預測公司希望能夠藉助那些簡陋的計算機工具，那些佔了混沌的另一面的便宜的工具，來消滅金融市場中簡單的問題。「我們正在運用我們能找到的所有方法」，前混沌社成員，公司的合伙人諾曼·帕卡德說道。這個想法是把得到了驗證的各種來路的模式搜尋策略都變成數據，然後「不斷地敲打它們」，以此對演算法進行最優化。找到模式最清晰的提示，然後使真相大白。這是一種賭徒的心態：任何利益都是利益。

戴維·拜瑞比曾經在1993年3月的《發現》雜誌上用一種非常可愛的比喻來形容這種尋找可預測性範圍的過程：「看著市場中的混沌，就好象看著波濤洶湧、浪花四濺的河流，它充滿了狂野的、翻滾著的波濤，還有那些不可預料的、不斷盤旋著的漩渦。但是，突然之間，在河流的某個部分，你認出一道熟悉的渦流，在之後的五至十秒內，就知道了河流這個部分中的水流方向。」

按照法默的說法，有兩種不同的複雜性：內在的和表面的。內在的複雜性是混沌系統「真正的」複雜性。它造成晦暗的不可預測性。另外一種複雜性是混沌的另外一面——掩蓋著可利用秩序的表面複雜性。

激勵法默和帕卡德的信念是從他們自己的經驗中得來的：即混沌的另一面非常穩定，足以依賴。沒有比他們在拉斯維加斯的輪盤賭試驗中掙到的那一大把實實在在的鈔票更能打消疑慮的了。不利用這些模式就太傻了。正如那位記錄他們的高贏率冒險嘗試的作者《幸福的餡餅》一書里大聲疾呼的那樣：「幹嘛不在鞋裡穿上計算機去玩輪盤賭？」

困難的地方是要保持演算法的簡潔。法默說：「問題越複雜，最後要用到的模型就越簡單。跟數據嚴絲合縫其實並不難，但如果你真的去做了，那你最後一定只是僥倖成功。概括是關鍵。」

當然，你是沒有辦法預測水流在下游半英里處的流向，但是，就有那麼五秒九_九_藏_書鐘——或者，在華爾街那邊，五個小時——的時間里，你卻可以預測這個演示的進展。而這也正是你致用（或者致富）所需要的。找出任意一個模式，然後利用它。預測公司的演算法，就是抓住飛逝的一點點秩序，然後利用這個轉瞬即逝的原型來掙錢。法默和帕卡德強調說，當經濟學家們遵循職業操守對這些模式的原因進行挖掘的時候，賭徒們卻沒有這種約束。預測公司的重要目標並不是模式形成的確切原因。在歸納式的模型中——預測公司構造的那種模型——事件並不需要抽象的原因，就跟具有意念之中的棒球飛行路線的外野手，或者一隻追逐拋出的棍子的狗一樣不需要抽象的原因。

「最終」，法默說道，「我們希望能夠使計算機感染上某種粗略形態的直覺」。

我們在生物學中也可以見到這種預測機制。正如一家名為「Interval」的高技術智囊公司的主管戴維·李德所說，「狗不會數學」，但是經過訓練的狗卻能夠預先計算出飛盤的路徑然後準確地抓住它。一般而言，智能或者聰明，根本就是一種預測機制。同樣地，對預測與預報而言，所有適應與進化，也都是相對更為溫和、分佈更為稀疏的機制。

即使真的存在這種可預測性範圍，它們也肯定被掩埋在一大堆不可預測性之下。局部可預測性的信號，會被上千個其他變數產生的盤旋雜亂的干擾所掩蓋。而預測公司的六位股市分析高手，則利用一種混合了舊與新、高端與低端的搜索技術來對這個龐雜的組合信號堆進行掃描。他們的軟體既搜尋那些從數學上來講屬於高維空間的金融數據，也尋找局部區域——不管什麼樣的局部區域，只要它能夠和可預測的低維模式相匹配就好。他們是在金融的宇宙中尋找秩序的跡象——任何秩序。

「只要我們能夠超過市場盈利5個百分點，那麼我們的投資者就能掙到錢了。」帕卡德說。關於這個數字，帕卡德是這麼解釋的：他們能夠預測出55%的市場走向，也就是說，比隨機的猜測高出5個百分點，不過，如果他們真的猜對了話，那麼最終得到的結果會高出200%，也九九藏書就是說，比市場的贏率高兩倍。那些為預測公司提供金融支持的華爾街大佬（當前是奧康納及關聯公司），可以獲得這個演算法的獨家使用權，作為交換，他們則要根據演算法所得到的預測結果的具體表現支付公司一定的費用。「我們還是有一些競爭者的」，帕卡德笑著說道，「我知道有另外四家公司也在琢磨同樣的事情」，用非線性動力學去捕捉混沌中的模式，然後用這些模式進行預測。「其中的兩家已經發展起來了。裏面還有一些我們的朋友。」

