همه ما پیشگو هستیم. هنگامی که به تغییر شغل، ازدواج، خرید خانه، سرمايه‌گذاری، راه‌اندازی خط تولید یک محصول و یا بازنشستگی مي‌اندیشیم بر اساس تصورمان از آنچه در آینده روی خواهد داد تصمیم‌گیری مي‌کنیم. این انتظارات، پيش‌بيني هستند. ما اغلب از پيش‌بيني‌هاي خودمان بهره مي‌بریم اما هنگامی که رویدادهای بزرگ رخ مي‌دهند ـ مانند سقوط بازارها، وقوع جنگ‌ها، سقوط رهبران ـ به کارشناسانی روی مي‌آوریم که از دانش کافی در آن مورد برخوردارند. به افرادی مانند تام فریدمن1 مي‌نگریم2. اگر شما یکی از کارمندان کاخ سفید باشید، ممکن است او را در دفتر بیضی‌شکل3 (دفتر رئیس‌جمهور) بیابید که مشغول گفت‌وگو با رئيس‌جمهور در مورد خاورمیانه است. اگر مدیر اجرایی یکی از شرکت‌هاي فورچن ۵۰۰4  باشید5، ممکن است در اجلاس داووس6 چشمتان به او بیفتد که در سالن مشغول صحبت با میلیاردرهای مدیر صندوق‌هاي سرمايه‌گذاری یا شاهزاده‌هاي سعودی است7. و اگر به طور معمول در کاخ سفید یا هتل‌هاي بسیار گران سوئیسی حضور ندارید، مي‌توانید ستون او در نیویورک تایمز و کتاب‌هاي پرفروشش را مطالعه کنید که به شما مي‌گویند چه رویدادهایی و به چه دلیل در حال وقوع اند و پس از آن چه پیش خواهد آمد.
همچون تام فریدمن، بیل فلک8 هم رویدادهای جهانی را پيش‌بيني مي‌کند اما تقاضای به‌مراتب کمتری برای نظرهای او وجود دارد. بیل سال‌ها در وزارت کشاورزی ایالات متحده در ایالت آریزونا9 کار کرد که بخشی از آن کار پرزحمت و بخشی کار اداری نسبتا ساده‌تری بود اما او اکنون در شهر کارنی10 در ایالت نبراسکا11 سکونت دارد. بیل اهل نبراسکا است و در شهر مدیسون12 این ایالت بزرگ شده، شهری کشاورزی که والدین او در آن روزنامه مدیسون استار ـ میل13 را منتشر مي‌کردند، روزنامه‌ای پر از اخبار ورزشی محلی و رویدادهای منطقه‌ای. او در دوره دبیرستان دانش‌آموز خوبی بود و برای دریافت مدرک کارشناسی به دانشگاه نبراسکا رفت و از آنجا راهی دانشگاه آریزونا شد با این هدف که در رشته ریاضی دکتری بگیرد اما متوجه شد که چنین هدفی فراتر از توانایی‌هاي او است؛ خودش مي‌گوید «فهمیدم که فراتر از محدودیت‌هايم رفته ام.» و در نتیجه دانشگاه را رها کرد. هرچند که این اتفاق اتلاف وقت نبود چرا که کلاس‌هاي پرنده‌شناسی بیل را به مشاهده پرندگان علاقه مند ساخته بود و از آنجا که آریزونا مکانی عالی برای دیدن پرندگان است، او به انجام کار پاره‌وقت میدانی برای دانشمندان مشغول شد و سپس در وزارت کشاورزی شغلی یافت و برای مدتی آنجا ماند. بیل اکنون 55‌ساله است و بازنشسته شده، هرچند که مي‌گوید پیشنهادهاي شغلی را مدنظر قرار خواهد داد. او بخشی از زمان فراغتی را که به دست آورده صرف پيش‌بيني مي‌کند. بیل به حدود سیصد پرسش مانند اینکه «آیا روسیه طی سه ماه آینده به طور رسمی بخش بیشتری از اوکراین را به خاکش الحاق مي‌کند؟» و یا اینکه «آیا در سال آینده هیچ کشوری از پیمان پولی یورو خارج مي‌شود؟‌«‌ پاسخ داده است. اینها پرسش‌هايی مشکل هستند که اهمیت بسیاری هم دارند. شرکت‌ها، بانک‌ها، سفارت‌خانه‌ها و سرویس‌هاي اطلاعاتی همواره تلاش مي‌کنند تا پاسخ این پرسش‌ها را بدانند. «آیا کره شمالی پیش از پایان امسال آزمایشی هسته‌ای انجام خواهد داد؟» ، «چند کشور دیگر طی هشت ماه آینده مواردی از ابتلا به ویروس ابولا را گزارش خواهند کرد؟‌«، «‌آیا هند یا برزیل طی دو سال آینده به عضویت دایم شورای امنیت سازمان ملل تبدیل در خواهند آمد؟». برخی از این پرسش‌ها، حداقل برای برخی از ما، کاملا گنگ و نامفهوم هستند. «آیا ناتو14 طی نه ماه آینده از کشورهای تازه‌ای برای پیوستن به طرح اقدام عضویت15 دعوت خواهد کرد؟‌«، «آیا حکومت اقلیم کردستان امسال برای استقلال ملی همه‌پرسی برگزار خواهد کرد؟‌« ، «اگر طی دو سال آینده یک شرکت مخابراتی غیرچینی برنده قراردادی برای ارائه خدمات اینترنتی در منطقه آزاد تجاری شانگهای بشود، آیا شهروندان چینی مي‌توانند به فیس‌بوک و یا توئیتر دسترسی پیدا کنند؟ ». هنگامی که بیل با یکی از این پرسش‌ها مواجه مي‌شود، ممکن است که هیچ سرنخی از اینکه چگونه باید به آنها پاسخ بدهد نداشته باشد و با خود بیندیشد که «منطقه آزاد تجاری شانگهای اصلا کجاست؟» اما او تکالیفش را انجام مي‌دهد. اطلاعات لازم را جمع‌آوری مي‌کند، عقاید متضاد را در مورد موضوع مقایسه مي‌کند و در نهایت به نتیجه مي‌رسد. هیچ‌کس بر اساس پيش‌بيني‌هاي بیل فلک تصمیم‌گیری نمی‌کند و یا کسی از او نمی‌خواهد که عقایدش را در شبکه سی‌ان‌ان مطرح کند. او هرگز به اجلاس داووس دعوت نشده تا در پنلی همراه با تام فریدمن شرکت کند. و البته این مایه تاسف است چرا که بیل فلک يك پیشگوی برجسته است. ما این را مي‌دانیم چرا که پيش‌بيني‌هاي او ثبت شده و دقت آنها توسط پژوهشگران مستقل مورد سنجش قرار گرفته است. عملکرد او محشر است و البته بیل در این مورد تنها نیست. هزاران داوطلب دیگر به پرسش‌هاي یکسانی پاسخ گفته‌اند و بیشتر آنها به خوبی بیل نیستند اما حدود ۲ درصد اندازه بیل در پيش‌بيني عالی عمل کرده‌اند که شامل مهندسان، وکلا، هنرمندان، دانشمندان، فعالان بازار سهام و فعالان بخش واقعی اقتصاد مي‌شوند. ما در ادامه کتاب با برخی از آنها دیدار خواهیم کرد که شامل یک ریاضی‌دان، یک فیلمساز و چندین بازنشسته مي‌شوند که مشتاق‌اند استعداد کمتر مورد استفاده قرارگرفته‌شان را با دیگران در میان بگذارند.
آنها را ابرپیشگو مي‌نامم چرا که این چیزی است که واقعا هستند. اسنادی قابل اعتنا چنین امری را اثبات مي‌کند. شرح اینکه چرا آنها تا این حد در پيش‌بيني خوب هستند و اینکه دیگران چگونه مي‌توانند از آنها الگو بگیرند هدف من در این کتاب است. اینکه ابرپیشگویان ما که افرادی معمولی هستند در مقایسه با نخبگان عالم اندیشه مانند تام فریدمن چه عملکردی دارند پرسشی جذاب است که نمی‌‌توان به آن پاسخ گفت چرا که دقت پيش‌بيني‌هاي فریدمن هرگز به شکل دقیق سنجیده نشده است. به طور حتم هواداران و منتقدان فریدمن نظرهای متفاوتی در این مورد دارند ـ «او در پيش‌بيني بهار عربی درست به هدف زد»، «در مورد حمله به عراق در سال ۲۰۰۳ ناکام ماند» یا «او گسترش ناتو را به‌خوبی پيش‌بيني کرده بود». اما حقایق قابل اتکایی در مورد بررسی پيش‌بيني‌هاي تام فریدمن وجود ندارد و تنها عقاید بی‌پایان در این مورد به چشم مي‌خورد  که بخشی از شیوه متداول است. هر روز، رسانه‌هاي خبری پيش‌بيني‌هايی را ارائه مي‌دهند آن هم بدون گزارش یا حتی طرح پرسش در مورد اینکه پيش‌بيني‌هاي پیشگویان تا چه حد دقیق هستند. هر روز، شرکت‌ها و دولت‌ها برای پيش‌بيني‌هايی پول مي‌پردازند که ممکن است بسیار دقیق یا بی‌ارزش یا چیزی بین این‌دو باشند. و هر روز، همه ما ـ رهبران کشورها، مدیران شرکت‌ها، سرمايه‌گذاران، رأی‌دهندگان ـ بر اساس پيش‌بيني‌هايی که کیفیت آنها مشخص نیست تصمیماتی حیاتی مي‌گیریم. مدیران تیم‌هاي بیس‌بال بدون در نظر گرفتن آمار عملکرد بازیکنان، برای خرید آنها دست به جیب نمی شوند. حتی هواداران هم انتظار دارند که اعداد و ارقام مربوط به عملکرد بازیکنان را روی صفحه نمایشگر یا صفحه تلویزیون مشاهده کنند. و با وجود اين، همچنان هنگامی که نوبت به پیشگویان مي‌رسد که به ما کمک مي‌کنند تا تصمیماتی را بگیریم که اهمیت بسیار بیشتری از هر بازی بیس‌بالی دارند، ما هیچ مشکلی با بی‌توجهی (به آمار و ارقام) نداریم. از این منظر، اعتماد کردن به پيش‌بيني‌هاي بیل فلک بسیار موجه جلوه مي‌کند. در واقع، پيش‌بيني‌هاي بسیاری از خوانندگان این کتاب هم مي‌تواند موجه باشد چرا که همان‌طور که مشخص مي‌شود، توانایی پيش‌بيني استعدادی نیست که «شما یا از آن برخوردارید یا خیر» بلکه مهارتی است که مي‌تواند پرورش یابد و این کتاب به شما مي‌آموزد چگونه.

