Kako živeti z negotovostjo?

Negotovost ni napaka sistema

Pri vremenski napovedi ni pomembno samo vprašanje, ali bo deževalo, temveč tudi kolikšna je verjetnost dežja. National Academies poudarja, da je negotovost temeljna lastnost napovedovanja in da napoved ni popolna brez ustreznega opisa negotovosti.[1] To velja precej širše. Negotovost obstaja pri medicinski diagnozi, gospodarski napovedi, zgodovinskem pripisu odgovornosti, tehnični oceni tveganja, sodnem postopku in znanstvenem modelu. Zato je napačen ideal dobra informacija = informacija brez negotovosti. Pogosto velja ravno nasprotno: dobra informacija vključuje tudi pošten opis tega, česar ne vemo.

Tveganje in negotovost nista vedno ista stvar. V teoriji odločanja se pogosto razlikuje med položajem, v katerem poznamo oziroma ocenjujemo verjetnosti izidov, in položajem, kjer niti verjetnosti niso dovolj dobro določene. Stanford Encyclopedia pri teoriji odločanja opisuje standardne modele pričakovane koristnosti in opozarja, da realne odločitve pogosto vključujejo tako subjektivne verjetnosti kot različne stopnje globlje negotovosti.[2] Preprost primer: pri poštenem metu kovanca približno poznamo verjetnost.

Težji primer: verjetnost velikega tehnološkega preboja v naslednjih desetih letih. Tu nimamo stabilne frekvence, iz katere bi preprosto izračunali odgovor. Včasih ne poznamo niti vseh možnih izidov. Najgloblji problem ni: ne vemo, kateri od petih izidov se bo zgodil.

Lahko pa pomeni: ne vemo, ali smo sploh našteli vse pomembne izide. To se zgodi pri novih tehnologijah, družbenih krizah, kompleksnih sistemih in redkih katastrofah. Zato je koristno ločiti kvantificirano tveganje od širše oziroma strukturne negotovosti. IPCC-jeva metodologija za komunikacijo negotovosti na primer razlikuje med različnimi situacijami: od primera, kjer poznamo samo smer možne spremembe, do primerov, kjer lahko ocenimo razpon, verjetnost ali celo celotno verjetnostno porazdelitev.[3] »Ne vem« ima več oblik. Stavek: »Ne vem.« lahko pomeni: Nimam informacije.

Informacije obstajajo, vendar jih še nisem preveril. Podatki so slabi. Strokovnjaki se ne strinjajo. Dogodek je po naravi verjetnosten. Model ima široko območje negotovosti.

Vprašanje trenutno ni empirično razrešljivo. To so zelo različne situacije. Zato je boljše vprašanje: Zakaj ne vemo? Negotovost ne pomeni, da so vse možnosti enako verjetne. Če rečemo: »Nismo 100-odstotno prepričani,« Iz tega ne sledi: 50 : 50. Primer: meteorologi lahko ocenijo 80 % verjetnost dežja. Negotovost obstaja. Toda dež in suho vreme nimata enake dokazne podpore. To je eden najpogostejših problemov javne razprave: prisotnost negotovosti se predstavi kot odsotnost znanja.

Tudi 99 % ni 100 %. Nasprotna napaka je enačenje zelo visoke verjetnosti z gotovostjo. Če nekaj ocenjujemo z 99-odstotno verjetnostjo, moramo biti pripravljeni, da se približno v primerno velikem razredu podobnih primerov nekateri izidi vseeno ne zgodijo. Dober verjetnostni napovedovalec ni človek, pri katerem se vse 90-odstotne napovedi uresničijo. Če bi se uresničile prav vse, bi bile njegove ocene lahko celo premalo samozavestne.

Kalibracija: ali naše stopnje zaupanja pomenijo to, kar mislimo?

