大到预测国家经济发展趋势决定投资策略，小到预测今天是否会下雨决定出门是否要带伞，生活中总是离不开预测。
人生是一个不断选择的过程，选择基于预测，提升了预测能力也就提升了选择的质量，也就提升了人生的质量。
如果还不明白，想想如果你能够预测准确某支股票未来的走势，那是不是就能赚大钱？
那要如何来提高预测能力呢，简单来讲，就是要借用集体的智慧，具体如何借用呢？王烁在30天认知训练营中介绍了层层递进的4种方法。
01 简单平均
第一种方法，就是简单平均，比如牵一头牛到市场上，随便请100个人来猜它的重量，最后将100人的猜测结果简单平均，神奇的是，这个结果会比任何一个人猜测的结果都更准确。
这就是集体的力量。
02 贝叶斯推理
独立参与预测的人越多，预测结果越接近真实情况，可有些时候参与的人数不够多怎么办呢？比如当时市场上只有两个人，一个人猜100斤，另外一个人猜200斤，我们不好推测牛就是150斤吧。
这就需要用到贝叶斯推理了，就是根据常识预先给出一个猜测，并设置一个初始参与人数。比如那头牛，我们根据常识先定一个 2000斤，100人的初始参数。这样上面两人猜牛重量的例子，一个猜100斤，一个猜200斤，最终的猜测结果就是（2000*100 + 100 + 200）/ 102 = 1963.725 斤。
03 加权平均
简单平均，准确性与每个人的知识能力是有很大关系的，今天市场上如果刚好碰到一队小学生放学，几十个小盆友的猜测结果和市场上那几个肉食档老板的猜测结果放一起简单平均，最终结果准确性可能就会打折扣，那有没有更好的方法呢？
有的，那就是给每个人不同的权重，比如，我们给肉食档老板的权重高，小学生权重低，这样就算是遇到一队小学生结果也不会偏差太大。
而且，实际运作过程中，可以根据个人的历史预测准确性，动态调整每个人的权重。也许小学生里面也有对重量感知特别敏感的人呢。
04 极化
将每个人预测结果做加强平均，而且根据历史预测结果，动态调整每个人的权重，看似已经是一个完美的模型了。
美国一个叫希弗（Nate Silver）的年轻人，用这个模型做了一个选举预测网站，它将各个民调组织的预测结果做加权平均，权重根据该民调组织的历史表现动态调整，完美预测了2012年奥巴马总统选举结果，是全美50个州每一个州的选举结果，准确性超过任何一个民调机构。
那还有没有更准确的预测方法呢？
还真有，那就是极化。
意思是在加权平均的基础上，将预测结果向正反两极推进，如果是一个乐观的结果就让它更乐观，如果是一个悲观的结果，就让它更悲观。
比如预测明天是否会下雨，如果加权平均下来结果是90%的概率会下雨，那就将结果改为95%，如果结果是10%，那就将结果改为5%。
为何这个方法有效，试想一下，如果我们对信息了解的越多，我们就会越自信，也就会给越高的概率，如果一个人知道了群体中所有人加总的全部信息，那他一定会给出一个更自信的结果，加权平均没有体现这份自信，极化就是将这份自信再加回去。
《超预测》的作者泰特罗克在美国情报局组织下启动了一个善断计划项目，用的就是这个方法，通过组织一批普通人来对国际大事件进行预测，结果超过了当时所有现有预测系统，甚至战胜了专业情报分析师。
