پیشبینی ( لاتین præ- ، «پیش از این » و dictum ، «چیزی گفته شد» [1] ) یا پیشبینی بیانیهای است درباره یک رویداد آینده یا در مورد دادههای آینده . پیشبینیها اغلب، اما نه همیشه، بر اساس تجربه یا دانش پیشبینیکنندگان است. هیچ توافق جهانی در مورد تفاوت دقیق بین «پیشبینی» و « تخمین » وجود ندارد. نویسندگان و رشته های مختلف مفاهیم متفاوتی را نسبت می دهند .
رویدادهای آینده لزوماً نامشخص هستند ، بنابراین اطلاعات دقیق تضمین شده در مورد آینده غیرممکن است. پیشبینی میتواند برای کمک به برنامهریزی درباره تحولات احتمالی مفید باشد.
در معنای غیر آماری، اصطلاح "پیش بینی" اغلب برای اشاره به حدس یا نظر آگاهانه استفاده می شود .
پیشبینیهایی از این دست ممکن است از طریق استدلال ابداعی ، استدلال استقرایی ، استدلال قیاسی ، و تجربه شخص پیشبینیکننده به دست آید . و ممکن است مفید باشد - اگر فرد پیش بینی کننده یک فرد آگاه در این زمینه باشد. [2]
روش دلفی تکنیکی برای استخراج چنین پیشبینیهای مبتنی بر قضاوت متخصص به روشی کنترلشده است. این نوع پیشبینی ممکن است با تکنیکهای آماری مطابقت داشته باشد، به این معنا که حداقل «دادههای» مورد استفاده تجربیات شناختی متخصص پیشبینیکننده است که یک «منحنی احتمال» شهودی را تشکیل میدهد .
در آمار , پیش بینی بخشی از استنتاج آماری است . یک رویکرد خاص برای چنین استنتاجی به عنوان استنتاج پیش بینی شناخته می شود ، اما پیش بینی را می توان در هر یک از چندین رویکرد استنتاج آماری انجام داد. در واقع، یکی از توصیفهای ممکن از آمار این است که ابزاری برای انتقال دانش در مورد نمونهای از یک جمعیت به کل جمعیت و سایر جمعیتهای مرتبط فراهم میکند که لزوماً مشابه پیشبینی در طول زمان نیست. هنگامی که اطلاعات در طول زمان، اغلب به نقاط خاصی از زمان منتقل می شود، این فرآیند به عنوان پیش بینی شناخته می شود . [3] [ تأیید ناموفق ] پیشبینی معمولاً به روشهای سری زمانی نیاز دارد، در حالی که پیشبینی اغلب بر روی دادههای مقطعی انجام میشود .
تکنیک های آماری مورد استفاده برای پیش بینی شامل رگرسیون و زیر مجموعه های مختلف آن مانند رگرسیون خطی ، مدل های خطی تعمیم یافته ( رگرسیون لجستیک ، رگرسیون پواسون ، رگرسیون پروبیت ) و غیره می باشد . . هنگامی که این و/یا مجموعه کلی تعمیم یافته رگرسیون یا روش های یادگیری ماشینی در استفاده تجاری به کار می روند، این زمینه به عنوان تجزیه و تحلیل پیش بینی شناخته می شود . [4]
در بسیاری از کاربردها، مانند تحلیل سری های زمانی، تخمین مدل هایی که مشاهدات را ایجاد می کنند، امکان پذیر است. اگر مدل ها را بتوان به عنوان توابع انتقال یا بر حسب پارامترهای فضای حالت بیان کرد، تخمین داده های صاف، فیلتر شده و پیش بینی شده را می توان محاسبه کرد. [ نیاز به نقل قول ] اگر مدلهای تولید زیربنایی خطی هستند، ممکن است از یک فیلتر کالمن با حداقل واریانس و یک صافکننده حداقل واریانس برای بازیابی دادههای مورد علاقه از اندازهگیریهای نویز استفاده شود. این تکنیکها بر پیشبینیکنندههای یک گام جلوتر تکیه میکنند (که واریانس خطای پیشبینی را به حداقل میرساند ). هنگامی که مدل های تولید کننده غیرخطی هستند، خطی سازی های گام به گام ممکن است در فیلتر کالمن توسعه یافته و بازگشت های هموارتر اعمال شوند. با این حال، در موارد غیرخطی، تضمین عملکرد حداقل واریانس بهینه دیگر اعمال نمی شود. [5]
