在任何一场博弈当中，比如打扑克、棒球比赛、NBA 篮球比赛…… 只要收集了足够的信息，我们都可以预测胜负，但也不是收集的信息越多就越好，因为有一些只是噪声，会干扰我们的判断。比如在偷袭珍珠港和 911 恐怖袭击发生前，其实有足够的信息可以证明事件即将发生，但因为噪声的数据量远远大于真实的信息，所以导致当时做决策的人们会出现误判。我们还要考虑样本不足的问题，比如一件事情从没有发生过，或者发生的次数很少，那么要预测同类的事情发生就会非常的不容易，即便有人做出了相关的预测，我们也不必深陷其中，因为那些预测很可能是错误的。现在信息获取变得越来越容易，我们更需要分辨哪些是信号，哪些是噪声，这样才能做出更加准确的预测。

小到天气预报，大到政治上的选举、金融危机、恐怖主义，甚至地震、传染病等每一个人切身相关的方面，都离不开预测。而在现实中做出预测的时候往往依靠各种信号，甚至是噪声，亦或者两者结合，但即便如此，我们不得不说预测结果比我们想象的糟糕。这一点所谓的专家和精英们，与普通人没什么差别，甚至表现更差。

除去预测者自身的问题，预测所面对的不确定性和复杂性等因素的影响也是不容忽视的。就拿不确定性来说，很多时候是初始状态的不确定性、发展过程中积累的不确定性以及结构的不确定性共同作用，导致你根本无法进行预测。就像你不知道哪一粒沙子掉下，沙堆会崩塌一样。

虽然我们常常无法做出如此精准正确的预测，但我们也不是完全无能为力。其中一点和《超预测》里的超级预测者一样，保持像狐狸一样的思维方式是每一个人都可以做到的。还有一点，我们不能再自说自话，需要进行交流，达成共识，真诚分享彼此的经验和结果，这样可以让小样本的个案汇聚起来行成一个个更为正确的选择。

提到预测，塔勒布的思想也不容忽视，结合本书来说就是，你要区分统计不确定性和系统不确定性。本书对于后者的内容需要进行修订，也就是说这个模型可能不对。但正如所有的模型都是错的，不过其中一些是有用的。本书的思想精髓是在信号和噪声保持和谐的状态下尽可能做出正确的预测，发现未来。从这一点上来讲依然有一定的学习价值，尤其是对于普通读者来说。

这本书关注的是人类的预测能力。所谓 “信号” 就是真相，而 “噪声” 是掩盖了真相的虚假信息，我们说的预测其实是从噪声之中分辨信号的过程。从天气预报到买卖股票，我们每天都在预测未来，只不过在大多数领域，人们的预测能力并不高。在《信号与噪声》中，从金融危机到天气预报，从贝叶斯方法到超级计算机，作者分析了多个领域，对于如何提升预测能力给出了自己的建议。本书核心内容：这本书讲述了关于精确预测的种种方法和教训。作者通过金融危机、天气预报、地震、气候变化等例子，分析了人类预测的能力和局限，推荐了贝叶斯方法等预测手段。对于预测中遭遇的挫折提出了忠告和建议，可以帮助我们思考如何提升预测能力。一、为什么预测会失败？二、为什么预测动态系统如此困难？三、西尔弗推荐用什么办法进行预测？四、这些预测方法怎么应对当今时代的重大问题。《信号与噪声》这本书出版于 2012 年，在当时，作者刚刚成功预测了奥巴马第二次当选总统，并且准确预测了两位总统候选人在每一州的胜负。但是在 2016 年的大选中，作者的网站一直预测希拉里更有可能当选，却落空。看来，即便是利用经过验证的预测工具，在政治预测中依然有可能遭遇失败。但是正如本书中推崇的方法，一个好的预测者应该客观中立，不受政治偏见影响，不断修正自己的预测工具，用新的数据补充原有数据，大方承认自己的缺陷和不足。作者分析的领域横跨体育比赛、赌博、金融系统、灾难和恐怖袭击等诸多领域，从中我们不仅可以了解现今人类预测能力的发展，他提出的建议对于我们应对这个剧烈变化的世界也非常值得参考。也许我们都应该学习一下他的方法，成为自己领域的狐狸型专家。第一，为什么预测会失败？作者通过金融危机的例子向我们说明，有这样三个原因，那就是权威机构失去了作用、人们在分析数据时过分简化数据、媒体过分追求传播效应，导致我们的预测和实际情况大相径庭。第二，为什么预测动态系统如此困难？拿天气预报举例子，虽然技术发展飞快，但是因为动态系统的特点，一点小小的数据差异就会引起结果的大不相同，人类的观测精确度又是有限的，所以动态系统才很难预测。天气系统还好说，到现在为止，我们还没有精确预测地震的能力。第三，作者推荐用什么办法进行预测？作者认为，贝叶斯方法是预测这个复杂世界的关键方法，在利用它进行预测时，我们还要注意不要迷信偶然因素，摒除偏见。另外，计算机的力量能让人类如虎添翼，但是在这样的时代，我们更要注意预测人员本身的判断能力，否则计算机只会成为放大我们偏见和错误的机器。第四，预测方法怎么应对当今时代的重大问题。预测不只是一个技术问题，更是社会问题。比如全球变暖这个预测，因为触碰到了各个国家的利益，所以一直在争论不休。股票市场也是一样混乱，人们为了避免承担责任，宁可牺牲金钱也要随大流。