مورد شامپانزه
می‌خواهم پایان‌بندی ماجرا را لو بدهم و جذاب‌ترین بخش آن را همین جا بگویم:‌ یک کارشناس معمولی تقریبا به اندازه شامپانزه پرتاب‌کننده دارت دقیق است. شما احتمالا این لطیفه را قبلا هم شنیده‌اید، لطیفه‌ای که در برخی محافل بسیار مشهور است و در برخی محافل محبوبیت چندانی ندارد. نیویورک تایمز، وال‌استریت ژورنال، فایننشال تایمز، اکونومیست و دیگر نشریات جهان هم به آن پرداخته‌اند. ماجرا از این قرار است: یک پژوهشگر گروهی از کارشناسان شامل دانشگاهیان، کارشناسان رسانه‌ای و مانند آنها را گرد آورد تا در مورد هزاران مورد شامل اقتصاد، بازار سهام، انتخابات، جنگ‌ها و دیگر موضوعاتی که در هر روز اهمیت داشت پيش‌بيني کنند. زمان گذشت و این پژوهشگر با بررسی دقت پيش‌بيني‌ها دریافت که در يك پيش‌بيني به طور میانگین همان‌قدر خوب عمل کرده‌اند که حدس زدن تصادفی مي‌توانست خوب عمل کند. اما از آنجا که «حدس زدن تصادفی»  عبارت جذابی نیست، شامپانزه دارت‌انداز جای آن را گرفت چرا که شامپانزه‌ها سرگرم‌کننده هستند. آن پژوهشگر من هستم و تا مدت‌ها شنیدن این جوک اهمیتی برایم نداشت. تحقیقی که انجام داده بودم جامع‌ترین برآورد علمی از قضاوت کارشناسان بود. تلاش و کوششی طولانی که بیست سال زمان برد، از ۱۹۸۴ تا ۲۰۰۴، و نتایج آن به‌مراتب غنی‌تر و سازنده‌تر از نتیجه‌گیری‌ای است که لطیفه ارائه مي‌دهد اما من از این موضوع آزرده نمی‌شدم چرا که همین جوک به شناخته شدن تحقیقم کمک کرده بود (و بله، دانشمندان از شهرت پانزده‌دقیقه‌ای16 که نصیبشان مي‌شود هم لذت مي‌برند17)  و البته خودم بودم که کنایه «شامپانزه دارت‌انداز» را به کار برده بودم و به همین خاطر نمی‌توانستم به آن اعتراض چندانی داشته باشم. همچنین اعتراضی نداشتم به این خاطر که این لطیفه ادعای معتبری را مطرح مي‌کرد. هر روزنامه‌ای را که باز کنید یا برنامه خبری هر شبکه‌ای را که تماشا کنید، کارشناسانی را خواهید یافت که مشغول پيش‌بيني در مورد رویدادهای پیش رو هستند. برخی کمی محتاطانه و بیشتر آنها بسیار جسور و مطمئن انگار که به وسیله یک نیروی ماورایی مي‌توانند چند دهه بعد را ببینند. به‌جز چند مورد استثنا، این کارشناسان به این خاطر جلوی دوربین قرار نگرفته‌اند که توانایی‌هايشان در پيش‌بيني را به اثبات رسانده‌اند. حتی به‌ندرت به‌ دقت در پيش‌بيني اشاره مي‌شود. پيش‌بيني‌هاي گذشته همانند اخبار تاریخ‌گذشته هستند که به‌سرعت فراموش مي‌شوند و تقریبا هرگز کسی از کارشناسان نمی‌خواهد که پيش‌بيني‌هايشان را با آنچه واقعا رخ داده مطابقت بدهند. تنها استعداد غیرقابل انکاری که این سخنوران دارند، مهارت آنها در روایت داستانی قانع‌کننده همراه با ابراز عقیده بسیار مستحکم است، همین کفایت مي‌کند. برخی از آنها از طریق فروش پيش‌بيني‌هايی که اعتبار آنها سنجیده نشده به مدیران شرکت‌ها، مقامات دولتی و مردم عادی ثروتمند شده‌اند در شرایطی که همین خریداران به هیچ عنوان دارویی را مصرف نمی‌کنند که اثرگذاری و ایمنی آن نامشخص است اما به طور معمول برای پيش‌بيني‌هايی پول مي‌پردازند که همان‌قدر گنگ و نامشخص هستند که اکسیری که یک نفر از پشت وسیله نقلیه درمی‌آورد و مي‌فروشد.  این افراد ـ و مشتری‌هاي آنها ـ شایسته یک تلنگر هستند و خوشحال بودم که مي‌دیدم تحقیق من چنین کاری را با آنها مي‌کرد. اما متوجه شدم که با افزایش شهرت کارم، پیام اصلی آن هم بیشتر دچار تحریف مي‌شود. آنچه تحقیقاتم نشان داده بود این بود که پاسخ‌هاي یک کارشناس متوسط به پرسش‌هاي سیاسی و اقتصادی که مطرح کرده بودم تنها کمی بهتر از حدس و گمان بوده است. «بسیاری»‌ به معنی همه نیست. همچنین در پرسش‌هايی که به موارد کوتاه‌مدت مربوط مي‌شود و تنها چشم‌اندازی یک‌ساله را دربر مي‌گرفت، کارشناسان عملکرد بهتری از انتخاب تصادفی داشتند، دقت پيش‌بيني زمانی کاهش مي‌یافت و به شامپانزه دارت‌انداز نزدیک مي‌شد که کارشناسان تلاش مي‌کردند سه تا پنج سال آینده را پيش‌بيني کنند. این یافته‌ای بسیار مهم بود در مورد محدودیت‌هاي تخصص در جهانی پیچیده و در مورد محدودیت‌هاي دستاوردهایی که حتی ابرپیشگویان مي‌توانند به ارمغان بیاورند. اما همان‌طور که در بازی کودکانه «تلفن‌« روی مي‌دهد که در آن یک عبارت را هر کودک باید در گوش کودک دیگر زمزمه کند و در انتها همه از اینکه عبارت اولیه در آخر چقدر دچار تحول شده شوکه مي‌شوند، پیام اصلی تحقیق من نیز در فرآیند بازگویی کاملا آشفته شده بود و ریزبینی آن به طور کامل از دست رفته بود. پیام تحقیقات تبدیل شده بود به اینکه «همه پيش‌بيني‌هاي کارشناسان به‌دردنخور هستند»، که پیامی مهمل است. برخی از نتیجه‌گیری‌ها حتی خام‌تر بودند مانند اینکه «کارشناسان چیزی بیش از شامپانزه‌ها نمی‌دانند». تحقیقات من به مرجع قابل اتکایی تبدیل شده بود برای پوچ‌گرایانی که آینده را ذاتا غیرقابل پيش‌بيني مي‌بینند و پوپولیست‌هايی که تاکید دارند پیش از کلمه «کارشناس» از «به‌اصطلاح » استفاده کنند.
در نتیجه این جوک از چشمم افتاد. نه تحقیقات ربطی به این نتایج افراطی داشت و نه خودم هیچ احساس نزدیکی‌ای به آنها مي‌کردم. امروز حتی بیشتر چنین اعتقادی دارم. فضای زیادی است برای قرار گرفتن جایی بین افشاکنندگان و حامیان کارشناسان و پيش‌بيني‌هايشان. از یک منظر، آنهايی که نظر کارشناسان را بی‌ارزش نشان مي‌دهند حق دارند. در بازار پيش‌بيني موارد زیادی است که مي‌توان آنها را زیر سوال برد. همچنین محدودیت‌هايی برای افق دید آينده‌نگري وجود دارد که نمی‌توان آنها را برطرف کرد. خواست ما برای دستیابی به آینده همواره از توان ما خارج است. اما افشاکنندگان هم زیاده‌روی مي‌کنند زمانی که با رد پيش‌بيني‌ها همه آنها را فعالیتی بیهوده مي‌خوانند. اعتقاد دارم که مي‌توان به آينده ‌نگريست، حداقل در برخی از شرایط و تا حدی، و اینکه هر فرد باهوش، با ذهن باز و کوشا مي‌تواند مهارت‌هاي لازم برای آن را در خود پرورش دهد. مرا «بدبینِ خوش‌بین» خطاب کنید.

بدبین
برای درک بخش «بدبین»‌ این لقب، مرد جوانی اهل تونس را تصور کنید که چرخ‌دستی‌ای پرشده از میوه و سبزیجات را در راهی خاکی به سوی بازار شهر سیدی بوزید در تونس هل مي‌دهد. پدرش را زمانی که سه سال داشته از دست داده و برای اینکه بتواند خرج خانواده‌اش را تامین کند، پول قرض گرفته تا چرخ‌دستی را پر کند به این امید که با فروش محصولات داخل چرخ‌دستی بدهی‌اش را بدهد و کمی هم پول برایش بماند. در واقع برای او این تقلایی هرروزه است. اما در این روز خاص، چند پلیس به مرد جوان نزدیک مي‌شوند و به او مي‌گویند که ترازوهایش را جمع کند چرا که برخی قوانین را زیر پا گذاشته است. او مي‌داند که این حقیقت ندارد. قصد رشوه گرفتن از او را دارند اما او پولی ندارد. یکی از پلیس‌ها که زن است به او سیلی مي‌زند و به پدرش که از دنیا رفته توهین مي‌کند. آنها ترازو و چرخ‌دستی او را با خود مي‌برند. مرد برای شکایت به شهرداری مي‌رود. به او مي‌گویند که مقامات شهرداری در جلسه هستند. آن مرد تحقیرشده، خشمگین و درمانده به حال خود رها مي‌شود.
