专家的陨落

2020 年 XNUMX 月，我被一个 Freddie Sayers 的采访 放逐 与安德斯泰格内尔，瑞典 COVID 响应的设计者。 采访中充满了 Tegnell 的细微差别和常识性陈述。 例如，他指出严厉的封锁缺乏证据和先例，以及它们可能造成巨大的附带伤害：

“当然，我们正在努力将死亡率保持在尽可能低的水平，但与此同时，我们必须考虑你所说的严厉措施。 他们是否会通过疾病本身以外的其他方式造成更多的死亡？ 我们需要以某种方式讨论我们实际想要实现的目标。 整体上对公共卫生更好吗？ 还是试图尽可能地压制Covid-19？ 因为摆脱它我不认为会发生：它在新西兰发生了很短的时间，也许冰岛和那些国家可能能够让它远离，但对于我们今天拥有的全球化世界，保持像这样远离疾病在过去是不可能的，如果将来可能的话，那就更令人惊讶了。”

更令人印象深刻的是泰格内尔的谦逊。 在采访中，他多次说“我们不知道”，并且用“似乎”和“可能”等不确定的词语来限定他的许多回答。 我认为这正是专家们一直以来应该做的，向惊恐的公众传达细微差别甚至不确定性。 要么根本没有发生，要么媒体过滤掉了任何专家可能提供的所有细微差别和不确定性，而只是注定了厄运。

我把采访的链接发给了我在书中描述的姐姐 对微生物星球的恐惧 作为一个细菌恐惧症。 她显然担心早期感染病毒，但最近对她在新闻中看到的厄运和悲观表现出一些合理的怀疑。 有趣的是，她的回答是“我唯一不喜欢的，但这是事实，就是他一直说‘我们不知道’。” 这就是让我害怕的，是其中任何一个‘不知道’的部分。” 采访中表现出的谦逊和不确定给了我安慰，但对我妹妹来说，却适得其反。

我越想越觉得自己是异类。 大多数人在害怕时不想要细微差别和不确定性。 他们想知道有专家知道将要发生的一切以及如何阻止它。 他们想知道所有疾病和死亡的风险都可以通过简单和可持续的对策消除，他们非常愿意牺牲他们的许多自由，即使是为了控制的幻觉。 当公众疯狂购买时，许多专家和宣传他们的媒体非常乐意出售这种错觉。

由于专家们在过去三年中惨败于公众和媒体的魔幻思维，“专家”一词失去了很多意义，这未必是坏事。 专家们的预测能力很差，并且在他们通常狭窄的兴趣领域之外没有太多知识。 在大流行病这样非常复杂的情况下，没有人能够深刻理解任何特定时刻正在发生的事情，更不用说预测接下来会发生什么的能力了。 这就像要求一家汽车制造商的首席执行官从头开始自己制造一辆汽车——这几乎是不可能的，因为它需要数百名专门从事每个零件的制造和成品组装的人的协调努力。 甚至 CEO 也无法执行每一步。

在我的书的第 11 章中，我解释了为什么专家不擅长预测，并且在他们的领域之外没有我们期望的那么多知识：

大流行初期，冠状病毒“专家”的数量有限，对少数可能有资格进入媒体圈的人进行了激烈的竞争。 我的前博士生导师、爱荷华大学的冠状病毒学家/免疫学家 Stanley Perlman 博士是其中一位毋庸置疑的专家。 在 SARS1 爆发意外地把焦点放在人类冠状病毒上之后，斯坦被推入了人类冠状病毒研究的世界。 他帮助在爱荷华州建立了一个 BSL3 实验室，并开始研究小鼠的 SARS1 感染，同时还关注其他可能导致严重疾病的冠状病毒，如中东呼吸病毒或 MERS。 

当美国仅确认了两例 SARS-CoV-2 感染病例时，爱荷华州一家电视台找到斯坦，希望他预测美国将如何受到这种新型病毒的影响。 人们已经看到了来自中国的恐怖故事，而中国在前一天才刚刚封锁。 他们想要一些保证。 想一想 SARS1 在 2003 年的几个月里是如何被遏制的，Stan 告诉记者 他认为爱荷华州永远不会看到案件。 显然，这个预测并没有过时。 

