Cho đến thời điểm này, chúng ta chưa đặt câu hỏi về uy quyền của các chuyên gia được nhắc đến, thay vào đó, chỉ chất vấn năng lực của họ trong việc đánh giá các giới hạn kiến thức của chính mình. Sự kiêu ngạo trí thức không cản trở các kỹ năng. Một người thợ sửa ống nước hầu như biết về công việc hàn chì nhiều hơn so với một nhà viết tiểu luận và một nhà giao dịch chứng khoán sử dụng phương pháp toán học bướng bỉnh. Một bác sĩ phẫu thuật chứng thoát vị không thể nào biết về chứng bệnh này ít hơn so với một người múa bụng. Nhưng ngược lại, các khả năng có thể xảy ra đó sẽ bị loại bỏ - và, điểm đáng nói ở đây, có lẽ bạn biết về tỷ lệ này nhiều hơn so với các chuyên gia. Dù người ta kể cho bạn nghe điều gì đi chăng nữa, việc hỏi về tỷ lệ sai sót trong quy trình của một chuyên gia là một ý kiến hay. Đừng hỏi về quy trình, mà chỉ nên hỏi về sự tự tin của anh ta thôi. (Khi có ai đó bị bỏng ở trung tâm y tế, tôi sẽ học cách thận trọng và giục mọi người cũng thận trọng: nếu bạn có một triệu chứng và tìm đến phòng mạch bác sỹ, đừng nghe những điều linh tinh mà ông ta nói về việc rằng nó không phải là bệnh ung thư).

Tôi sẽ tách hai trường hợp này như sau. Trường hợp nhẹ sự kiêu ngạo cộng với (một ít) khả năng, và trường hợp nặng: sự kiêu ngạo cộng với sự bất tài (những bộ complê rỗng tuếch). Có một số nghề nghiệp, nơi bạn biết nhiều hơn so với các chuyên gia - những người mà, than ôi, bạn đang phải trả tiền để có được ý kiến của họ - thay vì họ phải trả tiền để bạn lắng nghe họ. Bạn chọn cái nào?

Có rất nhiều tài liệu về cái gọi là vấn đề của chuyên gia trong việc tiến hành kiểm tra thực nghiệm các chuyên gia để xác định được thành tích của họ. Nhưng điều này lúc đầu có vẻ gây nhầm lẫn. Một mặt, chúng tôi được một tầng lớp các nhà nghiên cứu như Paul Meehl và Robyn Dawes chứng minh rằng, mác “chuyên gia” có nghĩa gần với sự gian lận nhất, hoạt động chẳng hơn gì một chiếc máy tính đang thực hiện một phép tính đơn giản, trực giác gây cản trở khiến họ không còn nhìn thấy được gì. (Để lấy ví dụ về máy tính thực hiện một phép tính đơn giản, tỷ suất tài sản lưu động trên nợ cho kết quả đúng hơn so với đa số các nhà phân tích tín dụng). Mặt khác, có nhiều tài liệu chứng tỏ rằng nhiều người có thể đánh bại cả máy tính nhờ vào trực giác của mình. Vậy cái nào đúng?

Chắc chắn rằng một số ngành nghề phải có các chuyên gia chân chính. Hãy đặt những câu hỏi sau: Bạn muốn cuộc phẫu thuật não sắp tới của mình được tiến hành bởi một phóng viên khoa học của một tờ báo hay một bác sĩ phẫu thuật não có bằng cấp? Hoặc, bạn muốn nghe bản tin kinh tế được trình bày bởi một người có bằng tiến sĩ tài chính tốt nghiệp từ một trường đại học “xuất chúng” như Wharton School, hay bởi một người viết tin kinh tế của một tờ báo? Câu trả lời cho câu hỏi thứ nhất đã rõ, nhưng câu thứ hai lại chẳng rõ chút nào. Chúng ta có thể đã thấy được sự khác nhau giữa “biết-cách-nào” và “biết-cái-gì”. Người Hy Lạp đã phản biệt giữa technè (kỹ năng) và epistèmè (kiến thức). Trường y khoa thực nghiệm Menodotus of Nicomedia và Heraclites of Tarentum muốn các bác sĩ thực tập phải gần gũi với technè (tức “tay nghề”), và tránh xa epistèmè (tức “kiến thức”, “khoa học”).

Nhà tâm lý học James Shanteau đảm nhận nhiệm vụ tìm ra ngành nào có chuyên gia và ngành nào không. Hãy lưu ý điểm khẳng định ở đây: nếu muốn chứng tỏ rằng không có chuyên gia, bạn có thể tìm một nghề nào đó mà chuyên gia trở nên vô dụng. Và bạn cũng có thể chứng minh điều ngược lại theo cách đó. Nhưng có một quy tắc: có nhiều nghề vẫn cần đến vai trò của các chuyên gia, và có nhiều nghề chẳng thấy các kỹ năng đâu cả. Vậy cái nào thuộc nghề nào?

Những chuyên gia có xu hướng trở thành chuyên gia: những người am hiểu vật nuôi, các nhà thiên văn học, phi công thử nghiệm máy bay, các nhà phân tích đất trồng, các kiện tướng cờ vua, các nhà vật lý học, nhà toán học (khi xử lý các vấn đề toán học, chứ không phải các vấn đề thực nghiệm), nhân viên kế toán, nhân viên kiểm tra ngũ cốc, những người giải thích hình ảnh, các nhà phân tích bảo hiểm (xử lý các số liệu thống kê thuộc đường cong hình chuông).

