神奇預言家

劉泓君

亞裔人會成為下任美國總統(tǒng)嗎？美國國債會變得一錢不值嗎？去問問大衛(wèi)·羅斯柴爾德（David Rothschild）吧！

這位微軟紐約研究院研究員在第85屆奧斯卡金像獎頒獎之前，通過數(shù)學建模準確預測了本屆24項奧斯卡獎中的19項，在其余5項大獎的預測中，其預測結果亦與最終獲獎結果趨同。

“這是科學的證明。”在奧斯卡頒獎結果揭曉的當天晚上，羅斯柴爾德在Twitter上如是說。“我們可利用娛樂、體育及政治話題建立各種各樣的預測模型，以回答更難的問題，并進一步推廣到商業(yè)及經(jīng)濟領域。”羅斯柴爾德對《環(huán)球企業(yè)家》說。

如此令人瞠目的預測并非孤例。2012年的美國大選，羅斯柴爾德就成功預測奧巴馬的當選。更令人匪夷所思的是，他居然用1.27億張選票建構了一個變化莫測的總統(tǒng)大選模型，其在51個選區(qū)中成功預測50個選區(qū)的選舉結果，最終準確率高達98%。“我總是對數(shù)據(jù)很感興趣。我一直以來都積極的參與到政治活動中。”羅斯柴爾德對《環(huán)球企業(yè)家》說。

事實上，羅斯柴爾德的數(shù)據(jù)預測博客（Predict Wise）已涉及政治、體育、娛樂、經(jīng)濟等方面的十余種預測。相比于其他一成不變固定結果的預測，該預測更偏向于根據(jù)事件變化而顯示實時結果的可能性—這是其顛覆傳統(tǒng)預測模型的秘密所在。羅斯柴爾德會告訴你，現(xiàn)在邁阿密熱火隊獲得2013年NBA聯(lián)賽總冠軍的可能性最高，為43.2%。

還想期待什么榜單提前出爐？趕緊把羅斯柴爾德的博客添加在收藏夾里吧！

顛覆者

羅斯柴爾德的預測工作始于2008年的美國總統(tǒng)大選。當時，他找到了一種簡單聚合的方法，并自稱此法可以勝過現(xiàn)在所有的預測模型。

從美國大選入手源于其對政治的興趣。羅斯柴爾德至今依然清楚地記得，2004年美國總統(tǒng)大選時，其身邊的朋友會對大選結果進行各種猜測和八卦，各種預測數(shù)據(jù)會被廣泛傳播。很多人會拿著這些完全沒有依據(jù)的數(shù)據(jù)隨意提問，甚至還利用眾包網(wǎng)站尋找答案。為了參與其中，羅斯柴爾德從2006年開始每天關注此類信息并從事研究，工具之一即是微軟Xbox游戲平臺。

羅斯柴爾德起初并未想過可借助該平臺建立自己的民意調(diào)查問卷庫，甚至還能收到數(shù)百萬的反饋結果。鮮為人知的是，羅斯柴爾德在讀研究生期間，曾苦苦央求一家著名的調(diào)研公司，在其問卷調(diào)查中補充兩個由其提出的問題。雖然，他最后只拿到了1000份答卷，但這一收獲已令羅斯柴爾德興奮良久。

在美國，預測總統(tǒng)大選的數(shù)據(jù)機構和個人不勝枚舉，甚至由此還誕生了一批有影響力的數(shù)學家，抽樣調(diào)查方法的創(chuàng)始人、著名民意調(diào)查者喬治·蓋洛普（Gallup GeorgeHorace）即是其中的佼佼者。在羅斯柴爾德看來，自從蓋洛普通過在代表性人群中隨機抽樣來創(chuàng)建高效的數(shù)據(jù)預測起，收集民意調(diào)查數(shù)據(jù)的方法在過去的75年內(nèi)幾乎沒有什么改變。

