Michael Fish was de Armand Pien (voor de jongere lezers: de Frank Deboosere) van de BBC. Op 15 oktober 1987 stelde hij de kijkers gerust. Ze moesten zich geen zorgen maken over de aankomende storm. Enkele uren later trok de zwaarste storm ooit over het zuiden van Engeland. Negentien mensen verloren het leven. Als je publiekelijk een totaal verkeerde voorspelling maakt, dan beleef je een Michael Fish-moment.
...

Michael Fish was de Armand Pien (voor de jongere lezers: de Frank Deboosere) van de BBC. Op 15 oktober 1987 stelde hij de kijkers gerust. Ze moesten zich geen zorgen maken over de aankomende storm. Enkele uren later trok de zwaarste storm ooit over het zuiden van Engeland. Negentien mensen verloren het leven. Als je publiekelijk een totaal verkeerde voorspelling maakt, dan beleef je een Michael Fish-moment. Allerlei experts in politiek en economie blijven maar publiekelijk voorspellingen maken, en op dit ogenblik bestaat de indruk dat ze er meestal grondig naast zitten. Dat is de belangrijkste reden waarom die experts niet meer gezaghebbend zijn. Ze lijken uit hun nek te kletsen. Maar ook wij, leken, slaan de bal ontzettend vaak mis. We nemen maar al te gemakkelijk onze wensen of onze angsten voor werkelijkheid. We zijn er al te zeer van overtuigd dat wat we willen of vrezen dat er zal gebeuren, realiteit wordt. Vele zaken die wij als feiten voorstellen zijn de facto wensen of diepgewortelde angsten: de democratie en de economie gaan er altijd op vooruit, dit apparaatje zal me gelukkiger maken, die persoon zal vlotjes met mij samenwerken, Trump zal een oorlog uitlokken en een virus zal de wereldbevolking decimeren. Dat zijn signalen van hoop of vrees, verpakt als voorspellingen. We stapelen de Michael Fish-momenten op die manier netjes op. Net midden in die controverse rond de waarde van voorspellingen door experts, verdedigt Shari De Baets op schitterende wijze haar doctoraat aan de UGent. Zoals het een degelijk proefschrift betaamt, is het moeilijk toegankelijk voor de leek en draagt het een duistere titel: Allowing for promotion effects in forecasting: effects of judgment and formal forecasts. In mensentaal: als experts het effect van speciale campagnes moeten voorspellen (nu een gratis dvd bij Trends! In het volgende nummer twee columns van Marc Buelens!), hebben ze dan nog toegevoegde waarde tegenover big data? Dat is een aloude discussie die bekendstaat als 'mens versus machine'. Die discussie is brandend actueel nu we opgeschrikt worden door kreten dat robots op korte termijn de helft van de kennisarbeiders zullen vervangen. Of heeft de recente analyse van McKinsey het bij het juiste eind, namelijk dat het allemaal wel zo'n vaart niet zal lopen? Wat lezen we in de conclusies van dit schitterende doctoraat, mede begeleid door een wereldexpert terzake, prof. Nigel Harvey van University College London. Dames en heren experts, als je het maar een beetje bijstuurt, blijf je beter van het model af. Maar als je zwaar ingrijpt omdat je weet (of aanvoelt...) dat het onderliggende model vertrekt van de verkeerde veronderstellingen, dan kan je bijsturing relevant zijn. Dat is overigens nog altijd hét dilemma van big data. Geen enkele persoon kan nog op tegen de zondvloed aan analysemogelijkheden, maar... als het onderliggende model voorbijgestreefd is, worden de voorspellingen waardeloos. Dat lijkt verschillende keren het geval geweest te zijn bij de politieke aardverschuivingen, waar de voorspellingen radicaal fout zaten. De kiezer is 'anders' geworden. Hij is in zekere zin pervers geworden. Hij stemt voor 'oplossingen' waarvan hij weet dat ze niet haalbaar zijn. Maar hij is de huidige aanpak zo beu dat hij rebelleert. Maar de moderne expert beschikt over zo'n computervoorspelling. Is dat een vloek of een zegen? In een reeks laboratoriumexperimenten in Londen kon De Baets aantonen dat een relevant computersysteem een voorspelling niet altijd ten goede komt. Voorspellers hebben het uiterst moeilijk de dialoog aan te gaan met het systeem. Zelfs statistisch geschoolden lijken niet goed de grenzen van die modellen te vatten en bereiken helemaal geen optimale resultaten. Ze laten veel geld op de voorspellingstafel liggen. Anderzijds is de menselijke interventie niet altijd een volkomen ramp. In vele gevallen kunnen voorspellers de computer toch nog een lesje leren. Maatschappelijk ligt al één grote conclusie voor de hand. We moeten dringend onze intellectuele elite, die zo graag voorspellingen produceert, grondig opleiden in de gedachtewereld van de computers. Het omgekeerde gebeurt al op grote schaal. Robots weten elke dag een beetje beter hoe wij in elkaar steken, inclusief onze Michael Fish-momenten.