مردم در مهمانی‌های کوکتل همیشه از من راهنمایی می‌خواهند و سپس می‌خواهند بدانند پیش‌بینی‌های من چگونه بوده است. درخواست های آنها این تصور رایج اما اساساً اشتباه را نشان می دهد که پیش بینی ها پیش بینی می کنند. البته این کار را نمی‌کنیم: پیش‌بینی فقط در دنیایی امکان‌پذیر است که در آن رویدادها از پیش تعیین شده‌اند و هیچ اقدامی در زمان حال نمی‌تواند بر نتایج آینده تأثیر بگذارد. آن دنیا مایه افسانه و خرافات است. جایی که ما در آن زندگی می کنیم کاملاً متفاوت است – چیز کمی قطعی است، هیچ چیز از پیش تعیین شده نیست، و آنچه در زمان حال انجام می دهیم بر چگونگی رخ دادن رویدادها، اغلب به شیوه های غیرمنتظره و مهم تأثیر می گذارد.

نقش پیش بینی کننده در دنیای واقعی کاملاً با بیننده اسطوره ای متفاوت است. پیش بینی مربوط به قطعیت آینده است. پیش‌بینی به این می‌پردازد که چگونه جریان‌های پنهان در حال حاضر سیگنال‌های احتمالی تغییر جهت را برای شرکت‌ها، جوامع یا جهان به طور کلی می‌دهند. بنابراین، هدف اولیه پیش‌بینی، شناسایی طیف کامل احتمالات است، نه مجموعه‌ای محدود از قطعیت‌های واهی. اینکه آیا یک پیش‌بینی خاص واقعاً درست از آب در می‌آید، تنها بخشی از تصویر است – حتی یک ساعت شکسته دو بار در روز درست است. مهمتر از همه، وظیفه پیش بینی ترسیم عدم قطعیت است، زیرا در جهانی که اعمال ما در حال حاضر بر آینده تأثیر می گذارد، عدم اطمینان فرصت است.

برخلاف یک پیش‌بینی، یک پیش‌بینی باید منطقی برای خود داشته باشد. این چیزی است که پیش بینی را از قلمرو تاریک خرافات خارج می کند. پیش بینی کننده باید بتواند این منطق را بیان و از آن دفاع کند. علاوه بر این، مصرف‌کننده پیش‌بینی باید به اندازه کافی از فرآیند و منطق پیش‌بینی درک کند تا ارزیابی مستقلی از کیفیت آن انجام دهد – و فرصت‌ها و ریسک‌هایی را که ارائه می‌دهد به درستی حسابرسی کند. مصرف کننده عاقل پیش بینی یک نظاره گر قابل اعتماد نیست، بلکه یک شرکت کننده و بالاتر از همه، یک منتقد است.

حتی پس از اینکه پیش بینی کنندگان خود را از بینندگان و پیامبران جدا کردید، باز هم وظیفه تشخیص پیش بینی های خوب از بد را دارید و اینجاست که این مقاله وارد می شود. در صفحات بعدی سعی می کنم روند پیش بینی را اسطوره زدایی کنم تا بتوانید به جای جذب کننده غیرفعال، به مصرف کننده پیچیده تر و مشارکتی پیش بینی ها تبدیل شوید. من مجموعه‌ای از قوانین ساده و عامیانه را ارائه می‌دهم که می‌توانید هنگام شروع یک سفر اکتشافی با پیش‌بینی‌کنندگان حرفه‌ای از آنها استفاده کنید. از همه مهمتر، امیدوارم ابزارهایی را در اختیار شما قرار دهم تا پیش بینی ها را برای خودتان ارزیابی کنید.

قانون 1: مخروط عدم قطعیت را تعریف کنید

به عنوان یک تصمیم گیرنده، در نهایت باید به شهود و قضاوت خود تکیه کنید. هیچ راه حلی در دنیای عدم اطمینان وجود ندارد. اما پیش‌بینی مؤثر زمینه‌ای ضروری را فراهم می‌کند که به شهود شما اطلاع می‌دهد. با آشکار کردن احتمالات نادیده گرفته شده و افشای فرضیات بررسی نشده در مورد نتایج مورد انتظار، درک شما را گسترش می دهد. در عین حال، فضای تصمیم گیری را که در آن باید شهود خود را اعمال کنید، محدود می کند.

من این فرآیند را به عنوان نقشه برداری از مخروط عدم قطعیت تجسم می کنم، ابزاری است که من برای ترسیم احتمالاتی که از یک لحظه یا رویداد خاص گسترش می یابد استفاده می کنم. وظیفه پیش بینی کننده این است که مخروط را به گونه ای تعریف کند که به تصمیم گیرنده کمک کند قضاوت استراتژیک خود را اعمال کند. عوامل زیادی در تعیین مخروط عدم قطعیت نقش دارند، اما مهمترین آنها تعریف وسعت آن است که معیاری برای عدم قطعیت کلی است. عوامل دیگر – به عنوان مثال، روابط بین عناصر و رتبه بندی نتایج احتمالی – باید در تهیه یک پیش بینی در نظر گرفته شوند، اما تعیین وسعت مخروط اولین گام بسیار مهم است. تصور کنید سال 1997 است، تویوتا پریوس به تازگی در ژاپن به فروش رسیده است و شما در حال پیش بینی آینده بازار خودروهای هیبریدی در ایالات متحده هستید. عوامل خارجی که باید در نظر گرفته شوند، روند قیمت نفت و نگرش مصرف کنندگان در مورد محیط زیست است. و همچنین عوامل کلی تری مانند روندهای اقتصادی. در داخل مخروط عواملی مانند ظهور احتمالی فناوری‌های رقیب (مثلاً سلول‌های سوختی) و افزایش ترجیح مصرف‌کنندگان برای خودروهای کوچک (مانند مینی) وجود دارد. در لبه مخروط، کارت های وحشی مانند حمله تروریستی یا جنگ در خاورمیانه وجود دارد. اینها فقط چند نمونه بسیار معدودی هستند. (برای اطلاعات بیشتر در مورد این فرآیند، به نمایشگاه “نقشه برداری از مخروط عدم قطعیت” مراجعه کنید.)

