本書以「預測」為核心，把資訊、科技、科學進步、自由市場與人類認知放在同一張地圖上，探討為什麼有些預測成功、有些慘敗，以及我們如何在資訊爆炸的時代學會分辨訊號與雜訊。

資訊愈多，問題愈多#

人類最早一次的資訊技術革命，不是來自微晶片，而是古騰堡（Johannes Gutenberg）在 1440 年發明的活字印刷術。

• 印刷術之前，書籍由抄寫員手工複製，五頁約值一枚弗羅林金幣（約等於今日 200 美元），一本書動輒兩萬美元，且充滿反覆抄錄造成的訛誤。
• 知識的累積近乎徒勞——書籍腐朽的速度往往比抄寫的速度更快，正如《傳道書》所言「日光之下並無新事」，許多智慧只是被遺忘。
• 印刷術讓書本成本驟降約三百倍，從歐洲一城傳至另一城；發明後第一個世紀，書籍產量增加了約三十倍。

印刷術帶來的並非立刻是啟蒙，而是一場長達三百多年的混亂。

從 1524 年的德國農民戰爭、三十年戰爭，到法國宗教戰爭、英格蘭內戰，宗教改革讓歐洲血流成河。馬丁路德（Martin Luther）的《九十五條論綱》之所以引爆動盪，並非觀點原創，而是因為它在古騰堡印刷機下被複製了至少三十萬份。

席佛（Nate Silver）借用莎士比亞《凱撒大帝》中的場景指出：凱撒對種種徵兆（他稱之為「預測」）視而不見，正反映了人類面對巨量資訊時的本能——選擇性閱讀、確認偏誤，把雜訊當成訊號。

• 印刷術也悄悄改變了「預測」這個詞的內涵。
• 在莎士比亞時代，predict（預言） 來自拉丁文，帶有占卜、宿命的意味；forecast（預測） 則源自日耳曼語，意味著在不確定下審慎規劃。
• 後者契合新教倫理——馬克斯・韋伯（Max Weber）認為，這種勤勉、遠見的世俗精神催生了資本主義與工業革命。

生產力悖論#

資訊爆炸並不必然帶來進步，特別是當我們處理資訊的能力跟不上資訊增長速度時。

• 工業革命之前，人類經濟成長率長期維持在每年約 0.1%，僅夠維持人口微增，並無生活水準的提升。
• 印刷術帶來的紅利，足足等了 330 年才在工業革命中爆發。
• 1970 年代電腦進入學界與實驗室後，又出現一段「生產力悖論」期。

經濟學家梭羅（Robert Solow）在 1987 年留下名言：「電腦時代隨處可見，唯獨在生產力統計中看不見。」

1969 至 1982 年間，美國經歷了四次衰退；1971 年甚至有人宣稱十年內可預測地震，四十年過去仍不可得。

席佛以「研究投入 / 專利申請數」作為科學生產力的指標：

• 1960 年代，每件美國專利約耗費 150 萬美元（已調整通膨）。
• 進入資訊時代後反而上升，1986 年達到約 300 萬美元的高峰。
• 1990 年代起，當人們對新科技抱持更務實的期待，這個比值才再度下降。

預測的故事常常是「長期進步、短期退步」。

許多事在長時間尺度上看似可預測，實際執行時卻屢屢落空。

「大數據」的承諾與陷阱#

當代版本的同一個問題，叫做「大數據（Big Data）」。

• IBM 估計人類每天產出 2.5 quintillion（10^18）位元組的資料，其中超過九成是過去兩年產生的。
• 《Wired》前主編克里斯・安德森（Chris Anderson）2008 年甚至宣稱資料量本身將取代理論與科學方法。

席佛認為這種樂觀論「嚴重錯誤」。

數字不會自己說話，是我們在替它們說話、賦予意義；當我們否認自身在預測中的角色時，失敗的機率才會飆升。

席佛以自身經歷說明：

• 2003 年他設計的棒球預測系統 PECOTA，採用機率式預測，輸出每位球員的可能表現區間。
• 2008 年他創立 FiveThirtyEight，正確預測了 50 州中 49 州的總統選舉結果，以及全部 35 場參議員選舉。
• 即便如此，他坦言自己「選戰選得好」、「曾犯下本書描述的多數錯誤」，棒球之所以能預測得好，是「特別豐富、特別具啟示性的例外」。

