По-горе въведох Том У., за да илюстрирам предсказанията за отделни резултати, като например специалността или успеха в даден изпит, които се изразяват чрез приписването на вероятност на определено събитие (или в този случай чрез класирането на резултатите от най-вероятния до най-малко вероятния). Освен това описах една процедура, която парира често срещаните деформации на отделното предсказване: пренебрегването на базовите пропорции и липсата на чувствителност към качеството на информацията. Деформациите, които откриваме в предсказанията, които се изразяват в някаква скала, като например общия успех в учението или доходите на дадена фирма, приличат на деформациите, наблюдавани при оценяването на вероятностите за следствия. Сходни са и коригиращите процедури:
И двете съдържат изходно предсказание, което бихте направили, ако не знаехте нищо за конкретния случай. В цифровия случай това е средният резултат в релевантната категория.
И двете съдържат интуитивно предсказание, което изразява числото, което ви хрумва, независимо дали това е вероятност или общ успех в учението.
Ив двата случая се стремите да постигнете прогноза, която е средната стойност между изходната позиция и вашия интуитивен отговор.
При липсата на полезни данни оставате на изходната позиция.
В другата крайност също оставате при първоначалното си предсказание. Това ще се случи, естествено, само ако останете напълно уверени в първоначалното си предсказание, след като критично сте разгледали данните, които го подкрепят.
В повечето случаи ще откриете известно основание за съмнение, че корелацията между интуитивната ви оценка и истината е пълна, и ще свършите някъде между двата полюса.
Тази процедура е приближение на вероятните резултати от един приблизителен статистически анализ. Ако е успешна, тя ще ви доведе до недеформирани прогнози, разумни оценки на вероятността и умерени предсказания за цифрови резултати. Двете процедури са насочени към една и съща деформация: интуитивните предсказания носят тенденцията да са прекалено уверени и прекалено крайни. Коригирането на нашите интуитивни предсказания е задача за Система 2. Изисква се значително усилие, за да намерим релевантната референтна категория, да оценим изходното предсказание и да преценим качеството на данните. Усилието е оправдано единствено когато залогът е висок и когато имаме особено силно желание да не допуснем грешки. Освен това би трябвало да знаем, че коригирането на нашите интуиции може да усложни живота ни. Характерна особеност на недеформираните предсказания е, че те позволяват предсказване на редки или крайни събития само когато информацията е много добра. Ако очакваме предсказанията ни да имат умерено значение, никога няма да предположим резултат, който е или рядък, или далеч от средното. Ако предсказанията ни са недеформирани, никога няма да изпитаме удовлетворяващото усещане, че вярно сме предсказали един краен случай. Никога няма да сме способни да кажем: „Така си мислех!" когато най-добрият ни студент от правния факултет стане върховен съдия или когато нова компания, за която сме мислели, че е обещаваща, се превърне в значителен търговски успех. Като приемем ограниченията на данните, никога няма да предскажем, че един изпъкващ гимназист ще стане отличен студент в Принстън. Поради същата причина един инвеститор на венчър капитал никога няма да каже, че вероятността за успех на една нова компания в нейните начални етапи е „много висока“. Възраженията срещу принципа за смекчаване на интуитивните предсказания трябва да се приемат на сериозно, защото липсата на деформация невинаги е онова, което е най-важно. Предпочитанието към недеформирани прогнози е оправдано, ако всички грешки в предсказанието се третират еднакво, независимо от тяхната посока. Има обаче ситуации, в които един тип грешки е много по-лош от друг. Когато един инвеститор на венчър капитал търси „следващия голям удар“, рискът да пропусне следващия „Гугъл“ или „Фейсбук“ е далеч по-важен, отколкото рискът да направи умерена инвестиция в нова компания, която в крайна сметка ще се провали. Целта на венчър капиталистите е да определят вярно крайните случаи, дори с цената на надценяването на перспективите на много други рискови капитали. За един консервативен банкер, който дава големи заеми, рискът от един-единствен взел заем клиент, който банкрутира, може да е по-тежък от риска да отхвърли няколко евентуални клиента, които биха си изпълнявали задълженията. В подобни случаи употребата на краен език („много добра перспектива“, „сериозен риск от провал“) може да има известно оправдание заради удобството, което предлага, дори ако информацията, на която се базират тези оценки, има само умерена валидност. За рационалния човек прогнозите, които са недеформирани и умерени, не би трябвало да представляват проблем. В края на краищата рационалният инвеститор на венчър капитал знае, че дори и най-обещаващите нови компании имат само умерен шанс за успех. Той вижда своята работа като избиране на най-обещаващите облози от облозите, които са налични, и не изпитва нужда да се заблуждава относно перспективите на една нова компания, в която планира да инвестира. По подобен начин и рационалните хора, предсказвайки доходите от дадена компания, не бива да се ограничават с едно отделно число – те би трябвало да разгледат целия спектър от несигурност относно най-вероятния резултат. Един рационален човек ще инвестира голяма сума в предприятие, което е най-вероятно да се провали, ако изгодите при успех са достатъчно големи, без да се заблуждава относно шансовете за успех. Обаче не всички сме рационални, а някои от нас се нуждаят от сигурността на изопачените оценки, за да избягнат парализа. Ако изберете да се заблуждавате, като приемете крайни предсказания обаче, ще направите добре, ако продължите да съзнавате, че си угаждате. Вероятно най-голямата полза от коригиращите процедури, които предлагам, се състои в това, че те ще ви накарат да мислите за това колко знаете. Ще използвам един пример, който е познат в академичния свят, но аналогиите с други сфери от живота изникват незабавно. Една катедрата се готви да назначи млад професор и иска да избере онзи, чиито перспективи за научна продуктивност са най-добри. Избиращият комитет е стеснил избора си до две кандидатури: Ким наскоро е приключила дипломната си работа. Нейните препоръки са изключително впечатляващи и тя е провела блестящи събеседвания и е впечатлила всички. Тя няма съществени свидетелства за научна продуктивност.
Джейн е заемала постдокторско място през последните три години. Тя е била много продуктивна и изследователското ѝ досие е блестящо, но събеседванията ѝ са били по-малко блестящи от тези на Ким. Интуитивният избор е в полза на Ким, защото тя е оставила по-силно впечатление, а ОКВЕВКЕ. Но освен това има много по-малко информация за Ким, отколкото за Джейн. Връщаме се при закона на малките числа. Фактически имаме по-малка извадка с информация за Ким, отколкото за Джейн, а крайни резултати е много по-вероятно да се наблюдават в малките извадки. В резултатите от малки извадки има повече случайност и следователно трябва да върнем предсказанието си по-надолу към средното, когато предсказваме бъдещите постижения на Ким. Когато вземем предвид факта, че е вероятно Ким да регресира повече от Джейн, можем да свършим с това, че да изберем Джейн, макар че сме били по-малко впечатлени от нея. В контекста на академичните избори аз бих гласувал за Джейн, но щях да се боря да надделея над интуитивното си впечатление, че Ким е по-обещаваща. Да следваме интуициите си е по-естествено и някак по-приятно, отколкото да действаме срещу тях. Лесно можете да си представите сходни проблеми в различни контексти, например инвеститор на венчър капитал, избиращ в коя от две нови компании, работещи в различни пазари, да инвестира. Едната компания има продукт, чието търсене може да се оцени доста точно. Другата е по-вълнуваща и интуитивно обещаваща, но перспективите ѝ са по-малко сигурни. Дали най-доброто предположение за перспективите на втората компания ще продължи да бъде добро, когато се прибави несигурността като фактор, е въпрос, който заслужава внимателно обмисляне.