两年后，当我问起他早年的回忆时，他提起那次采访，“我最初印象中最大的错误是病例数在增加，但我认为它仍然与 SARS 和 MERS 相符——喜欢传播，而主要是下呼吸道。 所以，一开始我认为这会像 SARS1 和 MERS 一样，隔离会奏效。 五周之内，我们知道这是行不通的。 当你作为专家被问到这个问题时，你真的必须走这条路并且不确定你在两个案例中的位置，你会说，“嗯，我认为我们都必须非常担心，因为它似乎是传播迅速，”当真的没有那么多证据时，或者你会说，“嗯，只有两个案例。” 我选择说“只有两个案例，我认为我们应该看看结果如何。””不仅大多数人对 SARS-CoV-2 的表现一无所知，像 Stan 这样的专家也不知道。 他的专业知识在这么早的时间点实际上是有问题的。 

正如心理学家兼作家菲利普·泰洛克 (Philip Tetlock) 在他 2005 年出版的书中所证明的那样，专家通常不擅长预测 专家政治判断. 在 Tetlock 的研究中，当 284 位专家被要求在与其专业知识相关的领域做出 27,451 项预测时，结果完全失败。 当与“业余爱好者、投掷飞镖的黑猩猩和各种外推算法”较量时，专家们的表现并不总是比他们中的任何一个都好。 他们的预测并不比普通人更准确。 然而，有些人被证明更擅长预测，但这些人并不是传统意义上的“专家”。 相反，更准确的预测者往往更全面，更少意识形态化，更愿意挑战自己的假设。 相比之下，专家们只是假设他们无所不知，而且错误与正确一样多。 

 许多专家和大流行预测模型的预测非常不准确 只是证实了泰特洛克的结论。 专家们在各个方面都一再犯错。 传染病流行病学家 John Ioannidis 是有史以来被引用次数最多的科学家之一，他在 2020 年 19 月告诉 CNN 名人 Fareed Zakaria，“如果我要根据我们拥有的有限测试数据做出明智的估计，我会说 COVID -40,000 将导致美国本季死亡人数少于 18 人。”到 2020 年 19 月 450,000 日，美国死于 COVID-XNUMX 的估计人数为 XNUMX 人。 诺贝尔奖获得者和斯坦福大学教授迈克尔莱维特开发了他过去常常使用的模型 要求 该病毒已经在 2020 年 170,000 月下旬达到峰值。莱维特在 XNUMX 月底预测，到 XNUMX 月底，美国的大流行病将结束，死亡人数将少于 XNUMX 万人。 代替，到180,000月底这个数字在XNUMX万左右，并且在稳步攀升。 

那只是 COVID 的“最小化器”。 许多 COVID“最大化者”都犯了同样的错误，但他们正是领导者所关注的。 27年2020月XNUMX日，宾夕法尼亚大学医学伦理学系主任Ezekiel Emanuel博士， 在短短四个星期内预测美国有 100 亿例 COVID-19 病例. 四个星期后， 27年2020月XNUMX日，确诊病例破百万. 由 Neil Ferguson 教授及其同事开发的臭名昭著的帝国理工学院模型， 预计美国将有超过 2 万人死亡 在三个月内 大流行的开始。 这是一个极具影响力的模型，正如白宫冠状病毒应对协调员黛博拉·伯克斯 (Deborah Birx) 在她 2022 年的书中承认的那样，它被用来促进全国范围内的停工 沉默入侵. 