花旗銀行就是使用真錢交易的競爭者之一。從1990年開始，英國數學家安德魯·科林就已經開始搞交易演算法了。他的預報程序首先隨機生成數百個假設，這些假設的參數影響著貨幣數據，然後再用最近五年的數據來檢驗這些假設。最可能產生影響的參數會被傳送到計算機神經網路，由它調整每一個參數的權重，以求更好地與數據吻合，採取給最佳參數組合加權的辦法，以便產生出更優的猜測。這個神經網路系統也會不斷地把得到的結果反饋回來，通過某種自我學習的方式不斷打磨自己的猜測。當一個模型跟過去的數據吻合，它就會被傳送到未來。1992年，《經濟學人》雜誌曾經有一篇文章這樣寫道：「經過兩年的實驗，科林博士估計他的計算機的虛擬交易資金能夠獲得每年25%的回報……這已經是絕大多數人類交易者期望值的好幾倍了。」當時倫敦的米蘭銀行有八位股市分析高手在研究預測裝置。他們計劃由計算機生成演算法。不過，和在預測公司一樣，「在敲回車」之前，計算機生成的演算法還是要由人類來評估。直到1993下半年，他們一直是用真錢交易。

投資者們喜歡向法默提出的一個問題是，他怎麼證明人們確實可以憑藉這麼一點點信息上的優勢就在市場中掙到錢。法默舉了一個「現實存在的例子」，即華爾街上像喬治·索羅斯這樣的人，通過貨幣交易或者其他別的的交易，年復一年地賺取數百萬的金錢。成功的交易者，法默抱不平地說，「被那些學院派呸呸連聲瞧不起，以為他們只是超級有運氣而已——可是證據卻顯示說事情完ｒｅａd•9９ｃsｗ.coｍ全不是這樣的」。人類的交易者會在無意識中學會如何在隨機數據的海洋里識別出那些屬於局部可預測性的模式。這些交易者之所以能夠掙到數以百萬計的美元，是因為為他們為了做出預測，先發掘出了模式（雖然他們說不清道不明），然後建成內部模式（雖然他們並未意識到）。他們對自己的模型或理論的了解並不比他們對自己如何抓住飛球的了解更多。他們就這麼做了而已。不過，這兩種模型都是基於經驗，以同樣的托勒密式歸納法建立起來的。而這也正是預測公司利用計算機來對飆升的股票進行建模的方法——以數據為起點自下而上。

應該操心的，不是這類充斥著因果關係循環的大規模集群式系統中因與果之間模糊不清的關係，法默說：「要擊敗股票市場，關鍵性的問題是：你應該關注哪些模式？」哪些模式掩蓋了秩序？學會識別秩序而不是原因，才是關鍵。

說到底，預測機制其實是生產理論的機制，是產生抽象和概括性的設備。預測機制仔細咀嚼那些看似隨機、被雞爪刨過，源自複雜、活生生的東西的雜亂數據。如果有日積月累的足夠大的數據流，這個設備就能從中分辨出星星點點的模式。慢慢地，這種技術就會在內部形成專門特定的模式，以解決如何產生數據的問題。這種機械不會針對個別數據對模式做「過度調校」，它傾向於有幾分不精確的概括性的模糊擬合。一旦它獲得了某種概括性的擬合，或者說，某種理論，它就能夠做出預測。事實上，預測是整套理論的重點。法默宣稱：「預測是建立科學理論之後最有用、最實在的結果，而且從許多方面來說，也是最重要的結果。」儘管製造理論是人類大腦擅長的創造性的行為，可是具有諷刺意味的是，我們卻沒有如何製造理論的法則。法默把這種神秘的「概括模式搜尋能力」稱為「直覺」。華爾街的那些「走運的」交易員，利用的恰恰就是這種能力。

