日益增强的未来预测能力，为企业和社会带来了重大机遇。
提升预测能力的同一批技术进步，也让这项任务复杂得多。
要克服这一问题，我们必须改变理解未来及自身在其中位置的方式。
预测技术的黄金时代曙光初现。由强大计算机驱动的数十亿个复杂算法，使预测人员能够处理越来越庞大的数据。在从天气、医学到商业等诸多领域，我们如今推断未来的能力理应胜过历史上任何时期。
然而事实并非如此。事实上，从新冠疫情到重大金融危机，我们近期的历史可以被视为一部未能预测未来的历史。
技术的出现以及由此带来的预见未来潜在事件能力的变化，恰逢可能结果的范围和种类呈指数级增长。技术的进步让我们对决策更有把握，同时也增加了决策所处环境的复杂性。图表下图展示了自2010年以来数据量的增长，讲述了两个方面：一方面是我们据以决策的信息量，另一方面是这些数据的规模和复杂性可能令人难以应对。
我们怎样才能重新占据优势，更好地预见未来？我们必须认识到，过去用于模拟未来结果的工具，是以环境保持稳定为前提的。要应对指数级变化的未来，我们的工具必须像它们试图预测结果的世界一样充满动态。利用数据进行预测时，我们必须承认，明天的世界将与今天大不相同。
在实践中，这意味着尽可能将技术融入生活的各个领域，并认识到在某些方面，技术的速度、效率和先进程度远超模拟式替代方案。这也要求我们转变思维方式。
在本文中，我想探讨技术变革的速度如何改变我们对风险未来的构想。风险建模是我们描绘未来形态的另一种方式，也是最常见的预测尝试之一。在指数级变化的世界中生活，要求我们彻底改变想象未来的方式，并动态重塑对风险的理解。我们必须摒弃许多用来理解过去的原则，转而采用构想未来的新方式，将变化视为创新与增长的引擎。
想想摩尔定律。1965年，英特尔联合创始人戈登·摩尔提出，集成电路中的晶体管数量大约每两年翻一番。这种指数关系长期以来被用作处理能力增长的替代指标，也被计算机科学家用来说明其抱负的范围与局限。不过，摩尔定律已开始失效，而导致其失效的，正是它试图预测的技术创新。
随着人工智能和其他处理器的出现，晶体管数量已不再是衡量处理能力的有效指标。芯片变得越来越小，从二维转向三维，制造时采用的材料也日益复杂且专业化；但传统中央处理器（CPU）已不再是技术创新的前沿。近期一项研究由 Silicone Angle 发布，指出若严格定义摩尔定律，就要求晶体管数量每年增长40%；到2020年，这一增速已放缓至不足30%。然而，若将传统CPU与人工智能及其他处理器结合起来计算，处理能力每年仍在以超过100%的速度增长。无论放眼何处，昨日的规则都在被技术的显著崛起改写。
预测科学正处于转折点。人们往往对世界如何运作抱有固定看法，在探索新路径时也可能缺乏灵活性。金融服务业的一些领域曾迟迟未采用技术，但越来越多的证据正挑战怀疑者的论点：计算机，尤其是在与人类才智结合时，能够更有效地发现市场机遇。如果说过去十年是数据的大量积累期，那么下一个十年很可能将致力于提升我们处理和利用数据的能力。我们才刚刚开始认识到，技术在预测方面能够带来怎样的可能。
展望未来，这意味着什么？技术革命才刚刚开始。未来几年，机构、思想者和劳动者都需要展现更强的活力与灵活性。指数级增长要求我们每天摒弃过去的确定性，以拥抱一个剧烈变化的未来。
