法默牢记着这些经验，又跟另外五个物理学家（其中一个是前混沌社成员）组建了一个新公司。这一回，他们要破解的是所有赌徒的梦想：华尔街。而且，这一回，他们将用上高性能的计算机。他们会把这些计算机装上实验性的非线性动力，以及火箭科学家秘不外传的其它诀窍。他们将从旁思考，让这种技术在没有他们控制的情况下承担尽可能多的责任。他们要创造出一个东西，如果你愿意也可以说，创造出一个有机体来，它能自行完成数百万美元的赌博。他们会让这个有机体……（嗯，请把鼓擂起来）……预测未来。这帮老练的家伙有点虚张声势地挂出了新招牌：预测公司。
预测公司里的这些人领会到，要想在金融市场里挣到大钱，只要能够提前几天预见要发生的事情就足够了。的确，法默和同事们呆过的圣塔菲研究所最近的研究，就解释了“看得远并不意味着看得好”。当你埋首真实世界的复杂性时，少有清晰界定的选择，不完全的信息又蒙蔽了所有的判断，这个时候，要评判过于遥远的选择就达不到预期的目的了。尽管这个结论似乎符合人类的直觉，但是，我们还不清楚为什么它也应该符合计算机和模型世界。人类的大脑很容易分散注意力。但是，假定说，你已经拥有了无限的计算能力，而且专注地执行着预测的任务。那么，为什么看得更深更远还并不是更好呢？
这个问题的简单答案就是：当极小的误差（由有限的信息引起的）持续到非常遥远的未来的时候，将会汇聚成极为严重的误差。即使计算本身是免费的（而它从来就不是免费的），处理这些成指数增长、被误差污染的可能性所需要的代价也是巨大的，而且根本就不值得付出。圣塔菲研究所的研究员、耶鲁的经济学家约翰·吉纳考普劳斯和明尼苏达的教授拉里·格雷曾经用一个国际象棋比赛的计算机程序作为他们的预报工作的试验台。（最好的计算机象棋程序，比如顶级的“深思”程序，能够击败除几个最顶尖的大师之外的所有人类棋手。）
结果却和计算机科学家的预料完全相反，无论是“深思”程序，还是人类的象棋大师，其实都不需要看得太远就能下出非常好的棋。这种有限的前瞻就是所谓的“有正面意义的短视”。一般来说，这些大师会首先纵览盘面的局势，只对各个棋子下一步的走法做一个预测。接下来，他们会挑选出最可能的一种或两种走法，更深入地去考虑这些走法的后果。尽管每多向前推演一步，可能的走法就会以指数的数量级爆炸性地增长，但是在每一个回合，那些伟大的人类大师却只会把注意力集中在有限的几个最有可能的应对着法上。在遭遇以往经历过的熟悉环境、深知其间的利害取舍的情况下，他们偶尔也会往前多探几步。但是，一般来说，大师们（现在再加上“深思”）都是凭经验布置棋局。例如：首选那些增加选择余地的着法；避开那些结果不错但要求弃子求兑的着法；从那些毗邻多个有利位置的有利位置着手。在对局势的前瞻和切实通盘关注当前的状况之间取得平衡。
我们每一天都会遇到类似的折衷。无论在商业，政治、技术还是生活中，我们都必须预估隐匿在犄角旮旯的情况。可是，我们从来都得不到充足的信息来做出完全有见地的决策。我们经营在黑暗中。为了做出补偿，我们只能凭借经验，或者粗略的指导原则。而国际象棋中的经验规则，是可以指靠的相当不错的生活规则。（我的女儿们，这里注意了：首选那些增加选择余地的着法；避开那些结果不错但要求弃子求兑的着法；从那些毗邻多个有利位置的有利位置着手。在对局势的前瞻和切实通盘关注当前的状况之间取得平衡。）
常识使这种“有正面意义的短视”具体化。与其花费数年的时间去搞一本预测一切可能发生状况的公司员工手册——它在付印之际就过时了——不如采用那种有正面意义的短视，也不要去想那么远，这显然要好得多。也就是说，先设计出一些一般的指导原则来应对那些看起来一定会在“下一步”发生的事情，等那些极端事例真的发生的时候再来应付。如果你身在一个陌生的城市，又想在交通高峰时段出行，你可以在地图上计划好穿越整个城市的详细路线——想得比较远——或者，试探一下，比如“一直向西，到达沿河路时，再左转”。通常，我们两种方法都做一点。我们会尽量忍着不去想得太远，又确实会关注眼前马上要发生的事情。我们会蜿蜒向西，或上坡，或下坡，同时，不管到了哪里，都会拿出地图看看下一个马上要到的路口。我们使用的方法，实际上是由经验规则引导的有限的前瞻。
预测机制即使看起来没有先知的样子也一样好使。只要它能从随机和复杂的伪装背后发现有限的模式——几乎什么样的模式都行。