Predstavljajmo si sto trditev, pri katerih smo rekli: »90 % sem prepričan.« Če smo dobro kalibrirani, bi pričakovali približno 90 pravilnih in 10 napačnih. To je kalibracija. V statistiki verjetnostnega napovedovanja je kalibracija osrednji kriterij kakovosti napovedi.[4] To spremeni vprašanje. Namesto: »Ali sem imel prav?« Vprašamo: »Ali so moje izražene stopnje zaupanja skozi čas skladne z dejanskimi rezultati?« En zadetek ne pove skoraj nič o kalibraciji. Če človek reče: »Napovedal sem dogodek in zgodil se je.« To še ne pomeni, da dobro napovedujem. Tudi naključje zadane posamezen rezultat. Za presojo potrebujemo veliko napovedi, vnaprej zabeležene verjetnosti in jasen kriterij izida. To je zelo podobno neodvisnemu ponavljanju znanstvenih raziskav. Proces je pomembnejši od enega spektakularnega zadetka. Brierjeva ocena: napoved mora plačati za samozavest. Glenn Brier je leta 1950 predlagal statistično metodo za vrednotenje verjetnostnih napovedi.[5] Brierjeva ocena nagrajuje napovedi, ki dajejo visoko verjetnost dogodkom, ki se zgodijo, ter kaznuje samozavestne napovedi, ki se izkažejo za napačne. Pomembna ideja ni sama formula. Je disciplina: če rečem 95 %, sprejemam večjo dokazno odgovornost kot pri 60 %.

Dve osebi lahko enako pogosto »zadeneta«, pa nista enako dobri napovedovalki prihodnjih izidov. Napovedovalec A vedno reče: 51 %. Napovedovalec B zna razlikovati: 55 %, 70 % ter 90 % in so te stopnje dobro kalibrirane. Oba lahko na koncu pravilno izbereta podobno število binarnih izidov. Toda B daje: več uporabne informacije.

Dobro verjetnostno napovedovanje zato ocenjuje kalibracijo ter ostrino oziroma informativnost napovedi. Pregledi verjetnostnega napovedovanja poudarjajo prav kombinacijo kalibracije in ostrine.[4][6] Supernapovedovalci: dobra presoja ni le prirojeni talent. Raziskovalni projekt Good Judgment Project je spremljal ljudi, ki so napovedovali prihodnje dogodke v obliki številčnih verjetnosti. Mellers, Tetlock in sodelavci so ugotovili, da so najboljši napovedovalci ohranjali visoko uspešnost čez veliko število vprašanj ter da je njihov uspeh povezan s kombinacijo kognitivnih slogov, posebnih veščin, motivacije, okolja in ekipnega dela[7]. Pomembna lekcija: kalibrirano presojanje se lahko vsaj delno uči. Ena ključna navada je razdeliti veliko vprašanje na manjša. Vprašanje »Ali bo organizacija propadla?« je preširoko. Lahko ga razdelimo na manjša vprašanja: kakšni so finančni trendi, ali izgublja člane, ali obstaja pravni problem, ali ima urejeno nasledstvo in kako hitro se spreminjajo prihodki. S tem veliko intuitivno sodbo pretvorimo v več manjših preverljivih komponent. To zmanjša možnost, da celoten odgovor nastane iz enega samega občutka.

Druga navada: začni pri osnovni stopnji

Preden vprašamo: »Kaj mislim o tem posebnem primeru?« vprašamo: »Kako pogosto se podobni primeri običajno končajo tako?« To je osnovna stopnja. Posebne informacije nato posodobijo začetno oceno. To je precej bolj stabilno kot začeti pri dramatični zgodbi in šele nato iskati številke. Tretja navada: posodabljaj po malo. Če nova informacija malo podpira hipotezo, ni treba iti: 30 % → 95 %.

Morda je bolj pošten premik: 30 % → 40 %. Bayesovska epistemologija formalizira prav idejo, da nov dokaz spreminja stopnjo zaupanja glede na to, koliko bolj je pričakovana pod eno hipotezo kot pod drugo.[8] Ni treba računati vsake formule. Koristna je že mentalna disciplina: koliko bi me ta dokaz moral premakniti?

Močan dokaz in dramatičen dokaz nista isto. Fotografija, posnetek, čustveno pričanje ali šokanten dokument imajo lahko velik psihološki vpliv. Toda dokazna teža je odvisna od relevantnosti, izvora, neodvisnosti in alternativnih razlag. Zato moramo ločiti: koliko me je informacija pretresla od koliko bi morala spremeniti mojo verjetnostno oceno.