預測表現好的領域中，他特別點名：

• 棒球統計（Sabermetrics）與球探的合作。
• 氣象預測——颶風登陸位置的精度比 25 年前提升了三倍。
• 撲克玩家、運動下注者、IBM 深藍等程式設計師。

但他同時列出更長的失敗清單：

• 911 與珍珠港：訊號都在，只是沒有正確的理論去拼起來，恐攻成了「未知的未知（unknown unknown）」。
• 2008 金融危機：對模型的盲目信任、對假設脆弱性的忽視。
• 總統選舉：政治科學家在 2000 年預測高爾大勝 11 點，結果輸給小布希。
• 地震：福島核電廠以 8.6 級為設計上限，2011 年來了 9.1 級。
• 生醫研究：Ioannidis 2005 年論文〈為何多數已發表研究結論是錯的〉，後來被拜耳實驗室證實——他們無法重現約三分之二的醫學期刊正向結論。

為什麼未來令我們震驚#

我們在生物學上仍是石器時代的獵人。

MIT 神經科學家波吉歐（Tomaso Poggio）指出，人類遠勝其他動物的能力是「辨識模式」——但這項本能在資料雜訊中往往會「看見不存在的模式」。

• 人腦約能儲存 3 TB 的資訊，僅佔 IBM 估計每日新生資料量的百萬分之一，因此我們必須極度選擇性地記憶。
• 杜佛勒（Alvin Toffler）在 1970 年的《未來的衝擊》中已預言：面對「資訊過載」，人們會用簡化世界、強化偏見的方式自保。
• 印刷術後的歐洲走向宗派分裂；今日的網際網路與政治極化，重演相同戲碼。
• 一份《Nature》研究發現，黨派立場越強的選民，對全球暖化議題了解越多，反而越無法達成共識。

雜訊增長的速度，遠快於訊號。

每天 2.5 quintillion 位元組的資料中，「客觀真實的數量」幾乎不變；複雜系統一旦失敗，會像 2008 年的信評模型一樣，把整個全球金融體系拖下水。

預測即解方#

預測是本書的核心問題，也是它的解方。

• 我們每天都在做預測：選擇上班路線、是否再赴一次約、為雨天存錢——只是常常未察覺。
• 因此，預測不是一小群專家的工作，而是社會共同的課題；嘲笑專家失敗，並不能讓我們自己變得更準。
• 預測在科學中佔有特殊地位：哲學家波柏（Karl Popper）主張，可被預測檢證的命題才稱得上是科學的。

席佛並不採取虛無主義立場。

他認為「相信客觀真理存在、並承諾追求之」是做出更好預測的第一步；下一步則是承認自己對真理的感知必定有偏差。

本書的轉折點，是貝氏定理（Bayes’s theorem）：

• 表面上是個機率公式，實質是一種思考態度。
• 它要求我們重新看待自身的信念與假設，並在新證據出現時更新它們。
• 我們必須學會與機率與不確定性共處，主動檢視帶進問題裡的先驗。

全書地圖#

全書依「先診斷、後解方」的順序鋪陳：

• 第 1–3 章：金融危機、棒球、政治預測——一些常見成敗案例。
• 第 4–7 章：氣象、地震、總體經濟、傳染病等動態系統，預測為何特別困難。
• 第 8–10 章：透過貝氏定理，以及運動投注、西洋棋、撲克等規則明確的「實驗室」，呈現解方雛型。
• 第 11–13 章：把貝氏思維延伸到全球暖化、恐怖主義、金融泡沫等更巨大、更難測的問題。

席佛最後寫道：「訊號是真理；雜訊是讓我們偏離真理的東西。這是一本關於訊號與雜訊的書。」