نقشه برداری از مخروط عدم قطعیت

کشیدن یک مخروط خیلی باریک بدتر از کشیدن بیش از حد آن است. یک مخروط پهن شما را با عدم قطعیت زیادی مواجه می‌کند، اما عدم اطمینان یک دوست است، زیرا همنوعش فرصت است – همانطور که هر بیمه‌گر خوب می‌داند. مخروط را می توان در اصلاحات بعدی باریک کرد. در واقع، پیش‌بینی خوب همیشه یک فرآیند تکراری است. تعریف مخروط به طور گسترده در ابتدا ظرفیت شما را برای ایجاد فرضیه در مورد نتایج و پاسخ های نهایی به حداکثر می رساند. در مقابل، مخروطی که خیلی باریک است، شما را برای غافلگیری های ناخوشایند قابل اجتناب باز می گذارد. بدتر از آن، ممکن است باعث شود مهم ترین فرصت های موجود در افق خود را از دست بدهید.

هنر تعریف لبه مخروط در تمایز دقیق بین بسیار غیرممکن و غیرممکن است. موارد پرت – به طور مختلف، کارتهای وحشی یا شگفتی – چیزی است که این لبه را مشخص می کند. یک مرز خوب، مرزی است که از عناصری تشکیل شده باشد که روی لبه ناهموار باورپذیری قرار دارند. آنها نتایجی هستند که ممکن است به طور قابل تصوری اتفاق بیفتند، اما حتی فکر کردن را برای فرد ناراحت می کنند.

رایج‌ترین مواردی که در نظر گرفته می‌شوند، کارت‌های وحشی هستند. اینها روندها یا رویدادهایی هستند که احتمال وقوع آنها کم است (زیر 10٪) یا احتمالاتی هستند که شما به سادگی نمی توانید کمیت کنید، اما اگر رویدادها اتفاق بیفتند، تأثیر نامتناسب زیادی خواهند داشت. مثال مورد علاقه من از کارت وحشی، چون احتمال آن بسیار نامشخص و تأثیر آن بسیار زیاد است، یافتن شواهد رادیویی از حیات هوشمند در جایی دیگر در جهان است. هیچ کس نمی داند که آیا ما هرگز پیامی دریافت خواهیم کرد (اخترشناسان رادیویی از اواخر دهه 1950 به آن گوش می دهند)، اما اگر دریافت کنیم، لرزش گسترده و غیرقابل پیش بینی را از طریق زیتگیست ارسال می کند. یک سوم جمعیت جهان احتمالاً هوش های دوردست را می پرستند، یک سوم می خواهند آنها را تسخیر کنند.

بخش مشکل در مورد کارت های وحشی این است که تشخیص احتمالات به اندازه کافی عجیب و غریب بدون از دست دادن مخاطبان خود دشوار است. مشکل – و ماهیت چیزی که پیش‌بینی را سخت می‌کند – این است که طبیعت انسان به سختی از عدم قطعیت متنفر است. ما مجذوب تغییر هستیم، اما در تلاش خود برای اجتناب از عدم قطعیت، یا به طور کامل موارد پرت را نادیده می گیریم یا سعی می کنیم آنها را به یقینی تبدیل کنیم که نیستند. این همان چیزی است که با مشکل Y2K در سالهای پایانی قبل از 1 ژانویه 2000 اتفاق افتاد. نظرات به صورت افراطی جمع شدند، گروهی پیش بینی فاجعه را رد کردند و گروهی دیگر منابع بقا را تهیه کردند. وضعیت صحیح نسبت به Y2K این بود که این یک کارت وحشی بود – رویدادی با تأثیر بالقوه بالا اما احتمال وقوع بسیار کم، به لطف سال ها تلاش سخت توسط لشکر برنامه نویسان برای اصلاح کدهای قدیمی.

نتیجه رویداد Y2K این بود که بسیاری از مردم به این نتیجه رسیدند که قربانی گریه شخصی گرگ Y2K شده‌اند و متعاقباً احتمال وقوع کارت‌های وحشی دیگر را رد کردند. در نظر گرفتن هر چیز بعید تبدیل به مد نشد، و در نتیجه، 11 سپتامبر غافلگیری بسیار بزرگتر از آنچه باید بود بود. از این گذشته، هواپیماهای مسافربری که در بناهای تاریخی پرواز می‌کردند، مواد رمان‌های تام کلنسی در دهه 1990 بودند (من با الهام از کلنسی، در نوشتن سناریویی برای نیروی هوایی ایالات متحده در سال 1997 کمک کردم که با پرواز هواپیما به پنتاگون باز شد) و به طور گسترده‌ای منتشر شد. می‌دانستیم که تروریست‌ها نسبت به مرکز تجارت جهانی یک ضدیت شخصی داشتند. با این حال، افراد معدودی که این کارت وحشی را جدی گرفتند، توسط کسانی که باید به دقت توجه می کردند، اخراج شدند.

طبیعت بشر همان طور که هست، ما به همان اندازه احتمال دارد که با دیدن کارت های وحشی جدید در همه جا نسبت به یک کارت وحشی غیرمنتظره واکنش بیش از حد نشان دهیم. این یک خطر است زیرا می تواند شما را به کشیدن یک مخروط توخالی سوق دهد – مخروطی که در لبه با نقاط پرت حواس پرت و در مرکز احتمالات نادیده گرفته شده است. بنابراین روی لبه به استثنای مرکز تمرکز نکنید، در غیر این صورت از یک اطمینان نادیده گرفته شده شگفت زده خواهید شد. مهمتر از همه، سؤالات سختی در مورد اینکه آیا یک کارت به ظاهر وحشی در واقع سزاوار این است که به مرکز نزدیکتر شود، بپرسید.