Prevelika samozavest: ljudje pogosto vedo manj natančno, kot se jim zdi. Raziskave verjetnostnega presojanja že desetletja kažejo, da je prevelika samozavest pomemben problem pri človeškem odločanju.[7] Toda tudi tu moramo biti previdni. Ljudje niso vedno pretirano samozavestni. Kalibracija je odvisna od naloge, znanja, povratne informacije in načina vprašanja. Bolj koristno pravilo je: samozavest mora biti izmerljiva in popravljiva. Premalo samozavesti je prav tako napaka. Če vse trditve označimo z »mogoče«, se izognemo delu napak. Toda informacijsko nismo zelo koristni. Dober raziskovalec se ne skriva za stavkom »nič ni gotovo«. Mora biti sposoben reči: to je zelo dobro dokumentirano; to je verjetno; to je odprto; to je špekulativno.

Negotovost ni izgovor za odsotnost presoje. Verbalne oznake so dvoumne. Kaj pomeni »verjetno«? Za nekoga 60 %, za drugega 80 %. Raziskave komuniciranja negotovosti opozarjajo, da verbalni izrazi verjetnosti ljudem niso nujno enoznačni in da numerične, besedne ter grafične oblike vsaka prinašajo prednosti in omejitve.[9][10] Zato mora THY-REALITY, kadar je mogoče, kombinirati besedno oznako, razlog in po možnosti številčni razpon.

IPCC kot primer kalibriranega jezika

IPCC je razvil strukturiran jezik za ločevanje stopnje zaupanja, verjetnosti, količine dokaznega gradiva in stopnje soglasja[3]. Ta pristop je uporaben tudi zunaj podnebne znanosti. Pomembno načelo je, da ne napišemo samo »visoko zaupanje«, temveč pojasnimo zakaj. Zaupanje in verjetnost nista ista stvar. Lahko ocenimo 70-odstotno verjetnost dogodka.

Toda naša zanesljivost pri sami 70-odstotni oceni je lahko visoka, srednja ali nizka. Primer: dobro preverjen meteorološki model lahko poda 70 %. Druga 70-odstotna ocena je lahko samo strokovna presoja z zelo malo podatki. Številka je ista. Epistemološka kakovost ni. Lažna preciznost. Včasih je slabše reči: 63,7 % kot približno 60–70 %. Če podatki ne podpirajo decimalk, številčna natančnost ustvarja videz znanja, ki ga nimamo.

To je pomembno pri političnih napovedih, tveganjih, zgodovinskih ocenah ter modelskih projekcijah. Razpon je lahko bolj pošten kot ena sama točkovna ocena. Če različni razumni modeli dajejo razpon 30–50 %, ni nujno koristno izračunati 41,2 % in to predstaviti kot natančno verjetnost. Razpon lahko bolje sporoča negotovost modela.

National Academies pri odločanju pod negotovostjo poudarja potrebo po identifikaciji, karakterizaciji in transparentni komunikaciji različnih virov negotovosti.[11] Pri globoki negotovosti morda nimamo ene poštene verjetnosti. Stanfordov pregled teorije odločanja obravnava tudi modele z več možnimi verjetnostnimi porazdelitvami, nepopolnimi preferencami in pristopi, uteženimi s stopnjo zaupanja prav zato, ker v nekaterih realnih problemih ena sama natančna verjetnost ni dobro utemeljena.[2] Takrat lahko rečemo: »ne morem utemeljeno dati ene številke.« To ni slabost. Je boljša kalibracija. Pričakovana vrednost je uporabna, vendar ne rešuje vsega. Če imamo oceno verjetnosti izida ter njegovo vrednost oziroma škodo, lahko izračunamo pričakovano vrednost. To je jedro standardne teorije odločanja pod tveganjem.[2][12] Toda realne odločitve vključujejo tudi različno toleranco do tveganja, nepopravljive posledice, moralne omejitve in porazdelitev škode med ljudmi. Zato matematična pričakovana vrednost ni vedno edini relevantni kriterij.