Những chuyên gia có xu hướng… không trở thành chuyên gia: các nhà môi giới chứng khoán, nhà tâm lý học lâm sàng, cán bộ tuyển sinh của trường đại học, thẩm phán tòa án, các cố vấn, những người tuyển chọn nhân sự, các nhà phân tích tình báo (dù rất tốn kém nhưng hồ sơ của Cơ quan Tình báo Trung ương Hoa Kỳ thật thảm hại). Tôi xin bổ sung các kết quả có được từ việc kiểm tra các tài liệu này: các nhà kinh tế, các chuyên gia dự báo tài chính, các giáo sư tài chính, các nhà khoa học chính trị, “các chuyên gia rủi ro”, nhân viên của Ngân hàng Thanh toán Quốc tế, các thành viên đáng kính của Hiệp hội Kỹ sư Tài chính Quốc tế, và các chuyên gia tư vấn tài chính cá nhân.

Nói một cách đơn giản, những thứ chuyển động, và do đó đòi hỏi phải có kiến thức, thường không có chuyên gia; trong khi những thứ không chuyển động có vẻ như có một vài chuyên gia. Nói cách khác, những nghề nào phải xử lý các vấn đề tương lai - và các nghiên cứu của chúng được dựa trên những gì đã xảy ra trong quá khứ nhưng không có khả năng tái diễn - thường có vấn đề về chuyên gia (với trường hợp ngoại lệ là lĩnh vực dự báo thời tiết và những doanh nghiệp có các quy trình tự nhiên ngắn hạn, chứ không phải các quy trình kinh tế xã hội). Tôi không nói rằng không ai trong số những người xử lý các vấn đề tương lai có thể cung cấp những thông tin giá trị (như đã nói trước đó, các tờ báo có thể dự đoán khá chính xác giờ mở cửa của nhà hát), mà đúng hơn là những người nào không đưa ra được giá trị gia tăng hữu hình thường xử lý các vấn đề tương lai.

Có một cách khác để nhìn nhận vấn đề này là những thứ chuyển động thường có khuynh hướng Thiên Nga Đen. Các chuyên gia là những người có tiêu điểm hẹp cần phải “đi đường hầm”. Trong những tình huống nơi việc băng hầm diễn ra an toàn - do các Thiên Nga Đen không phải là kết quả của một trình tự lôgic - các chuyên gia sẽ hoạt động hiệu quả.

Robert Trivers, một nhà tâm lý học tiến bộ và là người có tầm nhìn khác thường, có cách trả lời khác (ông đã trở thành một trong những nhà tư tưởng tiến bộ có ảnh hưởng nhất kể từ thời Darwin với những ý tưởng được phát triển trong thời gian học luật của mình). Ông liên kết nó với sự tự lừa dối. Trên những vùng giao tranh - nơi có truyền thống tranh giành, cướp bóc - chúng ta rất giỏi dự đoán kết quả bằng cách đánh giá cán cân quyền lực. Con người và loài tinh tinh có thể cảm nhận ngay tức thì bên nào đang thắng thế, và phân tích thiệt hơn để tấn công giành lấy tất cả. Một khi bắt đầu tấn công, bạn phải đặt mình vào trạng thái tâm lý đánh lừa để có thể bỏ qua các thông tin bổ sung - đó là cách tốt nhất để tránh nao núng trong suốt trận chiến. Mặt khác, không giống như các đợt công kích, những cuộc chiến quy mô lớn không phải là thứ hiện diện trong di sản con người - chúng hoàn toàn mới mẻ - vì thế, chúng ta có xu hướng đánh giá thấp thời gian kéo dài của chúng và đánh giá quá cao sức mạnh tương xứng của mình. Hãy nhớ lại việc đánh giá thấp về thời gian kéo dài của cuộc nội chiến Li băng. Những ai đã từng tham gia Thế chiến thứ nhất đều xem cuộc nội chiến trên giống như một điệu nhảy thưởng bánh của người da đen. Điều này cũng tương tự như cuộc chiến tranh Việt Nam, cuộc chiến Iraq, và những xung đột thời hiện đại.

Bạn không thể lờ đi sự tự lừa dối bản thân, vấn đề với các chuyên gia là họ không biết được mình không biết điều gì. Sự thiếu kiến thức và ảo tưởng về chất lượng kiến thức của mình là hai thứ song hành - cùng một quá trình nhưng nó vừa khiến bạn biết ít vừa khiến bạn hài lòng với kiến thức của mình.

Trong phần tiếp theo, thay vì đưa ra chuỗi các dự báo, chúng ta sẽ bàn về độ chính xác của các dự báo, tức khả năng dự đoán được con số đó.

