我们预测未来的能力不断增强，这为商业和社会带来了重大机遇；
技术的进步提高了我们的预测能力，同时也使预测未来更加复杂；
为了克服这个问题，我们必须改变对未来以及自身在其中的位置的理解。
当前，我们处在预测技术的黄金时代的黎明期。由庞大的计算机驱动的数十亿精密算法使预测者得以处理越来越多的数据。如今，在从天气到医学到商业的一系列领域中，我们对未来下结论的能力理应比历史上任何阶段都要强。
然而，事实并非如此。实际上，我们最近所经历的——从新冠肺炎疫情到大金融危机——恰恰是我们预测未来失败的表现。
技术的出现以及由此带来的我们预见未来潜在事件的能力的变化，同时使可能结果的发生范围和种类指数级增加。技术的进步能使我们更加确信自己的决定，但同样也提高了做出这些决定时所处背景的复杂性。下图显示了自2010年以来的数据增长情况，它说明了两件事：一个是关于我们赖以决策的信息量，另一个是这些数据的规模和复杂性会多么难以忍受。
在试图看清未来时，我们如何才能夺回有利条件？我们必须认识到，过去用来模拟未来结果的工具是以稳态环境为前提的。为了应对充满指数级变革的未来，我们的工具必须像它们所试图预测的世界一样充满动态。在使用数据进行预测时，我们必须承认，明天的世界将与今天的世界迥然不同。
在实践中，我们将必须把技术融入生活中尽可能多的领域，承认在一些领域，技术发展的速度、效率和复杂性远远超过了模拟的替代能力。这也需要我们改变思维方式。
在这篇文章中，我想思考技术变革的速度对我们未来的风险概念产生了什么影响。建立风险模型是我们寻求了解未来的另一种方式，是我们在预测方面最常见的一种尝试。生活在一个充满指数级变革的世界里，我们必须彻底改变对未来的看法，并动态地调整我们对风险的理解。我们必须放弃许多用于理解过去的信条，转而采用新的方式来构思未来，拥抱变革，将其视为创新和增长的引擎。
想想摩尔定律，即英特尔联合创始人戈登·摩尔在1965年提出的言论——集成电路中晶体管的数量大约每两年会翻一番。这种指数关系长期以来一直被认为是数据处理能力增长速度的代表，并被用来向计算机科学家说明其雄心的范围和局限性。然而，摩尔定律已经开始瓦解，并且其瓦解的源头正是其致力于预测的技术创新速度。
随着人工智能和替代性处理器的出现，晶体管数量已经不再是数据处理能力的有效代表。芯片变得越来越小，从二维发展到三维，其结构中采用了越来越复杂和专业化的材料，但传统的中央处理器（CPU）不再是技术创新的前沿。Silicone Angle最近的一项研究表明，严格定义的摩尔定律要求晶体管数量以每年40%的速度增长，但该速度到2020年已经放缓至30%以下。然而，考虑到传统CPU与人工智能和替代性处理器的结合，数据处理能力正以每年超过100%的速度增长。放眼所见，技术的显著崛起正在改写昔日的规则。
我们正处于预测科学的一个拐点。人类往往对世界的运作持有固定的观念，在另辟新路时可能会很僵化。金融服务行业的有些部门曾经在采用技术方面进展缓慢，但怀疑者的观点正面临越来越多证据的挑战，即计算机，特别是当其与人的才能相配时可以更有效地在市场中发掘机会。如果说在过去的十年中，数据大量积累，那么在未来的十年里，我们很可能需要完善处理和利用数据的能力。我们才刚刚开始了解技术在预测方面会带来什么。
当我们展望未来时，这一切将使我们何去何从？我们才刚刚处于技术革命的起点。未来几年将需要机构、思考者和工人呈现更大的动态性和灵活性。变革的指数式增长要求我们所有人每天都要抛弃过去的确信，迎接一个彻底变革的未来。
本文作者：
Igor Tulchinsky，WorldQuant创始人、董事长兼首席执行官，
本文原载于世界经济论坛Agenda博客，转载请注明来源并附上本文链接。
翻译：张一凡
校对：王思雨
