做重要事件的预测和预测准确同样重要
预测结果和预测结果产生的概率之间有着本质的区别，这一区别可能会改变我们对于自己能够做出何种预测的看法。此外，还有一个更违背直觉的问题也源于我们从过去汲取经验教训的方式，这个问题是，我们无法知道自己首先应该对什么事情做出预测。说实话，我们随时都可以做出无数预测，就像过去有无数“发生的事情”一样。但是，对于已经发生的大部分事情，我们其实并不关心，同样，我们也并不在意所有潜在的预测。我们关心的只是极少数预测，那些如果能够预测正确就能改变某些事情的预测。如果美国航空管理局的官员预测出将有恐怖分子持刀劫持飞机，意图撞向世贸中心和五角大楼，那么他们就能采取预防措施，比如加固驾驶舱舱门、加强机场安检等，从而避免这一威胁。同样，如果一个投资者在20世纪90年代末就知道一家叫谷歌的小创业公司有一天会发展为互联网巨头，他就可以通过投资谷歌大赚一笔了。
回顾历史，我们总会感叹本该有能力预测到类似事件的，不过“后见之明”不仅会告诉我们过去所预测的结果，也会让我们知道应该做什么样的预测。比如，1963年11月，人们怎么会知道在肯尼迪总统访问达拉斯期间应该注意狙击手，而不是食物中毒呢？“9·11”事件之前，人们怎么会知道防止飞机被劫持的关键是加固驾驶舱门而不是设置炸弹嗅探犬呢？或者人们又怎么会知道美国的主要恐怖威胁是飞机劫持而不是地铁里的脏弹或神经毒气呢？20世纪90年代末以前，人们怎么会知道搜索引擎可以从广告而不是其他商业模式中赚钱呢？
实际上，这些问题是丹托对于历史的看法（只有在事情发生之后才能知道哪些因素与事情相关）的对立面。也就是说，我们最想做的那些预测要求我们，首先确定哪些是与未来可能发生的所有事情相关的因素，然后就开始注意它们。看上去我们应该能做到这一点，就像丹托的理想记录者能预测到将要发生的事情一样。但是，如果我们试图对所有可能发生的事情进行预测，就会立刻淹没在各种可能性中。我们应该担心垃圾车今晚什么时候出来吗？可能不应该。但是，如果我的狗正好在那时挣脱了绳子跑到了街上，就会希望出门之前知道垃圾车什么时候来。我们应该去预测计划乘坐的航班是否会被取消吗？同样可能不需要。但是，如果我们碰巧坐上了另一趟之后会坠毁的航班，或者我们恰好坐在了未来婚姻伴侣的身边，那么预测航班是否会取消就非常重要了。
这个相关性问题是最基本的，它不能通过简单利用更多信息或更智能的算法来解决。比如，在一本关于预测的书中，政治学家、“预言家”布鲁斯·布恩诺·德·梅斯奎塔（Bruce Bueno de Mesquita）曾盛赞了博弈论在预测复杂政治谈判结果中的良好表现14。复杂系统本身具有不可预测性，因此他的计算机模型其实不太可能如他所说的那么准。这个问题暂且不谈，让我们来看看另一个更大的问题，即便这些计算机模型的预测效果较好，那它们能预测什么呢？例如，梅斯奎塔声称，这些模型曾成功预测出1993年以色列会与当时的巴勒斯坦解放组织签订《奥斯陆协议》（Oslo Accords）。在那时，这似乎已经是一个了不起的成绩了。但是，算法没有预料到的是，《奥斯陆协议》实际上只是一个幻影，一个短暂的希望，之后这个希望很快破灭了。也就是说，从我们现在对后续事件的了解中可以知道，奥斯陆谈判的结果显然不是最初的预测结果中最重要的那个。
梅斯奎塔可能会说，他的模型并不是用来做这种预测的。这正是关键所在：做正确的预测和预测准确同样重要。回顾过去，我们并不会希望自己能预测出1999年谷歌将在搜索引擎市场中占有多少份额，或者在第二次海湾战争中，美军士兵将需要多少天到达巴格达。虽然这些确实是我们当时想过要做的有用预测，但又认为它们的对错根本无关紧要。不过，我们事后又希望，要是自己能在谷歌首次公开募股那天预测出它的股价将在几年内超过500美元，那该多好啊，这样我们就能通过投资谷歌发财致富了。
当我们进行更普通的预测时，也会遇到同样的问题，比如，预测消费者如何对某种颜色或设计做出反应；预测如果医生是根据患者的治疗效果获得报酬，而不是所开处方的数量和费用的话，他们是否会花更多时间来研究预防护理等。这些问题与预测下一家巨头公司或下一场战争相比，似乎没有那么棘手。但只要想到我们会关心这些预测的原因，就会马上开始预测这些预测会产生的影响。比如，我们之所以关心客户对颜色的反应，不是因为我们关心反应本身，而是因为我们认为颜色是产品成功的关键因素。同样地，我们之所以关心医生对激励的反应，是因为我们希望控制医疗成本，并最终设计出一个系统，能为每个人提供负担得起的医疗保健服务，而又不会导致国家经济的崩溃。如果我们的预测不能以某种方式产生一些更重要的结果，那么这个预测对我们来说就没有什么价值，或很难引起我们的兴趣。因此，再次重申，我们关心的是重要的事件，而正是这些对未来举足轻重、意义非凡的预测，给我们带来了最大的困难。