法默牢记着些经验，又跟另外五物理（其中一是前混沌社员）组建了一新公司。一回，他破解的是所有赌徒的梦：华尔街。且，一回，他将高的计算机。他些计算机装实验的非线动力，及火箭科秘不外传的其它诀窍。他将从旁思考，让技术在有他控制的情况承担尽的责任。他创造一东西，果你愿意说，创造一有机体，它行完数百万元的赌博。他让有机体……（嗯，请鼓擂）……预测未。帮老练的伙有点虚张声势挂了新招牌：预测公司。
预测公司的些人领，在金融市场挣钱，够提前几预见生的情就足够了。的确，法默同呆的圣塔菲研究所最近的研究，就解释了“远并不意味着”。你埋首真实世界的复杂，少有清晰界定的选择，不完全的信息又蒙蔽了所有的判断，候，评判遥远的选择就达不预期的目的了。尽管结论似乎符合人类的直觉，但是，我不清楚什它应该符合计算机模型世界。人类的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力，且专注执行着预测的任务。那，什更深更远并不是更呢？
问题的简单答案就是：极的误差（由有限的信息引的）持续非常遥远的未的候，将汇聚极严重的误差。即使计算本身是免费的（它从就不是免费的），处理些指数增长、被误差污染的所需的代价是巨的，且根本就不值付。圣塔菲研究所的研究员、耶鲁的经济约翰·吉纳考普劳斯明尼苏达的教授拉·格雷曾经一国际象棋比赛的计算机程序他的预报工的试验台。（最的计算机象棋程序，比顶级的“深思”程序，够击败除几最顶尖的师外的所有人类棋手。）
结果却计算机科的预料完全相反，无论是“深思”程序，是人类的象棋师，其实不需太远就非常的棋。有限的前瞻就是所谓的“有正面意义的短视”。一般说，些师首先纵览盘面的局势，各棋子一步的走法做一预测。接，他挑选最的一或两走法，更深入考虑些走法的果。尽管每向前推演一步，的走法就指数的数量级爆炸增长，但是在每一回合，那些伟的人类师却注意力集中在有限的几最有的应着法。在遭遇往经历的熟悉环境、深知其间的利害取舍的情况，他偶尔往前探几步。但是，一般说，师（现在再加“深思”）是凭经验布置棋局。例：首选那些增加选择余的着法；避那些结果不错但求弃子求兑的着法；从那些毗邻有利位置的有利位置着手。在局势的前瞻切实通盘关注前的状况间取平衡。
我每一遇类似的折衷。无论在商业，政治、技术是生活中，我必须预估隐匿在犄角旮旯的情况。是，我从不充足的信息做完全有见的决策。我经营在黑暗中。了做补偿，我凭借经验，或者粗略的指导原则。国际象棋中的经验规则，是指靠的相不错的生活规则。（我的女儿，注意了：首选那些增加选择余的着法；避那些结果不错但求弃子求兑的着法；从那些毗邻有利位置的有利位置着手。在局势的前瞻切实通盘关注前的状况间取平衡。）
常识使“有正面意义的短视”具体化。与其花费数年的间搞一本预测一切生状况的公司员工手册——它在付印际就了——不采那有正面意义的短视，不那远，显。就是说，先设计一些一般的指导原则应那些一定在“一步”生的情，等那些极端例真的生的候再应付。果你身在一陌生的城市，又在通高峰段行，你在图计划穿越整城市的详细路线——比较远——或者，试探一，比“一直向西，达沿河路，再左转”。通常，我两方法做一点。我尽量忍着不太远，又确实关注眼前马生的情。我蜿蜒向西，或坡，或坡，同，不管了哪，拿图一马的路口。我使的方法，实际是由经验规则引导的有限的前瞻。
预测机制即使有先知的子一使。它从随机复杂的伪装背现有限的模式——几乎什的模式行。