这本书的主题是预测，不过我觉得书的副标题 "Why so many predictions fail but some don’t" 更加契合整本书的主题。人类需要寻求 "模式"，但是在预测方面，我们的经验整体表现不佳。这是为什么呢？书中指出，预测失败的一个重要原因在于 "非样本" 事例。那么有没有办法提高预测成功率呢？办法还是有的。书中阐述了贝叶斯定理的运用。贝叶斯方法有两个特点：第一，承认固有观念的影响；第二，具备收敛性。运用贝叶斯方法要求我们鉴于新证据的不断涌现，不断地更新预测结果，这说起来容易，做起来难，但是可能的话，还是要试着用起来吧。

本书是一本讨论预测学的书，主要谈论了以下几个方面的内容：失败的预测是怎么产生的？为什么动态预测如此困难？可以用哪些方法提升预测能力？本书作者是个预测大师，他创办了 538 预测网站，经常对美国的体育比赛和政治选举进行预测，在 2008 和 2012 年的美国总统大选中，50 个州的 2 次选举，预测中了 99 次，毫无疑问是位大师。当然，这位大师也有遇上黑天鹅的时候，2016 年的大选他就没有押中特朗普… 不论如何，他的方式和塔勒布有很大不同，但是都值得我们学习、尝试。【失败的预测】2008 年起源于美国的金融危机引发了全球金融海啸，导致全球经济衰退，在这次经济大萧条正式开始的 4 年之后，美国的经济增长仍然低于其生产潜力 8000 亿美元之多。为什么拥有全世界最先进生产力和技术和美国，没有预测出危机呢？作者列举了 4 个原因：一是大家只关注那些符合我们对这个世界的期许的信息，而不在乎其真实性。金融危机的前兆房地产泡沫，在 90 年代的日本就已经发生，后果显而易见，然而人们就是相信房价会永远上涨。二是身为运动员必然做不到公正的裁判。各大评级机构没有预测到抵押贷款支持证券的巨大风险，有一个原因是他们自己也在售卖甚至制作这些房地产证券，他们怎么可能 “看得见” 风险呢？三是高负债经营是毒药！！过去，房价的浮动并未对金融体系造成多么严重的影响，于是许多经济学家便对金融体系承受房地产市场危机的能力充满信心。然而，金融体系或许从未出现过这样高负债经营的局面，自然也就从来没有为房地产市场投入过这么多的资金。当市场稍微波动（3%-5%），这些欣欣向荣的正向杠杆就会马上变成负资产毒药。四是非样本预测模式的灾难。当过去和现在处于不同的条件时，我们如果还采用过去的总结，那就是非样本预测，意思就是这些预测就是盲人摸象，或者抛硬币，纯属运气。比如你曾经有 20000 次驾车出行的经历，只发生过两起小意外，其他 19998 次都安全抵达目的地。安全率这么高，今晚你喝了点小酒，在上面这个概率下，又何必那么麻烦让出租车载你回家呢？但问题是，20000 次出行记录没有一次是像这次醉酒驾车的，你的醉驾样本数量不是 20 000 次，而是零次。因此，用先前的经验预测此次驾车的风险是毫无根据的。【困难的动态系统预测】天气系统、地震系统、经济系统、传染病系统都是典型的动态系统。这些系统都适用混沌理论系统模型，该系统是动态的和非线性的，意思是当前某一个时间点发生的动作会影响未来的动作，同时系统内的值会呈指数型增长而非加法累积。在这个模型下，第一个预测困难是初始值的略微不同，就会给结果带来巨大差异。比如对天气的预测，初始数值在小数点后第四位和第五位的预测结果是有天壤之别，而这个初始数值目前只能做到近似，还达不到精确。另一个困难是没有数据，比如地震预测。天气数据每天都可以收集到，但是地震及其成因数据目前仍未能掌握，因此对地震的预测大体来说是束手无策。目前唯一似乎靠谱的地震模型是古登堡–里克特法则，使用幂律法则预测地震，但是这只能预言地震的级别，并不能预测具体的时间地点。而中国曾在 1975 年成功预测了海城大地震，但是之后就再也没有成功预测的例子，也许这次成功预测也是一个巧合… 第三个困难是人类的偏见导致的预测偏离。比如对经济进行预测，匿名的 “专业预测人员情况调查”，其预测准确度总体高于实名的 “蓝筹经济调查”。原因就是名声的偏见，当匿名预测时，作预测时就不怕冒险，这是一种 “合理偏见”，即使知道这个预测十分冒险，你还是会为 “大比分” 放手一搏；而如果你已经声名鹊起，即便自己手头的数据要求你做出大胆的预测，你可能也不愿意做出过于大胆的预测。第四个困难是选择的预测模型也许都是错误的。比如对传染病的预测，人们还是难以搞清楚为什么有些传染病传播速度极快，有些又会神秘的消失了，预测的模型太简单并不准确、太复杂又并不可行。对传染病预测的不准确，导致了公共医疗资源的部署浪费或者严重不足。【使用贝叶斯方法】作者推崇使用贝叶斯方法来预测概率，简单来说，他使用了三个概率，来计算出预测的概率。即预测概率与证实的概率 (x)、证伪的概率 (y)、以及先验概率 (z) 的关系式是：预测概率 = xy/(xy+z (1-x)) 案例：如果一位女性未患乳腺癌，其乳房 X 光片会错误地显示她患乳腺癌的概率仅为 10%。而如果一位女性确实患有乳腺癌，X 光片会查出她患乳腺癌的概率约为 75%。一个 40 岁的女性看到阳性 X 光片，通常都会非常紧张。但如果用贝叶斯定理来分析，40 多岁的女性患有乳腺癌的概率只有 1.4%。通过上述公式可以很容易的计算出 40 岁女性患乳腺癌概率为：1.4*75%/(1.4*75%+10*(1-1.4%))=10%。【计算机与人类的关系】在提高预测准确度方面，需要定性和定量的结合。目前来说，定量方面主要依靠计算机，其计算速度非常快，踏实忠心地计算 —— 不知疲倦、不带情绪、不会中途改变分析方式。但是现在人们似乎过于依赖计算机，这并不是一个正确的选择，因为如果我们给计算机输入错误的数据，或提供一套愚蠢的指令供其分析，他的计算结果是可想而知的。人类思维的精巧度是计算机难以比拟的，在实际的预测中，将计算机与人类的思维结合起来应用则更能提高准确度，具体来说，可以提升 25%-30% 的准确度。总的来说吧，要做好预测，一是要明确目标；二是要找到模型；三是要有数据；四是要自己动脑；五是做总比不做好；六是接受不准确的现实不断再战。

