的人是高度準確的預測員。最後，以小幅度增量更新信念的個人，其表現優於做出更大幅度改變的同齡人。
就像伊索寓言中的烏龜一樣，頻繁更新者表現出更好的學科知識、更開放的思想和更高的工作效率。他們的初始預測並不總是完全正確，但他們改變意見的意願使他們能夠隨著時間的推移而脫穎而出。
相比之下，增量更新者類似於伊索寓言中的兔子：他們不是特別勤奮、博學或思想開放。但他們在流體智力測試中得分很高——包括關於邏輯、空間和數學推理的問題——並且他們的初始問題估計異常準確。
最佳預測員結合了烏龜和兔子的優點。頻繁增量預測修正的模式是擅長預測的可靠標誌。
預測員如何更新他們的信念是一個非常私人的過程，它借鑑了不同的思維方式、人生哲學和預測能力。但儘管如此，信念更新技術也可以被教授。我們知道，因為我們已經測試過它們。我們隨機分配了大約一半的受試者接受一小時的預測培訓干預，而另一半（對照組）則沒有接受培訓。有趣的是，接受培訓的預測員隨後以更頻繁、更小的步驟更新了他們的信念，並且比對照組取得了更好的準確性。
培訓材料並沒有明確告訴預測員要進行更小的更新。相反，我們提供了他們可以應用於實踐以平衡其初始直覺的通用課程。
首先，當我們遇到相反的證據時，我們經常忽略其中一條而偏愛另一條。例如，如果我們遇到兩個選舉民意調查，一個顯示我們支援的候選人領先，另一個顯示該人落後，大多數人會選擇首選的民意調查，而將另一個民意調查視為不準確。然而，作為一名預測員，最好的策略是平均這兩個民意調查。平均通常工作量較少，但它也要求我們妥協並接受與我們信念相悖的想法。
其次，培訓還有助於參與者克服心理學家阿摩司·特沃斯基和丹尼爾·卡尼曼所稱的內視角偏差，或者專注於每種情況獨特方面的傾向。我們不是將一種情況與其他類似情況進行比較，而是專注於使其獨特的原因。結果，我們經常給不重要的因素過大的權重。例如，在預測選舉結果時，我們可能會專注於諸如院子裡的標牌之類的東西作為指標，儘管這些標牌是我們特定城鎮和情況所獨有的。
相反，外視角是檢查歷史資料並將給定案例視為眾多案例之一的做法。我們可能會問：“美國總統候選人在 10 月中旬領先的情況下，有多少次在 11 月獲勝？”為了回答這個問題，我們可以構建一個參考類別，例如，過去 10 次總統選舉，並計算出 10 月份民意調查領先者贏得大選的次數。由此產生的百分比——基本比率——就是外視角的答案。我們不可能都成為預測大師，但透過採取外視角和平均衝突資料，我們可以逐漸接近做出更好的預測。
如果您有興趣練習和提高您的外視角思維技能，請考慮註冊參加國家科學基金會資助的研究，其中我們的 團隊正在努力預測新冠病毒疫苗和療法何時以及是否透過臨床試驗。