Մարդիկ շատ ավելի բարձր են գնահատում լիովին ճիշտ լինելու հնարավորությունը, քան սխալի հավանականությունը նվազագույնի հասցնելու ձգտումը։ Նույնիսկ եթե մի կանխատեսում վիճակագրորեն ավելի հուսալի է և միջինում հանգեցնում է իրական արդյունքից ավելի փոքր շեղումների, շատերը նախընտրում են մյուս տարբերակը՝ այն, որը տալիս է իդեալական համընկնման ավելի մեծ հնարավորություն։ Այս եզրակացությանն է եկել նոր հետազոտության հեղինակը, որը հրապարակվել է Management Science ամսագրում։

Աշխատանքը կասկածի տակ է դնում այն հիմնական սկզբունքներից մեկը, որոնց վրա հիմնված են ժամանակակից կանխատեսման համակարգերը, վերլուծական մոդելներն ու արհեստական բանականության ալգորիթմները։ Նման համակարգերի մեծ մասը ստեղծվում է միջին սխալը նվազագույնի հասցնելու համար, սակայն հետազոտությունը ցույց է տալիս, որ մարդիկ կանխատեսումների որակը գնահատում են բոլորովին այլ չափանիշներով։

Հետազոտության հեղինակ Բերկլի Դիտվորստը՝ Չիկագոյի համալսարանի Բութի բիզնես դպրոցի ներկայացուցիչը, պարզել է, որ շատերի համար կանխատեսման նպատակը ոչ թե հնարավորինս քիչ սխալվելն է, այլ ճիշտ լինելը։

Նրա խոսքով՝ այս եզրակացությունը կարող է անակնկալ լինել կանխատեսող վերլուծության համակարգեր մշակող մասնագետների համար, քանի որ նրանք ավանդաբար կենտրոնանում են սխալների չափը նվազեցնելու, այլ ոչ թե իդեալական կանխատեսման հավանականությունը մեծացնելու վրա։

Մարդկանց կողմից կանխատեսումների ընկալման առանձնահատկությունները ուսումնասիրելու համար հետազոտողը վերլուծել է տարբեր տեսակի խնդիրներով 16 առանձին փորձերի արդյունքները։ Մասնակիցներին առաջարկվել է գնահատել տարբեր ելքերի հավանականությունները և ինքնուրույն անել կանխատեսումներ։

Շատ դեպքերում մարդիկ հետևողականորեն ընտրել են այն տարբերակները, որոնք մեծացնում էին բացարձակապես ճշգրիտ արդյունք ստանալու հնարավորությունը, նույնիսկ եթե այլընտրանքային կանխատեսումները վիճակագրական տեսանկյունից ապահովում էին ավելի փոքր ակնկալվող սխալ։

Հետազոտությունը նաև ցույց է տվել, որ մարդիկ սխալներն ընկալում են ոչ այնպես, ինչպես ենթադրում են մաթեմատիկական մոդելները։ Վիճակագրական համակարգերի մեծ մասը սխալի աճը դիտարկում է որպես աստիճանական գործընթաց․ որքան ավելի մեծ է շեղումը իրական արդյունքից, այնքան ավելի վատ է կանխատեսումը։ Սակայն մարդու հոգեբանական արձագանքը այլ է։

Գիտնականը հայտնաբերել է, որ բավարարվածության ամենակտրուկ անկումը տեղի է ունենում բացարձակապես ճիշտ պատասխանից փոքր-ինչ սխալ պատասխանի անցման պահին։ Իսկ եթե կանխատեսումն արդեն սխալ է եղել, ապա սխալի հետագա աճը զգալիորեն պակաս ցավոտ է ընկալվում։ «Ճիշտ գուշակեց» և «գրեթե գուշակեց» տարբերությունը շատ ավելի կարևոր է, քան չափավոր և մեծ սխալի տարբերությունը։

Հեղինակները այս ազդեցությունն անվանում են կանխատեսման սխալի նկատմամբ նվազող զգայունություն։ Այն բանից հետո, երբ կանխատեսումը ճանաչվում է սխալ, սխալի յուրաքանչյուր լրացուցիչ միավոր ավելի ու ավելի քիչ ազդեցություն է ունենում արդյունքի գնահատման վրա։

Ստացված եզրակացությունները կարևոր նշանակություն ունեն արհեստական բանականության տեխնոլոգիաների, հանձնարարական համակարգերի, բիզնես վերլուծության և կանխատեսում օգտագործող այլ գործիքների համար։ Այսօր նման համակարգերը սովորաբար օպտիմիզացվում են վիճակագրական ցուցանիշներով, որոնք միտված են միջին սխալի նվազեցմանը։ Սակայն օգտատերերը կարող են այս ալգորիթմների աշխատանքի որակը ընկալել բոլորովին այլ կերպ։

Հետազոտողի կարծիքով՝ մշակողները պետք է հաշվի առնեն մարդկանց իրական սպասումները դեռևս կանխատեսման մոդելների նախագծման փուլում։ Եթե ալգորիթմները օպտիմիզացվում են այնպիսի նպատակների համար, որոնք չեն համընկնում հաջող կանխատեսման մասին մարդկային պատկերացումների հետ, դա կարող է նվազեցնել տեխնոլոգիաների նկատմամբ վստահությունը և խոչընդոտել դրանց ավելի լայն կիրառմանը։