او با بنزین بازمي‌گردد. بیرون شهرداری بنزین را روی خودش مي‌ریزد، کبریتی را روشن مي‌کند و خودش را به آتش مي‌کشد. تنها بخش غیرمعمول این داستان نتیجه آن است. تعداد بی‌شماری دستفروش فقیر در تونس و سرتاسر جهان عرب وجود دارند. فساد در نیروی پلیس امری عادی است و تحقیرهایی مانند آنچه بر این مرد گذشت هر روز رخ مي‌دهند. هیچ‌کس غیر از پلیس و قربانی درگیر این رویدادها نمی‌شود اما این تحقیر خاص، در ۱۷ دسامبر سال ۲۰۱۰، باعث شد که محمد بوعزیزی 26ساله خودش را به آتش بکشد و این خودسوزی باعث برانگیخته شدن اعتراضات شد. پلیس با خشونت معمول واکنش نشان داد. تظاهرات گسترش یافت. دیکتاتور تونس، رئيس‌جمهور زین‌العابدین بن‌علی، به امید آرام کردن افکار عمومی به عیادت بوعزیزی در بیمارستان رفت. بوعزیزی در ۴ ژانویه ۲۰۱۱ جان سپرد. ناآرامی‌ها گسترش یافت. در ۱۴ ژانویه، بن‌علی با فرار به عرستان سعودی به تبعیدی با شرایط نه‌چندان سخت رفت تا بدین ترتیب حکومت فاسد چندين‌ساله او به پایان برسد.
جهان عرب حیرت‌زده تماشا کرد. تظاهرات در مصر، لیبی، سوریه، اردن، کویت و بحرین فوران کرد. پس از سه دهه حضور در قدرت، دیکتاتور مصر حسنی مبارک کنار گذاشته شد. در دیگر نقاط، تظاهرات به شورش و شورش‌ها به جنگ داخلی منجر شد. این بهار عربی بود ـ و با یک مرد فقیر آغاز شد که تفاوتی با بی‌شمار مورد مشابهی نداشت که تا آن زمان و پس از آن توسط پلیس مورد آزار قرار گرفته بودند آن هم بدون ایجاد هیچ موجی. اینکه به عقب برگردیم و مانند آنچه اینجا انجام دادم روایتی از ارتباط اعتراض انفرادی محمد بوعزیزی و همه رویدادهای پس از آن را ترسیم کنیم یک شیوه متداول است. تام فریدمن، مانند بسیاری دیگر از کارشناسان نخبه، در چنین شیوه‌ای از بازسازی روایت مهارت دارد به‌خصوص در مورد خاورمیانه یعنی منطقه‌ای که او به‌خوبی مي‌شناسد چرا که شهرت خود را زمانی به دست آورد که خبرنگار نیویورک تایمز در لبنان بود. اما آیا تام فریدمن آن روز صبح مي‌توانست آینده را ببیند و خودسوزی، ناآرامی‌ها، سرنگونی دیکتاتور تونس و آنچه را كه پس از آن رخ داد پيش‌بيني کند؟ به طور حتم خیر. هیچ‌کس نمی‌توانست.  با در نظر گرفتن شناخت جامع فریدمن از منطقه، شاید او هشدار مي‌داد که میزان فقر و بیکاری بالا بود، تعداد جوانان مستاصل رو به افزایش بود، فساد شایع بود و سرکوب بی‌رحمانه صورت مي‌گرفت و در نتیجه تونس و دیگر کشورهای عربی انبار باروتی بودند که هر لحظه مي‌توانستند منفجر شوند. اما کسی که شرایط را زیر نظر داشت یک سال پیش از آن هم مي‌توانست به نتیجه یکسانی برسد. و به طور مشابه یک سال پیش‌تر. در واقع، شما برای دهه‌ها مي‌توانستید چنین ادعایی را در مورد تونس، مصر و چندین کشور دیگر مطرح کنید. آنها شاید انبار باروت بودند اما هرگز منفجر نشدند تا ۱۷ دسامبر ۲۰۱۰، زمانی که پلیس به آن مرد فقیر بیش از حد فشار آورد.
در سال ۱۹۷۲، یک هواشناس آمریکایی به نام ادوارد لورنز18 مقاله‌ای نوشت با این عنوان گیرا: «قابلیت پيش‌بيني: آیا بال زدن یک پروانه در برزیل مي‌تواند باعث ایجاد طوفان در تگزاس شود؟‌« یک دهه پیش، لورنز به طور تصادفی دریافته بود که انحرافی ناچیز در وارد کردن متغیرها به مدل‌هاي شبیه‌سازی رایانه‌ای الگوهای هواشناسی ـ مانند اینکه به‌جای عدد ۰.۵۰۶۱۲۷ عدد ۰.۵۰۶ وارد شود ـ مي‌تواند در پيش‌بيني‌هاي بلندمدت تفاوت چشم‌گیری را رقم بزند. این یافته بود که الهام‌بخش «نظریه آشوب19» بود:‌ در سیستم‌هاي غیرخطی مانند جو، حتی تغییرات کوچک در شرایط اولیه مي‌تواند باعث تغییرات عظیم بشود. پس در واقع، یک پروانه در برزیل به‌تنهایی مي‌تواند به وسیله بال زدن، در تگزاس طوفان ایجاد کند ـ حتی اگرچه دسته‌ای دیگر از پروانه‌هاي برزیلی ممکن است تمام عمر بال بزنند و هرگز یک تندباد را هم در چندمایلی ایجاد نکنند. به طور حتم منظور لورنز از اینکه پروانه «علت » ‌ایجاد طوفان است به همان‌گونه نیست که برای مثال من «علت»‌ شکستن شیشه نوشیدنی هستم وقتی با چکش به آن ضربه مي‌زنم. منظور او این بود که اگر آن پروانه خاص در آن لحظه خاص بال نزده بود، فعل و انفعالات شبکه به‌شدت پیچیده جو به گونه متفاوتی رقم مي‌خورد و ممکن بود که طوفان هرگز شکل نگیرد ـ به همان صورت که بهار عربی ممکن بود هرگز رخ ندهد، حداقل در زمان و شیوه‌ای که روی داد، اگر پلیس به محمد بوعزیزی اجازه داده بود که آن روز به فروش میوه و سبزیجات ادامه بدهد.
ادوارد لورنز نگرش علمی را به سوی این پرسش عمیق فلسفی سوق داد که محدودیت‌هايی بسیار سخت بر سر راه قابلیت پيش‌بيني وجود دارند. قرن‌ها دانشمندان تصور مي‌کردند که روند رو به رشد دانش حتما به توان بیشتر برای پيش‌بيني خواهد انجامید چرا که واقعیت مانند یک ساعت است ـ بسیار بزرگ و پیچیده اما همچنان یک ساعت ـ و هرچه دانشمندان بیشتر در مورد داخل آن، نحوه اتصال چرخ‌دنده‌ها، و عملکرد فنرها و سنگ وزنه بدانند، بهتر مي‌توانند با معادلات قطعی از نحوه عملکرد این ساعت سر دربیاورند و آن را پيش‌بيني کنند. در سال ۱۸۱۴، یک ریاضی‌دان و ستاره‌شناس فرانسوی به نام پیرـ سیمون لپلس20، آرزوی بلندپروازانه‌اش در مورد این منطق را این‌گونه مطرح کرد: «ما مي‌توانیم وضعیت امروز جهان را به عنوان معلول گذشته و عامل آینده در نظر بگیریم. خردی که در لحظه‌ای خاص همه نیروهای محرک طبیعت را بشناسد، و موقعیت همه اجزای تشکیل‌دهنده طبیعت را بداند، اگر این خرد به اندازه‌ای گسترده باشد که بتواند همه این داده‌ها را تحلیل کند، آن‌وقت قادر خواهد بود که نیروهای محرک بزرگ‌ترین پیکرهای جهان و کوچک‌ترین اتم‌ها را در فرمولی واحد جمع آورد؛ برای چنین خردی هیچ چیزی غیرقطعی نیست و آینده برایش همان‌طور خواهد بود که گذشته از جلوی چشمانش عبور کرده است.» او این ماهیت خیالی را یک «اهریمن»‌ مي‌نامد. لپلس با خود اندیشید که اگر این ماهیت همه‌چیز را در مورد گذشته بداند آن‌گاه مي‌تواند هرچیزی را در مورد آینده پيش‌بيني کند و در نتيجه بر همه‌چیز واقف خواهد بود. لورنز آب سردی ریخت بر این رویا. اگر ساعت نمادی عالی برای قابلیت پيش‌بيني از نگاه لپلس است، نقطه مقابل آن ابر لورنزی است. درس علوم دبیرستان به ما مي‌گوید که ابرها از به هم آمیختن بخار آب حول ذرات تشکیل مي‌شوند. ساده به نظر مي‌رسد اما اینکه یک تکه ابر چگونه توسعه مي‌یابد و شکلی که به خود مي‌گیرد به مجموعه پیچیده‌ای از تعامل بازخوردها میان قطرات کوچک بستگی دارد. برای بازسازی این تعاملات، مدل‌سازان رایانه‌ای باید از معادلاتی استفاده کنند که به‌شدت به اشتباهات کوچک اثر پروانه‌ای در جمع آوری داده‌ها حساس‌اند. پس حتی اگر ما بدانیم که ابرها چگونه شکل مي‌گیرند، قادر نخواهیم بود شکلی را که یک تکه ابر ویژه به خود مي‌گیرد پيش‌بيني کنیم. تنها مي‌توانیم بشینیم و منتظر بمانیم. یکی از جالب‌ترین نکات طنزآمیز تاریخ این است که امروز دانشمندان به‌مراتب بیشتر از اسلافشان در یک قرن پیش مي‌دانند و توان به‌مراتب بیشتری در تجزیه و تحلیل داده‌ها دارند اما در عین حال اطمینان کمتری هم نسبت به دورنمای دستیابی به قابلیت پيش‌بيني کاملا درست دارند.
این دلیلی اساسی برای نیمه «بدبین» لقب «بدبینِ خوش‌بین» من محسوب مي‌شود. ما در جهانی زندگی مي‌کنیم که اعمال یک مرد تقریبا درمانده مي‌تواند بر همه جهان تاثیر بگذارد ـ تاثیری که میزان آن برای هرکدام از ما متفاوت است. برای زنی که در حومه شهر کانزاس زندگی مي‌کند، تونس در سیاره‌ای دیگر است و هیچ ارتباطی به زندگی او ندارد اما اگر او با هوانورد نیروی هوایی ازدواج کرده باشد که در پایگاه هوایی وایتمن21 در همان حوالی مشغول به کار است، ممکن است شگفت‌زده شود زمانی که بداند رفتار بی‌هدف یک تونسی به تظاهرات ختم مي‌شود، سپس به شورش، سپس به سرنگونی یک دیکتاتور، سپس به تظاهرات در لیبی، سپس به یک جنگ داخلی، سپس به دخالت ناتو در سال ۲۰۱۲ و سپس باعث مي‌شود که شوهرش تلاش کند تا از آتش ضدهوایی‌ها به سوی آسمان طرابلس در امان بماند.