برای استفاده از تحلیل رگرسیون برای پیشبینی، دادهها بر روی متغیری که قرار است پیشبینی شود، به نام متغیر وابسته یا متغیر پاسخ، و بر روی یک یا چند متغیر که مقادیر آنها فرضیهای برای تأثیرگذاری بر آن فرض شدهاند، به نام متغیرهای مستقل یا متغیرهای توضیحی جمعآوری میشوند. یک فرم تابعی ، اغلب خطی، برای رابطه علّی فرضی فرض میشود، و پارامترهای تابع از دادهها تخمین زده میشوند - یعنی به گونهای انتخاب میشوند که به نوعی برازش تابع را بهینه کنند ، بنابراین، پارامترها را با داده ها این مرحله تخمین است. برای مرحله پیشبینی، مقادیر متغیر توضیحی که مربوط به مقادیر آینده (یا فعلی اما هنوز مشاهده نشده) متغیر وابسته به نظر میرسد، به تابع پارامتر شده برای ایجاد پیشبینی برای متغیر وابسته وارد میشوند. [6]
یک تخمین عملکرد بیطرفانه از یک مدل را میتوان در مجموعههای تست نگهدارنده بهدست آورد . پیشبینیها را میتوان از نظر بصری با حقیقت پایه در نمودار برابری مقایسه کرد .
در علم، پیشبینی بیانیهای دقیق و غالباً کمی است که پیشبینی میکند در شرایط خاص چه چیزی مشاهده میشود. به عنوان مثال، بر اساس نظریه های گرانش ، اگر سیبی از درخت بیفتد، مشاهده می شود که با شتاب مشخص و ثابت به سمت مرکز زمین حرکت می کند . روش علمی مبتنی بر آزمایش عباراتی است که پیامدهای منطقی نظریه های علمی هستند. این کار از طریق آزمایش های تکرار شونده یا مطالعات مشاهده ای انجام می شود .
یک نظریه علمی که پیش بینی های آن با مشاهدات و شواهد در تضاد باشد رد خواهد شد. نظریههای جدیدی که پیشبینیهای جدید زیادی ایجاد میکنند، راحتتر میتوانند پشتیبانی یا جعل شوند (به قدرت پیشبینی مراجعه کنید ). مفاهیمی که هیچ پیشبینی قابل آزمایشی انجام نمیدهند، معمولاً تا زمانی که پیشبینیهای آزمایشپذیر انجام نشود، جزئی از علم ( پیشعلم یا علم ) نیستند .
معادلات و مدلهای ریاضی ، و مدلهای کامپیوتری ، اغلب برای توصیف رفتار گذشته و آینده یک فرآیند در محدودههای آن مدل استفاده میشوند. در برخی موارد، احتمال یک نتیجه، به جای یک نتیجه خاص، قابل پیش بینی است، برای مثال در بسیاری از فیزیک کوانتومی .
در ریزپردازنده ها ، پیش بینی انشعاب اجازه می دهد تا از تخلیه خط لوله در دستورالعمل های انشعاب اجتناب شود .
در مهندسی ، حالت های احتمالی شکست با اصلاح مکانیسم خرابی که باعث خرابی می شود، پیش بینی می شود و از آن اجتناب می شود .
پیشبینی و پیشبینی دقیق در برخی مناطق مانند بلایای طبیعی ، بیماریهای همهگیر ، جمعیتشناسی ، پویایی جمعیت و هواشناسی بسیار دشوار است . [7] به عنوان مثال، می توان وقوع چرخه های خورشیدی را پیش بینی کرد ، اما زمان دقیق و بزرگی آنها بسیار دشوارتر است (به تصویر به سمت راست مراجعه کنید).
در مهندسی مواد نیز می توان با یک مدل ریاضی طول عمر یک ماده را پیش بینی کرد. [8]
در علم پزشکی بیومارکرهای پیشبینیکننده و پیشآگهی میتوانند برای پیشبینی نتایج بیمار در پاسخ به درمانهای مختلف یا احتمال یک رویداد بالینی استفاده شوند. [9]
علم تثبیت شده پیش بینی های مفیدی را انجام می دهد که اغلب بسیار قابل اعتماد و دقیق هستند. برای مثال، خسوف ها به طور معمول پیش بینی می شوند.