Cách đạt được thành công khi bị người khác xem thường

Chúng ta cũng có thể tìm hiểu về lỗi dự đoán từ các hoạt động giao dịch. Những nhà phân tích định lượng như chúng tôi có thừa dữ liệu về các dự đoán kinh tế và tài chính - từ dữ liệu tổng quát về các biến số kinh tế lớn cho đến các dự báo và các cuộc triệu tập của thị trường về những tay “chuyên gia” hay “người có thẩm quyền” của truyền hình. Sự phong phú nguồn dữ liệu đó và khả năng xử lý chúng trên máy tính khiến cho đề tài này trở nên vô giá đối với một người theo chủ nghĩa thực nghiệm. Nếu là một nhà báo, hoặc, lạy trời đừng làm thế, nhà sử học, hẳn tôi sẽ gặp rất nhiều khó khăn khi thử nghiệm tính hiệu quả về dự đoán của những thảo luận miệng này. Bạn không thể dùng máy tính để xử lý các lời bình luận - ít ra là không dễ dàng làm được điều đó. Hơn nữa, nhiều nhà kinh tế học ngây thơ mắc phải một sai lầm là đưa ra các dự đoán có liên quan đến nhiều biến số, tạo ra một cơ sở dữ liệu về các nhà kinh tế và các biến số - điều cho phép chúng ta nhận biết được liệu một số nhà kinh tế học có giỏi hơn những người khác (ở đây không có sự khác biệt theo kết quả lôgic) hoặc liệu có các biến số nào đó mà những nhà kinh tế này chứng tỏ được năng lực của mình hơn (than ôi, chẳng cái nào có ý nghĩa cả).

Tôi đã ở vào vị trí rất gần để quan sát khả năng dự đoán của chúng ta. Trong những ngày còn làm công việc của giao dịch viên toàn thời gian, trong khoảng vài tuần, cứ 8:30 sáng, màn hình máy tính của tôi lại nhấp nháy một số liệu kinh tế được công bố bởi Bộ Thương mại, Bộ Tài chính, hoặc một cơ quan danh tiếng nào đó. Tôi chẳng có khái niệm nào về ý nghĩa của những con số này và cũng chẳng bao giờ thấy cần thiết phải bỏ công tìm hiểu điều đó. Vì thế, tôi không mấy quan tâm đến những con số này ngoại trừ việc mọi người trở nên phấn khích và bàn luận khá nhiều về ý nghĩa của chúng, khiến cho các dự đoán trông thật hấp dẫn. Trong số các con số đó có Chỉ số Giá Tiêu dùng (CPI), Chỉ số Việc làm (những thay đổi về số người có việc làm), Chỉ số Các Chỉ báo Kinh tế Dẫn đầu, Doanh số Hàng hóa Lâu bền (các nhà giao dịch chứng khoán gọi chúng là “những cô gái xài được”), Tổng Sản lượng Quốc nội (phần quan trọng nhất), và còn nhiều chỉ số khác tạo nên nhiều mức độ phấn khích khác nhau tùy theo sự hiện diện của chúng trong bài bình luận.

Người bán dữ liệu cho phép bạn nhìn qua các dự đoán của “các nhà kinh tế hàng đầu”- những người (mặc complê) làm việc cho các tổ chức đáng kính như JP. Morgan Chase hay Morgan Stanley. Bạn có thể xem các nhà kinh tế này trò chuyện, đưa ra các lý thuyết một cách hùng hồn và đầy thuyết phục. Hầu hết những người này đều có mức thu nhập 7 con số và được xếp hạng sao, với những nhóm nghiên cứu chuyên lùng sục các số liệu và các dự đoán. Nhưng các ngôi sao này lại đủ ngu ngốc để phát hành số liệu dự đoán của mình cho thế hệ sau quan sát và đánh giá mức độ tài năng của họ.

Tệ hơn nữa, nhiều công ty tài chính còn xuất bản các cuốn sách nhỏ vào thời điểm cuối năm với tên gọi “Viễn cảnh năm 200X” để sử dụng cho năm tiếp theo. Dĩ nhiên, họ không kiểm tra lại kết quả của những dự báo mà mình đã đưa ra trước đó. Có lẽ, thậm chí công chúng còn ngu ngốc hơn khi bỏ tiền mua những lý luận đó mà không tiến hành các kiểm tra đơn giản sau - mặc dù dễ nhưng rất ít khi được thực hiện. Một thử nghiệm cơ bản là so sánh các nhà kinh tế ngôi sao này với một tài xế tắc-xi giả định (tương tự như Mikhail ở Chương 1): bạn tạo ra một nhân vật nào đó - người sử dụng các số liệu gần đây nhất làm công cụ dự báo tốt nhất cho năm tiếp theo, giả định rằng anh ta không biết gì cả. Sau đó, những gì bạn phải làm là so sánh các tỷ lệ sai sót của các nhà kinh tế “ngôi sao” kia và nhân vật tưởng tượng của bạn. Nhưng vấn đề là khi bị cuốn hút bởi các câu chuyện, bạn sẽ không còn nhớ đến việc thử nghiệm này.

Các sự kiện là những thứ lạ lùng

Vấn đề của việc dự đoán hơi tinh tế hơn một chút, chủ yếu xuất phát từ thực tế là chúng ta đang sống ở Extremistan (Cực độ), chứ không phải Mediocristan (Bình thường). Các nhà dự đoán của chúng ta có thể giỏi dự đoán những điều bình thường, chứ không phải những điều bất thường, và đây chính là nơi họ thất bại. Tất cả những gì cần làm là bỏ qua sự chuyển động của lãi suất ngân hàng, từ 6% đến 1% trong một dự đoán dài hạn hơn (những gì đã xảy ra giữa năm 2000 và 2001) để tất cả các dự báo tiếp theo của bạn hoàn toàn vô tác dụng trong việc hiệu chỉnh thành tích tích lũy trong quá khứ của chính mình, vấn đề không phải là bạn có thường dự đoán đúng không, mà là các sai số tích lũy của bạn lớn đến mức nào.