قانون 2: به دنبال منحنی S باشید

تغییر به ندرت در یک خط مستقیم آشکار می شود. مهم‌ترین پیشرفت‌ها معمولاً از شکل منحنی S یک قانون قدرت پیروی می‌کنند: تغییر به آرامی و تدریجی شروع می‌شود، بی‌صدا پیش می‌رود، و سپس ناگهان منفجر می‌شود، در نهایت کاهش می‌یابد و حتی پایین می‌آید.

مادر تمام منحنی های S در 50 سال گذشته، منحنی قانون مور است، نامی که به حدس درخشان گوردون مور در سال 1965 داده شد مبنی بر اینکه چگالی مدارهای یک ویفر سیلیکونی هر 18 ماه دو برابر می شود. همه ما می‌توانیم عواقب قانون مور را در شگفتی‌های عجیبی که انقلاب دیجیتال در اطراف ما می‌چرخد، احساس کنیم. البته، منحنی قانون مور هنوز در حال آشکار شدن است – این هنوز یک “J” است – و بالای “S” در هیچ کجا دیده نمی شود. اما در نهایت با توجه به چگالی مدار سیلیکونی صاف خواهد شد. با این حال، حتی در اینجا، مهندسان مطمئناً مواد حامل مدار متراکم‌تری (مانند مواد نانومقیاس و مواد بیولوژیکی) را با رسیدن هر ماده متوالی به حد اشباع جایگزین می‌کنند، بنابراین گسترده‌ترین شکل منحنی قانون مور (چگالی بدون توجه به ماده) برای برخی همچنان بالا می‌رود. زمان آمدن این تمایز یکی دیگر از ویژگی های مهم منحنی های S را نشان می دهد که ماهیت آنها فراکتال است. منحنی های بسیار بزرگ و با تعریف گسترده از منحنی های S کوچک، دقیقاً تعریف شده و مرتبط تشکیل شده اند. برای یک پیش بینی کننده، کشف یک منحنی S اضطراری باید شما را به یک منحنی بزرگتر و مهم تر که در پس زمینه پنهان شده است، سوق دهد. منحنی بزرگتر را از دست ندهید و استراتژی شما ممکن است به معنای ایستادن بر روی یک نهنگ، ماهیگیری برای مینا باشد.

هنر پیش‌بینی این است که یک الگوی منحنی S را با شروع ظهور، بسیار جلوتر از نقطه عطف، شناسایی کنیم. بخش دشوار منحنی‌های S این است که ناگزیر ما را به تمرکز روی نقطه عطف دعوت می‌کنند، آن لحظه دراماتیک از برخاستن زمانی که ثروت‌ها ساخته می‌شوند و انقلاب‌ها به راه می‌افتند. اما پیش بینی عاقل به امید شناسایی پیش سازهای اجتناب ناپذیر نقطه عطف به سمت چپ منحنی نگاه خواهد کرد. سفر 1492 کلمب را در نظر بگیرید. کشف او در نقطه عطف اکتشاف غرب قرار می گیرد. کلمب اولین کاوشگر قرن پانزدهمی نبود که به دنیای جدید رفت – او اولین کسی بود که به دنیای جدید بازگشت و این کار را در لحظه ای انجام داد که کشف او مانند جرقه ای در فضای اقتصادی اروپای تازه ظهور فرود آمد. هزاران هزار سفر به سمت غرب آغاز کنید. با توجه به سفرهای قبلی و کمتر موفق،

از قضا، پیش‌بینی‌کنندگان می‌توانند در مورد پیش‌بینی نقاط عطف بدتر از ناظران عادی عمل کنند. مردم عادی وقتی نقطه عطف ظاهراً از ناکجاآباد می‌رسد شگفت‌زده می‌شوند، اما مبتکران و پیش‌بینی‌کنندگان بالقوه که ابتدای خط صاف منحنی S را نگاه می‌کنند، اغلب سرعت رسیدن به نقطه عطف را اشتباه محاسبه می‌کنند. همانطور که روی آمارا آینده پژوه سه دهه پیش به من اشاره کرد، تمایل به دست کم گرفتن کوتاه مدت و دست کم گرفتن بلندمدت وجود دارد. امیدهای ما باعث می شود به این نتیجه برسیم که انقلاب یک شبه فرا می رسد. سپس، زمانی که واقعیت سرد نتواند با انتظارات متورم ما منطبق شود، ناامیدی ما را به این نتیجه می‌رساند که انقلاب مورد امید هرگز به پایان نخواهد رسید – درست قبل از آن.

یکی از دلایل محاسبات اشتباه این است که قسمت سمت چپ منحنی S بسیار طولانی تر از آن چیزی است که اکثر مردم تصور می کنند. تلویزیون 20 سال طول کشید، بعلاوه زمانی برای جنگ، تا از اختراع در دهه 1930 به اوایل دهه 1950 برخاست. حتی در آن کانون تغییرات سریع، دره سیلیکون، اکثر ایده ها 20 سال طول می کشد تا یک شبه به موفقیت تبدیل شوند. اینترنت در سال 1988 تقریباً 20 سال از عمرش می گذشت، سالی که دوره دراماتیک خود را تا فوران دات کام دهه 1990 آغاز کرد. بنابراین با شناسایی منشاء و شکل سمت چپ منحنی S، همیشه مطمئن‌تر هستید که رویدادها به آرامی رخ می‌دهند تا اینکه نتیجه بگیرید که یک جابجایی ناگهانی در باد است. بهترین توصیه ای که تا به حال به من داده شده توسط یک دامدار بود که من را به یاد خرده ای قدیمی می اندازد: “پسرم، هرگز یک منظره واضح را با فاصله کوتاه اشتباه نکن.”