羅斯柴爾德顯然是舊傳統(tǒng)的顛覆者。其所建立的數(shù)據(jù)模型在Xbox的幫助下可以打破傳統(tǒng)的研究方法，建立更加經(jīng)濟有效的數(shù)據(jù)模型。他為這種全新的預測模型建立了四個衡量指標，即相關性、實時性、準確性、成本效率。

難點之一便是相關性。例如在選舉中，人們更喜歡討論在全國范圍內(nèi)預計為奧巴馬投票的人數(shù)比例，但事實上這并非大家最關心的問題，人們希望判斷誰最可能會贏，而僅憑人數(shù)比例多寡往往難以斷定輸贏。因此，在設計問題時，預測者必須考慮數(shù)據(jù)的相關性。

實時性是指預測情況是不斷更新的。例如北京時間下午兩點可能會發(fā)生重大事件，股市的情況也會隨之改變。當人們看到預測時，結果也會隨著時間而動態(tài)變化—羅斯柴爾德電腦中的預測界面顯示很像是一張股價波動的K線圖。人們可以在想要的時間點得到當時的結果，社交網(wǎng)站的數(shù)據(jù)引入對結果準確性影響頗大。

準確性更加偏重于事件發(fā)生的可能性。例如在奧斯卡最佳導演獎角逐中，5個提名候選人均可能得獎。大家想知道哪個人得獎的可能性最接近100%，但預測結果顯示可能性各占50%。影響準確性的三個關鍵性指標在于錯誤有多大（你對每個獲勝者的獲勝幾率預測離100%有多遠），預測的準確程度如何（若聲稱80%的可能性，其發(fā)生幾率是否就是80%），以及這一預測的未來表現(xiàn)如何。

羅斯柴爾德的辦法是選擇成本效益最高的方式。這將確保其準確預測其他更多的事。

此類研究的最大難點在于數(shù)據(jù)收集。在樣本采集中，四種不同類型的數(shù)據(jù)顯得頗為重要：投票數(shù)據(jù)、預測市場數(shù)據(jù)、基礎數(shù)據(jù)、用戶生成數(shù)據(jù)。羅斯柴爾德對數(shù)據(jù)的要求近乎苛刻。他表示，雖然采集新的數(shù)據(jù)源可能會花上幾個星期，但這些數(shù)據(jù)若不能令預測更加高效，他就不會讓這些數(shù)據(jù)進入預測模型。

別以為這樣就可以預測奧斯卡獎了。事實上，奧斯卡的預測迥異于政治預測。因為相對于政治數(shù)據(jù)而言，奧斯卡的原始數(shù)據(jù)非常有限，缺乏投票數(shù)據(jù)后，預測市場數(shù)據(jù)將更加艱難。另一個難點在于，奧斯卡共有24個獎項，共需預測24個類別的結果，獎項結果之間又會相互影響形成所謂的突發(fā)事件。例如最佳影片獎和最佳改編劇本獎之間有著強烈的相關性，所以《林肯》和《逃離德黑蘭》在這兩部影片的獲獎可能性趨勢波動相似。

團隊作戰(zhàn)是羅斯柴爾德的另一個秘笈。他慶幸沒有與其他的經(jīng)濟學家一樣進行著枯燥無味的學術研究，而是來到了微軟紐約研究院，并與同事優(yōu)勢互補。毫無疑問，在傳統(tǒng)印象中，數(shù)據(jù)預測似乎是永無止境地面對電腦，宅在辦公室。但對羅斯柴爾德而言，數(shù)據(jù)可以讓他接觸到更多的人。即使在吃午飯的時候，他也能與同事的隨意討論中，蹦出許多新鮮想法。

