预测校准

预测校准衡量的是，长期来看，你说自己有多大把握，是否与实际情况相符。如果你说一件事有七成可能发生，那么在你多次给出这种预测时，它应该大约有七成的次数会发生。你可以把它想成淋浴的温度旋钮：调到“温水”，流出来的水就应该感觉温暖，而不是冰冷或滚烫。预测校准得好，你就可以信赖这些数字，用它们帮助你做决定，从要不要带伞到如何投入资源。 检查一下：记录你有八成把握的预测，看看它们实际有多大比例成真。

校准能帮你分辨，预测者是过于自信，还是信心不足。一个校准良好的预测者说某件事有三成可能发生，那么在许多类似预测中，这件事实际发生的比例就会接近三成。重点不在于某一次预测是对是错，而在于长期来看，预测概率与实际结果是否吻合。

这很重要，因为校准不佳的预测会误导做决定的人。如果一位医生总说“出现并发症的概率是一成”，但实际发生的比例却是四成，患者就无法在充分知情的情况下做出选择。同样，如果一位经理估计“按时交付的概率是九成”，实际却只有六成能按时交付，相关人员就会逐渐完全不再理会这些数字。

好消息是：校准可以衡量，也可以改善。记录你每次预测的把握程度，比如一成、五成、九成，再追踪实际结果，你就能画出自己的校准曲线。过于自信的人会发现，自己给出七成概率的预测，实际只有四成成真；信心不足的人则会发现，这些预测有九成成真。意识到这种差距，是让预测概率与实际结果趋于一致的第一步。

关于校准的研究揭示了一个引人注意的现象：专业知识有时与校准困难相关，但不同领域的研究结果并不一致。这种校准与过度自信之间的悖论出现在多个领域——情报分析人员常常高估自己判断的确定性，与他们实际的预测记录并不相符 [1]。训练可以有所帮助：获得实际结果的反馈，以及思考预测可能出错的原因等方法，能减少过度自信，让给出的概率与观察到的发生频率更加吻合 [1]。

主要发现：

• Tetlock（2015）： 超级预测者是一群持续表现优于情报分析人员的普通人。他们通过一些具体习惯实现了更好的校准，包括在获得新信息时更新预测，以及长期明确记录预测的数值准确性 [1]。

• Lichtenstein 与 Fischhoff（1977）： 研究表明，人们在不同知识领域中普遍存在系统性的校准偏差，而且任务越难，过度自信越明显；他们设计的实验流程确立了校准曲线作为标准测量方法的地位 [2]。

单靠校准无法反映预测的全部质量。一个总说“概率是50%”的预测者可以做到完全校准，却毫无用处——每次预测都是同样模棱两可的说法。分辨力，也就是区分哪些事件更可能发生、哪些更不可能发生的能力，也很重要。最好的预测者既有良好的校准，也有良好的分辨力。此外，校准的前提是用于比较的同类情形保持稳定：如果世界发生剧变，比如疫情期间，过去的校准表现可能就无法直接适用于未来，需要重新校准。最后，罕见事件也会带来测量难题——你需要积累数百次“风险为1%”的预测，才能检验1%是否真的是恰当的数字。