1704440380
1704440381
与此不同的是，阿姆斯特朗的“无变化”预测留下了一些最基本的科学问题等着人们去解答。2007年的气温虽不是高得出奇，但却高于20世纪任何一年的气温，而“无变化”预测正是以2007年的气温为基准。对于2007年的气温高于1987年、1947年或是1907年这一事实，除了大气成分的变化之外，还有什么合理的假说可以对此做出解释呢？实际上，气候模型最切实的贡献，就是发现除非我们能够对大气中二氧化碳和其他温室气体浓度升高的原因做出解释，否则想复制目前的气候基本上是不可能的。
1704440382
1704440383
阿姆斯特朗对我说，他之所以做出“无变化”预测，是因为他并不认为贝叶斯定理优于其他任何假设，而在其他研究领域，“无变化”预测是一个非常好的默认预测方式。如果将气候预测的严谨做法运用到其他研究领域，将更有说服力。但是阿姆斯特朗并没有这么做，正如2011年他对美国国会监督小组所说的那样，“我确实在努力学着不那么关心气候变化，可我就是一个喜欢预测的人，没办法。”
1704440384
1704440385
有些预测者说科学对预测来说并不重要，而有些科学家则说预测对科学来说并不重要，本书就是想提醒你，对这两种人的观点皆不可轻信。科学与预测在本质上是紧密相关的，不关心科学的预测者就如同不关心食物的厨师一样。科学的独特之处在于，我们关注的是客观世界，这也是使预测变得科学的原因。如果我们只关注方法、准则或是模型，那预测最终必败无疑。
1704440386
1704440387
气温变化趋势的真相
1704440388
1704440389
如果说阿姆斯特朗的批判没有道理，那么他与戈尔打的赌又该怎么解释呢？阿姆斯特朗的“无变化”预测不仅没有失败，反而还大获全胜了。自从阿姆斯特朗在2007年打了那个赌之后，虽然每个月的气温变化幅度极大，但变化却并不稳定，比方说，2011年的气温就略低于2007年的气温。
1704440390
1704440391
这种趋势持续了4年多的时间。更重要的是，有个难以忽视的真相，2001~2011年这10年间，全球气温根本就没有上升（图12–9），反而下降了，虽然降幅不那么明显，但实际情况确实如此。
1704440392
1704440393
1704440394
1704440395
1704440396
图12-9 2001-2011年的全球平均气温
1704440397
1704440398
这类预测框架有时可能是存心欺骗。比如，如果你将 ENSO 循环期中气温很高的1998年作为起点，就很容易得到降温的“趋势”。相反，2008~2018年这10年的气温“走势”就呈现为不断升高，因为2008年是相对凉爽的一年。
1704440399
1704440400
然而，全球变暖的进程并不是匀速推进的。气温上升的历史是一个明显的长期增长过程，但期间也有保持不变或者负增长的趋势。比如，尽管二氧化碳的浓度一直在增长，除了2001~2011年这10年之外，1894~1913年、1937~1956年、1966~1977年（图12–10）这几个时间段几乎都没有升温的迹象。这一问题与金融分析面对的问题有些相似之处：在很长一段时间里股市持续攀升，但这种走势并不能告知你明天、下周或是明年的股市表现如何。
1704440401
1704440402
1704440403
1704440404
1704440405
图12-10 1900-2011的全球气温曾出现短期气温持平和显著下降的趋势
1704440406
1704440407
我们可以直接从科学的角度对最近出现的气温保持相对稳定的现象做出解释，比方说，发展中国家不断增长的硫排放量就抑制了气温走高的势头。2001~2011年的气温虽然没有上升，但比之前的任何一个10年的气温都要高。
1704440408
1704440409
尽管如此，本书还是鼓励读者认真思考信号与噪声，并找出用百分比或概率表达的预测，这些预测可以真实地体现出我们预测能力的局限性。当预测者对某一个复杂现象的预测表现出十足的信心时，那可能说明他并没有认真思考这个问题，只是将各种数据过度拟合到自己的统计模型当中，或者他并不想找到真相，只是想炒作自己的人气罢了。
1704440410
1704440411
阿姆斯特朗和施密特都不愿意对气温走向作对冲预测（即两面下注）。阿姆斯特朗对我说：“我们模拟了1850~2007年的气温走向，看到前100年的气温变化时，我几乎可以确定与戈尔打的那个赌，我赢定了。”而施密特则认为气温将会继续上升，他还愿意提供诱人的赔率与任何人打赌。“我敢打赌下一个10年的气温将会比这个10年的气温还高，以多大的赔率打赌都行，即使是100∶1的赔率，我也同意。”
1704440412
1704440413
前文中提到的统计预测方法，就可以解决阿姆斯特朗和戈尔之间的争论——他们两个的预测都不是十分准确。如果你以10年为期限测量气温的发展趋势，那么自1900年以来，呈升温趋势的时间占到75%，而呈降温趋势的时间只占25%。随着大气中二氧化碳浓度的增加速度不断加快，温室效应的信号也不断增强，气温持平期或下降期的出现频率也会降低。尽管如此，此类情况出现的概率总是存在的，就如100∶1的赔率也会存在一样。如果你认为二氧化碳的浓度会以目前（即每年2PPM）的速度增长，那么根据这一统计方法，在某个特定的10年里不会出现净升温的概率为15%。
1704440414
1704440415
不确定性是预测必不可少且不可或缺的一部分。正如我们所知道的那样，有时对不确定性的一个可靠而准确的表达有可能会拯救许多财产和生命。在其他情况下，比方说股票期权交易或者是赌一场 NBA 比赛，你赌的也许就是自己预测不确定性的能力。
1704440416
1704440417
之所以需要仔细且明确地对不确定性进行量化，还有另外一个原因，这个原因是科学进步中必不可少的一部分，与贝叶斯定理密不可分。
1704440418
1704440419
假设在2001年之前，你就已经十分笃信二氧化碳排放会导致气温持续上升。（在我看来，这是恰当合理的，因为我们对温室效应的理论研究和实验证据都支持这样的观点。）你认为全球变暖假说有95%的概率是正确的。
1704440420
1704440421
但是，之后你观察到一些新的证据：在接下来的10年里，也就是从2001~2011年，全球气温非但没有上升，反而下降了，尽管降幅很小，但的确是下降了。根据贝叶斯定理，此时你应该将全球变暖假说成立的概率预测值下调，而问题在于气温究竟下降了多少。
1704440422
1704440423
如果你已经正确地预测到短期气温变化模式中的不确定性，那么对自己估值的下调幅度就不会非常大，反之调整幅度会很大。正如我们所看到的那样，在10年内，即使出于气候多样性的原因，全球变暖假说得到了印证，但不出现净升温的概率也会有15%。相反的，如果气温变化完全是随机且无法预测的，那么就有50%的概率会出现一个气温下降的10年，因为气温上升和下降的概率是一样的。根据贝叶斯定理（表12–2），无净升温的10年会使你很无奈地将自己对全球变暖假说成立的概率预测值从95%下调到85%。
1704440424
1704440425
12–2 贝叶斯定理——全球变暖假说
1704440426
1704440427
先验概率
1704440428
1704440429
全球气温上升的初始预测