文章核心观点 - 优秀预测的起点是承认错误并具备智识谦逊，这是良好预测判断的绝对基础 [1][2] - 预测习惯可以通过学习掌握，对资金管理者具有实用价值 [3] - 超级预测者频繁但小幅地更新预测，避免固执己见和对新信息过度反应 [6][7] - 从类别平均值出发再研究具体细节，往往比仅关注具体细节产生更好的预测 [4][7] - 人工智能模型在预测问题上已超越普通公众，并可能在2027年或2028年比肩顶尖人类预测者 [7][8] - 答案的价值将下降，高质量问题的价值将飙升 [9] 预测能力的基础与可习得性 - 智识谦逊被描述为良好预测判断的绝对基础 [2] - 预测锦标赛源于美国情报官员在伊拉克未发现大规模杀伤性武器后创建的项目，五所大学研究团队竞相预测现实地缘政治事件 [2] - 共同作者Philip Tetlock的团队"良好判断项目"招募志愿者进行预测，仅1%至2%的志愿者持续排名靠前 [3] - 志愿者仅阅读一次一页纸的基本技巧，整个赛季的预测准确率就提升了10% [3] 基准率方法在投资中的应用 - 第一个技巧是从基准率出发，即某一结果在整个类别中的常见程度 [4] - 估算新桥梁成本时应先查看桥梁的平均成本，再研究自身项目 [4] - 部分主动型股票基金采用类似顺序，先以广泛指数为起点再叠加公司层面判断 [4] - T. Rowe Price美国股票研究ETF（TSPA）以标普500指数为基准 [4] - 约30名研究分析师决定哪些股票超配或低配，行业和板块权重保持接近指数，并对单一持仓规模设有限制 [5] - TSPA于2021年6月推出，截至10月20日净资产为47亿美元，费用率为0.34% [5] 预测更新的节奏与投资启示 - 知道何时改变预测以及改变多少是一项挑战，投资领域同样存在 [6] - 投资组合经理往往因对每个数据点都做出反应或固执坚持某一观点而表现不佳 [6] - 超级预测者的更新频率远高于其他参与者，但每次幅度很小，既保留旧信息的价值又纳入新数据 [6] - 大多数人相反，抵制新证据直到证据堆积如山，然后完全抛弃原有观点 [7] - 经济学家约翰·梅纳德·凯恩斯曾被称作"一贯不一致先生"，但被认为是一位出色的投资者 [8] 人工智能对预测格局的影响 - 大型语言模型在2023年预测问题上落后于普通公众，但此后已超越公众 [8] - 若保持该速度，AI可能在2027年或2028年左右比肩超级预测者 [8] - 这一前景使Gardner押注于另一种技能，即答案价值下降而高质量问题价值飙升 [9]