تئوری های جدید پیش بینی هایی را انجام می دهند که به آنها اجازه می دهد توسط واقعیت رد شوند. برای مثال، پیشبینی ساختار کریستالها در سطح اتمی یک چالش تحقیقاتی کنونی است. [10] در اوایل قرن 20 اجماع علمی بر این بود که یک چارچوب مرجع مطلق وجود دارد که به آن اتر نورافکن داده شد . وجود این قاب مطلق برای سازگاری با این ایده ثابت شده که سرعت نور ثابت است ضروری تلقی شد. آزمایش معروف مایکلسون-مورلی نشان داد که پیشبینیهای استنباطشده از این مفهوم در واقعیت ثابت نشدند، بنابراین نظریه چارچوب مرجع مطلق را رد کرد. نظریه نسبیت خاص توسط انیشتین به عنوان توضیحی برای ناسازگاری ظاهری بین ثبات سرعت نور و عدم وجود یک چارچوب مرجع خاص، ترجیحی یا مطلق ارائه شد.
نظریه نسبیت عام آلبرت انیشتین را نمی توان به راحتی آزمایش کرد زیرا هیچ اثر قابل مشاهده در مقیاس زمینی ایجاد نکرد. با این حال، به عنوان یکی از اولین آزمایشهای نسبیت عام ، این نظریه پیشبینی کرد که جرمهای بزرگی مانند ستارگان، در تضاد با نظریه پذیرفتهشده، نور را خم میکنند. این در کسوف سال 1919 مشاهده شد.
پزشکی پیش بینی رشته ای از پزشکی است که مستلزم پیش بینی احتمال بیماری و انجام اقدامات پیشگیرانه به منظور پیشگیری از بیماری به طور کلی و یا کاهش قابل توجه تأثیر آن بر بیمار (مانند پیشگیری از مرگ و میر یا محدود کردن عوارض ) است . [11]
در حالی که روشهای پیشبینی متفاوتی مانند ژنومیک ، پروتئومیکس و سیتومیکس وجود دارد ، اساسیترین راه برای پیشبینی بیماری آینده مبتنی بر ژنتیک است. اگرچه پروتئومیکس و سیتومیکس امکان تشخیص زودهنگام بیماری را فراهم می کند، اما در بیشتر مواقع نشانگرهای بیولوژیکی موجود را شناسایی می کنند زیرا یک فرآیند بیماری از قبل شروع شده است. با این حال، آزمایشهای ژنتیکی جامع (مانند استفاده از آرایههای DNA یا توالییابی کامل ژنوم ) امکان تخمین خطر بیماری سالها تا دههها قبل از وجود هر بیماری را فراهم میکند یا حتی اینکه آیا یک جنین سالم در معرض خطر بالاتری برای ابتلا به بیماری است یا خیر. نوجوانی یا بزرگسالی به افرادی که در آینده بیشتر مستعد ابتلا به بیماری هستند، می توان با هدف پیشگیری از بیماری پیش بینی شده، توصیه هایی در مورد شیوه زندگی یا دارو ارائه داد.
دستورالعملهای آزمایش ژنتیک فعلی که توسط متخصصان مراقبتهای بهداشتی پشتیبانی میشود، آزمایشهای ژنتیکی پیشبینیکننده صرفاً از افراد زیر سن قانونی را تا زمانی که صلاحیت درک ارتباط غربالگری ژنتیکی را نداشته باشند، منع میکند تا به آنها اجازه دهد در تصمیمگیری درباره مناسب بودن یا نبودن آن شرکت کنند. [12] غربالگری ژنتیکی نوزادان و کودکان در زمینه طب پیشگویانه در صورتی مناسب تلقی می شود که دلیل بالینی قانع کننده ای برای انجام این کار وجود داشته باشد، مانند در دسترس بودن پیشگیری یا درمان در کودکی که از بیماری آینده جلوگیری می کند.