„A fost un alt șoc să descopăr că fiecare membru al Consiliului avusese în minte șanse oarecum diferite: cel cu estimarea cea mai joasă se gândea la circa 20 la 80, cel cu cea mai înaltă la 80 la 20. Ceilalți se situau între ei.”Sherman Kent · Words of Estimative Probability · 1964 · Sherman Kent, «Words of Estimative Probability», Studies in Intelligence 8(4), 1964, pp. 49–65, secțiunea «Early Brush with Ambiguity» (versiunea CIA aprobată pentru publicare în 1993)
Numărul e judecata, cuvântul e doar traducerea ei pentru cititor.
În martie 1951, o estimare a serviciilor americane spunea că un atac asupra Iugoslaviei „ar trebui considerat o posibilitate serioasă”. Sherman Kent, membru al consiliului care o aprobase, se gândea la șanse de 65 la 35 pentru atac; cititorii de la Departamentul de Stat înțeleseseră ceva mult mai mic. Când și-a întrebat colegii din consiliu, estimarea cea mai joasă fusese de circa 20 la 80, cea mai înaltă de 80 la 20. Aceleași cuvinte, aprobate în unanimitate, ascundeau un dezacord de 60 de puncte procentuale. Remediul lui Kent, publicat în 1964, a fost un tabel: „aproape sigur” în jur de 93%, „probabil” în jur de 75%, „șanse cam egale” în jur de 50%, „probabil că nu” în jur de 30%, „aproape sigur că nu” în jur de 7%. Directiva ICD-203 a comunității de informații americane, semnată în 2015, face același lucru cu șapte termeni și intervale: de la „aproape nicio șansă” (1–5%) la „aproape sigur” (95–99%), cu „probabil” între 55% și 80%. Regula practică are două jumătăți. Analistul gândește și scrie numărul; cuvântul e doar o traducere pentru cititor, generată din număr. Drumul invers — să alegi întâi cuvântul și să-l transformi apoi în număr — pierde informație, pentru că un cuvânt acoperă o bandă de până la 25 de puncte. În motorul olivLaw, eticheta e calculată în Python de funcția hedge(p); modelul AI care scrie analiza nu o alege niciodată.
Exemplu aplicat: același număr, trei vocabulare. Ana a dat 0,35 pentru întrebarea «Va depăși cursul de referință EUR/RON pragul de 5,3000 până la 31 decembrie 2027?». Ce cuvânt vede cititorul? Depinde de tabelul folosit. Mai jos, câteva probabilități traduse în trei scări: benzile codate în motorul olivLaw (11 trepte, limita de jos inclusă), tabelul directivei ICD-203 (7 termeni) și scara lui Kent din 1964 (5 trepte, cu marje).
p motorul olivLaw (hedge) ICD-203 (2015) Kent (1964)
0,15 foarte improbabil very unlikely 5–20 între trepte
0,35 mai degrabă improbabil decât probabil unlikely 20–45 probably not 30±10
0,60 mai degrabă probabil decât nu likely 55–80 about even 50±10, la margine
0,70 probabil likely 55–80 probable 75±12
0,85 extrem de probabil very likely 80–95 probable 75±12
0,97 foarte probabil almost certain 95–99 almost certain 93±6Trei observații. Întâi, la 0,60 motorul spune «mai degrabă probabil decât nu», iar directiva spune «likely»: același număr, două cuvinte. Al doilea, la 0,97 motorul spune «foarte probabil», directiva «almost certain». Al treilea, în română scara motorului pune «extrem de probabil» (de la 0,80) sub «foarte probabil» (de la 0,90), deși un cititor român aude de obicei «extrem» ca mai tare decât «foarte». Niciuna dintre aceste nepotriviri nu contează dacă numărul stă lângă cuvânt. Toate contează dacă cititorul vede doar cuvântul.
De aceea Ana publică «mai degrabă improbabil decât probabil (35%)». Paranteza nu e un detaliu de stil: e singura parte a frazei pe care un cititor o poate verifica, iar peste un an e singura pe care o poate nota.
În motorul olivLaw. Ce există azi: modulul icd203 din kitul de analiză ține tabelul HEDGE_BANDS, unsprezece benzi cu limita de jos inclusă, de la «aproape sigur» (de la 0,99) la «aproape sigur că nu» (de la 0). Funcția `hedge(p, lang)` primește probabilitatea, o limitează la intervalul [0, 1] și întoarce eticheta în română sau engleză. Eticheta e calculată în Python, nu aleasă de model, iar câmpul verbal al prognozei se scrie din ea. Asta e bine și e regula corectă: numărul conduce.
Slăbiciunea: docstring-ul modulului spune că benzile urmează maparea canonică ODNI, dar tabelul directivei are șapte termeni (likely = 55–80%), iar motorul are unsprezece (likely de la 0,66). E o extensie proprie, legitimă, dar trebuie numită ca atare. A doua slăbiciune e ordinea în română a celor două trepte de sus. Propunerea, mică: cuvântul nu apare niciodată singur, iar o poartă verifică în textul publicat că fiecare termen estimativ e urmat de numărul din care a fost calculat.
HEDGE_BANDS = [ # ca în kitul de analiză: (limita de jos inclusă, eticheta RO)
(0.99, "aproape sigur"), (0.90, "foarte probabil"), (0.80, "extrem de probabil"),
(0.66, "probabil"), (0.55, "mai degrabă probabil decât nu"), (0.45, "șanse egale"),
(0.34, "mai degrabă improbabil decât probabil"), (0.20, "improbabil"),
(0.10, "foarte improbabil"), (0.01, "extrem de improbabil"), (0.00, "aproape sigur că nu"),
]
def hedge(p: float) -> str:
p = max(0.0, min(1.0, float(p)))
return next(label for lower, label in HEDGE_BANDS if p >= lower)
def verbal_with_number(p: float) -> str:
# Propunere: forma publicată poartă mereu numărul.
return f"{hedge(p)} ({round(p * 100)}%)"
def prose_is_honest(sentence: str, p: float) -> bool:
# Poarta propusă: fraza conține exact forma calculată din p.
return verbal_with_number(p) in sentence
print(verbal_with_number(0.35)) # mai degrabă improbabil decât probabil (35%)
print(prose_is_honest("Este probabil (35%) ca pragul să fie depășit.", 0.35)) # FalseExemplul din ultima linie e exact eroarea pe care poarta o prinde: un text care spune «probabil» lângă 35%. Cuvântul și numărul se contrazic, iar cititorul nu are de unde ști pe care să-l creadă.
De ce contează Un decident care citește „probabil” poate înțelege 20% sau 80%; numărul elimină dezacordul pe care cuvântul îl ascunde.