March 21, 2019 Articles No Comments

บทความโดยคุณจรัล งามวิโรจน์เจริญ Chief Data Scientist & VP of Data Innovation Lab
บริษัท เซอร์ทิส จำกัด

หากสังเกตให้ดี ชีวิตประจำวันของเราทุกคนมีความเกี่ยวข้องกับข้อมูล การทำนาย และการคาดการณ์ (Prediction & Forecasting) อยู่บ่อยครั้ง ตั้งแต่เรื่องส่วนตัวตลอดจนสถานการณ์ที่เกิดขึ้นรอบตัวเรา เช่น การคาดการณ์ว่าควรซื้อบ้านไหม ส่งลูกไปเรียนโรงเรียนไหนดี การคาดการณ์งบประมาณโครงการต่างๆ การประเมินความสามารถของผู้ที่เราจะจ้างงาน หมอวินิจฉัยโรคให้กับผู้ป่วย ตลอดจนการทำนายผู้มีโอกาสชนะการเลือกตั้งของสถาบันต่างๆ เป็นต้น ซึ่งแน่นอนว่าทุกคนสามารถคาดการณ์เรื่องต่างๆ ได้ แต่ทำอย่างไรจึงจะคาดการณ์ได้อย่างมีหลักการและได้ผลลัพธ์ที่แม่นยำ ซึ่งคำตอบจะอยู่ในบทความนี้ครับ

เริ่มด้วย Wharton Professor Philip Tetlock จากมหาวิทยาลัยเพนซิลเวเนีย ได้จัดทำ Good Judgement Project เพื่อศึกษาเรื่องการคาดการณ์เป็นระยะเวลา 4 ปี โดยมีการเปิดรับอาสาสมัครนักคาดการณ์ (Forecaster) กว่า 5,000 คน ให้มาร่วมคาดการณ์เรื่องราวต่างๆ ตั้งแต่สงครามกลางเมืองของซีเรียไปจนถึงการเมืองของเกาหลีเหนือ ซึ่งผลปรากฏว่ากลุ่มคน 2% ที่ทำนายได้แม่นยำที่สุด สามารถคาดการณ์สิ่งต่างๆ ได้แม่นยำกว่าบุคคลทั่วไปโดยเฉลี่ยถึง 65% และมากกว่าหน่วยข่าวกรองของสหรัฐอเมริกา 30%

สิ่งที่สังเกตได้จากกลุ่มคนจำนวน 2% นั้นหรือเราอาจเรียกว่า เป็นนักคาดการณ์ที่มีความเชี่ยวชาญสูง (Superforecaster) คือ พวกเขาไม่ได้จบปริญญาเอกหรือมีไอคิวสูงมาก และไม่ได้คาดการณ์จากการใช้ดวงเพียงอย่างเดียว แต่พวกเขามีทัศนคติและความเชื่อที่มีผลต่อพฤติกรรมที่เปิดกว้าง (Opened Mind) มีความถ่อมตน (Humble) และรู้ว่าโลกที่เราอยู่นั้นซับซ้อน มีความระมัดระวังเพราะไม่มีอะไรแน่นอน (Cautious) มีความอยากรู้ อยากเห็น ชอบแก้ปัญหา (Curious) มีความมุ่งมั่นที่จะแก้ปัญหา (Gritty) และเป็นคนที่ชอบตัวเลข (Numerative)

จากการศึกษานี้แสดงให้เห็นว่านักคาดการณ์ที่มีความเชี่ยวชาญสูง (Superforecaster) ที่อยู่ในสังคมนั้นจริงๆ มีความสำคัญมากกว่ากลุ่มคนที่ถูกคัดเลือกให้มาทำงานด้านนี้โดยเฉพาะ หรือที่เรียกว่า กลุ่มปัญญาของฝูงชน (Wisdom of the Crowd)