三个月后的 109,000 月，美国医疗保健系统并没有完全崩溃，而是有约 24 人死亡。 同样具有影响力的 IHME 模型预测，需要病床和呼吸机的患者数量将激增。 纽约州州长安德鲁·科莫 XNUMX 月 XNUMX 日表示 该州可能需要多达 140,000 张病床 （在可用的 53,000 个中），需要 40,000 个 ICU 病床。 仅仅两周后，病例迅速减少，仅 已报告 18,569 人住院. 尽管在纽约和新泽西州的激增期间，有几家医院已经达到或超过了容量，但许多医院几乎空无一人，有些甚至裁员。 两个月后，在很明显预测的激增不会实现之后， Cuomo 承认他从专家那里得到的信息很糟糕,》初国专家。 这是我的投影模型。 这是我的投影模型。 他们都错了。 他们都错了。”

一旦美国各州开始重新开放，模型再次错误地预测了 COVID 的大规模复苏。 佐治亚州的重新开放被媒体批评为“活人祭祀实验” 波士顿麻省总医院研究人员开发的模型 预测即使在计划的 27 月 23,000 日逐步取消限制也会导致超过 XNUMX 人死亡，同时将当前限制保持到 2,000 月将导致约 4 人死亡。 保持限制并不是建模者的建议，因为额外的结果表明更严格的 XNUMX 周锁定会产生最好的结果。 

这一切都没有发生。 佐治亚州重新开放一个月后，死亡人数不是 23,000 人， 记录了896个. 格鲁吉亚并不是一个孤立的例子。 在美国各地，预计重新开放的州将出现病例激增，而这些病例很少在预测的时间范围内出现。 “只要等两周，你就会看到，”最大化者会厌恶地说。 当两周或更长时间过去后，最大化者会通过指出世界末日的预测来解释这种差异，以表明如果没有封锁、限制或强制措施将会发生什么。 因此，结果可以很容易地解释为“如果没有政府采取行动，情况可能会更糟”。 

最大化者必须忽略一个巨大而明显的问题才能提出这一论点，其根源在于并非每个国家或州都以封锁和强制措施应对大流行威胁。 瑞典没有封锁或关闭小学——强制缓解措施仅限于 50 人以上的集会，其他人大多是自愿的，政府强调个人责任而非强制。 当一组瑞典研究人员将帝国理工学院模式应用到瑞典时， 输出结果预测约有 96,000 人因未缓解的传播而死亡. Imperial 自己的瑞典数字非常接近，超过 90,000 人死亡。 即使采取封锁和其他强制缓解措施，该模型仍预测了该数字的一半以上，死亡人数为 40-42,000 人。 然而，为了应对所制定的适度限制，病毒拒绝遵循最大化模型，并且 瑞典反而在大流行的第一年遭受了 13,000 人的 COVID 死亡. 这还不到预期的一半，即使有帝国学院式的全面封锁，也比他们什么都不做时的预期要少得多。 

事后看来，很明显数字不能替代论点，但这正是大流行早期人们对预测的看法。 对于最大化者来说，模型和专家产生的灾难性预测有助于促进封锁、强制执行和行为改变——它们吓坏了人们，让他们呆在家里远离他人。 预测是否正确根本无关紧要，目的是通过手段证明的。 对于最小化者来说，数字越大只会增加附带损害的可能性，因为他们知道数字越大，就越会接受更严厉的限制。 因此，较少的灾难化会导致领导者不那么草率和破坏性的决定。 最终，这两个群体都对错。 美国的 COVID 死亡率很高，记录的死亡人数超过 XNUMX 万人，但它发生在两年的时间里，经历了很少有人预测到的几波浪潮。 

主要争论点不应集中在数字上，而应集中在如何在不造成更多附带损害的情况下最大限度地减少全球流行病的损害上。 争论是片面的——最大化者在许多地方获胜，不是通过对证据的辩论，而是通过攻击和审查他们的反对派，以及通过向受惊的公众兜售控制和共识的幻觉。

大流行揭开了专家崇拜的愚蠢行为的帷幕。 专家和其他人一样容易犯错，容易产生偏见、有毒的集体思维和政治影响。 这种认识可能会让人感到不安。 然而，它也应该迫使一种责任感去寻找真相，不管专家怎么说，这是一件好事。

转载自作者 亚组