一個可以佐證的案例是他曾需在45天內(nèi)完成75萬次采訪，提出數(shù)百個問題。如此龐大而繁瑣的數(shù)據(jù)處理令其手足無措。同事聽說后則幫他建立系統(tǒng)自動程序，通過編程就能輕松解決困惑。此外，團隊中還有社會學家和心理學家，能夠設計真正有效的圖形和計算機界面捕捉用戶心理，搜索專家亦會幫助其研究社交媒體數(shù)據(jù)。羅斯柴爾德甚至可以根據(jù)研究需要，與微軟雷德蒙、北京、班加羅爾等研究院同事合作，隨時組建團隊。這種輕松的氛圍極易激發(fā)創(chuàng)造力，微軟很多產(chǎn)品均誕生于微軟研究院，例如Bing搜索、Windows 8等。

模型復制

羅斯柴爾德從事預測的目的并非只為好玩。

要知道每次美國總統(tǒng)大選，各黨派都會投入數(shù)十億美元的競選資金。如果有更加經(jīng)濟的方法提供更加準確的預測，就可以更加高效地分配資源，把這批經(jīng)費用于最為需要的地方。而對奧斯卡這種娛樂項目的預測，最大的意義在于令羅斯柴爾德根據(jù)反饋結果，嘗試不同類型的數(shù)據(jù)建模。

令他興奮的理由是奧斯卡數(shù)據(jù)建模被證明是可擴展的。他可以繼續(xù)用此類方法來研究其他問題，例如Windows 8是否會大賣。此類商業(yè)化應用比預測公眾事件更加復雜，但亦是其未來的預測方向之一。雖然羅斯柴爾德并未命中本屆奧斯卡的所有獎項，但他仍然堅信自己的數(shù)據(jù)模型是同類中最好的。

“我的目的不僅是更準確地預測政治或娛樂事件，而是用這些測試來驗證我的模型。這樣我就能繼續(xù)預測難度更高的商業(yè)和經(jīng)濟問題。” 羅斯柴爾德對《環(huán)球企業(yè)家》說。

與微軟其他產(chǎn)品的合作，亦是其將研究投入實踐的方式之一。他曾利用Xbox組織民意調(diào)查，亦曾利用Bing收集民調(diào)數(shù)據(jù)及社交網(wǎng)絡數(shù)據(jù)。借助微軟云計算產(chǎn)品Office365的數(shù)據(jù)可視化，羅斯柴爾德的研究成果已被廣泛運用。現(xiàn)在如果想提前知道奧斯卡最佳女主角是誰，不妨通過一款名為“奧斯卡預測器”的Excel應用瞧瞧專業(yè)預測網(wǎng)站PredictWise的預測結果。

上述可能引發(fā)公眾對隱私保密的憂慮。但羅斯柴爾德并不擔心。他認為微軟研究院對用戶隱私有著嚴格的保護，更重要的是類似于政治、娛樂這類公眾化問題，不會涉及用戶的私人數(shù)據(jù)。現(xiàn)實的情況則是羅斯柴爾德常苦惱于現(xiàn)有的數(shù)據(jù)資料太多而不知如何選擇，而非數(shù)據(jù)匱乏。

目前大數(shù)據(jù)仍未充分應用于回答人們未來所真正關注的問題，通常只回答過去人們關心的問題。這是從事此類數(shù)據(jù)預測最易犯的錯誤。社交媒體提供了大量的數(shù)據(jù)，但數(shù)據(jù)越多，并不代表其越有用。“的確，數(shù)據(jù)可以回答越來越難的問題，但過程會比想象中慢很多。” 羅斯柴爾德解釋說。

但顯而易見，上述問題并不會阻礙羅斯柴爾德探尋大數(shù)據(jù)的準確性和應用范圍。羅斯柴爾德希望回答的是在未來5至10年里，什么形式的數(shù)據(jù)對人們最有價值。

值得一提的是，精準數(shù)據(jù)預測也存在著社會風險，現(xiàn)在并沒有標準答案。未來大數(shù)據(jù)預測究竟會朝著更加精準的方向進化，還是像《連線》雜志前主編凱文·凱利（Kevin Kelly）所說的“只是由經(jīng)驗規(guī)則引導的有限的前瞻”？一切尚待檢驗。