Và các sai số tích lũy này phần lớn phụ thuộc vào những bất ngờ lớn, những cơ hội lớn. Các nhà dự đoán kinh tế, tài chính và chính trị không chỉ bỏ lỡ chúng mà còn rất đáng xấu hổ khi nói ra những thứ lạ lùng với khách hàng của mình - và lúc này, hóa ra các sự kiện hầu như lúc nào cũng lạ lùng. Hơn nữa, như chúng ta sẽ thấy trong phần kế tiếp, các nhà dự báo kinh tế có xu hướng thất bại gần giống nhau hơn. Không ai muốn mình trở nên kỳ lạ trong mắt người khác.

Vì thử nghiệm của tôi chỉ nhằm mục đích giải trí và thương mại, phục vụ cho riêng bản thân mình và không được định dạng để xuất bản, nên tôi sẽ sử dụng các kết quả chính thức hơn của các nhà nghiên cứu khác - những người phải khổ sở đối mặt với sự chán ngắt của quy trình xuất bản. Tôi lấy làm ngạc nhiên là người ta chẳng mấy khi tiến hành nội quan để kiểm tra tính hữu dụng của những nghề nghiệp này. Có một số - nhưng không nhiều - thử nghiệm chính thức trong ba lĩnh vực: phân tích chứng khoán, khoa học chính trị và kinh tế học. Chắc chắn trong một vài năm tới, chúng ta sẽ có nhiều lĩnh vực hơn nữa. Hoặc có lẽ không - tác giả của các tài liệu như thế có lẽ sẽ bị đồng nghiệp của mình bêu rếu. Trong số gần một triệu tài liệu được đăng về chính trị học, tài chính, và kinh tế học, chỉ có một lượng nhỏ kiến thức được kiểm tra về chất lượng dự đoán.

Sống bầy đàn như gia súc

Một vài nhà nghiên cứu đã kiểm tra công việc và thái độ của các chuyên gia phân tích chứng khoán với kết quả đáng kinh ngạc, đặc biệt khi xem xét sự kiêu ngạo trí thức của những người này. Trong một nghiên cứu so sánh các chuyên gia phân tích chứng khoán với các nhà dự báo thời tiết, Tadeusz Tyszka và Piotr Zielonka chứng minh rằng các nhà phân tích chứng khoán không giỏi dự đoán nhưng lại có niềm tin mạnh mẽ về kỹ năng của chính mình. Dù thế nào chăng nữa, sự tự đánh giá đó của các nhà phần tích chứng khoán vẫn không làm giảm bớt giới hạn sai số sau nhiều thất bại trong việc dự đoán.

Tháng Sáu năm ngoái, trong lần đến Paris, tôi có than thở với Jean- Philippe Bouchaud về sự khan hiếm của các nghiên cứu được xuất bản đó. Anh ta trông như một cậu trai trẻ, như thể chỉ đáng bằng nửa tuổi tôi mặc dù ít hơn tôi vài tuổi, và tôi thường trêu rằng sở dĩ anh ta có được sự trẻ trung ấy là nhờ vào vẻ đẹp của chuyên ngành vật lý học. Thật ra, anh ta không hẳn là nhà vật lý, mà là một trong những nhà khoa học định lượng - những người ứng dụng các phương pháp vật lý thống kê vào các biến số kinh tế - một lĩnh vực được Benoit Mandelbrot khởi xướng vào cuối thập niên 50. Cộng đồng này không sử dụng phép toán học thuộc Mediocristan, và vì thế có vẻ quan tâm đến sự thật. Những người này hoàn toàn không thuộc lĩnh vực kinh tế học, kinh doanh, tài chính, mà hoạt động tại các khoa vật lý học và toán học, hoặc thường là tại các trung tâm giao dịch (các nhà giao dịch hiếm khi thuê các nhà kinh tế cho riêng mình, mà chủ yếu để cung cấp thông tin cho những khách hàng ít thông thạo của mình). Một vài người trong số họ cũng hoạt động trong lĩnh vực xã hội học với sự thù địch như “các thổ dân”. Không giống các nhà kinh tế học - những người mặc complê và đưa ra các lý thuyết - các nhà khoa học này không sử dụng đường cong hình chuông mà chỉ sử dụng các phương pháp thực nghiệm để quan sát dữ liệu.