اینجا به‌سادگی مي‌توان ارتباط وقایع را دنبال کرد اما اغلب مشخص کردن ارتباطات مشکل‌تر است، هرچند که اطراف ما مملو از آنهاست، مانند پولی که در پمپ‌بنزین مي‌پردازیم یا میزان تعدیل نیرو در شرکت‌ها. در جهانی که یک پروانه در برزیل مي‌تواند تفاوت بین یک روز آفتابی دیگر یا درنوردیده شدن توسط طوفان را در تگزاس رقم بزند، تصور اینکه مي‌توان آینده‌ای بسیار دور را پيش‌بيني کرد گمراه کننده است.

خوش‌بین
شناخت محدودیت‌هاي پیش روی پيش‌بيني کاملا با رد کردن همه پيش‌بيني‌ها به عنوان اقدامی بی‌حاصل تفاوت دارد. میکروسکوپ را به روی یک روز از زندگی همان خانمی که در حومه شهر کانزاس ساکن است قرار دهید: ساعت ۶:۳۰ صبح کاغذهایش را درون کیف دستی قرار مي‌دهد و سوار خودرو مي‌شود تا از مسیر همیشگی به سر کار برود و ماشین را در مرکز شهر پارک کند. ‌همچون دیگر روزهای کاری هفته، او قدم‌زنان از جلوی مجسمه‌هاي شیرها عبور مي‌کند و به داخل ساختمان شرکت بیمه عمر شهر کانزا‌س‌سیتی22 مي‌رود که معماری آن از سبک یونانی الهام گرفته شده است. پشت میزش برای مدتی بر روی پرونده‌هاي دیجیتالی کار مي‌کند، ساعت ۱۰:۳۰ در جلسه‌ای تلفنی شرکت مي‌کند، چند دقیقه‌ای را به چرخ زدن در وب‌سایت آمازون23 مي‌گذراند و تا ساعت ۱۱:۵۰ به ایمیل‌هايش پاسخ مي‌گوید. سپس تا رستورانی ایتالیایی پیاده مي‌رود تا ناهار را با خواهرش صرف کند.
زندگی این خانم تحت تاثیر بسیاری از عوامل غیرقابل پيش‌بيني قرار دارد ـ از بلیت بخت‌آزمایی‌ای که در کیفش دارد تا بهار عربی که باعث شده شوهرش بر فراز لیبی عملیات پروازی انجام دهد و تا این حقیقت که بهای هر گالن بنزین چند سنت افزایش یافته آن هم به خاطر وقوع کودتا در کشوری که او هرگز اسمش را نشنیده است ـ اما همچنین به همان اندازه یا بیشتر مواردی قابل پيش‌بيني نیز در زندگی او نقش دارند. چرا او خانه را در ساعت ۶:۳۰ ترک کرد؟ چرا که نمی‌خواست در ساعت اوج رفت و آمد گرفتار شود. یا به بیان دیگر، او پيش‌بيني کرد که در ادامه روز رفت و آمد خودروها به‌مراتب سنگین‌تر خواهد بود ـ و کاملا هم حق داشت چرا که ساعت اوج شلوغی به‌شدت قابل پيش‌بيني است. هنگام رانندگی، او به طور دایم رفتار دیگر راننده‌ها را پيش‌بيني مي‌کرد: در تقاطع‌ها هنگامی که چراغ قرمز است آنها مي‌ایستند؛ در خط خود باقی مي‌مانند و اگر بخواهند تغییر خط بدهند راهنما مي‌زنند. او انتظار دارشت افرادی که قرار بود ساعت ۱۰:۳۰ در جلسه تلفنی شرکت کنند به وعده خود عمل کنند، و حق با او بود. با خواهرش در ساعت ۱۲ ظهر قرار گذاشته بود چرا که ساعات کاری رستوران که در تارنمای آن موجود است مي‌گفت که رستوران در آن ساعت باز است و ساعات کاری موجود در تارنما، راهنمایی قابل اطمینان است.
ما به طور معمول چنین پيش‌بيني‌هاي نه‌چندان هیجان‌انگیزی را انجام مي‌دهیم در حالی که دیگران نیز با پيش‌بيني‌هاي مشابهی به زندگی ما سروشکل مي‌دهند. هنگامی که این خانم رایانه‌اش را روشن مي‌کند، مصرف برق در شهر کانزاس را کمی افزایش مي‌دهد، کاری که آن روز صبح هر کارمند مشغول به کار دیگری نیز انجام داد و مجموع آنها باعث افزایش تقاضای برق شد، اتفاقی که صبح روزهای کاری هفته در حوالی همان ساعت رخ مي‌دهد. اما این مشکلی را ایجاد نمی‌کند چرا که تولیدکننده برق چنین افزایشی را انتظار مي‌کشد و بر آن اساس میزان تولیدش را تنظیم مي‌کند. هنگامی که این خانم به وب‌سایت آمازون24 مراجعه کرد، کالاهایی توسط تارنما برایش برجسته شدند که تصور مي‌شد او بیشتر دوست دارد، پيش‌بيني‌ای که بر اساس خریدها و وبگردی‌هاي پیشین و همچنین میلیون‌ها نفر دیگر حاصل شده است. ما در اینترنت دایما با چنین عملیات پيش‌بيني‌ای مواجهیم ـ گوگل در نتایج جست‌وجوها مواردی را که فکر مي‌کند برای شخص شما جذاب‌تر خواهد بود بالاتر قرار مي‌دهد ـ اما این عملیات آن‌قدر ظریف انجام مي‌شود که ما به‌ندرت متوجه آن مي‌شویم. و سپس نوبت به محل کار این خانم مي‌رسد. شرکت بیمه عمر کانزاس‌سیتی در کسب و کار پيش‌بيني معلولیت و مرگ است و کار خود را به‌خوبی انجام مي‌دهد. نه به این معنی که به طور دقیق مي‌داند من چه زمانی خواهم مرد، اما شرکت ایده خوبی دارد از اینکه فردی در سن سال من با ویژگی‌هايی مانند جنس، درآمد و سبک زندگی من احتمالا چقدر عمر خواهد کرد. شرکت بیمه عمر کانزاس‌سیتی در سال ۱۸۹۵ تاسیس شده و اگر در پيش‌بيني‌ها دقیق عمل نکرده بود، تا الان ورشکست شده بود. بخش زیادی از آنچه بر ما مي‌گذرد تا همین حد و یا بیشتر قابل پيش‌بيني است. من زمان طلوع و غروب خورشید در شهر کانزال در ایالت میزوری25 را در گوگل جست‌وجو کردم و به‌سرعت به نتیجه رسیدم. این پيش‌بيني‌ها قابل اطمینان هستند حالا چه به فردا مربوط شوند چه روز بعد و چه پنجاه سال دیگر. در مورد جزر و مد، خورشیدگرفتگی و ماه‌گرفتگی و گام‌هاي ماه نیز چنین وضعیتی حکم‌فرماست. همه اینها با قوانین علمی مشابه عملکرد ساعت قابل پيش‌بيني هستند آن هم با دقتی مشابه آنچه از اهریمن پيش‌بيني لپلس انتظار مي‌رفت.
به طور حتم چنین پيش‌بيني‌هايی مي‌توانند ناگهان زیر سوال بروند. به احتمال بسیار زیاد یک رستوران خوب درهایش را همان زمانی باز مي‌کند که اعلام کرده اما ممکن است بنابر دلایلی چنین کاری را انجام ندهد، دلایلی از خواب ماندن مدیر گرفته تا آتش‌سوزی، ورشکستگی، بیماری واگیردار، جنگ هسته‌ای و یا آزمایشی فیزیکی که به طور تصادفی باعث ایجاد سیاه‌چاله‌ای بشود که منظومه شمسی را به درون خود بکشد. برای دیگر موارد نیز همین‌طور است. حتی پيش‌بيني‌هاي زمان طلوع و غروب مي‌توانند اشتباه از کار دربیایند، اگر یک شهاب‌سنگ عظیم، در بازه زمانی پنجاه سال آینده، به زمین برخورد کند و آن را از مدار گردش به دور خورشید خارج کند.
اگر برای رویدادهایی مانند اختراع تکنولوژی‌هايی برای بارگذاری محتوای ذهن در یک شبکه رایانش ابری26 و یا پیدایش جامعه‌ای در آینده که آن‌قدر خیرخواه و خوشبخت است که در آن تامین منابع مالی دولت از طریق پرداخت‌هاي خیریه تامین شود احتمالی بیشتر از صفر در نظر بگیریم، آن‌گاه باید گفت که هیچ اطمینان خاطری در زندگی و نه حتی مرگ و مالیات‌ها وجود ندارد.
پس حقیقت بالاخره مانند ساعت است یا ابر؟ آیا آینده قابل پيش‌بيني است یا خیر؟ اینها نخستین دوگانه اشتباه از مجموعه‌ای از این اشتباهات هستند که ما در این کتاب با آنها مواجه خواهیم شد. ما در جهان ساعت‌ها، ابرها و مخلوطی از دیگر استعاره‌ها زندگی مي‌کنیم. در سیستم‌هايی که با پیچیدگی در هم تنیده‌اند و بدن‌هاي ما، جوامع ما و عالم هستی را شکل مي‌دهند، پيش‌بيني‌پذیری و پيش‌بيني‌ناپذیری به‌سختی با یکدیگر همزیستی مي‌کنند. اینکه یک چیز تا چه حد قابل پيش‌بيني است به این بستگی دارد که ما چه‌چیزی را مي‌خواهیم پيش‌بيني کنیم و تا چه حد و تحت چه شرایطی مي‌خواهیم در آینده پیش برویم.  