Bill Flack นักคาดการณ์ระดับเทพ เขาเรียนจบด้านฟิสิกส์ และเคยเป็นนักดูนกที่ USDA (ทำหน้าที่คล้ายๆ กระทรวงเกษตรของเรา) เขาได้เข้าร่วมการแข่งขัน Superforcasting Tournament ที่จัดโดยหน่วยงานวิจัยข่าวกรองของอเมริกา IARPA — the Intelligence Advanced Research Projects Activity ซึ่งใช้เวลาแข่งขันกันเป็นปี โดยมีโจทย์ให้คาดการณ์สถานการณ์ภูมิศาสตร์การเมือง (Geopolitical) เช่น จะเกิดอะไรขึ้นกับตลาดหุ้นในญี่ปุ่น ใครจะชนะการเลือกตั้งในประเทศชิลี สงครามครั้งต่อไปในแอฟริกาจะเกิดขึ้นเมื่อใด ซึ่งความเป็นจริงแล้ว Bill ไม่ได้รู้รอบทุกเรื่อง เขาเพียงรู้สึกสนุกที่จะได้ลองทำสิ่งใหม่ๆ ยกตัวอย่างเหตุการณ์ที่ Bill เคยคาดการณ์ไว้ว่าใครจะเป็นผู้ชนะการเลือกตั้งในชิลี แน่นอนว่าเขาไม่ได้มีความรู้ทางด้านนี้นัก เขาจึงต้องหาข้อมูลอย่างหนักเพื่อนำมาประกอบการตัดสินใจ และนี่เองเป็นคุณสมบัติหนึ่งที่ทำให้เขาเป็นนักคาดการณ์ที่เก่งเป็นอันดับต้นๆ

ผมขอยกตัวอย่างเทคนิคหลักๆ 4 ข้อ ที่นักคาดการณ์เก่งๆ หลายท่านใช้กัน ดังนี้

1. อย่าคิดฉาบฉวย เอาง่ายไว้ก่อน (Avoid System 1 Thinking Trap)
Daniel Kahneman นักจิตวิทยาที่ได้รับรางวัลโนเบลสาขาเศรษฐศาสตร์ และผู้แต่งหนังสือ “Thinking, Fast and Slow” แบ่งวิธีคิดและตัดสินใจของคนเป็น 2 ส่วน ได้แก่ System 1 คือ การคิดเร็วโดยสัญชาตญาณอัตโนมัติ ในขณะที่ System 2 คือการค่อยๆ คิดไตร่ตรองและคิดวิเคราะห์ ยกตัวอย่างคำถามที่คนมักจะตอบผิดคือ “ไม้เทนนิสกับลูกเทนนิสทั้งสองอย่างมีราคารวม 1,100 บาท ถ้าไม้เทนนิสแพงกว่าลูกเทนนิส 1,000 บาท ลูกเทนนิสจะมีราคา 100 บาทใช่หรือไม่” หลายๆ คนอาจคิดว่าใช่ แต่ลองคิดดูให้ดีนะครับ (คำตอบคือไม่ใช่ 100 บาท แต่ผมขอไม่เฉลยวิธีคิดและลองให้ทุกท่านไปหาคำตอบกันดูนะครับ) นี่คือตัวอย่างของการที่เราใช้ System 1 หรือการคิดเร็ว ซึ่งอาจจะทำให้คำตอบผิดพลาดได้
คนส่วนมากพอเจอโจทย์ยากก็จะแทนสิ่งนั้นด้วยวิธีการง่ายๆ ทันที แต่คนที่เป็นนักคาดการณ์ระดับเทพจะมีความระมัดระวัง และคิดรอบคอบ ไม่ให้เกิดการคิดแบบ System 1 Thinking ที่มากจนเกินไป เพื่อเป็นการลดคำตอบที่ผิดพลาดจากการคิดเร็วหรือคิดชั้นเดียว