پیش آگهی ( به یونانی : πρόγνωσις «پیشدانی، پیشبینی»؛ pl.: prognoses) یک اصطلاح پزشکی برای پیشبینی احتمال یا پیشرفت مورد انتظار یک بیماری است، از جمله اینکه آیا علائم و نشانهها بهبود یا بدتر میشوند (و با چه سرعتی) یا باقی میمانند. پایدار در طول زمان؛ انتظارات از کیفیت زندگی، مانند توانایی انجام فعالیت های روزانه؛ پتانسیل عوارض و مسائل مربوط به سلامتی؛ و احتمال بقا (از جمله امید به زندگی). [13] [14] پیش آگهی بر اساس سیر طبیعی بیماری تشخیص داده شده، وضعیت جسمی و روانی فرد، درمان های موجود و عوامل اضافی انجام می شود. [14] یک پیش آگهی کامل شامل مدت زمان مورد انتظار، عملکرد، و شرح دوره بیماری، مانند کاهش پیشرونده، بحران متناوب، یا بحران ناگهانی و غیرقابل پیش بینی است. [15]
هنگامی که در مورد جمعیت های آماری بزرگ اعمال می شود ، تخمین های پیش آگهی می توانند بسیار دقیق باشند: برای مثال عبارت "45٪ از بیماران مبتلا به شوک سپتیک شدید در عرض 28 روز می میرند " را می توان با اطمینان خاطر بیان کرد، زیرا تحقیقات قبلی نشان داد که این نسبت از بیماران فوت کرده اند. . این اطلاعات آماری در مورد پیش آگهی برای هر بیمار منفرد اعمال نمی شود، زیرا عوامل خاص بیمار می توانند به طور قابل توجهی روند مورد انتظار بیماری را تغییر دهند: برای تعیین اینکه آیا یک بیمار متعلق به 45٪ است که می میرد یا متعلق به این بیماری، به اطلاعات بیشتری نیاز است. 55 درصد زنده می مانند. [16]یک قانون پیشبینی بالینی یا ارزیابی احتمال بالینی نحوه استفاده از علائم پزشکی ، علائم و سایر یافتهها را برای تخمین احتمال یک بیماری خاص یا پیامد بالینی مشخص میکند. [17]
پزشکان در خطرات تخمینی بیماری ها مشکل دارند. اغلب به سمت تخمین بیش از حد اشتباه می کنند، [18] شاید به دلیل سوگیری های شناختی مانند اشتباه نرخ پایه که در آن خطر یک پیامد نامطلوب اغراق آمیز است.مدلهای ریاضی رفتار بازار سهام (و رفتار اقتصادی به طور کلی) نیز در پیشبینی رفتار آینده غیرقابل اعتماد هستند. از جمله دلایل دیگر، این به این دلیل است که رویدادهای اقتصادی ممکن است چندین سال طول بکشد، و جهان در بازه زمانی مشابهی در حال تغییر است، بنابراین ارتباط مشاهدات گذشته با زمان حال را بی اعتبار می کند. بنابراین تعداد بسیار کمی (از مرتبه 1) از نقاط داده گذشته مربوطه وجود دارد که از آنها می توان آینده را پیش بینی کرد. علاوه بر این، عموماً اعتقاد بر این است که قیمتهای بازار سهام از قبل تمام اطلاعات موجود را برای پیشبینی آینده در نظر میگیرند، و بنابراین حرکتهای بعدی باید نتیجه رویدادهای پیشبینی نشده باشد. در نتیجه، پیشبینی یا پیشبینی رونق بازار سهام ، یا سقوط بازار سهام برای یک سرمایهگذار سهام بسیار دشوار است . برخلاف پیشبینی بازده واقعی سهام، پیشبینی روندهای اقتصادی گسترده از دقت بهتری برخوردار است. چنین تحلیلی هم توسط گروه های غیرانتفاعی و هم توسط مؤسسات خصوصی انتفاعی ارائه می شود. [ نیازمند منبع ]
برخی از همبستگیها بین حرکات واقعی بازار سهام و دادههای پیشبینی گروههای بزرگ در نظرسنجیها و بازیهای پیشبینی دیده شده است.
یک اکچوئری از علم اکچوئری برای ارزیابی و پیشبینی ریسک تجاری آتی استفاده میکند ، به طوری که میتوان ریسک (ها) را کاهش داد . به عنوان مثال، در بیمه، یک اکچوئر از جدول عمر (که تجربه تاریخی نرخ مرگ و میر و گاهی اوقات تخمینی از روندهای آینده را در بر می گیرد) برای پیش بینی امید به زندگی استفاده می کند .