Majhna verjetnost × velika škoda je lahko pomembna

Če je verjetnost katastrofe majhna, to še ne pomeni, da jo lahko prezremo. Če je škoda ogromna oziroma nepopravljiva, ima lahko tudi majhna verjetnost odločilno težo. Teorija odločanja in filozofija tveganja prav zato obravnavata tudi omejitve preprostega pristopa pričakovane koristnosti pri katastrofalnih tveganjih.[2][12] Previdnostno načelo ni dovoljenje za kakršenkoli strah. Previdnostno načelo lahko govori v prid ukrepanju tudi ob pomembni negotovosti, kadar so potencialne posledice resne ali nepopravljive. Toda če ga uporabimo brez discipline, dobimo problem: skoraj vsaka dejavnost ima neko hipotetično tveganje.

Zato mora previdnost še vedno vključevati verjetnost oziroma smiselnost razlage, velikost potencialne škode, strošek ukrepa in možne škode ukrepa samega. Negotovost ne odpravlja primerjave možnosti. Odločitev je potrebna tudi, ko dokazno gradivo ni popolno. To je pomembna razlika med raziskovalcem in odločevalcem. Raziskovalec lahko reče: potrebujemo še dve leti podatkov. Zdravnik, pilot, krizni vodja ali posameznik pa se mora včasih odločiti danes. Zato »dokazi niso popolni« ni vedno razlog za sklep »ne naredimo ničesar«. Neukrepanje je prav tako odločitev z možnimi posledicami.

Vrednost informacije: ali se splača počakati na več podatkov? Teorija odločanja obravnava vrednost informacije. Dodatna informacija je koristna, če lahko dovolj verjetno spremeni odločitev in je vrednost boljšega odločanja večja od časa, stroška in tveganja čakanja[2]. Primer: če se moramo odločiti v petih minutah, laboratorijski test čez tri dni nima operativne vrednosti za trenutno odločitev. Pri drugi odločitvi pa je prav čakanje na test najbolj racionalna možnost.

Informacije niso vedno brezplačne. Neskončno preverjanje ima strošek. Lahko porabimo čas, zamudimo priložnost in obstanemo v neodločnosti. Zato racionalnost ne pomeni »zberi vse možne podatke«, temveč »zberi dovolj informacij glede na pomembnost odločitve in strošek napake.« Obratna nevarnost je prehitro zapiranje hipoteze. V medicini, preiskovanju in vsakdanjem mišljenju obstaja problem prehitrega zaprtja hipoteze: »Zdaj vem, kaj je.« Ko sprejmemo prvo zadovoljivo razlago, lahko nove informacije začnemo interpretirati znotraj nje. Zato je pri pomembni negotovosti koristno ohraniti vsaj glavno hipotezo in najboljšo alternativo.

Dve aktivni hipotezi sta pogosto boljši od ene

Če preiskujemo dogodek, lahko zapišemo dve hipotezi: H1: uradni pripis odgovornosti je pravilen. H2: alternativni pripis odgovornosti je pravilen. Nato pri vsakem novem dokazu vprašamo, kateri model ga bolje napove. To je bistveno bolj disciplinirano kot zbiranje dokazov samo za izbrano zgodbo. Negotovost je lažje prenašati, če ni del identitete. Če sem rekel: »Mislim, da je H1 približno 70 % verjetna,« jo lahko ob novem dokazu spremenim na 45 %.

Če sem rekel: »Jaz sem človek, ki ve, da je H1 resnična,« je sprememba veliko dražja. Verjetnostni jezik zato ne pomaga samo statistično. Pomaga psihološko ločiti identiteto od hipoteze. Nestrpnost do negotovosti je resen raziskovalni koncept, vendar ga ne smemo zlorabiti. Psihologija razlikuje več povezanih konstruktov: nestrpnost do negotovosti, toleranco do dvoumnosti, potrebo po zaključku ter usmerjenost do negotovosti. Novejši integrativni pregled poudarja, da ti koncepti niso sinonimi in jih je treba natančno razlikovati.[13] Sistematični pregled v zdravstvu je ugotovil povezave med toleranco do negotovosti in različnimi zdravstvenimi ter profesionalnimi izidi, vendar je bila literatura metodološko raznolika.[14] Za naš namen je pomembno predvsem: ljudje se med seboj razlikujemo v tem, kako neprijetna se nam zdi nedoločenost.

