書名: 黑天鵝效應 The Black Swan
作者: Nassim Nicholas Taleb
出版日期: 2008年5月

 

在此所稱的黑天鵝事件(Black Swan)為具有下列三項特性的事件: (1)這是個離群值(Outlier), 因為它出現在通常的期望範圍之外, 因為過去的經驗無法讓人相信其出現的可能性. (2)它帶來極大的衝擊. (3)儘管處於離群位置, 一旦發生之後, 我們會因為天性使然而去捏造解釋, 讓這事件成為可解釋及可預測.(後見之明)

具有高預期機率卻未發生的事件也是一種黑天鵝事件. 因為, 就對稱性而言, 高度不可能出現事件之發生, 就相當於高度可能出現事件之不發生.

黑天鵝事件使得你所不知的事遠比你所知的事更為重要. 考慮這點: 許多黑天鵝事件可能因為我們預期它們不太可能發生而發生, 並且惡化. 一個事件之所以發生, 就因為我們認為不會發生.

意外事件(如911)發生之後, 你會開始在同一個領域裡, 亦即, 在你才被嚇到的那個過程中, 而不是在其他領域中預測其他離群值發生的可能性. 錯把對過去所做的幼稚觀察當成未來的確定模式或代表, 是我們無法瞭解黑天鵝事件的唯一原因. 所以, 策略是盡量去摸索各種事物, 並盡量試著去收集黑天鵝機會, 盡量擴大周遭的不經意事物.

我們身為靈長類的變種, 非常渴望規則, 因為我們必須降低事物的量體, 才能將其放進(塞進)我們的腦中. 資訊越隨機, 其量體便越大, 從而越難做摘要. 你做的摘要程度越大, 所加諸事物的規則就越多, 隨機性也就越小. 於是, 造成我們做簡化的同樣條件, 也迫使我們認為, 世界並沒有像實際狀況那樣隨機.

我們傾向於輕易記住和一段敍事相符的過去事物, 而忽略其他在該敍事裡, 看起來不具因果角色的事物. 過度因果化的問題並非取決於新聞記者, 而是取決於社會大眾.

稀有事件有兩種: (1)被人們大肆談論的黑天鵝事件; (2)那些沒人談論者, 因為它們被模型給遺漏了. 第一種被高估了, 但第二種卻被嚴重低估. 當你和人們討論低出現機率事件, 而讓人們知道這些事件之後, 人們會對讓事件呈過度反應.

不可重複事件在發生之前會被忽略, 但發生之後則會被高估(一陣子). 在一個黑天鵝事件(如911)之後, 人們預期還會再度發生, 但事實上, 再度發生的機率, 已經降下來了. 我們喜歡去想特定和已知的黑天鵝事件, 但其實, 真正的隨機性就在於事件的抽象性之上.

將人的活動對應到一種雙思考模式, 分別為第一系統(經驗系統, 直覺)和第二系統(思考系統, 思想). 人在推理時, 大多數的錯誤來自第一系統(經驗系統)之使用, 但我們還以為自己是用第二系統(思考系統)在思考. 我們的直覺並不適合用來處理非線性事物.

有些屬於極端世界裡的事物極其危險, 但事前看起來並非如此, 因為它們把風險藏起來, 並使其延後發生--於是笨瓜認為它們很"安全". 事實上極端世界的特質就是, 從短期來看, 似乎沒有實際上那麼危險. 歷史把黑天鵝事件, 以及歷史產生黑天鵝事件的能力隱藏起來, 不讓我們知道.

為什麼我們看不到黑天鵝事件, 因為: 我們擔心那些已發生之事, 而非那些可能發生但還沒發生過的事. 人類先天上具有低估離群值(黑天鵝事件)的傾向; 通常是嚴重低估, 混雜著偶爾的嚴重高估.

會自我改變的東西(社會科學, 偽科學)通常沒有專家, 而不會自我改變的東西(自然科學, 真正的科學)似乎就有些專家. 會自我改變的東西通常容易發生黑天鵝事件.

發現的古典模型(不經意發現Serendipity)如后: 你要尋找你所知道者(如到印度的新路線), 卻發現了某個你不知道竟然存在的東西(新大陸-美洲).

統計學有個法則稱為迭代期望定律(law of iterated expectations), 在此列出其(1)強式: 如果預期在未來某一天將會預期到某件事, 則現在已經預期到該件事. (2)較弱的形式: 對未來之瞭解, 若要達到能夠預測未來的程度, 則必須具備來自該未來本身的元素. 如果你知道你未來將會發現什麼事物, 則你幾乎已經發現了. 我們不容易想出未來會有什麼發明(如果想得到, 那就已經發明出來了); 不知道的事物永遠比知道的多很多. 預測需要知道未來將會發現的技術, 但這樣的知識, 幾乎自動讓我們可以馬上開始開發這些技術, 因此, 我們不知道我們將會知道什麼.

黑天鵝的不對稱性是讓你對何者為錯有信心, 而不是讓你對你的信仰為真一事有信心. 我們在整體上高估了生活中厄運的影響長度.

從冰塊到冰水, 稱為前向過程(forward process); 想從冰水回推冰塊的形狀, 稱為後溯過程(backward process), 其非常非常的複雜. 就某方面而言, 我們無法對歷史做逆向工程(reverse engineering).

要懂得不按照可信度, 而是按照可能造成傷害的大小, 來排列相信的次序. 投注在準備上, 而不是預測上. 不對稱出象(asymmetric outcomes): 我永遠都無法知道未知之事物, 因為, 在定義上, 那就是未知. 然而, 我總是能猜測其對我的影響, 而且我應該根據它來做決策. 我們可以對一個事件的結果有清楚的概念, 即便我們不知其發生的可能性有多大. 為了做決策, 你必須把焦點放在結果上(你可以知道者), 而非放在機率上(你無法知道者), 這個想法就是不確定性的中心觀念. 你所要做的事就是減輕結果所帶來的傷害.

傳統的高斯模式, 其對世界的看法是一開始就專注在普通事件上, 然後再把例外或所謂的離群值當成附屬物. 但有第二種方法, 以例外作為起始點, 並視普通事件為次要. 根據鐘形曲線所做的不確定性之測量值, 根本就沒考慮到大跳躍或不連續性的可能和衝擊, 從而不適用於極端世界. 盡可能密切地瞭解鐘形曲線, 並找出它在什麼地方適用, 什麼地方不適用.

大測不準原理主張在量子力學裡, 吾人無法(精確地)測量某一對數值, 如粒子的位置和動量. 你將會碰到測量的下限: 你在其中一個變數上得到精確度, 就會在另一個變數上喪失精確度. 因此, 在理論上, 存在一個不可壓縮的不確定性, 科學無法克服, 且將永遠保持不確定. 這個最小的不確定性是海森堡(Werner Heisenberg)在1927年所發現的.

一個決策法則: 當能夠得到暴露在正面黑天鵝事件的機會時, 應非常積極, 尤其是如果失敗只是小意思的時候; 當受到負面黑天鵝事件威脅時, 應非常保守. 當數學/經濟模型裡的錯誤對我們有利時, 應非常積極; 而當錯誤會造成傷害時, 應非常偏執.

arrow
arrow
    全站熱搜

    Jerry H. LIN 發表在 痞客邦 留言(0) 人氣()