一句话定义
菲利普·泰特洛克 把预测从跳大神手艺变成工程学的方法论：概率化（费米化 + 外部视角 打底 + 内部视角 微调 + 贝叶斯更新） + 可检验（校准度 / 区分度 / 布里尔分数）。
来源
何时使用
- 任何带不确定性的真实决策：跳槽、搬家、并购、战争预测、政策走向、产品留存。
- 当”专家观点”互相冲突、你不知道信谁的时候——自己用超级预测做一遍，结果会比专家平均水平更靠谱。
- 当你的焦虑/兴奋无法落地为行动时——用 费米化 把云状问题写成具体的可结算概率。
操作步骤
- 费米化：把云状大问题拆成边界明确、可结算的小问题（“中美会脱钩吗？” → “未来 6 个月某关税法案通过概率？” + “核心技术贸易额下降 10% 概率？” 等）。
- 外部视角打底：用 参考类 的基准比率作为先验。
- 内部视角微调：根据本案特殊性对先验做有限修正——必须有强证据。
- 贝叶斯更新：随每条新信息把概率向上 / 向下微调，不听而不闻也不听风就是雨。
- 提交概率 → 接受检验：长期看 校准度 + 区分度，用 布里尔分数 计分；勤记账，下次更准。
例子
- IARPA 锦标赛（2011–2015）：泰特洛克”良好判断项目”以业余选手碾压有机密信息的情报分析师。
- 美联储利率：良好判断项目 2023–2025 连续压过市场定价。
- GiveWell 2025 付费预测美国对外援助资金走向。
- 失败案例：俄乌战争前对俄罗斯入侵概率压在 50% 以下——过度依赖参考类、低估普京冒险意愿。
- 万维钢的”广州幸福”例题：把”幸福”拆成工作 / 居住 / 婚恋 / 适应四个维度，分别费米化 + 算概率。
- AI 协作：人 + LLM 比对照组准确率提高 24%–28%（人擅长界定问题边界，AI 擅长搜索）。