هنگامی که یک نقطه عطف می رسد، مردم معمولاً سرعت رخ دادن تغییر را دست کم می گیرند. واقعیت این است که همه ما ذاتاً متفکران خطی هستیم و پدیده‌هایی که توسط رشد ناگهانی و تصاعدی قوانین قدرت اداره می‌شوند، بارها و بارها ما را غافلگیر می‌کنند. حتی اگر متوجه شروع یک تغییر شویم، به طور غریزی یک خط مستقیم را به صورت مورب در منحنی S رسم می کنیم، و اگرچه در نهایت به همان نقطه می رسیم، هم تاخیر در شروع و هم رشد انفجاری در وسط را از دست می دهیم. البته زمان‌بندی همه چیز است، و سیلیکون ولی مملو از اجساد شرکت‌هایی است که یک منظره واضح را برای فاصله کوتاهی اشتباه گرفته‌اند و دیگرانی که بزرگی منحنی S را که در آن اتفاق افتاده به اشتباه ارزیابی کرده‌اند.

همچنین انتظار داشته باشید که فرصت‌ها بسیار متفاوت از فرصت‌هایی باشند که اکثریت پیش‌بینی می‌کنند، زیرا حتی مورد انتظارترین آینده‌ها نیز به روش‌های کاملاً غیرمنتظره‌ای از راه می‌رسند. به عنوان مثال، در اوایل دهه 1980، سازندگان رایانه شخصی پیش بینی کردند که هر خانه ای به زودی یک رایانه شخصی خواهد داشت که مردم با استفاده از آن، پردازش کلمه را انجام می دهند و از صفحات گسترده استفاده می کنند یا بعداً دایره المعارف ها را روی سی دی می خوانند. اما زمانی که استفاده از رایانه خانگی در نهایت به وجود آمد، به دلیل سرگرمی بود، نه کار، و زمانی که مردم بالاخره یک دهه پس از اینکه سازندگان رایانه شخصی گفتند که این کار را انجام می دهند، دایره المعارف ها را روی صفحه مشاهده کردند، دایره المعارف ها آنلاین بودند. شرکت‌هایی که دایره‌المعارف‌های خود را فقط بر روی سی‌دی می‌فروشند، به سرعت از کار افتادند.

قانون 3: چیزهایی را که مناسب نیستند بپذیرید

ویلیام گیبسون، رمان‌نویس، زمانی مشاهده کرد: «آینده از قبل فرا رسیده است. فقط هنوز به طور مساوی توزیع نشده است.» خط پیشروی یک منحنی S در حال ظهور مانند ریسمانی است که از آینده آویزان است، و رویداد عجیبی که نمی توانید از ذهن خود خارج کنید می تواند سیگنال ضعیفی از یک منحنی S در صنعت دوردست باشد که تازه شروع به افزایش می کند. تکانه.

کل بخش منحنی S در سمت چپ نقطه عطف با نشانگرها هموار شده است – نشانگرهای ظریفی که وقتی جمع شوند به نکات قدرتمندی از چیزهای آینده تبدیل می شوند. بهترین راه برای پیش‌بینی‌کنندگان برای تشخیص منحنی S در حال ظهور، هماهنگی با چیزهایی است که مناسب نیستند، چیزهایی که مردم نمی‌توانند طبقه‌بندی کنند یا حتی رد خواهند کرد. به دلیل تنفر از عدم قطعیت و مشغله‌ی ذهنی‌مان با زمان حال، تمایل داریم شاخص‌هایی را که در جعبه‌های آشنا قرار نمی‌گیرند نادیده بگیریم. اما طبق تعریف، هر چیزی که واقعاً جدید باشد، در مقوله‌ای که قبلاً وجود دارد، نمی‌ گنجد.

یک نمونه کلاسیک اولین فروش شخصیت ها و اشیاء درون بازی از بازی آنلاین EverQuest در eBay در اواخر دهه 1990 است. اگرچه eBay این فروش ها را در سال 2001 ممنوع کرد، آنها رشد انفجاری اخیر تجارت در Second Life، دنیای مجازی آزمایشگاه لیندن را پیش بینی کردند که در آن اعضا آواتارهای سه بعدی (دیگر ایگوهای دیجیتال) ایجاد می کنند. از طریق آواتارها، اعضا درگیر فعالیت‌های اجتماعی، از جمله ایجاد و فروش اشیاء درون دنیا با واحد پولی (دلار لیند) هستند که می‌توان آن‌ها را از طرق مختلف با دلار واقعی مبادله کرد. امروزه تقریباً 12 میلیون مشترک در شبیه‌سازی‌های دنیای مجازی مانند Second Life شرکت می‌کنند و تأثیر آن‌ها به دلار واقعی قابل اندازه‌گیری است. تراکنش های واقعی مرتبط با Second Life و سایر شبیه سازی های آنلاین در حال حاضر (به طور محافظه کارانه) بیش از 1 میلیارد دلار در سال تخمین زده می شود.

اغلب اوقات، شاخص‌ها مانند کنجکاوی‌های عجیب و غریب یا بدتر از آن، شکست به نظر می‌رسند، و همانطور که از عدم قطعیت خوشمان نمی‌آید، از شکست‌ها و ناهنجاری‌ها دوری می‌کنیم. اما اگر می‌خواهید در سال‌های آینده به دنبال چیزی بگردید که قرار است در سال‌های آینده بی‌سابقه به شما سوت بزند و کسب‌وکارتان را تغییر دهد، به دنبال شکست‌های جالب باشید—ایده‌های هوشمندانه‌ای که به نظر می‌رسد به جایی نرسیده‌اند.