به حوزه کاری ادوارد لورنز بنگیرد. پيش‌بيني‌هاي هواشناسی معمولا کاملا قابل اطمینان هستند وقتی تنها چند روز بعد را در بر مي‌گیرند و کاهش دقت آنها در مورد سه، چهار و پنچ روز بعد به صورت فزاینده است. برای بیشتر از یک هفته، ما همچنین مي‌توانیم با شامپانزه دارت‌انداز (در مورد هوا) مشورت کنیم. پس نمی‌توان گفت که هوا قابل پيش‌بيني است یا خیر، هوا تنها تا حدی و تحت شرایطی قابل پيش‌بيني است ـ و زمانی که مي‌خواهیم چنین پيش‌بيني‌هايی را بیش از آنچه واقعا هستند دقیق نشان دهیم باید به‌شدت محتاط باشیم. موردی به ظاهر بسیار ساده مانند رابطه بین زمان و قابلیت پيش‌بيني را در نظر بگیرید:‌ به طور کلی درست است که هرچه آینده دورتری را بخواهیم ببینیم، پيش‌بيني سخت‌تر خواهد بود اما استثناهای دیرپایی نیز برای این قانون وجود دارد. پيش‌بيني بازار سهام پررونق مي‌تواند برای سال‌ها سودآور باشد ـ تا زمانی که خلاف آن ثابت شود و باعث شرمساری شما شود. و پيش‌بيني اینکه دایناسورها برای ده‌هامیلیون سال در صدر زنجیره غذایی باقی خواهند ماند بی‌خطر به نظر مي‌رسید تا زمانی که یک شهاب‌سنگ تحولی را به بار آورد که ایجادکننده شرایط زیستی برای پستانداری کوچک بود که در نهایت تکامل آن به گونه‌ای رسید که تلاش مي‌کند آینده را پيش‌بيني کند ( اینجا ممکن است با روایت خلقت در اسلام تناقض داشته باشد، در این صورت لطفا این متن جایگزین شود:‌ «تا زمانی که یک شهاب‌سنگ به دوران آنها پایان داد و بعدها پستانداری بر صدر زنجیره غذایی نشست که تلاش مي‌کند آینده را پيش‌بيني کند» ). قوانین فیزیک به کنار، بدیهیات دیگری در جهان هستی وجود ندارند و در نتیجه متمایز کردن موارد قابل پيش‌بيني از غیرقابل پيش‌بيني کاری مشکل است. هیچ راه‌حلی هم برای آن وجود ندارد.
این را کارشناسان هواشناسی بهتر از هر فرد دیگری مي‌دانند. آنها پيش‌بيني‌هاي بسیاری ارائه مي‌دهند و به طور معمول دقت آنها را مي‌سنجند، به همین خاطر است که ما مي‌دانیم پيش‌بيني‌ها تا بازه زمانی دو روز معمولا کاملا دقیق هستند در حالی که پيش‌بيني‌هاي مربوط به هشت روز بعد چنین نیستند. بر اساس چنین تحلیل‌هايی، کارشناسان هواشناسی مي‌توانند درکشان را از عملکرد هوا بهبود ببخشند و مدل‌هايشان را اصلاح کنند. سپس دوباره تلاش کنند. پيش‌بيني، سنجش، بازنگری، تکرار. همین فرآیند بی‌پایان بهبودهای پیاپی است که توضیح مي‌دهد چرا پيش‌بيني‌هاي مربوط به هواشناسی قابل قبول‌اند و به‌آرامی در حال بهتر شدن هستند. البته حدی برای چنین بهبودهایی وجود دارد چرا که وضعیت آب و هوا مانند کتابی درسی است که غیرخطی بودن را شرح مي‌دهد. هرچه پیشگوها تلاش کنند آینده دورتری را ببینند، احتمال اینکه یک آشوب بال‌هاي پروانه‌ای‌اش را به هم بزند و انتظارات را اشتباه از کار دربیاورد افزایش مي‌یابد. جهش‌هاي بزرگ در توان مدل‌سازی رایانه‌ای و پالایش مداوم مدل‌هاي پيش‌بيني مي‌تواند محدودیت‌هاي زمانی پيش‌بيني را کمی به پیش ببرد اما چنین پیشرفت‌هايی به‌تدریج سخت‌تر مي‌شوند و حاصل آنها درنهایت به سوی صفر میل مي‌کند. پيش‌بيني تا کجا مي‌تواند بهبود یابد؟ هیچ‌کس نمی‌داند. اما شناخت محدودیت‌هاي فعلی خودش نوعی موفقیت است.
در بسیاری از تلاش‌هاي پرمخاطره مشابه دیگر، پیشگوها در تاریکی گام برمي‌دارند. آنها هیچ ایده‌ای ندارند که پيش‌بيني‌هايشان در کوتاه‌مدت، میان‌مدت و بلندمدت تا چه حد خوب است و هیچ ایده‌ای هم ندارند که پيش‌بيني‌ها تا چه حد مي‌توانند بهبود یابند. در بهترین حالت، آنها حدس و گمان‌هاي گنگی دارند. به همین خاطر است که فرآیند پيش‌بيني ـ سنجش ـ بازنگری تنها در میان بخش‌هاي معدود و خاص با پيش‌بيني‌هاي با تکنولوژی روز صورت مي‌پذیرد، مانند اقتصاددان‌ها در بانک‌هاي مرکزی یا کارشناسان بازاریابی و امور مالی در شرکت‌هاي بزرگ یا تحلیل‌گران افکارسنجی مانند نیت سیلور27. در بیشتر موارد پيش‌بيني‌هايی ارائه مي‌شود و سپس... هیچ. دقت پيش‌بيني را زمانی مي‌توان سنجید که رویداد مورد نظر رخ داده باشد و چنین کاری هم هرگز با ضوابط و دقت کافی انجام نمی‌شود که بتوان از آنها به نتیجه‌گیری رسید. دلیلش چیست؟ در بیشتر موارد مشکل در طرف عرضه است:‌ مصرف‌کنندگان پيش‌بيني‌ها ـ دولت‌ها، کسب و کارها و افکار عمومی ـ به دنبال سندی برای دقت نیستند. در نتیجه سنجشی هم صورت نمی‌پذیرد که به معنی عدم بازنگری است. و بدون بازنگری، بهبودی حاصل نخواهد شد. جهانی را تصور کنید که در آن مردم شیفته دویدن هستند اما هیچ ایده‌ای در مورد اینکه یک فرد معمولی تا چه حد سریع مي‌دود یا اینکه بهترین دونده چقدر سریع مي‌دود وجود ندارد چرا که دونده‌ها هرگز در مورد مقرراتی بنیادین مانند ماندن در مسیر، آغاز دویدن با شلیک گلوله و پایان آن پس از طی مسافتی مشخص توافق نکرده‌اند و هیچ مسنول مستقلی برای مسابقه و هیچ فردی برای محاسبه زمان وجود ندارد. چقدر احتمال دارد که زمان دویدن در چنین جهانی بهبود یابد؟ خیلی کم. آیا بهترین دونده‌ها (در چنین جهانی) در حد توان فیزیکی بشر مي‌دوند؟ باز هم احتمالا خیر. بیل گیتس مي‌گوید: «من تحت تاثیر قرار گرفتم زمانی که دریافتم سنجش تا چه حد برای بهبود شرایط بشر اهمیت دارد». «شما مي‌توانید به میزانی باورنکردنی پیشرفت کنید اگر هدف مشخصی داشته باشد و راهی برای سنجش آن بیابید و پیشرفت را در مسیر هدف سوق دهد... شاید بدیهی به نظر برسد اما بسیار عجیب است که اغلب چنین شیوه‌ای به کار گرفته نمي‌شود و به کار گرفتن صحیح آن نیز چقدر مشکل است». او در مورد اینکه چه راهکاری باعث پیشرفت مي‌شود درست مي‌گوید و این شگفت‌آور است که چنین راهکاری به‌ندرت در پيش‌بيني به کار گرفته می‌شود. حتی گام ساده نخست که تعیین هدفی مشخص است نیز برداشته نمی‌شود. ممکن است تصور کنید که هدف پيش‌بيني، دیدن آینده به طور دقیق است اما این معمولا هدف نیست یا حداقل تنها هدف محسوب نمی‌شود. برخی اوقات پیشگوها قصد سرگرم کردن دارند. جیم کریمر28 مجری شبکه سی‌ان‌بی‌سی29 را در نظر بگیرید با آن اصطلاحات ویژه‌اش، یا جان مک‌لافلین30، مجری برنامه «گروه مک‌لافلین»31، که با فریاد از مهمانانش مي‌خواهد که احتمال روی دادن یک واقعه را پيش‌بيني کنند آن هم «در مقیاسی از صفر تا ده که در آن صفر به معنی احتمال صفر و ده به معنی اطمینان خاطری ماورایی است!‌« برخی اوقات هم پيش‌بيني برای پیشبرد برنامه‌هاي سیاسی یا جلا بخشیدن به اقدامات صورت مي‌پذیرد ـ همان کاری که فعالان اجتماعی امیدوارند انجام دهند زمانی که هشدار مي‌دهند فجایعی وحشتناک در راه‌اند مگر اینکه ما شیوه دیگری را برگزینیم. همچنین از پيش‌بيني برای تحت تاثیر قرار دادن دیگران استفاده مي‌شود مانند زمانی که بانک‌ها به یک کارشناس مشهور پول مي‌پردازند تا او به مشتریان ثروتمندشان بگوید که اقتصاد جهان در سال ۲۰۵۰ چگونه خواهد بود. و برخی پيش‌بيني‌ها نیز قرار است آرامش‌بخش باشند آن هم از طریق اطمینان دادن به مخاطبان در این مورد که باورهای آنها درست است و آینده همان‌طوری خواهد بود که انتظار مي‌رود. آنهايی که از راه پيش‌بيني شهرت یافته‌اند شیفته چنین پيش‌بيني‌هايی هستند چرا که مانند فرو رفتن در وان آب گرم است.