法默在空中畫了一個方框。往上，表面複雜性增加；對角向上穿過正方形，內在複雜性增加。「物理學通常是在這裏工作」，法默指著兩類複雜性低端共聚的底角、那個簡單問題所在的區域九_九_藏_書說道。「而到了那邊」，法默指著方框中跟這個底角相對的那個上角說道，「都是些難題。不過，我們現在是要滑到這個位置，到了這裏，問題就會比較有趣——這裏表面的複雜性很高，而真正的複雜性仍然保持比較低的水平。到了這裏，複雜的難題中有些成分是可以預測的。而那些正是我們要在股票市場中找的東西。」

最後的一步——也就是在它手裡塞上大捆的真錢來實際運行這個程序——還需要這幾位博士中的一位在鍵盤上敲一下「回車」鍵。這個動作就會把選定的演算法投入到那個高速運轉、錢多得能讓腦子停轉的頂級賽事的世界。割斷了理論的韁繩，自動運行起來，這個充實起來的演算法就只聽到它的創造者們喃喃低語：「下單啊，呆瓜，下單啊！」

在一次各家公司CEO的私人聚會上，法默公開承認：「對市場進行預測並不是我的長期目標。老實說，我是那種一翻開《華爾街日報》看金融版的時候就覺得無比痛苦的人。」對一個死不改悔的前嬉皮士來說，這也沒有什麼可奇怪的。法默規定自己花五年的時間研究股票市場預測的問題，大掙一筆，然後轉移到更有趣的問題上，比如，真正的人工生命、人工進化和人工智慧。而金融預測，就跟輪盤賭一樣，只不過是另外一個難題而已。「我們之所以對這個問題感興趣，是因為我們的夢想是要生產出預測的機制，一種讓我們能夠對很多不同的東西都進行預測的機制。」——天氣、全球氣候、傳染病等等——「所有能夠產生很多讓我們吃不透的數據的事物」。

法默說：「如果我們在現在所做的事情上取得基礎廣泛的成功，那就證明機器的預報能力比人強，而且，演算法是比米爾頓·弗里德曼還要優秀的經濟學家。交易師已經在猜疑這個東西了。他們感受到了它的威脅。」

至1993年年底，法默和預測公司公開報告說他們已經成功運用「計算機化的直覺」對市場進行了預測，而且採用了真錢交易。他們與投資者之間的協議不允許他們談論具體的業績表現，雖然法默非常想這麼做。不過，他確實說過，再過幾年，他們就能夠獲得足夠多的數據來「用科學的標準」九-九-藏-書證明他們在交易上的成功不僅僅是統計上的運氣所致：「我們確實在金融數據中找到了在統計上非常重要的模式。確實存在著可預測性範圍。」

在使用某個模型下注之前，法默和帕卡德會用「返溯」的方法對它做一個測試。在運用「返溯」的技術（專業的未來學家常用到的方法）的時候，要通過來自人力管理模型中的最新數據建立模型。一旦系統在過往數據里，比如說二十世紀八十年代的數據里發現了某種秩序，就把過去那幾年的數據提供給它。如果系統能夠依據八十年代的發現準確地預測出1993年的結果，那麼這個模式搜索器就可以拿到獎章了。法默說：「系統得出二十個模型。我們會把所有這些模型都運行起來，用診斷統計學把它們篩一遍。然後，我們六個人就會湊在一起，選出真正要運行的那個。」這種建模活動，每一輪都可能要在公司的計算機上運行上好幾天。不過，一旦找到了某種局部秩序，根據這種秩序進行預測就只需要百萬分之一秒的時間。

他們做的這種實時的工作，也可以稱為「超實時」的工作。就跟在鞋子計算機里模擬出來的彈跳球會在真球停下來之前停下來一樣，預測公司的這種模擬金融模式也會比在華爾街那邊的實際運行要快。他們在計算機里重新制定股票市場的一個簡化部分。當他們探測到正在展開的局部秩序的波動時，就會以比真實生活更快的速度進行模擬，然後把籌碼下在他們想見的這一波動可能結束的點位。

除了經驗之外，法默和帕卡德在他們通過混沌研究創造出來的頗受人敬重的理論中還注入了大量的信念。不過，他們現在還在測試自己的最狂野最有爭議的理論。與絕大多數經濟學家的懷疑相反，他們相信其他那些複雜現象中的某些區域也能精確預測。帕卡德把這些區域稱為「可預測性範圍」或者「局部可預測性」。換句話說，不可預測性在整個系統中的分佈並不是統一的。絕大多數時間，絕大多數複雜系統也許都不能預報，但是其中一小部分也許可以進行短期預報。回頭去看，帕卡德相信，正是這種局部的可預測性才讓聖克魯斯混沌社通過對輪盤上的小球的近似路徑進行預報來掙到錢的。