بیایید به زندگی دوم برگردیم. اولین پیشینه گرافیکی آن Habitat بود، یک محیط آنلاین که توسط Lucasfilm Games در سال 1985 توسعه یافت. اگرچه MUD های غیر گرافیکی (ابعاد چند کاربره) در آن زمان موفقیت بزرگی بودند، Habitat به سرعت ناپدید شد، همانطور که مجموعه ای از MUD های گرافیکی دیگر در دهه 1980 توسعه یافتند. و دهه 1990 سپس در اواخر دهه 1990، زمانی که بازی‌های آنلاین چندنفره مانند EverQuest و Ultima شروع به کار کردند، موج تغییر کرد. زمان زیادی بود که منحنی S که با Habitat شروع شده بود، برای محیط های اجتماعی و همچنین برای بازی ها افزایش یابد. بنیانگذاران آزمایشگاه لیندن با دومین لایف در زمان مناسب و با دید درست وارد صحنه شدند – که مالکیت دارایی راز موفقیت بود. (سونی این نکته مهم را از دست داد و اصرار داشت که همه چیز در EverQuest، از جمله اشیاء ایجاد شده توسط کاربر،

همانطور که مثال Second Life نشان می دهد، شاخص ها به صورت خوشه ای آمده اند. در اینجا یک مثال خوب دیگر است. برخی از خوانندگان هجوم اخبار پیرامون دو چالش بزرگ DARPA را به یاد می آورند که در آن مخترعان و محققان توسط وزارت دفاع ایالات متحده دعوت شدند تا ربات هایی را طراحی کنند که می توانند در یک مسابقه به طول 100 مایل در سراسر صحرای موهاوی رقابت کنند. اولین چالش بزرگ، که جایزه 1 میلیون دلاری را ارائه می کرد، در مارس 2004 برگزار شد. بیشتر ربات ها در دید خط شروع از بین رفتند و تنها یک ربات بیش از 7 مایل به مسیر رفت. هدف جاه طلبانه چالش به اندازه قله اورست دور به نظر می رسید. اما تنها 19 ماه بعد، در دومین چالش بزرگ، پنج ربات دوره را تکمیل کردند. به طور قابل توجهی، 19 ماه تقریباً یک دوره دو برابر شدن بر اساس قانون مور است.

تقریباً در همان زمان متوجه شدم که یک ربات کوچک جدید ناگهانی ظاهر می شود که بسیاری از مردم آن را به عنوان یک مد گذرا دیگر رد کردند. در مرکز این شوق، Roomba قرار داشت، یک جاروبرقی ارزان قیمت (200 تا 300 دلار) “هوشمند” به اندازه یک تابه پیتزا. چیزی که عجیب بود این بود که دوستان من با Roombas همانقدر مشتاق این ماشین‌ها بودند که نسبت به مک‌های اصلی ۱۲۸K خود علاقه داشتند – و به عنوان مهندس، هرگز علاقه‌ای به داشتن جاروبرقی نشان نداده بودند، حتی کمتر از آن هیجان‌زده شده بودند. عجیب تر از همه، آنها نام Roombas خود را گذاشتند، و وقتی با سازنده Roomba، iRobot بررسی کردم، متوجه شدم که در واقع دو سوم از صاحبان Roomba نام Roombas خود را گذاشته اند و یک سوم اعتراف کرده اند که Roombas خود را به تعطیلات با خود برده اند یا به آنجا رفته اند. خانه های دوستان برای نشان دادن آنها.

به تنهایی، این فقط یک داستان کنجکاو است، اما با توجه به موفقیت در چالش بزرگ، یکی دیگر از شاخص های قانع کننده است که نقطه عطف رباتیک در آینده ای نه چندان دور نهفته است. هنوز مشخص نیست که این انقلاب روباتی در حال نزدیک شدن به چه شکلی خواهد بود، اما شرط می بندم که با همان شگفتی و اشتیاق وحشیانه ای که ظهور رایانه شخصی در اوایل دهه 1980 و وب جهانی را استقبال کرد، از آن استقبال شود. در اواسط دهه 1990 اوه، و به دنبال این نباشید که این روبات ها ماشین های هوشمند چندوظیفه ای علمی تخیلی باشند. به احتمال زیاد، آن‌ها مانند Roomba خواهند بود، دستگاه‌های ساده‌تری که یک یا دو کار را به خوبی انجام می‌دهند یا صرفاً اشیای دوست داشتنی و دوست داشتنی هستند. یک شاخص: صاحبان Roomba امروزه حتی می توانند برای روبات های خود لباس بخرند!

قانون 4: نظرات قوی را ضعیف نگه دارید

یکی از بزرگ‌ترین اشتباهاتی که یک پیش‌بینی‌کننده – یا یک تصمیم‌گیرنده – می‌تواند مرتکب شود، تکیه بیش از حد بر یک اطلاعات به ظاهر قوی است، زیرا اتفاقاً نتیجه‌ای را که او قبلاً به آن رسیده است، تقویت می‌کند. این درس زمانی که 9 ناوشکن آمریکایی در غروب مه آلود 8 سپتامبر 1923 در سواحل کالیفرنیای مرکزی به گل نشستند، به طرز غم انگیزی تأکید شد.

کشتی های گمشده بخشی از DesRon 11 بودند، یک اسکادران 14 کشتی که از سانفرانسیسکو به سن دیگو حرکت می کرد. این اسکادران که عمدتاً به دلیل اتکای بیش از حد به ناوبری محاسباتی فرمانده گمراه شده بود، پیچ را به کانال سانتا باربارا زد و در عوض به روی صخره‌ها در Point Pedernales، چند مایلی شمال غربی رسید.

