前向和後溯過程不分的陷阱，就是在缺乏回饋過程的狀態當中，你去檢視模型，並以為模型和現實吻合，複雜理論(complexity theory)應該要讓我們對現實的精確模型之科學主張更感到懷疑。
定錨(anchoring)用一個數字來降低對不確定性的焦慮，然後你就定錨在這個數字上，就像在茫茫大海中抓住一個東西，在腦海中使用參考點，並開始相信預測值就在參考點附近，因為相較之下，採用參考點所需耗費的腦力，比不用參考值做絕對評估來得少。
情感預測(affective forecasting)重點並不完全在我們傾向於錯誤預測我們的未來快樂，而在於我們不會遞迴地從過去經驗中學習，我們過去對自己未來情感狀態所做的錯誤預測。
資訊流是一個過程，在此過程中，純粹理性的機構會做出一個特殊的選擇，忽略自己的資訊或判斷，而追隨其他人的資訊或判斷，因為你可能察覺到我所不知道的危險，跟著別人而不是每次都自己去開發研究，比較有效率，但這種模仿他人的行為可能導致模仿鏈，很快地，每個人都朝同一方向跑，而這可能是為了一個莫名其妙的理由，這種行為導致股市泡沫和大型流行文化之形成。
網路集中於少數幾個節點，這些節點扮演著樞紐連結的功能，網路具有一個自然傾向，將其本身以極為集中的架構組織起來，少數幾個節點的連結極多，其他的節點則連結數甚少。全球化創造出連鎖弱點，雖然減少的波動性，產生安定的表象，換言之，它會創造出毀滅性的黑天鵝事件。
我們人類是隨機事件不對稱認知的受害者，我們把成功歸功於我們的技能，而把失敗歸咎於不受我們所控制的外部事件，即隨機性，我們覺得好事因我們而成，但壞事則不是我們的責任。意外，對計畫具有一種單邊效應(one-side effect)，意外幾乎總是產生單邊方向的壓力，成本更高，工期更久。
沒有說明錯誤率的預測，暴露出三個謬誤，全都來自對不確定性特質的錯誤觀念：
- 變動很重要：過度相信預測而不去注意其精確度，然而，就計畫目的而言，你預測的精確度遠比預測本身更重要。
- 當預測時間拉長，沒有考慮將預測降級：官僚體制所做的預測似乎是用來解除焦慮，而不是用來制定合適的政策。
- 和我們對所要預測的變數之隨機特質的誤解有關，我們在平庸世界裡傾向於不會犯錯，但在極端世界裡卻會犯大錯，因為我們不了解稀有事件的重要性。
當你要預測未來時，你對模型所要探討的過程之動態，必須增加精密度，因為你的錯誤率成長得非常快，問題是，要達到相當精密的程度是不可能的，因為你的預測，其劣化程度會暴增，最後，你必須對過去做無限精密的計算。預測的困難度暴增來自各機制間的錯綜複雜性，包括最微小的機制。企業能夠生存並不是因為他們做了良好的預測，而是因為他們可能只是僥倖。
雖然在理論上隨機性是個內在性質(intrinsic property)，但在實務上，隨機性是個不完全資訊(incomplete information)，也就是不透明性(opacity)。當人們在討論運氣時，他們通常只看自己的運氣，但是其他人的運氣非常重要，隨機性具有把社會重新洗牌的福利效應，把大傢伙打下來。
我們可以輕易地把我們何以無法瞭解發生了什麼事，限縮為幾個理由：
- 知識傲慢以及吾人對應所產生之未來盲(furture blindness)。
- 分類所造成之柏拉圖式想法，或被人們化約(reductions)所愚弄的情形，特別是那些在專家無用的學科裡擁有學位的人。
- 有瑕疵的歸納工具，特別是來自平庸世界，與黑天鵝事件無關的工具。
知道做法(know-how)和知道內容(know-what)兩者不同，會移動的東西就需要知識，通常沒有專家，而不會移動的東西，似乎就有某些專家，換言之，處理未來、並把研究建立在不具重複性之過去的行業，有專家問題，並不是說處理未來的人無法提供有價值的資訊，而是那些無法提供有形附加價值的人，一般都是在處理未來。產生正確判斷之能力所用到的知識，和認出正確判斷之能力所用到的知識相同，缺乏前者就缺乏後者。
專家的問題在於他們並不知道他們不知道，缺乏知識，及對自己的知識品質產生妄想會一起來，讓你懂得不多的過程，同時也讓你對自己的知識感到滿意。你給某人的資訊愈多，他們沿路上所建構的假設就愈多，而其辨識成果就愈差，他們看到資訊裡更多的隨機雜訊和錯誤。問題在於我們的想法具有固著性，一旦我們產生了一個理論，很可能就無法改變自己的想法，我們把想法當成財產，很難與其分離。