To ni diagnoza človeka, ki želi jasen odgovor. Potreba po gotovosti lahko spremeni način, kako uporabljamo dokaze. Če je negotovost zelo neprijetna, nas lahko privlači razlaga, ki je jasna, popolna in moralno enostavna, tudi če dokaznega gradiva ni dovolj. To povezuje zadnji članek s teorijami zarote, sistemi z visoko stopnjo nadzora, propagando in strokovno avtoriteto. V vseh se lahko pojavi ponudba: »Mi imamo odgovor, zaradi katerega vam ni več treba živeti z nejasnostjo.« Toda neskončen dvom prav tako ni intelektualna vrlina. Če za vsak dobro dokumentiran sklep rečemo »Kaj pa če je vse ponarejeno?«, nismo bolj racionalni. Samo zavrnili smo možnost dovolj močnega dokaza. Zdrava negotovost zato ne pomeni, da nikoli ničesar ne zaključimo, temveč da sklepamo sorazmerno dokazom in ohranimo možnost popravka.

Dnevnik kalibracije. Za zahtevne teme lahko uporabimo zelo preprosto prakso. Preden poznamo rezultat, zapišemo: trditev, verjetnost, ključne razloge ter kaj bi oceno spremenilo. Pozneje rezultat preverimo. Sčasoma dobimo osebni zapis kalibracije. To je veliko bolj poučno kot spomin: »Ponavadi imam prav.«

Spomin je slab sodnik naših starih napovedi

Po dogodku se nam lahko zdi: »Saj sem vedel.« To je povezano s pristranskostjo pogleda za nazaj. Zapis pred dogodkom prepreči, da bi pozneje neopazno spremenili: kaj smo dejansko napovedali. Zato so tekmovanja v napovedovanju metodološko zanimivi: vprašanje je jasno, rok je določen, verjetnost je zabeležena, rezultat pa se pozneje oceni[7]. »Bolj ali manj sem imel prav« ni dobra povratna informacija. Napoved mora biti dovolj jasna, da vemo: kaj bi štelo kot uspeh.

Enako velja za teorijo. Če se po vsakem izidu definicija uspeha spremeni, imamo isti problem kot pri samozapečateni prerokbi. Dobra negotovost zahteva vnaprej opredeljen način preverjanja.

Kalibracija institucij. Ni treba ocenjevati samo posameznikov. Lahko vprašamo, kako pogosto so se napovedi organizacije uresničile, ali objavlja stare napovedi, ali meri svojo uspešnost ter ali napačne napovedi izginejo, uspešne pa ostanejo v promociji. Institucija, ki želi zaupanje, bi morala omogočiti vpogled v dosedanje rezultate.

Kalibracija medijev. Medij lahko piše: »dogodek je skoraj gotov.« Če se ne zgodi, ali se to kdaj vrne v uredniško analizo? Veliko medijskih sistemov nagrajuje močne napovedi in jasne naslove, precej manj pa poznejše merjenje njihove točnosti. THY-REALITY lahko tu deluje drugače. Kalibracija THY-REALITY. Za sporne članke lahko uvedemo tri jasne oznake: začetni status, ki pove oceno ob objavi; novi dokazi, ki zabeležijo, kaj je prišlo pozneje; ter sprememba statusa, ki pove, ali se je stopnja gotovosti spremenila.

Razlog. Zakaj. Tako članek postane živa in sledljiva struktura dokazov namesto spomenik prvemu zaključku. Ne spreminjaj mnenja zaradi pritiska – spremeni ga zaradi dokazov. Prilagodljivost ne pomeni vsak teden drugačnega mnenja. Dobro posodabljanje zahteva nov relevantni dokaz, spremembo kakovosti vira ter izboljšano razlago. Če mnenje spreminjamo samo zato, ker so se spremenili razpoloženje, odziv množice ali politična klima to ni epistemološka fleksibilnost.

Prav tako ne ohranjaj mnenja zaradi ponosa

Ko novi dokazi dovolj močno nasprotujejo staremu stališču, je racionalno reči: »Prej sem ocenil napačno.« To ni poraz. V dobro zasnovanem sistemu je popravek dokaz, da mehanizem deluje.

