评分规则与校准

认为“预测者永远100%确定才最有用”是个误区。这种人往往过于自信、校准度差——即内心的把握与现实不符。评分规则用来给概率预测打分，既奖励准确，也奖励对不确定性的诚实评估。校准衡量你喊“80%把握”的事，是否真的发生八成。比如，项目经理说“90%确定周五完工”，可类似任务只有六成按时交付，那她的校准就很差。

想想：当我说“挺有把握”时，实际会给它多少概率？

试试这样：回顾上周你说过“肯定”的三件事，看看对了多少。

评分规则为概率判断提供了正式评估流程。先输入一个具体数字预测（如“明天下雨概率70%”）。事件发生后（雨或没雨），用评分规则根据预测和结果给分。长期重复，就能检查整体准确率和校准度。

关键概念是恰当评分规则，只有在你报出真实信念时，才能拿到最优期望分。它防止耍滑头或夸大信心。最常见的是布莱尔分数，根据概率离实际结果（0或1）的距离惩罚。

校准是长期追踪的结果。校准好的人知道“70%把握”在现实中到底意味着什么。回头看所有“70%自信”的预测，应接近七成正确。若只有五成正确，就是过度自信。

在医疗中，校准好的医生能告诉病人：“严重情况的概率约20%。”这为是否做风险检查提供关键信息，比模糊地说“不太可能”有用得多。

同样，创业者说“本季度有六成把握达成收入目标”，能让投资者合理管理预期与风险，比盲目乐观更有价值，因为它反映了对不确定性的诚实与量化理解。

评分规则为评估和提升概率判断提供了正式机制，将其从模糊艺术变为可衡量技能。预测者与心理学家的研究表明，用布莱尔分数等恰当评分规则进行系统追踪与反馈，能显著提升个人校准度与准确率。

• 泰特洛克与加德纳（2015）用布莱尔分数识别“超级预测者”，发现频繁反馈是让他们持续跑赢拥有机密情报的情报分析师的关键。[1] [4]
• 格奈廷与拉夫特里（2007）综述评分规则，区分校准（预测与现实的对应）与锐度（预测分布的集中），指出好预测必须两者兼具。[2] [5]
• 波泽斯等（1985）发现即便资深医生在诊断概率估计上也常系统性地过度自信，但正式反馈与训练可改善。[3]

评分规则与校准虽强大，却非万能。首要限制是需要清晰、具体且可验证的结果。对模糊预测（“经济会好转”）或遥远未来的预测，难以应用。

此外，仅有良好校准并不足够。有人可永远报基准率（如抛硬币50%）而完美校准，但这种预测信息量少、锐度低。目标是在证据充分时既校准良好，又做出有信心的（锐度高的）预测。