2. เริ่มด้วยการตั้งคำถามให้ถูก (Asking the Right Question)
Bill Flack เคยคาดการณ์สถานการณ์พลาด เขาตั้งคำถามว่า “Shinzo Abe นายกรัฐมนตรีของญี่ปุ่นจะเดินทางไปที่ศาลเจ้ายาสุคุนิ (Yasukuni) ในปี 2013 หรือไม่” โดยศาลเจ้านี้
ถูกสร้างขึ้นเพื่อระลึกถึงผู้สูญเสีย 2.5 ล้านคน จากสงครามต่างๆ ของคนญี่ปุ่น ซึ่งกว่า 1,000 คนในนั้นเป็นอาชญากร การมีเจ้าหน้าระดับสูงอย่าง นายกรัฐมนตรีไปแสดงความเคารพที่ศาลเจ้าอาจสร้างความความไม่พอใจให้กับรัฐบาลจีนหรือเกาหลี ซึ่งเคยมีประวัติศาสตร์ที่ขมขื่นกับประเทศญี่ปุ่นมาก่อนได้ ดังนั้น การไม่เดินทางไปที่นั่นอาจเป็นทางเลือกที่เหมาะสมที่สุด Bill จึงคาดการณ์ว่านายกฯ Abe จะไม่เดินทางไปที่นั่น แต่ผลกลับกลายเป็นสิ่งที่ตรงกันข้ามกับที่คาดการณ์ไว้

Bill จึงกลับมาทบทวนอีกครั้ง ทำให้พบว่าการที่เขาคาดการณ์ผิดในครั้งนี้นั้นเกิดจากการที่เขาตั้งคำถามผิด เพื่อให้คำตอบที่ว่า “ไม่ไป” จะได้เป็นคำตอบที่ถูกต้องหรือมีความน่าจะเป็นสูง (Probability) เขาควรจะตั้งคำถามว่า “หากเขาเป็นนายกรัฐมนตรีญี่ปุ่นจะเดินทางไปที่ศาลเจ้ายาสุคุนิหรือไม่” เพราะการตั้งคำถามว่า “Shinzo Abe นายกรัฐมนตรีของญี่ปุ่นจะเดินทางไปที่ศาลเจ้ายาสุคุนิหรือไม่” Bill ไม่ได้คิดถึงปัจจัยภายในว่าแท้จริงแล้ว นายกฯ Abe เดิมมีนิสัยแบบไหน มีทัศนคติและความคิดอย่างไร

3. คิดนอกแล้วคิดใน (Outside View → Inside View)
นักทำนายขั้นเทพมักจะเริ่มหาข้อมูลจากวงนอก ข้อมูลสถิติหรือหาข้อมูลที่เป็นฐาน (Base line) หรือ อัตราพื้นฐาน (Base rate) ที่จะช่วยให้เห็นความเป็นไปได้ก่อน สมมติว่า Tommy เด็กอเมริกันวัย 4 ปี อาศัยอยู่ในบ้านเล็กๆ กับพ่อ Frank และแม่ Mary คุณคิดว่า Tommy มีสุนัขอยู่ที่บ้านหรือไม่ สิ่งที่นักทำนายเริ่มทำก็คือค้นคว้าว่า ประชากรของอเมริกาที่มีสุนัขมีสัดส่วนเท่าใด หลังจากหาข้อมูลที่เป็น base line (เป็นเปอร์เซ็นต์ความน่าจะเป็น) แล้ว จึงเข้าไปคิดหาข้อมูลที่ใกล้ตัวจากสถานะการณ์ที่เกิดขึ้น เช่น ดูว่า Tommy เด็กเกินไปสำหรับที่จะดูแลสุนัขด้วยตัวเองไหม ซึ่งข้อมูลส่วนนี้จะช่วยปรับการทำนายให้ดีขึ้น
อีกตัวอย่างคือการทำนายว่า โอกาสที่คู่สมรสจะอยู่ด้วยกันมีมากน้อยแค่ไหน วิธีการเริ่มต้นด้วย Outside view โดยดูว่า สัดส่วนช่วงวัยของคู่สมรสที่หย่าร้างเป็นอย่างไร แล้วจึงใช้ Inside view ในการหาข้อมูลเกี่ยวกับความสัมพันธ์ของคู่สมรสที่เราจะคาดการณ์ ถ้าสามีเป็นโรคจิต นักทำนายก็จะปรับความน่าจะเป็นว่าคู่นี้คงอยู่กันไม่นาน
โจทย์บางอย่างอาจจะไม่สามารถหาข้อมูล Outside view ได้ เราอาจจะต้องประเมินจากตัวเลขโดยใช้เทคนิค Fermi method (ดูจากบทความ data literacy)