Stopnja spremembe mora slediti teži novih dokazov. Ena anonimna objava na družbenem omrežju upraviči majhen ali ničeln premik, avtentičen primarni dokument večjega, več neodvisnih dokumentov in priznanje akterjev pa še večjega. S tem preprečimo dve skrajnosti: vsaka nova informacija obrne celotno teorijo ter nobena informacija teorije ne more spremeniti. Močna stališča, ohlapno držana. Koristno načelo je: dovolj močna stališča za odločanje, dovolj ohlapna za popravek.

Če stališče držimo prešibko, ne moremo ukrepati; če ga držimo kot del identitete, se ne moremo učiti. Prava točka je vmes. Odločanje pod negotovostjo zahteva tudi vrednote. Dve osebi lahko sprejmeta isto oceno, denimo 10-odstotno možnost resne škode. Ena bo ukrepala. Druga ne. Zakaj? Ker različno vrednotita tveganje, strošek ukrepa, svobodo in varnost. Zato moramo pri sporni odločitvi ločiti nesoglasja o dejstvih od vrednostnih nesoglasij. Sicer lahko normativni spor napačno predstavimo kot spor o dejstvih. Dokazno gradivo samo ne more povedati, kaj moramo ceniti. Podatki lahko pokažejo: ukrep zmanjša tveganje za X za toliko.

Ne morejo sami določiti: koliko denarja, svobode ali drugih stroškov je vredno plačati za zmanjšanje. To je politično, etično oziroma osebno vprašanje vrednot. Zato »sledi znanosti« ne sme pomeniti, da znanost sama določi vse odločitve. Znanost informira vrednostno odločanje. Ga ne nadomesti. Transparentna odločitev ima tri plasti. Pri pomembnih temah bi THY-REALITY ločil: Dokazi. Kaj kažejo podatki? Negotovost. Kako zanesljiva je ocena?

Vrednostna presoja. Katere vrednote vplivajo na odločitev? To je veliko poštenejše kot vse tri skriti v stavek: »strokovnjaki pravijo, da moramo...«

Proračun negotovosti

Pri vsakem članku lahko napišemo, od kod negotovost prihaja. Na primer: merilna negotovost, manjkajoči podatki, sporen pripis odgovornosti, konfliktni viri, negotovost modela, namera akterja ter prihodnji razvoj. Tak proračun negotovosti je bolj uporaben kot splošni stavek: »obstajajo določene omejitve.« Ni vsaka negotovost enako pomembna. Če ne poznamo natančne ure dogodka, to morda ne spremeni glavnega zaključka. Če pa ne vemo, kdo je dejanje izvedel, je to lahko osrednja negotovost. Zato mora dober članek povedati: katera negotovost lahko dejansko spremeni sklep.

Robustna odločitev: kaj deluje v več možnih svetovih? Pri zelo negotovem problemu lahko vprašamo: katera odločitev je sprejemljiva v več različnih realističnih scenarijih? Namesto da optimiziramo za eno samo najverjetnejšo prihodnost, iščemo robustno možnost. To je posebej uporabno, kadar je negotovost modela velika. Povratljivost: pod negotovostjo so povratljive odločitve dragocene. Če lahko odločitev preizkusimo, opazujemo rezultat in jo po potrebi spremenimo, si lahko privoščimo več eksperimentiranja. Če je odločitev nepopravljiva in potencialno katastrofalna, je prag dokazov lahko upravičeno višji. To je praktičen način povezovanja negotovosti s posledicami.

Asimetrija napak. Včasih imata dve napaki zelo različni posledici. Lažno pozitiven izid. Ukrepamo, čeprav nevarnosti ni. Lažno negativen izid. Ne ukrepamo, čeprav nevarnost obstaja. Katera napaka je hujša, je odvisno od problema. Zato ni univerzalnega pravila, da moramo biti vedno bolj skeptični ali vedno bolj previdni. Potrebujemo funkcijo izgube – razumevanje posledic obeh vrst napake.