Anh ta đã khiến tôi ngạc nhiên khi cho xem tài liệu nghiên cứu mà một thực tập sinh vừa kết thúc trong đợt hè vừa rồi dưới sự giám sát của anh và cũng vừa được nhà xuất bản nhận lời; bài thực tập đó đã nghiên cứu 2000 dự đoán của các nhà phân tích chứng khoán. Những gì bài viết đó chỉ ra là các nhà phân tích môi giới chứng khoán này chẳng dự đoán gì cả - một dự báo ngây thơ mà ai đó lấy ra từ các số liệu của giai đoạn này làm chỉ báo cho giai đoạn kế tiếp sẽ không gây ra thiệt hại đáng kể. Tuy nhiên, các nhà phân tích được thông báo về các đơn đặt hàng của công ty, các hợp đồng sắp tới, và các chi phí dự trù, vì thế, kiến thức bổ sung này phải giúp họ làm tốt hơn nhiều so với nhà dự đoán ngây thơ chỉ biết nhìn vào dữ liệu quá khứ mà không cần đến thông tin nào khác. Tệ hơn nữa, sai số của các nhà dự đoán lại lớn hơn rất nhiều so với mức chênh lệch trung bình giữa các dự đoán riêng lẻ - điều nhấn mạnh tâm lý bầy đàn. Thông thường, các dự đoán nên cách xa nhau, giống như khoảng cách của chúng với con số được dự đoán. Nhưng để hiểu được cách mà các nhà dự đoán duy trì công việc làm ăn, cũng như vì sao họ không mắc phải các tổn hại thần kinh nghiêm trọng (như sụt cân, hành vi thất thường, hoặc chứng nghiện rượu cấp tính), chúng ta phải quan sát công việc của nhà tâm lý học Philip Tetlock.

Tôi đã “gần” đúng

Tetlock đã nghiên cứu công việc của các “chuyên gia” kinh tế và chính trị. Ông yêu cầu các chuyên gia đánh giá khả năng xảy ra của một số sự kiện kinh tế, chính trị và quân sự trong một khung thời gian cụ thể (khoảng 5 năm sau). Các kết quả đó đại diện cho tổng cộng khoảng 27.000 dự đoán, với sự tham gia của gần 300 chuyên gia. Các nhà kinh tế chiếm khoảng 1/4 số đối tượng tham gia. Nghiên cứu đã cho thấy rằng tỷ lệ sai số của các chuyên gia cao gấp nhiều lần so với những điều họ đã ước tính. Nghiên cứu cũng bộc lộ một vấn đề của chuyên gia: không có sự khác biệt nào trong các kết quả cho dù đó là của một tiến sĩ hay một sinh viên chưa tốt nghiệp. Các giáo sư có tiếng chẳng có lợi thế nào hơn so với các nhà báo. Sự cân đối duy nhất mà Tetlock phát hiện thấy đó là hiệu ứng tiêu cực của danh tiếng đối với việc dự đoán: những người có danh tiếng đưa ra dự báo tồi hơn so với những người không có danh tiếng.

Nhưng trọng tâm của Tetlock không phải chứng tỏ năng lực thực sự của các chuyên gia (mặc dù nghiên cứu đưa ra chứng cứ rất thuyết phục về điều đó) mà là điều tra xem vì sao các chuyên gia không nhận ra rằng mình chẳng giỏi giang gì trong công việc, hay nói cách khác, là tìm hiểu về cách họ thêu dệt nên những câu chuyện của mình. Dường như có một trình tự lôgic về sự bất lực đó, hầu hết đều dưới dạng bảo vệ niềm tin, hoặc bảo vệ tính tự tôn. Do đó, Tetlock đã nghiên cứu sâu thêm về các cơ chế, theo đó, các đối tượng nghiên cứu của ông đã đưa ra những lời giải thích dựa trên quá khứ.

Tôi sẽ không nói đến mức độ ảnh hưởng của những ràng buộc về ý thức hệ của một người đối với nhận thức của chính anh ta, mà sẽ chỉ ra các khía cạnh tổng quát hơn về điểm mù (blind spot) này đối với các dự đoán của người đó.

Hãy tự nói với mình rằng bạn đang chơi một trò chơi khác. Hãy nói bạn không thể dự đoán được sự suy yếu và sụp đổ của khối Xô Viết (không nhà khoa học nào nhìn thấy nó xảy ra). Dễ dàng khẳng định rằng bạn rất giỏi trong việc hiểu được bộ máy chính trị của khối Xô Viết, nhưng những người Nga chính hiệu này lại rất khéo che giấu những yếu tố kinh tế then chốt. Nếu có được thông tin tình báo kinh tế, hẳn bạn đã đoán được sự sụp đổ của khối Xô Viết này. Đừng đổ lỗi cho các kỹ năng của bạn. Điều này cũng đúng trong trường hợp bạn dự đoán Al Gore giành thắng lợi vẻ vang trước George W. Bush. Bạn không nhận thấy rằng nền kinh tế đã ở trong tình trạng hết sức nguy khốn; quả thực điều này dường như đã bị che giấu. Thôi nào, bạn không phải là nhà kinh tế, và cuộc chơi này hóa ra lại chỉ toàn về kinh tế học.