对我而言，可读性稍微一般，略微有些枯燥，全篇贝叶斯定理是被提及最多的

这本书关注的是人类的预测能力。所谓 “信号” 就是真相，而 “噪声” 是掩盖了真相的虚假信息，我们说的预测其实是从噪声之中分辨信号的过程。从天气预报到买卖股票，我们每天都在预测未来，只不过在大多数领域，人们的预测能力并不高。在书中，从金融危机到天气预报，从贝叶斯方法到超级计算机，作者分析了多个领域，对于如何提升预测能力给出了自己的建议。

信号有噪声

《“错误” 的行为》p326，《智识分子》p149 推荐。这是一本关于 “预测” 的故事书：作者发表了对于政治选举，棒球比赛，地震，经济，传染病，股票，恐怖主义的后见之明。能够带来少许启发的是贝叶斯定理的简单介绍和温室效应的批判性思维。对 “噪声” 感兴趣的读者可以去看卡尼曼的《噪声》，对 “贝叶斯定理” 感兴趣可以去看安迪克拉克的《预测算法》。 不建议阅读，不建议购买。

这本书表面上讲的是关于大数据和预测，但从更底层的角度上来说，它讲的是概率与统计预期。很多人可能都没有意识到，概率和不确定性是科学最本质的逻辑，这本书可以帮你建立一种真正的 “科学思维”。

在这个充满信号和噪音的世界，要对未来有个合理的预期就需要能区分信号和噪音，从多方面的信息作为起点，不断反复尝试信号和噪音的区别带来对预期的调整。未来的预期可能永远都只会是概率，但是不断的尝试可以带来对不确定性的一系列正向调整。

信号是有用的信息，而噪声是无用的信息。作者希望我们根据贝叶斯定理进行信息的降噪和选择：1、以概率的方式思考问题 2、知道自己的观点源于何处，最好是源自过去的社会经验之上 3、在不断试错中进步（虽然类比 / 迁移知识和使用第一性原理也可以，但不断试错总是成功率最大的一种方式）4、对可预测的认识能力 — 预测是主观事实与客观事实交汇的产物。

读了几页就感觉到了作者的思维方式和角度非同凡响，越读越觉得有兴趣。但是越读，越觉得食之无味。涉及到的方面特别多，但是没有一块是深入讲如何鉴别信号与噪声的。都是一些流于肤浅的方面。 个人建议作者可以抓住其中的一方面和一个领域，进行深入剖析和讲解即可成为一本特好的书籍。毕竟目前的内容，跟大数据是有关，但是只描述了信号和噪声的利用和排除，没有涉及到详细处理。

本书入门不高，十二个故事嘛！十二个关于预测的故事，所以，这是关于预测的书。已知与未知之间有多大距离？怎么缩短它们之间的距离？读读吧！作者通过不完全的列举方式在告诉读者，你生活在一个概率主导的世界里。谈到概率？还是塔勒布，这本算入门吧！