关于美国，我仍然不敢公开预测这个国家崩溃的可能性。但我可以确认，我对美国的绝大多数详细预测都是相关的。从2012年的第一个长期预测开始。
妙处在于，这一切早在12年前就能被预测到。看来我的长期预测是最准确的。问题在于，我一个人无法将文明现象学层面的预测细化到分支现象学层面的细节水平。一般来说，这个问题无法解决。在每一个具体案例中，、更细致的现象学层面的专家们共同努力，采用逐次逼近法来解决。首先，我定义边界框架，然后行业专家将他们行业的逻辑写入给定的框架中。然后我们一起总结他们的结论。我检查它们与文明发展的长期过程是如何对应的。这使得我们能够为所考虑的更具体的案例制定更清晰的边界条件。然后重复这一迭代过程。
现在想象一下行业专家，例如文化学家或政治学家，对序 刚果民主共和国 Viber 号码数据 贯逼近法的反应。再想象一下，一位拥有应用数学学位的金融分析师，对处理各种不同形式（不仅仅是数字）的数据阵列的提议的反应。因此，预测仍然依赖于个人因素。其实，任何预测都存在个人因素。使用最新的超级计算机和拥有超过50个参数的最复杂的数学天气模型，并不能使预测员的预测技巧失效。我预测的是成本高昂且代价高昂的过程。例如，我对2011年的预测是“电动汽车泡沫”。
打个比方，我的预测并非价值数十亿美元，而是数万亿美元的投资。没有普遍适用的解，也不可能有，例如，就像三体问题一样，也不可能有精确的解。在这种情况下，即使预测误差略有下降，也能轻易地在竞争中分出胜负。