Bạn nhờ đến yếu tố ngoại lai. Có một điều gì đó đã xảy ra nằm ngoài hệ thống, ngoài phạm vi khoa học của bạn. Giả sử đó là thứ không thể đoán được thì cũng không phải là lỗi của bạn. Nó là Thiên Nga Đen và bạn không có nhiệm vụ phải đoán được các Thiên Nga Đen. NNT (ND: Nassim Nicholas Taleb) nói với chúng ta rằng, về cơ bản, Thiên Nga Đen là thứ không thể dự đoán được (nhưng rồi tôi nghĩ NNT sẽ hỏi, vậy sao còn phụ thuộc vào các dự đoán?). Các sự kiện đó thuộc “ngoại sinh”, xuất hiện bên ngoài lĩnh vực khoa học của bạn. Hoặc có lẽ đó là sự kiện với xác suất xảy ra cực thấp, một trận lụt ngàn năm có một, và chúng ta thật bất hạnh khi gặp phải nó. Nhưng sự kiện này sẽ không xảy ra ở lần kế tiếp. Việc chú trọng đến trò chơi suýt soát này và việc liên hệ kết quả dự đoán của một người với một kịch bản cho sẵn là cách mà những kẻ lập dị giải thích về thất bại của các phương pháp toán học trong xã hội. Mô hình này đúng, nó hoạt động hiệu quả, nhưng cuộc chơi hóa ra lại hoàn toàn khác so với dự đoán.

Sự biện hộ “gần đúng”. Khi nhìn lại quá khứ; với lợi ích của việc xem xét lại các giá trị và khuôn khổ thông tin, ta có thể dễ dàng cảm nhận được đó là một sự thoát hiểm trong gang tấc. Tetlock viết, “Những người theo dõi khối Xô Viết - những người vào năm 1988 cho rằng Đảng Cộng sản không thể nào bị tước mất quyền lực vào năm 1993 hoặc 1998 - hoàn toàn có thể tin rằng những người ủng hộ Điện Kremli gần như lật đổ Gorbachev trong âm mưu táo bạo vào năm 1991, và hẳn đã thành công nếu những kẻ âm mưu hành động cương quyết và tỉnh táo hơn, hoặc nếu các sĩ quan quân đội chủ chốt đã tuân lệnh giết chết những thường dân chống lại chế độ thiết quân luật, hoặc nếu Yeltsin không hành động quá gan góc”.

Lúc này, tôi sẽ đi vào những khuyết điểm tổng quát hơn được phát hiện trong ví dụ này. Các “chuyên gia” này tỏ ra không cân xứng: có những trường hợp đoán đúng, họ cho rằng đó là nhờ khả năng chuyên môn và hiểu biết sâu rộng của mình; nhưng khi đoán sai, hoặc là họ đổ lỗi cho hoàn cảnh khác thường, hoặc tệ hơn, thậm chí không nhận ra rằng mình đã sai và bắt đầu thêu dệt những câu chuyện xoay quanh nó. Họ cảm thấy khó chấp nhận rằng mình hiểu biết hơi nông cạn. Nhưng đây là một thuộc tính phổ biến trong mỗi chúng ta: có một phần trong chúng ta được tạo ra để bảo vệ cho tính tự tôn của mình.

Con người là nạn nhân của sự bất cân xứng trong nhận thức về các sự kiện ngẫu nhiên. Chúng ta cho rằng thành công của mình là nhờ vào kỹ năng, còn thất bại là do các yếu tố ngoại cảnh, vượt khỏi khả năng kiểm soát của mình, cụ thể là tính ngẫu nhiên. Chúng ta cảm thấy có trách nhiệm với những gì tốt đẹp chứ không phải những gì tồi tệ. Điều này khiến chúng ta nghĩ rằng mình giỏi hơn người khác trong bất kỳ công việc kiếm sống nào. 96% dân số Thụy Điển tin rằng kỹ năng lái xe của bản thân đã đưa họ vào danh sách 50% tài xế hàng đầu của nước này; còn 84% dân số Pháp cảm nhận rằng chính khả năng tỏ tình đã đưa họ vào danh sách 50% người tình lý tưởng của nước này.

Hiệu ứng khác của sự bất cân xứng này là chúng ta cảm thấy hơi khác thường, không giống như những người khác - những người mà mình không nhận thấy được sự bất cân xứng đó. Tôi đã đề cập đến những kỳ vọng phi thực tế về tương lai của những người đang trong giai đoạn lập gia đình, đồng thời xem xét số lượng gia đình định hướng cho tương lai của mình, tự bao bọc mình trong ngôi nhà kiên cố và nghĩ rằng sẽ sống ở đó mãi mãi mà không nhận ra mức độ khủng khiếp của các số liệu thống kê về cuộc sống tĩnh tại. Chẳng nhẽ họ không nhìn thấy các nhà môi giới bất động sản diện những bộ cánh đắt tiền và đi lại trên những chiếc xe hơi sang trọng hay sao? Chúng ta là những người rất thích di chuyển, nhiều hơn so với dự định, và thực hiện nó một cách hăng hái. Hãy nghĩ xem có bao nhiêu người đột nhiên mất việc đoán được là mình sẽ mất việc, thậm chí vài ngày trước đó. Hay có bao nhiêu người nghiện ma túy khi bắt đầu con đường nghiện ngập lại sẵn sàng chìm đắm trong cuộc chơi này lâu như thế.

Còn có một bài học khác từ thử nghiệm của Tetlock. Ông đã phát hiện ra điều mà tôi từng đề cập trước đó, rằng nhiều thiên tài của trường đại học, hay “những cộng tác viên của những tập san hàng đầu”, chẳng hơn gì so với một độc giả hoặc một phóng viên bình thường của tờ New York Times xét trong phạm vi khả năng phát hiện những thay đổi của thế giới xung quanh mình. Những chuyên gia vốn dĩ hay chuyên môn hóa thái quá này thậm chí còn thất bại với những thử nghiệm trong chính chuyên môn của mình.

