Во-первых, это «известные известные» — когда у нас много данных, и потому мы уверены, что сделаем хорошие прогнозы. Во-вторых, «известные неизвестные» — когда данных слишком мало, и мы знаем, что прогнозировать будет сложно. В-третьих, «неизвестные неизвестные» — это те события, которые не учтены нашим опытом или не присутствуют в наших данных, однако они могут произойти, поэтому прогнозирование будет затруднено, хотя мы этого можем и не осознавать. И наконец категория, которую Рамсфелд не упомянул, — «неизвестные известные»: когда взаимосвязь, которая в прошлом казалась убедительной, является результатом неизвестного или ранее не наблюдаемого фактора, изменяющегося со временем. И это делает наш прогноз ненадежным. Прогностические машины терпят неудачу именно в тех случаях, когда непросто строить прогнозы, учитывая хорошо известные статистические ограничения.