به‌ندرت فردی به وجود چنین ملغمه ای از اهداف اعتراف مي‌کند که در نتیجه حتی آغاز فرآیند سنجش و پیشرفت را مشکل مي‌کند، شرایطی به‌هم‌ریخته که به نظر هم نمی‌رسد که رو به بهبود باشد. با این حال همین رخوت دلیلی است برای اینکه من یک بدبینِ خوش‌بین باشم. ما مي‌دانیم که در بیشتر آنچه مردم مي‌خواهند آنها را پيش‌بيني کنند ـ سیاست، اقتصاد، امور مالی، کسب و کار، تکولوژی، زندگی روزمره ـ قابلیت پيش‌بيني تا حدی و تحت شرایطی وجود دارد. اما هنوز چیزهای بسیاری در این مورد هست که ما نمی‌دانیم. برای دانشمندان، ندانستن هیجان‌انگیز است. فرصتی است برای کشف؛ هرچه نادانستنی‌ها بیشتر باشد، فرصت کشف بزرگ‌تر است. به لطف کمبود گسترده دقت در بسیاری از حوزه‌هاي مربوط به پيش‌بيني، فرصت (کشف) در آن بسیار عظیم است. و برای غنیمت شمردن این فرصت، همه آنچه نیاز داریم تعیین هدفی مشخص ـ دقت! ـ و جدی شدن در سنجش آن است.
من بخش قابل توجهی از زندگی کاری‌ام را مشغول به چنین کاری بوده‌ام. تحقیقی که به شامپانزه دارت‌انداز منتهی شد مرحله نخست بود. مرحله دوم در تابستان سال ۲۰۱۱ آغاز شد، زمانی که همراهم در تحقیق (و زندگی) باربارا ملرز32 و من پروژه «داوری خوب»33 را راه انداختیم و از داوطلبان دعوت کردیم که برای پيش‌بيني آینده ثبت‌نام کنند. در سال نخست، بیل فلک همراه با چندهزار نفر دیگر ثبت‌نام کردند و طی چهار سال پس از آن نیز هزاران نفر دیگر به آنها پیوستند. در مجموع، بیش از بیست‌هزار فرد کنجکاو اما آموزش‌ندیده تلاش کردند که دریابند آیا تظاهرات در روسیه گسترش خواهد یافت، بهای طلا سقوط خواهد کرد، شاخص نیکی34 بالاتر از ۹۵۰۰ قرار خواهد گرفت35، در شبه‌جزیره کره جنگ درخواهد گرفت و بسیاري پرسش‌هاي دیگر در مورد موضوعات پیچیده و چالش‌برانگیز جهانی. با تغییر شرایط آزمایش، ما مي‌توانستیم بسنجیم که چه عواملی، تا چه حد و بر اساس چه بازه زمانی پيش‌بيني‌ها را بهبود مي‌بخشیدند و پيش‌بيني‌ها تا چه حد مي‌توانستند بهتر شوند. این پروژه با چنین شرحی، به نظر ساده مي‌رسد. اما این‌گونه نبود. برنامه‌ای سخت بود که نیازمند استعداد و سخت‌کوشی تیمی بین‌رشته‌ای در دانشگاه کالیفرنیا، برکلی36، و دانشگاه پنسیلوانیا37 بود.
پروژه داوری خوب با همه وسعتش تنها بخشی از کوشش تحقیقاتی بزرگ‌تری بود که توسط سازمان فعالیت پروژه‌هاي تحقیقات اطلاعاتی پیشرفته38 حمایت مي‌شد. به خاطر عنوان نه‌چندان جذابش ناامید نشوید. این نهاد در واقع آژانسی است درون جامعه اطلاعاتی (آمریکا) كه تحت نظر مدیریت اطلاعات ملی39  فعالیت مي‌کند و وظیفه آن حمایت از پروژه‌هاي تحقیقاتی شجاعانه است که نوید مي‌دهند که وضعیت اطلاعاتی آمریکا را از آنچه هست بهتر کنند. و بخش قابل توجهی از آنچه جامعه اطلاعاتی آمریکا انجام مي‌دهد، پيش‌بيني روندهای سیاسی و اقتصادی جهان است. یک تخمین نه‌چندان دقیق نشان مي‌دهد که آمریکا 22هزار تحلیل‌گر اطلاعاتی دارد که همه‌چیز را برآورد مي‌کنند از معماهایي که حل آنها چند دقیقه زمان نیاز دارد گرفته تا رخدادهایی اساسی مانند احتمال حمله ناگهانی اسرائیل به تاسیسات هسته‌ای ایران و یا خروج یونان از اتحادیه اروپا. چنین پيش‌بيني‌هايی تا چه حد دقیق هستند؟ به‌راحتی نمی‌توان پاسخ گفت چرا که جامعه اطلاعاتی، مانند بسیاری دیگر از تولیدکنندگان پيش‌بيني، هرگز به هزینه کردن برای یافتن پاسخ علاقه‌ای نشان نداده‌اند. دلایل متعددی برای این بی‌میلی وجود دارند که برخی از آنها قابل احترام‌تر از بقیه هستند اما بعدا به آنها خواهیم پرداخت. آنچه اهمیت دارد این است که پيش‌بيني برای امنیت ملی جنبه حیاتی دارد و با وجود این نمی‌توان گفت که این پيش‌بيني‌ها چقدر خوبند، یا حتی آیا به همان خوبی كه یک عملیات چندمیلیارد دلاری با 22هزار نفر باید باشد، هستند یا خیر. برای تغییر این وضعیت، موسسه تحقیقات اطلاعاتی پیشرفته  مسابقاتی را برای پيش‌بيني ایجاد کرد که در آن پنج تیم از دانشمندان تحت هدایت محققان برجسته در این حوزه برای پيش‌بيني‌هاي دقیق در مورد پرسش‌هاي مشکل که تحلیل‌گران اطلاعاتی روزانه با آنها مواجه مي‌شوند به رقابت پرداختند. پروژه داوری خوب یکی از آن پنج تیم بود. هر تیم به طور موثر پروژه تحقیقاتی مخصوص به خود را داشت و آزاد بود که هر شیوه‌ای را که فکر مي‌کند مفید است به کار بگیرد اما لازم بود که از سپتامبر ۲۰۱۱ تا ژوئن ۲۰۱۵ هر روز در ساعت ۹ صبح به وقت شرق آمریکا پيش‌بيني‌هايش را ارائه دهد. با توجه به اینکه تیم‌ها مجبور بودند در مورد مسائل یکسان و در بازه زمانی یکسانی پيش‌بيني کنند، این مسابقات زمین بازی مسطحی را ایجاد کرد که در آن همه شرایط یکسانی داشتند و همچنین گنجینه ای از داده به دست آمد در مورد اینکه چه شیوه‌ای بهتر عمل مي‌کند، چقدر بهتر و در چه بازه زمانی. طی چهار سال، موسسه تحقیقات اطلاعاتی پیشرفته  حدود پانصد پرسش را در مورد امور جاری جهان ارائه کرد. بازه زمانی مربوط به پيش‌بيني‌ها در مقایسه با تحقیق پیشین من کوتاه‌تر بود و بیشتر پيش‌بيني‌ها به جایی بین بیش از یک ماه و کمتر از یک سال مربوط مي‌شدند. در مجموع، ما بیش از یک‌میلیون داوری در مورد آینده از افراد گوناگون جمع‌آوری کردیم.
در سال نخست، پروژه داوری خوب گروه کنترل رسمی را با ۶۰ درصد شکست داد، در سال دوم این برتری به ۷۸ درصد رسید. گروه داوری خوب همچنین رقبای دانشگاهی‌اش را که شامل دانشگاه میشیگان40 و ام‌آی‌تی41 مي‌شدند با برتری قابل توجهی، از ۳۰ درصد تا ۷۰ درصد شکست داد و حتی عملکرد آن از عملکرد تحلیل‌گران اطلاعاتی حرفه‌ای که به داده‌هاي طبقه‌بندی‌شده دسترسی داشتند نیز بهتر بود. پس از دو سال، عملکرد تیم پروژه داوری خوب به حدی از رقبای دانشگاهی‌اش بهتر بود که موسسه تحقیقات اطلاعاتی پیشرفته همکاری‌اش را با دیگر تیم‌ها متوقف کرد.
بعدا وارد جزئیات این رقابت خواهم شد اما اکنون تنها به دو نتیجه کلیدی برآمده از این تحقیق اشاره مي‌کنم. نخست اینکه توانایی آينده‌نگري واقعا وجود دارد. برخی افراد ـ مانند بیل فلک ـ به میزان زیادی از آن برخوردارند. آنها از قدرت ماورایی مشاهده آنچه چند دهه بعد رخ مي‌دهد برخوردار نیستند اما در قضاوت در مورد احتمال وقوع رویدادهای مهم طی سه ماه، شش ماه، یک سال و یک سال و نیم آینده از مهارتی واقعی و قابل اندازه‌گیری برخوردارند. نتیجه دیگر اینکه آنچه این افراد را به ابرپیشگو تبدیل مي‌کند، چیزی که آنها هستند نیست بلکه شیوه‌ای است که در پيش‌بيني به کار مي‌گیرند. توانایی آينده‌نگري یک استعداد ذاتی نیست که در بدو تولد به فرد اعطا شده باشد بلکه محصول شیوه‌هاي مشخصی است از اندیشیدن، جمع‌آوری اطلاعات و به‌روز کردن باورها. این عادت‌هاي فکری مي‌توانند توسط هر فرد باهوش، اندیشمند و مصممی آموخته شوند و ارتقا یابند. حتی شروع این فرآیند هم آن‌قدرها سخت نیست. یکی از نتایجی که به‌ویژه باعث شگفتی من شد تاثیر جزوه‌ای آموزشی بود که برخی از مفاهیم پایه‌ای را که ما در این کتاب به آنها مي‌پردازیم پوشش مي‌داد که خواندن آن تنها شش دقیقه زمان مي‌برد اما طی سال مسابقات پيش‌بيني حدود ۱۰ درصد به دقت پيش‌بيني افزود. ۱۰ درصد اگرچه ناچیز به نظر مي‌آید اما با هزینه‌ای کم به دست آمده بود. و به خاطر داشته باشید که حتی بهبودهای جزئی در توان آينده‌نگري در طول زمان بهره قابل توجهی مي‌توانند داشته باشند. من در این مورد با آرون براون42 حرف زدم؛ نویسنده‌ای که سال‌ها در وال‌استریت کار کارده و رئيس بخش مدیریت ریسک در شرکت مدیریت سرمایه اِی‌کیو‌آر43 است، شرکتی سرمايه‌گذاری در بازار مالی با بیش از ۱۰۰ میلیارد دلار دارایی. او (درباره بهبود ۱۰ درصدی قدرت آينده‌نگري) مي‌گوید: «به‌سختی مي‌توان تاثیر آن را مشاهده کرد چرا که چشم‌گیر نیست» اما اگر پایدار باشد «همانند تفاوت میان فردی است که همواره پیروز مي‌شود و ثروتی به هم مي‌زند با فردی که همواره ناکام مي‌ماند». یک بازیکن پوکر در کلاس جهانی که در ادامه کتاب با او ملاقات خواهیم کرد هم نظر مشابهی دارد. او مي‌گوید که تفاوت بین یک بازیکن قدر و یک آماتور این است که بازیکن قدر تفاوت بین شرط‌بندی ۶۰ به ۴۰ و شرط‌بندی ۴۰ به ۶۰ را مي‌داند.