اسکادران در بیشتر سفر با حساب مرده حرکت کرده بود، اما با نزدیک شدن کشتی ها به کانال، فرمانده اسکادران یاتاقان ها را از ایستگاه هدایت رادیویی در نقطه آرگوئلو به دست آورد. یاتاقان، کشتی خود، دلفی را در شمال موقعیت محاسبه مرده خود قرار داد. فرمانده که متقاعد شده بود حساب مرده او دقیق است، داده های حامل را به گونه ای تفسیر کرد که موقعیت اشتباه او را تأیید کرد و دستور داد مسیر شدیدی به سمت ساحلی که به سرعت نزدیک می شد تغییر کند. نه کشتی مسیر فاجعه بار را دنبال کردند.

در همین حال، افسران عرشه در کندی ، یازدهمین قایق در سازند، از حساب مرده خود به این نتیجه رسیده بودند که در واقع از موقعیتی که دلفی داده بود، در شمال و به ساحل نزدیکتر بودند . کاپیتان مشکوک بود، اما شکی که افسران عرشه مطرح کردند برای او کافی بود تا شرط‌هایش را جبران کند. یک ساعت قبل از پیچ سرنوشت‌ساز، دستور تغییر مسیر داد که کشتی‌اش را چند صد یارد در غرب کشتی‌ها در مقابل آنها قرار داد و به کندی و سه ناوشکن عقب‌نشین اجازه داد تا از فاجعه جلوگیری کنند.

تفاوت اساسی بین پاسخ‌های دو کاپیتان این بود که کاپیتان دلفی به شواهدی که اطلاعات حسابرسی مرده‌اش را باطل می‌کرد و مخروط عدم قطعیت او را در همان لحظه‌ای که داده‌ها برای گسترش آن فریاد می‌زدند، نادیده گرفت. در مقابل، کاپیتان کندی به منابع متعدد اطلاعات ضعیف متناقض گوش داد و به این نتیجه رسید که موقعیت کشتی او بسیار کمتر از آنچه تصور می شد مطمئن است. او شرط های آنها را پوشش داد و بنابراین، کشتی را نجات داد.

در پیش‌بینی، مانند ناوبری، بسیاری از اطلاعات ضعیف درهم تنیده بسیار قابل اعتمادتر از یک یا دو نقطه اطلاعات قوی هستند. مشکل این است که عادات پژوهشی سنتی مبتنی بر جمع آوری اطلاعات قوی است. و هنگامی که محققان فرآیند طولانی ایجاد یک فرضیه زیبا را پشت سر گذاشتند، تمایل دارند هر مدرکی را که با نتیجه گیری آنها در تضاد باشد نادیده بگیرند. این مقاومت اجتناب ناپذیر در برابر اطلاعات متناقض تا حدودی مسئول فرآیند غیرخطی تغییرات پارادایم است که توماس کوهن در کلاسیک خود با عنوان ساختار انقلاب های علمی شناسایی کرده است.. هنگامی که یک نظریه مقبولیت گسترده ای پیدا کرد، یک دوره پایدار طولانی را دنبال می کند که در آن نظریه حکمت پذیرفته شده باقی می ماند. با این حال، در تمام این مدت، شواهد متناقضی بی سر و صدا در حال ایجاد است که در نهایت منجر به یک تغییر ناگهانی می شود.

پیش‌بینی خوب برعکس است: این فرآیندی است که از نظرات قوی برخوردار است و ضعیف است. اگر باید پیش‌بینی کنید، اغلب پیش‌بینی کنید و اولین کسی باشید که اشتباه می‌کنید. راه انجام این کار این است که در سریع ترین زمان ممکن یک پیش بینی ایجاد کنید و سپس با داده های جدید آن را بی اعتبار کنید. فرض کنید به هزینه نفت در آینده و تأثیر آن بر اقتصاد نگاه می کنید. در اوایل، به این نتیجه می‌رسید که بالاتر از یک قیمت مشخص، مثلاً 80 دلار در هر بشکه، مصرف‌کنندگان آمریکایی با پوشیدن ژاکت‌های کشباف و صرفه‌جویی در مصرف انرژی، همان‌گونه که در دولت کارتر انجام دادند، پاسخ خواهند داد. قدم بعدی شما این است که سعی کنید دریابید که چرا ممکن است این اتفاق نیفتد. (تاکنون اینطور نبوده است-شاید به این دلیل که آمریکایی‌ها امروز ثروتمندتر هستند، و همانطور که فروش قوی شاسی‌بلندها در دهه گذشته نشان می‌دهد، ممکن است تا زمانی که قیمت نفت بسیار بالاتر نرود، به اندازه کافی به تغییر عادات خود صرفاً بر اساس هزینه اهمیتی ندهند.) با فرموله کردن یک سری پیش بینی های ناموفق در سریع ترین زمان ممکن، می توانید به طور پیوسته مخروط عدم قطعیت را تا حدی اصلاح کنید که می تواند به راحتی یک پاسخ استراتژیک را بر اساس پیش بینی موجود در محدوده آن استوار کند. داشتن نظرات قوی به شما این توانایی را می دهد که سریع به نتیجه گیری برسید، اما ضعیف نگه داشتن آنها به شما امکان می دهد در لحظه ای که با شواهد متضاد روبرو می شوید آنها را کنار بگذارید.

قانون 5: تا جایی که به جلو نگاه می کنید دو بار به عقب نگاه کنید

مارشال مک لوهان یک بار مشاهده کرد که اغلب مردم در حالی که به آینه عقب خیره می شوند راه خود را به سمت آینده هدایت می کنند زیرا گذشته بسیار راحت تر از زمان حال است. حق با مک لوهان بود، اما آینه دید عقب تاریخی ما یک ابزار پیش بینی فوق العاده قدرتمند است. بافت رویدادهای گذشته را می‌توان برای اتصال نقاط شاخص‌های کنونی و در نتیجه ترسیم مطمئن مسیر آینده استفاده کرد، به شرطی که فرد به اندازه کافی به عقب نگاه کند.

