大数据可以预测 可靠性尚不确定

人类生活需要预测，但可靠性却实在不敢让人恭维，鲜有正确。这有人为因素，也有技术原因。
    比如“非样本错误”。假设有一位司机，驾龄30年，出行2万次，只发生过2次轻微的剐蹭事故。中秋节跟家人一起喝了很多酒，那么这位司机能否因为此前驾驶记录良好，就认为这次也不会出事故？显然这是错误的想法。因为2万次的出行记录都是无酒驾记录，这次喝多了，此前的记录已无任何统计学意义。或许觉得这样的低级错误预测专家能够避免才对，但其实不然。由美国引起的2008年全球金融危机，人类也就只有一两位预测到，而其他所有的美国评级机构、白宫智囊团、经济学家无一能预测出。究其原因，就是犯了这种“非样本”的预测错误。当情况有变，一味根据过去的记录做出预测，就只能得到错误的答案。
    很多人喜欢投资股市。身处牛市，投资者再外行恐怕也能多少赚点钱，但从牛市进入熊市，证券公司一般都是集体犯错。这更多的是人为因素。证券分析师出现错误判断很正常，但犯错一定要避免只有自己犯错，一起犯错就等于自己没犯错。比如有人分析出股市有一定概率要崩盘，最佳策略却是继续持有。这样股市崩盘了，由于绝大多数同行都不确定何时要崩盘，也都选择持有战略，集体犯错，并不会显出自己水平低。但如果贸然卖掉股票，短期股价却没有跌甚至涨了，就只能表明自己水平不够。
    震惊全球的"9·11"恐怖袭击事件让人感觉很突然，其实美国情报机构差点识破这一重大阴谋。2001年8月16日，穆萨维，一名宗教极端主义者被逮捕了。他只进行了飞行培训50个小时，却要求参加波音747客机的模拟训练。这很诡异，因此被人举报。事后看这个事情，信号很清晰，有恐怖分子要用飞机炸大楼。在当时，这个信号却被掩盖在几十万条诸如此类的众多噪声中，并不突出，或许他只是个飞行爱好者呢。有信号，更有噪声，使得预测非常困难。
    以上种种因素导致人类预测不甚准确；但还是有办法使得预测更加接近真相，那就是借助贝叶斯定理。这条概率学定理已产生二百多年，是用条件概率推理问题，揭示人们对概率信息的认知加工过程与规律、指导人们进行有效的学习和判断决策。比如一位女性的乳房X光片显示阳性，那么她患乳腺癌的概率会是多少？已有的统计数据显示，如果一位女性未患乳腺癌，X光片呈阳性的概率为10%；如果确实患有乳腺癌，X光片阳性概率为75%；因此X光片呈阳性，一般人会认为事情很严重。但如果用贝叶斯定理来分析，她患乳腺癌的概率只有10%，因为40多岁的女性，患乳腺癌概率很低，只有1.4%，也就是说先验概率很低。
    大数据时代，虽然信息量爆增，但信号与噪声并存，要做出正确的预测并不比以前容易，甚至更难。《信号与噪声》一书告诉我们，如果以贝叶斯定理为基础，努力了解事情的因果关系，避免一些不该犯的人为或技术错误，预测准确率都会提高很多。