等待精确预测的隐藏成本

算法性预测日益影响社会资源分配，通过识别目标对象进行定向。政策制定者常假设通过收集更多关于个体的观察数据，可提高预测精度，从而提升配置效率。然而，预测驱动的配置存在一个被忽视却具有重大影响的时间因素。决策者必须在依赖早期且可能较为噪声的预测，以便在个体经历不良结果之前进行干预，或等待收集更多观察数据以进行更精确的配置之间进行权衡。我们使用一个简单的数学模型进行分析，该模型中决策者收集关于个体的观察数据以随时间提高预测精度。我们分析这些预测所产生的排序以及最优资源配置。我们表明，尽管个体预测精度随时间提高，但直觉上，平均排序损失可能恶化。结果是，决策者提高社会福利的能力可能下降。我们确定不平等是这一现象背后的驱动因素。我们的发现提供了一种细致的视角，挑战了关于等待更精确预测以确保最高效配置的常规观念。