根据民调结果创造出预测模型的大数据专家面临着这样的挑战，我们人类不断地以二元对立的态度看待概率预测：“是”或“不是”“英国脱欧”或“留欧”“特朗普”或“希拉里”。我们懒惰的头脑喜欢确定性。2012年美国总统大选之后，内特·希尔弗的模型准确地预测了美国所有州的选举结果，博客和社交媒体将他奉为天才。《卫报》称他“神机妙算”。然而就在短短几年之后，当内特预测特朗普仅有5%的机会成为共和党提名人时，《卫报》又称他“错得离谱”。到2016年美国总统大选时，FiveThirtyEight预测希拉里胜选的概率为71.8%，结果社交媒体铺天盖地地对他的算法口诛笔伐。《纽约时报》的一位专栏作家写道，“对数据统计人员来说这将是一个难眠之夜”，暗指希尔弗和其他众多统计学家都做了错误的预测。
我们喜欢我们的世界同时存在英雄和坏人，天才和白痴，我们喜欢非黑即白的确定性世界，而不是现实而充满概率的灰色。因此，我们对民意调查时爱时恨，也就不会让人意外。
我们一开始就得明确一些事情。尽管使用模型来预测选举不时失败，它还是比我们抛硬币猜输赢要准确得多。尽管大多数模型预测英国脱欧和特朗普胜选的概率不到50%，但例外情况谁也不能保证不会发生，因此我们不能认定常规无用。大多数情况下，民意调查以及基于民意调查做成的预测模型，给出的是某个最终结果出现的可能性，也就是概率。特朗普得到的28.2%获胜概率并不小。我随便抛一下四面的龙与地下城（Dungeons & Dragons）骰子得到4点，大家就会叫我大师。事实上，有证据表示，民意调查做得越细致、越频繁，得到的预测就越准确。图8.1显示了过去80年来美国大选民调的准确性。2016年的一次失误不代表民调的准确性就大打折扣。
第二部分 算法能影我我们的情绪和行为吗？
79