網路由下而上的特性也造成書評的可信度更高，雖然書評可以扭曲作者的原意，而且，由於確認謬誤使然，可將書中毫不相干的文字弱點暴露出來，讓作者對書評的獨斷性束手無策，只能乖乖就範，但現在，作者可以乾脆把他們自己對書評的意見直接貼在網路上，以取代寫信給編輯發牢騷。
公平問題並非經濟事物所專有，當我們的基本需求滿足了以後，就愈來愈不重要，重要的是地位之尊卑，在知識之製造上，一般人的角色不見了！累積優勢(cummulative advantage)就指出，許多學者所列的參考文獻並沒有真正讀過原作，而是讀一篇論文，就從該文的資料出處中，抽出一些以作為自己的參考文獻，學術上的成就有一部分，但影響力頗大是靠抽籤。
在社會科學裡，決定一個理論的命運的是感染力，而非其正確性。經濟學可能是最孤立的學科，它是所有學科中，引用其他領域文章最少者，經濟學可能是所有學科中，偏狹學者最多者，這些學者既不博學又沒有自然的好奇心，讓你的思想封閉，讓整個學科支離破碎。
以人類為載體進行散播和相互競爭的各種想法，其實並不像真的基因，想法之散播是因為他們具有讓載體自我滿足的機構，讓載體對該想法有興趣，並且在複製過程中，對扭曲該想法感到興趣，具傳染力的心智類種必須是那些我們準備要相信，甚至我們被設計成要相信的類別，一個心智類種若要具有傳染力，必須和我們的天性相符。
許多哲學宗派之所以註定要沒落，是誤信吾人可以在不受哲學以外的問題之強迫下進行哲思的結果，真正的哲學問題總是根植於哲學之外的事物，如果這些根基衰亡，它們也就跟著滅亡。
奎特雷(Adolphe Quetelet，1796-1874)提出了實體上的平均人觀念，規範性的想法要讓世界去配合他的平均，並提供了許多必要的產品以滿足當時意識型態上的慾望，聖西門(Saint Simon，1760-1825)、皮耶約瑟夫蒲魯東(1809-1865)和馬克思(1818-1883)，個個都是不同社會主義的開山始祖，在這個後啟蒙時代裡，人人都在期盼中庸之道(aurea mediocritas)。
標準差不是平均偏異，標準差只是一個讓你用來調整東西刻度的數字，只是一種把現象對應到高斯模式的東西罷了，高斯模式無所不在並非世界的特質，而是一個人類心智上的問題，源自吾人看世界的方式。
高斯分配最讓人誤解之處在於對尾端事件之估計非常弱，很容易出問題，高斯－鐘形曲線的變動頂著逆風，使得你在離開平均值時，機率會掉得愈來愈快，而規模可變性或曼德伯模式的變異，並沒有那樣的限制。在高斯架構下，當差異變大時，不均性會減少，由於下降速度增加所造成，規模可變性則不然，不均一直保持不變，碎形冪法則中，指數愈低，其貢獻就愈大。
柏拉圖式是由上而下、公式、自我滿足、且標準規格化；而非柏拉圖式則是由下而上、心胸開放、抱持懷疑論和經驗論。
不對稱出象(asymmetric outcomes)，為了做決策，你必須把焦點放在你可以知道的結果上，而非放在你無法知道的機率上，這個想法，就是不確定性的中心觀念。讓生命變凸性(convex)，而且看起來好像是一系列的衍生性商品，簡單說，當你砍掉負面暴露，你就把未知識(unknowledge)的殺傷力給限制住了。
對黑天鵝的解藥就是不要把思維規格化，這個態度本身還提供了如何採取行動的儀式，不是如何思考，而是如何把知識轉化成行動，並搞清楚哪些知識有價值。
槓鈴策略(Barbell Strategy)：一邊為高風險，另一邊為無風險，平均起來將是中度風險，但對黑天鵝事件，建立了一個正面暴露。
- 將正面意外和負面意外加以區分，當你的損失極為有限時，你必須盡其可能地積極、投機，有時甚至是不可理喻。
- 不要尋找明確而狹隘的東西，投注在準備上，而不是預測上。
- 抓住任何機會，或任何看起來像機會的東西，機會很稀有，遠比你所想的還稀有，努力工作，不是去做那些枯燥乏味的例行事務，而是去追逐這種機會，並盡量暴露在其中。
- 要小心政府的明確計畫，市場並非戰爭的良好預測者，沒有任何人是任何事物的良好預測者。
- 不要浪費時間去和預測者、股市分析師、經濟學家，和社會學家對抗，除非你想要消遣他們。
《黑天鵝效應》，納西姆尼可拉斯塔雷伯 著，林茂昌 譯，大塊文化出版，2008年04月。
0 意見:
張貼留言