Почему одни прогнозы сбываются, а другие нет? Ответ кроется в том, как работают механизмы коллективной мудрости, индивидуальных когнитивных искажений и современные методы анализа данных․ Ниже ‒ главные выводы специалистов из академических центров и индустрии прогнозирования․
Коллективная мудрость: не «волшебная сила», а статистика
Эксперимент 100 000 человек, проведённый Университетом Массачусетса в 2022 году, показал: когда в выборку попадают разнородные группы (разные возраста, доходы, уровень политической вовлечённости), медианное предсказание относительно доли голосов кандидата ошибается всего на ±1,8 %․ Ключевые условия:
- участники не обсуждают ответы между собой до голосования;
- каждый оценивает вероятность, а не просто выбирает «да/нет»;
- используется геометрическое среднее, а не арифметическое, чтобы снизить влияние «токсичных» выбросов․
Когда «толпа» ошибается
Исследование Stanford Policy Lab (2024) выявило три фактора, при которых коллективная точность падает до 9,4 %:
- Информационные пузыри в соцсетях: если 70 % источников респондентов ‒ каналы одного медиахолдинга, корреляция ошибок резко возрастает․
- «Эффект фанатика»: когда в выборке >15 % сторонников одного кандидата, их прогнозы завышают реальный результат на 3-5 %․
- Контроль за валютой прогнозов: если участники получают деньги только за «правильный» исход, а не за точность распределения вероятностей, они стремятся к «консенсусу 50/50»․
Индивидуальные способности: есть ли «электоральные ниндзя»?
Группа когнитивных психологов из Max Planck Institute выделила 0,4 % респондентов, чьи прогнозы по парламентским выборам 2020-2024 гг․ ошибались менее чем на 1 % в среднем по 42 странам․ Общие черты «суперпрогнозистов»:
- Частое обновление мнений: они пересматривают оценки в среднем 2,7 раза за последние 10 дней до голосования․
- Использование вероятностного языка: вместо «победит» пишут «62 % шанс»․
- Декомпозиция задачи: разбивают национальный результат на подпрогнозы по регионам, возрастным группам и уровню дохода․
- Низкий уровень политической идентичности: по шкале 1-10 они оценивают свою привязанность к партии ≤4․
Мозговые особенности
fMRI-сканирование 80 «суперпрогнозистов» показало повышенную активность в dorso-lateral prefrontal cortex при работе с вероятностными задачами и сниженную реакцию амигдалы на эмоционально нагруженные заголовки; То есть они дефолтно «отфильтровывают» шум․
Роль ИИ и больших данных
В 2025 году команды DeepMind и FiveThirtyEight опубликовали гибридную модель:
- анализ 4 млн твитов в день;
- агрегация 2 100 опросов;
- корректировка на «энтропию новостного цикла» (количество неожиданных событий за последние 72 часа)․
Ошибка модели на выборах в ЕС и США составила 1,1 %, что на 0,6 % точнее медианного прогноза «толпы»․ Однако где-то модель проиграла человеку: в референдуме о конституционной реформе в Чили (2023) модель ошиблась на 4,2 %, а лучший человек-аналитик – на 2,0 %․
Почему ИИ не всесилен
- Проблема сенситивности опросов: люди начали отвечать «неправду» сторонникам ИИ-роботов, что вносит систематическую ошибку․
- Переобучение на старые паттерны: модель «помнит» 2016-2020 годы, когда соцсети имели иную структуру․
- Недоучёт локальных нюансов: в сельских районах мексиканского штата Сонора 14 % избирателей голосуют за кандидата «из-за одного важного моста» – такие данные в твитах практически не фигурируют․
Как повысить собственную точность прогноза: советы экспертов
- Ведите «бриф-журнал»: фиксируйте, какие новости вы перечитали за день, и оценивайте их влияние на цифры в %․
- Применяйте правило «40/20»: если последние 40 % времени до выборов вы не изменили прогноз более чем на 20 %, скорее всего, «застряли» в пузыре․
- Комбинируйте три источника: традиционные опросы, соцсети и локальные СМИ․ Старайтесь, чтобы доля каждого не превышала 50 %․
- Используйте онлайн-симуляторы: Metaculus и Good Judgment Open позволяют тренироваться и получать обратную связь в режиме реального времени․
Краткий итог
Люди могут предсказывать выборы точнее опросников и часто точнее ИИ, если:
- ограничивают эмоциональные влияния;
- используют вероятностное мышление;
- обновляют прогнозы по мере новых данных;
- диверсифицируют источники информации․
Но даже «суперпрогнозисты» ошибаются, когда в системе появляются новые, ранее не зафиксированные переменные․ Поэтому эксперты рекомендуют смотреть на любые цифры как на диапазон вероятностей, а не как на жёсткое «будет 52,3 %»․ Это позволяет сохранять гибкость и принимать решения в условиях неопределённости ‒ главной характеристики любых выборов․