Nhím và cáo. Tetlock phân biệt hai nhóm dự đoán - nhím và cáo - dựa trên sự phân biệt của nhà văn tiểu luận Isaiah Berlin. Như trong truyền thuyết của Aesop, nhím biết một thứ, còn cáo biết nhiều thứ - đây chính là những kiểu thích ứng mà bạn cần có trong cuộc sống hàng ngày. Phần lớn những thất bại trong dự đoán đều xuất phát từ nhím bởi trong đầu nó chỉ biết đến một sự kiện Thiên Nga Đen đơn lẻ - một biến cố lớn nhưng không có khả năng xuất hiện. Con nhím này được dùng để ám chỉ những người chú trọng đến một sự kiện không chắc xảy ra, rơi vào lối liên tưởng ngụy biện khiến họ trở nên mù quáng để tin vào một kết quả mà không hình dung được nhiều cái khác.

Do lối liên tưởng ngụy biện đó nên loài nhím trở thành thứ dễ hiểu đối với chúng ta - tức là nội dung ít, dễ nhớ. Phạm trù của chúng được các nhà dự đoán danh tiếng trình bày quá mức cần thiết; do đó, những người này nhìn chung có khả năng dự đoán kém hơn so với các nhà dự đoán còn lại.

Từ lâu, tôi đã tránh mặt báo chí bởi bất cứ khi nào nghe về câu chuyện Thiên Nga Đen, các phóng viên đều yêu cầu tôi cho họ một danh sách các sự kiện gây tác động trong tương lai. Họ muốn tôi dự đoán về những Thiên Nga Đen này. Thật kỳ lạ, cuốn sách Điên vì tình cờ (Fooled by randomness), được xuất bản một tuần trước ngày 11/9/2001, đã thảo luận về khả năng một chiếc máy bay có thể đâm sầm vào văn phòng của mình. Do đó, đương nhiên người ta sẽ hỏi “làm cách nào tôi dự đoán được sự kiện đó”. Tôi không dự đoán nó - đó là một tình huống xảy ra tình cờ. Tôi không chơi trò tiên tri! Mới đây, tôi còn nhận được một lá thư điện tử yêu cầu liệt kê mười sự kiện Thiên Nga Đen sắp xảy ra. Hầu hết mọi người đều không hiểu ý tôi khi nói đến sai số về độ đặc hiệu (error of specificity), về liên tưởng ngụy biện, và về ý tưởng của việc dự đoán. Ngược lại với những gì mọi người mong đợi, tôi không khuyên mọi người nên trở thành nhím - mà hãy trở thành cáo với một tâm hồn rộng mở. Tôi biết rằng có một sự kiện ít có khả năng xảy ra sẽ làm thay đổi lịch sử, nhưng chỉ không biết sự kiện đó là gì.

Thực tế ư? Để làm gì?

Tôi chẳng tìm thấy được một nghiên cứu nào chính thức theo kiểu Tetlock trong các tập san kinh tế. Nhưng thật đáng ngờ, tôi cũng không thấy có tờ báo nào tung hô khả năng đưa ra các dự báo đáng tin cậy của các nhà kinh tế học. Vì thế, tôi chỉ đánh giá những điều mình có thể tìm thấy ở các bài báo và các tờ báo kinh tế hiện có. Tất cả chúng đều không đưa ra bằng chứng thuyết phục nào để chứng minh rằng các nhà kinh tế học có khả năng dự đoán, và nếu họ có một khả năng nào đó thì những dự đoán của họ giỏi nhất cũng chỉ hơi khá hơn so với các dự đoán ngẫu nhiên - chứ không đủ tốt để giúp đưa ra các quyết định nghiêm túc.

Cuộc thử nghiệm thú vị nhất về mức độ tác động của các phương pháp hàn lâm trong thế giới thực là thử nghiệm của Spyros Makridakis - người mà một phần công việc là quản lý các hoạt động cạnh tranh giữa các nhà dự đoán áp dụng một “phương pháp khoa học” được gọi là toán kinh tế - một phương pháp kết hợp lý thuyết kinh tế với các trắc lượng thống kê. Nói một cách đơn giản, ông ta yêu cầu mọi người dự đoán trong cuộc sống thực và sau đó đánh giá độ chính xác của họ. Điều này dẫn đến sự ra đời của chuỗi “M-Competitions”[1] do ông điều hành, cùng với sự hỗ trợ của Michele Hibon, trong đó M3 là phiên bản thứ ba và là phiên bản mới nhất được hoàn thành vào năm 1999. Makridakis và Hibon đã đi đến một kết luận đáng buồn rằng “các phương pháp thống kê phức tạp không hẳn sẽ đưa ra các dự báo chính xác hơn so với các phương pháp đơn giản”.