پیش بینی نتیجه رویدادهای ورزشی یک تجارت است که در سال های اخیر محبوبیت زیادی پیدا کرده است. معلول ها با استفاده از انواع فرمول های ریاضی، مدل های شبیه سازی یا تجزیه و تحلیل کیفی ، نتیجه بازی ها را پیش بینی می کنند . اعتقاد بر این بود که شرطبندیهای اولیه شناخته شده ورزشی، مانند جیمی یونانی ، به اطلاعاتی دسترسی داشتند که به آنها برتری میداد. اطلاعات از مسائل شخصی، مانند قمار یا مشروبات الکلی تا صدمات فاش نشده را در بر می گرفت. هر چیزی که ممکن است بر عملکرد یک بازیکن در زمین تاثیر بگذارد.
زمان های اخیر روش پیش بینی ورزش را تغییر داده است. پیشبینیها در حال حاضر معمولاً از دو رویکرد مجزا تشکیل میشوند: نمایشهای موقعیتی و مدلهای مبتنی بر آمار. اندازهگیری بازیهای موقعیتی بسیار دشوارتر است زیرا معمولاً انگیزه یک تیم را در بر میگیرد. دن گوردون، یک معلول برجسته، نوشت: "بدون یک مزیت احساسی در بازی علاوه بر ارزش در یک خط، من پولم را روی آن نمی گذارم". [19] این نوع بازیها عبارتند از: شرطبندی بر روی تیم ضعیف خانگی، شرطبندی بر علیه برندههای دوشنبه شب در صورتی که در هفته آینده مورد علاقه باشند، شرطبندی با افراد ضعیف در بازیهای «نگاه به آینده» و غیره. وقتی بازیهای موقعیتی بیشتر شناخته میشوند، کمتر میشوند. مفید هستند زیرا بر نحوه تنظیم خط تأثیر می گذارند.
استفاده گسترده از فناوری سیستم های شرط بندی ورزشی مدرن تری را با خود به همراه آورده است . این سیستم ها معمولا الگوریتم ها و مدل های شبیه سازی مبتنی بر تحلیل رگرسیون هستند . جف ساگارین ، آماردان ورزشی، با انتشار نتایج مدلهای خود در USA Today توجه خود را به ورزش جلب کرده است. او در حال حاضر به عنوان مشاور توسط دالاس ماوریکس برای مشاوره در مورد ترکیب و استفاده از سیستم Winval خود، که بازیکنان آزاد را ارزیابی می کند، دستمزد می گیرد. برایان بورک ، یک خلبان سابق جنگنده نیروی دریایی که به آمار ورزشی تبدیل شده است، نتایج خود را از استفاده از تحلیل رگرسیون برای پیشبینی نتیجه بازیهای NFL منتشر کرده است. [20] Ken Pomeroy به طور گسترده ای به عنوان یک مرجع پیشرو در آمار بسکتبال کالج پذیرفته شده است. وب سایت او شامل رتبه بندی بسکتبال کالج، یک سیستم آماری مبتنی بر سرعت است. برخی از آماردانان به دلیل داشتن سیستم های پیش بینی موفق بسیار مشهور شده اند. Dare نوشت: شانس موثر برای شرط بندی های ورزشی و اسب دوانی نتیجه مستقیم تصمیمات انسانی است و بنابراین به طور بالقوه می تواند خطای ثابتی را نشان دهد. [21] برخلاف سایر بازیهای ارائه شده در کازینو، پیشبینی در رویدادهای ورزشی میتواند منطقی و سازگار باشد.
سایر مدلهای پیشرفتهتر شامل مدلهای مبتنی بر شبکههای بیزی هستند که مدلهای احتمالی علی هستند که معمولاً برای تجزیه و تحلیل ریسک و پشتیبانی تصمیمگیری استفاده میشوند. بر اساس این نوع مدلسازی ریاضی، کنستانتینو و همکاران [22] [23] مدلهایی را برای پیشبینی نتیجه مسابقات فوتبال انجمن توسعه دادهاند. [24] آنچه این مدلها را جالب میکند این است که، جدای از در نظر گرفتن دادههای تاریخی مرتبط، همه این عوامل ذهنی مبهم مانند در دسترس بودن بازیکنان کلیدی، خستگی تیم، انگیزه تیم و غیره را نیز در خود جای میدهند. آنها به کاربر این امکان را می دهند که بهترین حدس های خود را در مورد چیزهایی که هیچ حقایق محکمی در دسترس نیست درج کند. سپس این اطلاعات اضافی با حقایق تاریخی ترکیب میشود تا پیشبینی اصلاحشدهای برای نتایج بازیهای آینده ارائه شود. نتایج اولیه مبتنی بر این شیوههای مدلسازی دلگرمکننده هستند، زیرا آنها سودآوری ثابتی را در برابر شانسهای بازار منتشر شده نشان دادهاند.