To je razlog, zakaj različna področja uporabljajo različne dokazne prage. Kazenski postopek. Zdravstveno presejanje. Znanstvena publikacija. Krizno ukrepanje. Vsak ima drugačno razmerje med stroški lažno pozitivnega in lažno negativnega izida. Zato en sam dokazni prag ni smiseln za vse. To se neposredno povezuje s prejšnjim člankom: »Kaj pravzaprav pomeni dokazano?«

Zaupanje je lahko stopnja, ne stikalo

Ni treba izbirati samo med »zaupam« in »ne zaupam«. Lahko rečemo: temu viru dam visoko težo za tehnične meritve, manjšo za politično interpretacijo. Ali: dokumentu zaupam glede njegove avtentične vsebine, ne nujno glede resničnosti vseh trditev v njem. Takšen razčlenjen model zaupanja je bolj racionalen od binarne presoje, da je celotna institucija verodostojna ali da celotna institucija laže.

Negotovost in svoboda. Sistem, ki obljublja popolno gotovost, pogosto zahteva predajo dela lastne presoje. To so lahko guru, ideologija, politična propaganda, samozapečatena teorija zarote ali pretirano avtoritarna strokovna avtoriteta. Negotovost je neprijetna. Toda ima pomembno lastnost: pušča prostor za nov dokaz.

THY-REALITY ne sme prodajati gotovosti. To je zaključni uredniški princip desetih temeljnih člankov. Projekt ne sme sporočati: »Mi imamo skrito resnico, ki je drugi nimajo.« To bi ponovilo strukturo, ki jo analiziramo. Boljša obljuba je: »Pokazali bomo, kaj je dobro dokumentirano, kaj je verjetno, kaj sporno, kaj špekulativno in kaj bi naš sklep lahko spremenilo.« To je manj dramatično. Je pa precej bolj vredno zaupanja. Protokol THY-REALITY za negotovost. Za vsak pomemben sporni zaključek bi zapisali trditev – kaj natančno trdimo?

Nato bi dodali trenutni status (dokumentirano, močno podprto, verjetno, možno, špekulativno, nepodprto ali v nasprotju z dokazi), podlago za stopnjo zaupanja, ključno negotovost in najboljšo konkurenčno razlago.

Temu sledijo sprožilec za posodobitev – kateri dokaz bi status spremenil, posledica odločitve – ali moramo kljub negotovosti sprejeti odločitev, povratljivost – kako popravljiva je odločitev, ter disciplina kalibracije. Za prihodnje članke dodamo še eno pravilo: Če uporabljamo besede »mogoče«, »verjetno«, »zelo verjetno« ali »skoraj gotovo«, moramo biti sposobni pojasniti, kaj pomenijo in zakaj smo izbrali ravno to stopnjo. Ni nujno, da vedno napišemo številko. Ne smemo pa verjetnostnega jezika uporabljati samo retorično.

Zaključek: cilj ni biti vedno prav – cilj je biti popravljiv. Popolna gotovost je redka. Toda to ne vodi v relativizem. Ni res, da so zato vse zgodbe enako dobre. Imamo boljše in slabše dokaze, boljše in slabše modele, bolje in slabše kalibrirane napovedi ter bolj in manj transparentne institucije. Pravi cilj ni, da se nikoli ne zmotimo. Tega ne zmorejo ne človek ne znanost, medij ali institucija. Pravi cilj je ustvariti sistem, v katerem napaka lahko postane vidna in popravljiva. To zahteva tri sposobnosti: reči »ne vem«, ko ne vemo; reči »to je zelo verjetno«, ko so dokazi močni; in reči »spremenil sem mnenje«, ko novi dokazi to zahtevajo. To ni šibkost. Je jedro intelektualne svobode.

Opomba o metodologiji

Članek ne trdi, da morajo biti vse stopnje zaupanja številčno izražene, pričakovana koristnost rešuje vsa vprašanja odločanja, Brierjeva ocena meri vse vidike kakovosti presoje, supernapovedovanje pomeni, da je prihodnost natančno napovedljiva, nestrpnost do negotovosti pojasnjuje vsako željo po jasnem odgovoru, previdnostno načelo vedno zahteva strožji ukrep ter negotovost pomeni, da so vse možnosti enako verjetne. Verjetnostni modeli in modeli teorije odločanja so uporabljeni kot orodja za bolj transparentno presojo, ne kot nadomestek za moralne, politične ali osebne vrednote.