Tôi cũng có một trải nghiệm tương tự trong thời gian còn làm quant - nhà khoa học nước ngoài với chất giọng khàn hàng đêm ngồi bên máy tính thực hiện những phép đoán phức tạp nhưng hiếm khi đưa ra kết quả chính xác hơn so với cách tính đơn giản nhất của một tài xế tắc-xi. Vấn đề ở chỗ chúng ta chỉ chú trọng đến trường hợp thành công hiếm hoi của các phương pháp này, mà gần như không bao giờ tính đến vô số thất bại của chúng. Tôi luôn cầu xin những ai chịu lắng nghe mình: “Này, tôi là một gã đơn giản, thẳng thắn, biết lẽ phải, đến từ Amioun, Li băng. Tôi không hiểu vì sao một thứ gì đó được đánh giá là có giá trị nếu nó bắt máy tính phải hoạt động suốt đêm nhưng lại chẳng giúp mình dự đoán chính xác hơn những gã khác cũng đến từ Amioun”. Phản ứng duy nhất mà tôi nhận được từ đồng nghiệp của mình đều có liên quan đến địa lý và lịch sử của Amioun thay vì một lời giải thích hợp lý hơn về công việc. Đến đây, bạn lại được chứng kiến tác dụng của lối liên tưởng ngụy biện, ngoại trừ một điều là thay vì phải nghe các câu chuyện mang tính báo chí, bạn gặp phải một hoàn cảnh khủng khiếp hơn, đó là “các nhà khoa học” với chất giọng Nga nhìn vào kính chiếu hậu, thuật lại các phương trình tính toán, và từ chối nhìn về phía trước bởi anh ta có thể bị lóa mắt. Chuyên gia toán kinh tế Robert Engel, một quý ông lôi cuốn, đã phát minh ra phương pháp thống kê rất phức tạp có tên là GARCH và đã nhận giải Nobel về điều đó. Không ai kiểm tra phương pháp đó để biết nó có giá trị trong cuộc sống thực hay không. Đơn giản hơn, có nhiều phương pháp ít hấp dẫn hơn đã cho kết quả tính toán cực kỳ tốt, nhưng chúng không đưa bạn đến Stockholm. Bạn có một rắc rối về mặt chuyên môn ở Stockholm, và tôi sẽ thảo luận về điều đó ở Chương 17.

Sự không thích hợp của các phương pháp phức tạp dường như có thể áp dụng đối với mọi phương pháp. Một nghiên cứu khác đã kiểm tra một cách có hiệu quả những người thực hành thứ được gọi là lý thuyết trò chơi (game theory), trong đó, người chơi xấu xa nhất là là John Nash, nhà toán học với chứng tâm thần phân liệt đã trở nên nổi tiếng bởi bộ phim Tâm hồn cao đẹp (A Beautiful Mind). Thật đáng buồn cho tất cả sự hấp dẫn trí tuệ của những phương pháp này cũng như cho tất cả sự chú ý của giới truyền thông, những người thực hành nó lại chẳng giỏi giang gì hơn so với các sinh viên đại học.

Có một vấn đề khác, và cũng hơi đáng lo hơn một chút. Makridakis và Hibon đã phát hiện ra rằng, chứng cứ thực nghiệm mạnh mẽ về các nghiên cứu của họ đã bị các nhà thống kê lý thuyết lờ đi. Hơn nữa, họ còn đối mặt với thái độ thù địch đầy kích động đối với các xác minh thực nghiệm của mình. “Thay vào đó, [các nhà thống kê] đã tập trung nỗ lực vào việc xây dựng các mô hình phức tạp hơn mà không tính đến khả năng dự đoán chính xác hơn các dữ liệu cuộc sống thực”, - Makridakis và Hibon viết.

Có thể ai đó sẽ phản bác lại bằng tranh luận sau: Có lẽ dự đoán của các nhà kinh tế học tạo ra ý kiến phản hồi làm cản trở hiệu ứng của chúng (cái này được gọi là nghệ thuật phê bình Lucas, theo nhà kinh tế học Robert Lucas). Giả sử các nhà kinh tế học dự đoán lạm phát; để ứng phó với những kỳ vọng này, Cục Dự trữ liên bang có hành động và giảm thiểu lạm phát. Vì thế, bạn không thể đánh giá được tính chính xác của dự báo đó trong kinh tế học theo cách đã làm với các sự kiện khác. Tôi đồng ý với quan điểm này, nhưng không tin rằng nó là nguyên nhân gây ra thất bại của các nhà kinh tế trong việc dự đoán. Thế giới rộng lớn và phức tạp hơn rất nhiều so với lĩnh vực chuyên ngành của họ.

Khi không thể dự đoán được các yếu tố ngoại lai, một nhà kinh tế thường cầu viện đến vấn đề động đất hoặc các phong trào cách mạng, khẳng định rằng anh ta không đi sâu vào chuyên ngành đo đạc, các khoa học về khí quyển, hay khoa học chính trị, thay vì kết hợp các lĩnh vực này vào nghiên cứu của chính mình và chấp nhận rằng lĩnh vực của mình không tồn tại độc lập. Kinh tế học là một lĩnh vực giới hạn nhất và là môn khoa học ít trích dẫn các yếu tố bên ngoài! Kinh tế học có lẽ là môn học có nhiều học giả phàm tục nhất hiện nay - học rộng nhưng thiếu sự uyên bác cùng với bản chất hiếu kỳ có thể hạn chế suy nghĩ và dẫn đến sự phá vỡ các ngành học.

❀ ❀ ❀

[1] [] “M-Competitions” là các nghiên cứu thực nghiệm để so sánh các phương pháp dự đoán khác nhau.