4. ผลคาดการณ์สามารถปรับเปลี่ยนได้
บางครั้งการคาดการณ์ไม่ได้เป็นสิ่งที่ทำครั้งเดียวแล้วจบ สิ่งที่คาดการณ์ไว้สามารถปรับเปลี่ยนได้ หากมีข้อมูลใหม่ที่มีประโยชน์เข้ามาเพิ่มเติม อย่างที่ Jeff Bezos ผู้ก่อตั้ง Amazon เคยพูดว่า คนที่ทำอะไรได้ถูกต้องมักจะเปลี่ยนใจและปรับความคิดบ่อย รวมถึงงานวิจัย “Small Steps to Prediction Accuracy” ของ Atanasov ที่ร่วมกับนักวิจัยจากมหาวิทยาลัยเพนซิลเวเนีย ผลวิจัยพบว่านัก
คาดการณ์ที่แม่นยำจะปรับการคาดการณ์บ่อยครั้ง แต่จะปรับทีละนิดตามข้อมูลใหม่ที่ได้มา

หลักการพื้นฐานเหล่านี้บวกกับการพัฒนาโดยเอาข้อมูลที่เชื่อถือได้หลากหลายแหล่งมาประกอบการพิจารณาและปรับความเชื่อ ประเมินเป็นตัวเลขความน่าจะเป็น (Probability) เพื่อทำให้เกิดการตัดสินใจที่ดี รวมถึงนำความรู้ทางประวัติศาสตร์และข้อมูลในอดีตเพื่อมาเป็นฐาน (Baseline) ในการตัดสินใจ จะทำให้เราสามารถคาดการณ์ได้อย่างมีหลักการและผิดพลาดน้อย ทั้งนี้ เรายังต้องอาศัยการฝึกฝนอย่างต่อเนื่องเพื่อพัฒนาฝีมือด้วย สุดท้ายนี้ ผมอยากให้ทุกท่านลองนำแนวคิดที่ผมได้แนะนำไปใช้กับการเลือกตั้งที่จะถึงนี้ เริ่มต้นด้วยการตั้งคำถามที่ดี แล้วมาแชร์ให้ผมฟังว่าเป็นอย่างไรกันบ้างนะครับ

References:

https://ar.casact.org/are-actuaries-superforecasting-material/

https://www.agriculture.com/news/technology/superforecasting-for-the-farm

https://www.omaha.com/columnists/hansen/hansen-superforecaster-s-success-begs-the-question-why-are-most/article_4f8a85ad-690f-520d-a688-4bbdb51f7cce.html

https://www.theguardian.com/global-development-professionals-network/2017/mar/06/forewarned-is-forearmed-learning-how-to-predict-the-future

https://goodjudgment.com/about/the-science-of-superforecasting/

https://www.researchgate.net/publication/330466683_Small_Steps_to_Prediction_Accuracy

https://www.cnas.org/publications/reports/getting-it-righter-faster

https://medium.com/west-stringfellow/superforecasting-the-art-and-science-of-prediction-review-and-summary-e075be35a936

https://www.gjopen.com/

https://pdfs.semanticscholar.org/4ec3/d7c9c7280604793e3477b70fbf342800c6ca.pdf

Written by Sertis Team