امروزه شرط بندی ورزشی یک تجارت بزرگ است. در کنار سایتهای شرطبندی، وبسایتها (سیستمها) زیادی وجود دارند که نکات یا پیشبینیهایی را برای بازیهای آینده ارائه میکنند. [25] برخی از این وبسایتهای پیشبینی (توضیحات) بر اساس پیشبینیهای انسانی هستند، اما برخی دیگر بر روی نرمافزارهای رایانهای که گاهی اوقات رباتها یا رباتهای پیشبینی نامیده میشوند. رباتهای پیشبینی میتوانند از مقادیر متفاوتی از دادهها و الگوریتمها استفاده کنند و به همین دلیل دقت آنها ممکن است متفاوت باشد.
این روزها که هوش مصنوعی توسعه یافته است، ایجاد پیش بینی های سازگارتر با استفاده از آمار ممکن شده است. به خصوص در زمینه مسابقات ورزشی، تاثیر هوش مصنوعی میزان ثبات قابل توجهی را ایجاد کرده است. در علم پیشبینیهای فوتبال با هوش مصنوعی، ابتکاری به نام soccerseer.com که یکی از موفقترین سیستمها از این نظر است، میتواند نتایج مسابقات فوتبال را تا ۷۵ درصد با هوش مصنوعی پیشبینی کند.
پیشبینی در علوم اجتماعی غیراقتصادی با علوم طبیعی متفاوت است و شامل روشهای جایگزین متعددی مانند پیشبینی روند، پیشبینی، سناریوسازی و بررسی دلفی است. شرکت نفت شل بهویژه بهخاطر فعالیتهای سناریوسازی شهرت دارد. [ نیازمند منبع ]
یکی از دلایل خاص بودن پیشبینی اجتماعی این است که در علوم اجتماعی، «پیشبینیکنندهها بخشی از بافت اجتماعی هستند که سعی میکنند درباره آن پیشبینی کنند و ممکن است بر آن بافت در این فرآیند تأثیر بگذارند». [26] در نتیجه، پیشبینیهای اجتماعی میتوانند خود ویرانگر شوند. برای مثال، پیشبینی مبنی بر اینکه درصد زیادی از جمعیت بر اساس روندهای موجود آلوده به اچآیوی میشوند، ممکن است باعث شود افراد بیشتری از رفتارهای پرخطر اجتناب کنند و در نتیجه نرخ ابتلا به HIV را کاهش دهد و این پیشبینی را باطل کند (که اگر این پیشبینی درست نبود. عمومی شناخته شده است). یا، پیشبینی مبنی بر اینکه امنیت سایبری به یک موضوع اصلی تبدیل میشود، ممکن است باعث شود سازمانها اقدامات امنیتی سایبری بیشتری را اجرا کنند و در نتیجه این موضوع را محدود کند. [26]
در سیاست، تلاش برای پیشبینی نتیجه انتخابات از طریق تکنیکهای پیشبینی سیاسی (یا ارزیابی محبوبیت سیاستمداران ) از طریق استفاده از نظرسنجی رایج است . بازی های پیش بینی توسط بسیاری از شرکت ها و دولت ها برای اطلاع از محتمل ترین نتیجه رویدادهای آینده استفاده شده است.
پیشبینیها اغلب از دوران باستان تا به امروز با استفاده از ابزارهای ماوراء الطبیعه یا ماوراء طبیعی مانند نبوت یا مشاهده فال ، انجام شده است . روشهایی از جمله پیشگویی آب ، طالعبینی ، اعداد ، فالگویی ، تعبیر خواب ، و بسیاری از اشکال دیگر پیشگویی ، هزاران سال است که برای پیشبینی آینده مورد استفاده قرار میگیرند. این ابزارهای پیش بینی با آزمایش های علمی ثابت نشده اند.
در ادبیات، بینش و نبوت ابزارهای ادبی هستند که برای ارائه جدول زمانی احتمالی رویدادهای آینده استفاده می شوند. آنها را می توان با دید با اشاره به آنچه که یک فرد می بیند، تشخیص داد. بنابراین، کتاب مکاشفه در عهد جدید ، از بینش به عنوان یک ابزار ادبی در این زمینه استفاده می کند. همچنین زمانی که توسط فردی در یک خطبه یا سایر محافل عمومی مرتبط شود، نبوت یا ادبیات نبوی است.