عدم قطعیت ایجاد شده توسط چرخش وب پس از حباب را در نظر بگیرید، زیرا مدیران متصدی مانند گوگل و یاهو، بازیکنان نوظهور و رو به زوال پخش‌کننده‌های سنتی تلویزیون و رسانه‌های چاپی به دنبال موقعیت هستند. به نظر می‌رسد همه اینها از طبقه‌بندی سرپیچی می‌کند، خیلی بیشتر از پیش‌بینی، تا زمانی که به پنج دهه قبل نگاه می‌کنیم تا ظهور تلویزیون در اوایل دهه 1950 و نظم رسانه‌های جمعی بعدی که به تسریع آن کمک کرد. لحظه کنونی شباهت‌های وهم‌آوری با آن دوران دارد، و بررسی آن شباهت‌ها به سرعت چشم‌انداز امروز را مورد توجه قرار می‌دهد: ما در لحظه‌ای هستیم که نظم قدیمی رسانه‌های جمعی با نظم شخصی-رسانه‌ای جدید جایگزین می‌شود، و این فقط نیست. پخش‌کننده‌های رسانه‌ای سنتی که در تلاش برای تنظیم هستند. بازیگران پیشرو انقلاب اطلاعاتی، از مایکروسافت گرفته تا گوگل، به سختی رکاب می زنند.

مشکل تاریخ این است که عشق ما به یقین و تداوم اغلب باعث می شود که نتیجه گیری های اشتباهی بگیریم. گذشته نزدیک به ندرت نشانگر قابل اعتمادی از آینده است – اگر چنین بود، می‌توان 12 ماه آینده داو یا نزدک را با گذاشتن یک خط کش در امتداد 12 ماه گذشته و گسترش خط به جلو پیش‌بینی کرد. اما داو اینگونه رفتار نمی کند و هیچ روند دیگری نیز چنین رفتاری ندارد. شما باید به دنبال چرخش باشید، نه سریع، و بنابراین باید به اندازه کافی به گذشته نگاه کنید تا الگوها را شناسایی کنید. نوشته شده است که “تاریخ تکرار نمی شود، اما گاهی اوقات قافیه می شود.” پیش‌بین مؤثر برای یافتن قافیه‌ها به تاریخ نگاه می‌کند، نه رویدادهای یکسان.

بنابراین وقتی به دنبال موارد مشابه به عقب نگاه می کنید، همیشه حداقل دو برابر بیشتر از آنچه که به جلو نگاه می کنید به عقب نگاه کنید. الگوهای مشابه را جستجو کنید، در نظر داشته باشید که تاریخ – به ویژه تاریخ اخیر – به ندرت مستقیماً تکرار می شود. و اگر فاصله دوگانه برای تحریک شهود آگاهانه پیش بینی کننده شما کافی نیست، از نگاه کردن به عقب نترسید.

سخت ترین قسمت نگاه کردن به گذشته این است که بدانیم چه زمانی تاریخ مناسب نیست. وسوسه این است که از تاریخ (همانطور که قیاس قدیمی می گوید) به روشی که یک مست از تیر چراغ برق استفاده می کند، برای حمایت و نه برای روشنایی استفاده کنیم. این بدترین اشتباهی است که یک پیش‌بینی‌کننده می‌تواند مرتکب شود، و متأسفانه نمونه‌های آن فراوان است. به عنوان مثال، جری لوین، تایم وارنر را به AOL فروخت، با این باور اشتباه که می‌تواند از ادغام و ادغام برای وارد کردن شرکتش به رسانه‌های دیجیتال استفاده کند، همانطور که با کابل و فیلم‌ها این کار را با موفقیت انجام داد. او درست زمانی که مدل ده ساله AOL توسط رقبای جدید با مدل‌هایی که به آنها امکان ارائه ایمیل رایگان را می‌داد، از بین می‌رفت، معامله را به پایان رساند. مورد دیگر: یک شوخی سیاه در پنتاگون این است که ارتش ایالات متحده همیشه در حال جنگ آخر است، و در واقع بدیهی است که در مورد درگیری عراق،

قانون 6: بدانید چه زمانی پیش بینی نکنید

این یک ویژگی خاص انسانی است که ما یکباره از تغییر می ترسیم و مجذوب آن می شویم. این در واژگان اجتماعی ما گنجانده شده است، زیرا ما اغلب با یک سلام ساده به یک دوست سلام می کنیم، “چه خبر؟” با این حال، برای پیش‌بینی‌کنندگان این یک مسئولیت است که تمایل زیادی برای مشاهده تغییر داشته باشند، زیرا واقعیت ساده این است که حتی در دوره‌های تحول شگرف و سریع، عناصر بسیار بیشتری نسبت به چیزهای جدیدی که ظاهر می‌شوند، تغییر نمی‌کنند.

دوباره آن گرداب چرخشی دهه 1990، حباب دات کام را در نظر بگیرید. چیزهای جدید زیادی در حال رخ دادن بود، اما زیربنای انقلاب خواسته‌های عمیق و بدون تغییر مصرف‌کننده و در نهایت، به غم بسیاری از تازه‌کارها و قوانین تغییرناپذیر اقتصاد بود. با تمرکز بر نوآوری ها، بسیاری از این واقعیت غافل شدند که مصرف کنندگان از پیوندهای پهن باند جدید خود برای خرید اقلام بسیار سنتی مانند کتاب و شرکت در فعالیت های قدیمی انسانی مانند شایعات، سرگرمی و پورنوگرافی استفاده می کردند. و اگرچه آینده‌نگران اعلام کردند که این زمانی است که قوانین قدیمی دیگر اعمال نمی‌شوند، الزامات اقتصادی قدیمی با انتقام‌جویی اعمال می‌شد و حباب دات‌کام درست مانند هر حباب دیگری ترکید. هرکسی که برای بررسی تاریخچه حباب های اقتصادی وقت گذاشته بود، شاهد آمدن آن بود.