همچنان این پرسش مطرح است که اگر مي‌توان به‌سادگی و تنها از طریق سنجش، توان آينده‌نگري را بهبود بخشید و حاصل ناشی از این بهبود نیز بسیار قابل توجه است چرا شیوه استانداردی از سنجش پيش‌بيني به کار گرفته نمی‌شود؟ بخش قابل توجهی از پاسخ به عواملی روان‌شناختی بازمي‌گردد که باعث مي‌شود ما متقاعد شویم چیزهایی را مي‌دانیم که در واقع نمی‌دانیم ـ مواردی مانند اینکه آیا پيش‌بيني‌هاي تام فریدمن دقیق هستند یا خیر. این عامل روان‌شناختی در فصل ۲ بررسی خواهد شد. همین عامل برای قرن‌ها جلوی پیشرفت علم داروسازی را گرفته بود تا زمانی که پزشکان بالاخره پذیرفتند که تجربه و ادراک آنها ابزاری قابل اطمینان برای قضاوت در مورد مفید بودن یک شیوه درمان نیستند و به آزمون‌هاي علمی روی آوردند و بعد از آن بود که داروسازی در نهایت پیشرفت سریع خود را آغاز کرد.
انقلاب مشابهی نیز باید در علم پيش‌بيني روی بدهد که البته آسان نخواهد بود. فصل ۳ این موضوع را بررسی خواهد کرد که چگونه مي‌توان قدرت پيش‌بيني را با همان دقتی سنجید که تاثیر درمانی داروهای مدرن سنجیده مي‌شوند. این چالش سخت‌تر از آن چیزی است که به نظر مي‌رسد. در اواخر دهه ۱۹۸۰، من متدولوژی آن را ارائه کردم و بزرگ‌ترین آزمون برای سنجش دقت پيش‌بيني سیاسی کارشناسان در آن زمان را انجام دادم. یکی از نتایج آن، که سال‌ها بعد ظهور کرد، همان پایان‌بندی مشهور (شامپانزه دارت‌انداز) بود که اکنون مایه شرمساری من است. اما کشف دیگر آن پژوهش که به‌هیچ‌وجه به اندازه قبلی جلب توجه نکرد بسیار مهم‌تر بود:‌ گروهی از کارشناسان از توانایی پيش‌بيني نسبتا کم اما واقعی برخوردار بودند. تفاوت میان کارشناسان با توان پيش‌بيني واقعی و آنهايی که آن‌قدر ناامیدکننده بودند که میانگین گروه را تا حد شامپانزه دارت‌انداز پایین آورده بودند چه بود؟ پاسخ ارتباطی با یک استعداد ذاتی یا دسترسی به اطلاعاتی که دیگران از آن محروم بودند نداشت. همچنین به مجموعه‌ای از باورهای افراد نیز بی‌ارتباط بود. در واقع، در میان دامنه وسیعی از نگرش‌ها، آنچه آنها مي‌اندیشیدند اهمیت چندانی نداشت بلکه اینکه چگونه مي‌اندیشیدند اهمیت داشت.
با الهام از این یافته بود که موسسه تحقیقات اطلاعاتی پیشرفته مسابقات پيش‌بيني را که در نوع خود بی‌سابقه بود ایجاد کرد. فصل ۴ روایت این رخداد و کشف ابرپیشگویان است. چرا ابرپیشگویان تا این حد خوب عمل مي‌کنند؟ این پرسش طی فصل‌هاي ۵ تا ۹ مطرح مي‌شود. در مواجهه با آنها به‌سختی مي‌توان تحت تاثیر هوششان قرار نگرفت، به همین خاطر ممکن است تصور کنید که عامل اصلی همه این تفاوت‌ها به هوش بازمي‌گردد. اما این‌گونه نیست. آنها همچنین بسیار اهل عدد و رقم هستند. همانند بیل فلک، در ریاضیات و علوم تحصیلات عالیه دارند. پس راز موفقیت در پيش‌بيني به برخورداری از دانش ریاضی بازمي‌گردد؟ خیر. حتی ابرپیشگویانی که در ریاضیات بسیار خوب هستند هم به‌ندرت (در پيش‌بيني) از آن استفاده مي‌کنند. آنها همچنین تمایل دارند که اخبار را دنبال کنند و از تازه‌ترین تحولات باخبرند و به طور منظم پيش‌بيني‌هايشان را بر این اساس به‌روز مي‌کنند، پس ممکن است بخواهید موفقیت آنها را به صرف زمانی نامحدود برای پيش‌بيني ربط بدهید. این هم اشتباه است.
ابرپیشگویی نیازمند برخورداری حداقلی از هوش، آشنایی با ریاضیات و شناخت جهان است اما هرکسی که کتابی جدی در مورد تحقیقات روان‌شناختی مطالعه مي‌کند احتمالا از این پیش‌شرط‌ها برخوردار است. پس چه عاملی  باعث ارتقاي توان پيش‌بيني به ابرپيش‌بيني مي‌شود؟ همان‌طور که در مورد کارشناسانی که در پژوهش پیشین من نیز از توان واقعی آينده‌نگري برخوردار بودند صدق مي‌کرد، آنچه بیش از همه اهمیت دارد شیوه تفکر پیشگویان است. این را بعدا به‌تفصیل شرح خواهم داد اما به طور کلی مي‌توان گفت که ابرپیشگویی نیازمند شیوه‌اي از تفکر دقیق، کنجکاوي با ذهنی باز و از همه مهم‌تر خودانتقادی است. همچنین نیازمند تمرکز است. شیوه‌ای از تفکر که به توانایی داوری برتر مي‌انجامد بدون تلاش به دست نمی‌آید و تنها فردی مصمم است که مي‌توان به طور نسبتا یکپارچه‌ای چنین عملکردی داشته باشد، به همین خاطر است که بررسی‌هاي ما همواره نشان داده‌اند که تعهد به بهبود خویشتن اصلی‌ترین عاملی است که مي‌توان بر اساس آن در مورد عملکرد یک فرد پيش‌بيني کرد. در فصل‌هاي پایانی، تناقض آشکار میان تقاضای داوری خوب و رهبری موثر را برطرف خواهم کرد و به دو چالش اساسی که متوجه تحقیقم است پاسخ خواهم گفت و در نهایت نتیجه‌گیری‌ام را، که مناسب کتابی در مورد پيش‌بيني است، همراه با ملاحظاتی در مورد آنچه پیش رو است ارائه خواهم داد.

یک پيش‌بيني در مورد علم پيش‌بيني
اما شاید با خود بیندیشید که همه این تلاش‌ها تاریخ‌مصرف‌گذشته‌اند. بالاخره ما در دوران رایانه‌هاي به‌شدت قدرتمند، الگوریتم‌هاي به‌شدت پیچیده و کلان‌داده44 زندگی مي‌کنیم. در شیوه‌ای از پيش‌بيني که من بررسی مي‌کنم قضاوت ذهنی (انسانی) قرار دارد: این افراد هستند که مي‌اندیشند و تصمیم مي‌گیرند، نه بیشتر. آیا اکنون زمان آن فرانرسیده که چنین شیوه درهم و برهمی از حدس زدن به پایان کار خود برسد؟
در سال ۱۹۵۴، یک روان‌شناس بااستعداد، پل میل45 کتاب کوچکی نوشت که تاثیری عظیم به همراه داشت. در این کتاب بیست مطالعه مورد بررسی قرار گرفتند که در آنها نشان داده شده بود کارشناسانی که آگاهی کافی از موضوع داشتند در پيش‌بيني موضوعاتی مانند اینکه آیا یک دانشجو مي‌تواند در دانشگاه موفق شود و یا یک زندانی سابق ممکن است بار دیگر به زندان انداخته شود به اندازه الگوریتم‌هايی ساده که شاخص‌هايی مانند نمرات پیشین و یا سابقه جرایم را در نظر مي‌گرفتند دقیق نبوده‌اند. ادعای میل بسیاری از کارشناسان را مایوس کرد اما تحقیقات بعدی ـ اکنون بیش از دویست مطالعه در این مورد انجام شده ـ نشان داده‌اند که در بیشتر موارد الگوریتم‌ها بهتر از قضاوت انسانی عمل کرده‌اند و در تعداد انگشت‌شماری از مطالعات هم الگوریتم‌ها بهتر نبوده‌اند و معمولا عملکرد الگوریتم‌ها و قضاوت انسانی مشابه بوده‌اند. با در نظر گرفتن اینکه استفاده از الگوریتم‌ها، برخلاف قضاوت انسانی، معمولا سریع و ارزان است حتی نتیجه مساوی هم نوعی حمایت از به کار بردن الگوریتم‌ها است. این نکته اکنون غیرقابل بحث است که زمانی که شما الگوریتمی آماری داريد که اعتبار کافی دارد، بهتر است از آن استفاده کنید. اما این نتیجه‌گیری هرگز تهدیدی برای حاکمیت قضاوت انسانی نبود چرا که ما به‌ندرت برای مسائلی که با آنها مواجهیم الگوریتم‌هايی معتبر داریم. در سال ۱۹۵۴ برای ریاضیات امکان‌پذیر نبود که جای تفکر شفاف را بگیرد و حتی امروز هم همین‌طور است. اما پیشرفت‌هاي قابل توجه در فناوری اطلاعات این‌گونه القا مي‌کند که ما به زمان انفصال تاریخی در رابطه بشریت با ماشین‌ها نزدیک مي‌شویم. در سال ۱۹۹۷، دیپ بلو46 ساخته شرکت آی‌بی‌ام47 توانست قهرمان شطرنج جهان گری کاسپارف را شکست دهد48. امروز نرم‌افرازهای بازی شطرنج که جنبه تجاری یافته‌اند مي‌توانند هر بشری را شکست دهند. در سال ۲۰۱۱، رایانه واتسون49 ساخته شرکت آی‌بی‌ام توانست قهرمانان مسابقه جپردی50 (مخاطره) یعنی کن جنینگز51  و برد راتر52 را شکست دهد.53 این در واقع چالش رایانه‌ای به‌مراتب مشکل‌تري بود اما مهندسان واتسون از پس آن برآمدند. امروز، دیگر تصور یک رقابت پيش‌بيني که در آن ابررایانه بتواند ابرپیشگویان و کارشناسان خبره را شکست دهد دور از ذهن نیست. پس از چنین رویدادی، پيش‌بيني انسانی همچنان وجود خواهد داشت اما مانند وضعیت امروز شرکت‌کنندگان مسابقه جپردی خواهد بود که ما آنها را تنها برای سرگرمی تماشا مي‌کنیم.
