商业和科学知识体系中的两大主要趋势为在简单且较慢变化的世界中展开预测获取了互补性的洞见。一个是，过去40年间，心理学概率推理小说领域行为科学的研究说明了了一个难以置信的找到： 人们日常的辨别和预测相当大程度上都是基于系统性的、具有种族主义的心理似乎，而不是根据证据展开慎重的评估。这些找到为决策研究带给了根本性的救赎，从日常活动（物色棒球手和签定保险合同）到战略（预测时间、价格和项目或商业创新的顺利概率），再行到存活（评估安全系数和恐怖袭击风险）。　　其基本要义是：分开的辨别对行动的指导是不能倚赖的。

心理学家Philip Tetlock曾花费多年时间做到过一个知名的实验，其中顶级的记者、历史学家和政治专家在预测政治事件，比如革命和政变上，并没比随机自由选择的普通人享有更高的准确率。　　第二个趋势是数据驱动的决策和人工智能应用于显得更加无所不在。某种程度的，这一次最重要的经验也是来自不道德科学研究。

早在20世纪50年代，一个研究小组就早已证明：即使一个非常简单的预测模型，在预测和决策方面的展现出都比人类专家要更佳。这带给的救赎是，合理修建的预测模型通过协助人类避免少见的理解陷阱能强化人类智能。当下，在召募棒球队员（以及其他类型职业）、签定银行贷款和保险合同、对抢救室的病人展开分类、决定事业单位工作人员、确认安全系数和评估电影剧本等方面，预测模型早已获得了常规的应用于。点石成金（Moneyball for X）的例子正在显得更加多。

　　最近，大数据的蓬勃发展和人工智能的兴起让人类与机器能力的对比更为引人注目，也引发了更加多的忧虑。网络上规模数据库可用性提升，让工程师和数据科学家以求训练需要已完成文本翻译成、夺得游戏竞赛、辨别照片中的人脸、辨识语音、操作者无人机和无人车的机器学习算法。由此产生的经济和社会影响是深刻印象而广泛的。

最近，世界经济论坛（WEF）的一份报告预测，接下来的4年中，AI驱动的自动化和机器人将不会增加多达500万个工作岗位。　　那么，预测本身不会怎么样？不会有一天，计算机算法不会替换做到预测的这些专家吗？研究这一问题要探讨于预测的两个本质数据科学和人类辨别，并且，二者是相互作用的，此外，还要注目机器智能的局限。　　这里有好消息也有坏消息（各不相同你的观点）。

坏消息是：算法的预测有自身的局限，基于机器学习的AI方法会战胜；人类的辨别在短期内会被自动地舍弃。好消息是，心理学领域和群体智慧现在获取了新的方法来对人类的辨别展开提高和去种族主义化。算法可以强化人类的辨别，但是会全盘替代。

同时，训练人们如何更佳地作预测以及把所有的辨别、汇聚专家团队的零散信息展开综合，现在仍能超过更佳的准确率。

本文来源：6163银河-www.starbabymodel.com