در مقابل این پس‌زمینه، توجه به این نکته مهم است که لحظاتی وجود دارد که پیش‌بینی نسبتاً آسان است – و لحظات دیگری که غیرممکن است. مخروط عدم قطعیت ثابت نیست. زمانی که زمان حال به آینده می چرخد ​​و احتمالات خاصی رخ می دهند در حالی که برخی دیگر بسته می شوند، گسترش می یابد و منقبض می شود. بنابراین، لحظاتی از عدم قطعیت بی‌سابقه وجود دارد که مخروط به نقطه‌ای گسترش می‌یابد که پیش‌بینی‌کننده عاقل از پیش‌بینی خودداری می‌کند. اما حتی در چنین لحظه ای، می توان با آگاهی از این که همه چیز به زودی حل می شود، راحت شد و با تمرین دقیق شهود، بار دیگر می توان پیش بینی خوبی داشت.

وقایع مربوط به سقوط دیوار برلین را در نظر بگیرید. در ژانویه 1989، اریش هونکر، رهبر آلمان شرقی، اعلام کرد که این دیوار «صد سال دیگر» پابرجا خواهد ماند و در واقع دولت‌های غربی تمام برنامه‌های خود را بر اساس این فرض بنا کردند. نشانه‌های فروپاشی داخلی در گذشته آشکار است، اما در آن زمان، به نظر می‌رسید که جهان در یک نظم ابرقدرت دوقطبی محبوس شده بود که علی‌رغم ترس هسته‌ای آن، به‌طور قابل ملاحظه‌ای پایدار بود. بنابراین، مخروط عدم قطعیت نسبتاً باریک بود، و در محدوده آن تعدادی از نتایج به راحتی قابل تصور بود، از جمله وحشت تخریب متقابل. ابهامات تنها در جاهایی پدید آمد که حوزه نفوذ دو ابرقدرت با هم تداخل پیدا کرد. اما حتی در اینجا نیز سلسله مراتبی از عدم قطعیت وجود داشت: زمانی که تغییر در نهایت آمد،

اما دیوار برلین در پاییز 1989 فرو ریخت و با آن قطعیت پیش‌بینی که ریشه در فرضیه جهانی تحت سلطه دو ابرقدرت داشت، از بین رفت. یک مخروط باریک راحت تا 180 درجه گشاد شد و در آن لحظه پیش بینی کننده عاقل از نتیجه گیری سریع خودداری می کرد و در عوض بی سر و صدا به دنبال شاخص هایی می گشت که از آوارهای ژئوپلیتیک بیرون می آمد – هر دو شاخص های منتهی به فروریختن دیوار را نادیده گرفتند و موارد جدیدی که از ذرات ژئوپلیتیک آن بیرون می آیند.

در واقع، نظم جدید خود را در عرض 12 ماه آشکار کرد و نشانگر آن حمله عراق به کویت در 2 اوت 1990 بود. اما بدون اتحاد جماهیر شوروی قوی یا برای مهار صدام یا عقب نشینی، نتیجه بسیار متفاوت بود. و با آن، نظم ژئوپلیتیکی جدید آشکار بود: مخروط عدم قطعیت محدود شده بود تا دنیایی را در بر بگیرد که در آن تعداد بیشماری از بازیکنان که زمانی در میدان نیروی منظم یک ابرقدرت قرار گرفته بودند، اکنون همه در جهت خود حرکت می‌کنند. تمام ابهامات به این موضوع تبدیل شد که آیا این ابرقدرت تنها باقیمانده می‌تواند یکی باقی بماند یا خیر. عراق دوم البته پاسخ این سوال را ارائه کرده است: نظم ابرقدرت تک قطبی ممکن نیست. همانطور که دیگران مشاهده کرده اند،

خط پایین؟ در مورد تغییرات ظاهری شک داشته باشید و از پیش بینی فوری خودداری کنید – یا حداقل هیچ یک از پیش بینی ها را خیلی جدی نگیرید. آینده آینده، شاخص های بیشتری را در ساحل شما، زودتر از آنچه فکر می کنید، خواهد یافت. • • •

پیش‌بینی‌کنندگان حرفه‌ای در حال توسعه ابزارهای پیچیده‌تر و ظریف‌تر برای بررسی آینده هستند – بازارهای آینده، تجمیع متخصصان آنلاین، شبیه‌سازی‌های پیچیده مبتنی بر رایانه و حتی نرم‌افزار اسکن افق که در وب به دنبال شگفتی‌ها می‌خزند. به همین دلیل است که مدیران اجرایی به مصرف کنندگان پیچیده و مشارکتی پیش بینی ها تبدیل شوند. این بدان معنا نیست که شما باید جبر غیرخطی را یاد بگیرید یا به تنهایی یک متخصص پیش بینی شوید. در پایان روز، پیش‌بینی چیزی بیشتر (و نه کمتر) از کاربرد سیستماتیک و منظم عقل سلیم نیست. این اعمال عقل سلیم شماست که به شما امکان می‌دهد کیفیت پیش‌بینی‌هایی که به شما داده می‌شود را ارزیابی کنید و فرصت‌ها و ریسک‌هایی را که ارائه می‌دهند به درستی شناسایی کنید. اما در اینجا متوقف نشوید.