پس با دیوید فروچی54 مهندس ارشد پروژه واتسون صحبت کردم. اطمینان داشتم که واتسون به‌آسانی مي‌تواند به یک پرسش در مورد زمان حال یا گذشته مانند اینکه «کدام دو رهبر روس طی ده سال اخیر سمت‌هايشان را با یکدیگر معاوضه کرده‌اند؟‌« پاسخ بگوید اما کنجکاو بودم بدانم چقدر زمان لازم است تا واتسون یا یکی از رقبای دیجیتالی‌اش قادر باشد به پرسشی مانند اینکه «آیا دو مقام عالی روسیه طی ده سال آینده سمت‌هايشان را معاوضه مي‌کنند؟» پاسخ دهد.
در سال ۱۹۶۵ هربرت سایمون55 که در بسیاری از زمینه‌ها صاحب‌نظر بود تصور مي‌کرد که ما تنها بیست سال از جهانی فاصله داریم که در آن ماشین‌ها از پس انجام  «هر کاری که انسان مي‌تواند انجام بدهد» بربیایند که خب بخشی از خوش‌بینی ساده‌لوحانه‌ای بود که در آن زمان رواج داشت. و به همین خاطر است که فروچی که بیش از سی سال در بخش هوش مصنوعی فعالیت کرده امروز محتاط‌تر است. او اشاره مي‌کند که علوم رایانه‌ای در حال برداشتن گام‌هاي بزرگی است و توانایی رایانه‌ها برای تشخیص الگوها به طور قابل ملاحظه‌ای رو به افزایش است و یادگیری ماشینی56  در ترکیب با روند رو به رشد تعامل بین انسان و ماشین که فرآیند یادگیری را تقویت مي‌کند نوید مي‌دهد که پیشرفت‌هاي بنیادین بیشتری در راه‌اند. فروچی مي‌گوید که این روند «قرار است یکی از توابع نمایی‌ای باشد که ما اکنون به نوعی در قعر آن قرار داریم».
اما تفاوت بسیاری است میان اینکه «کدام دو رهبر روس شغل‌هايشان را معاوضه کردند؟‌« با اینکه «آیا دو رهبر روس بار دیگر شغل‌هايشان را معاوضه خواهند کرد؟». اولی یک واقعیت تاریخی است. رایانه مي‌تواند به گذشته بنگرد و آن را بیابد. دومی نیازمند این است که رایانه بر اساس اطلاعاتی که دارد در مورد نیت ولادیمیر پوتین، شخصیت ديمیتری مدودف و پویایی سیاست در روسیه گمانه‌زنی و سپس بر اساس این اطلاعات در مورد آینده قضاوت کند. اینکه مردم همواره چنین کارهایی را انجام مي‌دهند دلیل بر سادگی آن نیست بلکه به این معنی است که ذهن انسان اعجاب‌انگیز است چرا که چنین کاری به طرز سرگیجه‌آوری مشکل است. رایانه‌ها، به رغم اینکه به‌سرعت در حال پیشرفت هستند، باز هم از نوعی از پيش‌بيني که ابرپیشگوها انجام مي‌دهند فاصله زیادی دارند. و فروچی مطمئن نیست که هرگز روزی برسد که انسان را در موزه اسمیتسونیان 57 زیر شیشه بگذارند و روی آن برچسب «قضاوت انسانی» بچسبانند.
فروچی مي‌گوید که ماشین‌ها ممکن است در «تقلید و شبیه‌سازی مفهوم بشریت» و در نتیجه در پيش‌بيني رفتار انسانی بهتر شوند اما «فرق است میان شبیه‌سازی و بازتاب یک مفهوم و اصل خود آن مفهوم». این حوزه‌ای است که قضاوت انسانی همواره در آن حضور خواهد داشت.
در پيش‌بيني، همچون دیگر زمینه‌ها، شاهد خواهیم بود که جایگزینی انسان ادامه یابد ـ که مایه نگرانی کارکنان یقه‌سفید است ـ اما همچنین سنتزهای بیشتر و بیشتری خواهیم دید، مانند «شطرنج سبک آزاد58 » که در آن تیم‌هايی متشکل از انسان‌ها و رایانه‌ها با یکدیگر رقابت مي‌کنند. در این شیوه انسان‌ها از توانایی غیرقابل انکار رایانه‌ها بهره مي‌برند اما گاهی عملکرد آنها را نیز اصلاح مي‌کنند و نتیجه آن ترکیبی است که مي‌تواند (گاهی) هم انسان‌ها و هم ماشین‌ها را شکست داد. برای اصلاح ساختار دوگانه انسان- علیه ماشین، ترکیب‌هايی از گری کاسپارف و دیپ بلو مي‌توانند ثابت کنند که قوی‌تر از رویکردهایی صرفا انسانی یا صرفا رایانه‌ای هستند.
آنچه به نظر فروچی در حال منسوخ شدن است مدلی است که بسیاری از مباحث سیاست‌گذاری را به سطح نازلی تقلیل مي‌دهد: «من استدلال و ادعای پل کروگمن59 شما را با پاسخ نیال فرگوسن60 خودم جواب مي‌دهم61، و مقاله تام فریدمن شما را با آنچه در وبلاگ برت استیونز62 خودم آمده رد مي‌کنم63». فروچی باور دارد که انتهای این تونل تاریک به روشنایی مي‌رسد: «من فکر مي‌کنم که برای مردم گوش دادن به توصیه‌هاي کارشناسانی که نظریات آنها تنها بر اساس قضاوت انسانی است، عجیب‌تر و عجیب‌تر شود».
تفکر بشر توسط دام‌هاي روان‌شناختی احاطه شده است، این حقیقتی است که تنها طی یک یا دو دهه اخیر به طور گسترده به آن پی برده شده است. فروچی مي‌گوید: «آنچه من مي‌خواهم این است که تخصص انسانی برای غلبه بر محدودیت‌ها و انحرافات شناختی بشر، با رایانه همراه شود». ا گر فروچی درست بگوید ـ که به نظرم همین‌طور است ـ ما در آینده نیازمند ترکیب کردن پيش‌بيني‌هاي رایانه‌محور و قضاوت‌هاي انسانی هستیم. پس اکنون زمان آن است که در مورد هردوی آنها جدی باشیم.  

پی‌نوشت‌ها:
1. Tom Friedman
2. توماس فریدمن، اندیشمند، نویسنده و روزنامه نگار مشهور آمریکایی است که کتاب «جهان مسطح است» او مشهورترین کتابش به حساب می‌آید ـ م
3. Oval Office
4. Fortune 500
5. فورچن ۵۰۰ فهرستی است از پانصد شرکت برتر آمریکا که هر سال توسط مجله فورچن منتشر می‌شود ـ م
6. Davos
7.  مجمع جهانی اقتصاد هر سال با حضور تاثیرگذارترین افراد جهان در داووس سوئیس برگزار می‌شود ـ م
8. Bill Flack
9. Arizona
10. Kearney
11. Nebraska
12. Madison
13. Madison Star-Mail
14. سازمان پیمان آتلانتیک شمالی
15. Membership Action Plan
16. 15 minutes of fame
17. اشاره نویسنده به نقل قولی است از اندی وارهول، هنرمند آمریکایی، که می‌گوید در جهان آینده هر فرد تنها برای پانزده دقیقه مشهور خواهد بود.
18. Edward Lorenz
19. Chaos Theory
20. Pierre-Simon Laplace
21. Whiteman Air Force Base
22. Kansas City Life Insurance Company
23. Amazon
24. آمازون تارنمایی است برای خرید اینترنتی ـ م
25. Missouri
26. Cloud Computing
27. Nate Silver
28. Jim Cramer
29. CNBC
30. John McLaughlin
31. McLaughlin Group
32. Barbara Mellers
33. Good Judgment Project
34. Nikkei
35. شاخص نیکی، شاخصی است مربوط به بازار سهام توکیو
36. University of California, Berkeley
37. Pennsylvania
38. Intelligence Advanced Research Projects Activity
39. Director of National Intelligence
40. University of Michigan
41. Massachusetts Institute of Technology
42. Aaron Brown
43. AQR Capital Management
44. Big Data
45. Paul Meehl
46. Deep Blue
47. IBM
48. دیپ بلو رایانه ای بود که برای مسابقات شطرنج طراحی شده بود ـ م
49. Watson
50. Jeopardy
51. Ken Jennings
52. Brad Rutter
53. مسابقه جپردی (مخاطره)، مسابقه‌ای بود که در آن شرکت‌کننده ها باید به سوالاتی در مورد موضوعات مختلف پاسخ می‌گفتند. پرسش‌های این مسابقه بیشتر به اطلاعات عمومی مربوط می‌شد ـ م
54. David Ferrucci
55. Herbert Simon
56. machine learning
57. Smithsonian
58. Freestyle Chess
59. Paul Krugman
60. Niall Ferguson
61. پل كروگمن برنده نوبل اقتصاد است و نیال فرگوسن استاد تاریخ دانشگاه هاروارد. این‌دو در بسیاری از موارد از جمله اثرات سیاست‌های ریاضتی با یکدیگر اختلاف نظر دارند ـ م
62. Bret Stephens
63. برت استیونز در روزنامه وال‌استریت ژورنال مشغول به کار است و دیدگاه او در مورد سیاست خارجی آمریکا با توماس فریدمن متفاوت است ـ م