فال عبارت است از تلاش برای به دست آوردن بینش در مورد یک سوال یا موقعیت از طریق یک فرآیند یا آیین استاندارد شده غیبی. [27] این بخش جدایی ناپذیر جادوگری است و هزاران سال است که به اشکال مختلف استفاده می شود. پیشگویان با خواندن نشانهها، رویدادها یا شگونها ، یا از طریق تماس ادعایی با یک عامل ماوراء طبیعی ، که اغلب به عنوان یک فرشته یا خدا توصیف میشود، با وجود اینکه مسیحیان و یهودیان آن را فرشته یا دیو سقوط کرده مینگرند، تفاسیر خود را از چگونگی رفتار یک قاضی مشخص میکنند. [28]
داستان (به ویژه فانتزی، پیشبینی و علمی تخیلی) اغلب مواردی از پیشبینی را نشان میدهد که با ابزارهای غیرمتعارف به دست میآیند. داستان های علمی تخیلی گذشته فناوری های مختلف مدرن را پیش بینی می کرد .
در ادبیات فانتزی، پیشبینیها اغلب از طریق جادو یا نبوت به دست میآیند ، و گاهی اوقات به سنتهای قدیمی اشاره میکنند. برای مثال، در ارباب حلقهها اثر جیآر.آر تالکین ، بسیاری از شخصیتها از رویدادهایی که به آینده گسترش مییابند، گاهی بهعنوان پیشگویی، گاهی بهعنوان «احساسات» کمابیش مبهم آگاهی دارند. شخصیت گالادریل ، علاوه بر این، از یک "آینه" آبی برای نشان دادن تصاویر، گاهی اوقات از رویدادهای احتمالی آینده استفاده می کند.
در برخی از داستانهای فیلیپ کی دیک ، انسانهای جهشیافته به نام precogs میتوانند آینده را پیشبینی کنند (از روزها تا سالها). در داستانی به نام مرد طلایی ، یک جهش یافته استثنایی می تواند آینده را تا محدوده نامعلومی (احتمالاً تا زمان مرگش) پیش بینی کند و بنابراین کاملاً غیرانسان می شود، حیوانی که مسیرهای پیش بینی شده را به طور خودکار دنبال می کند. Precogs همچنین نقش اساسی در یکی دیگر از داستان های دیک به نام گزارش اقلیت بازی می کند که توسط استیون اسپیلبرگ در سال 2002 به فیلم تبدیل شد.
در مجموعه بنیاد توسط ایزاک آسیموف ، یک ریاضیدان متوجه میشود که وقایع تاریخی (تا مقداری جزئیات) را میتوان به صورت نظری با استفاده از معادلات مدلسازی کرد و سپس سالها تلاش میکند تا این نظریه را عملی کند. علم جدید روان-تاریخ مبتنی بر موفقیت او می تواند تاریخ را شبیه سازی کند و زمان حال را به آینده تعمیم دهد.
در دنبالههای فرانک هربرت بر تلماسه 1965 ، شخصیتهای او با عواقب دیدن آیندههای احتمالی و انتخاب از میان آنها سروکار دارند. هربرت این را به عنوان یک تله رکود میبیند و شخصیتهای او راهی بهاصطلاح « مسیر طلایی » را دنبال میکنند.
در کتاب «دست چپ تاریکی » اثر اورسولا کی لو گوین ، ساکنان انساننمای سیاره گتن بر هنر پیشگویی مسلط شدهاند و بهطور معمول در صورت درخواست، دادههایی درباره رویدادهای گذشته، حال یا آینده تولید میکنند. در این داستان، این یک دستگاه طرح جزئی بود.
برای پیشینیان، پیشگویی، نبوت و شعر اغلب در هم تنیده بودند. [29] پیشگویی ها در آیات آورده شده است، و کلمه ای برای شاعر در لاتین "vates" یا پیامبر است. [29] هم شاعران و هم پیامبران ادعا می کردند که از نیروهای خارج از خود الهام می گیرند. در فرهنگهای معاصر، وحی الهیات و شعر معمولاً متمایز و حتی در تضاد با یکدیگر دیده میشوند. با این حال، این دو هنوز اغلب در منشأ، اهداف و مقاصد با هم به عنوان همزیستی درک می شوند. [30]