2023年9月9日 星期六

多模型思維1

多模型思維:天才的32個思考策略

The Model Thinker:What You Need to Know to Make Data Work for You

https://www.books.com.tw/products/0010882068 


Again, 英文書名比中文書名精準


前   言    把你變成天才的32個模型

—— 透過不同面向,瞭解真實世界




第 1 章    多模型思維的好處

—— 結合不同的邏輯框架,產生大智慧


模型的三個特徵

  1. 簡化、透過抽象化建構來代替現實複雜世界
  2. 精確定義與數學算式來取代文字描述=>讓人掌握機率分佈的可能結果或各種選項的優先順序
  3. 方便提出假設、處理問題、擬合資料與規劃解決方案



模型應用的限制

  1. 當事人要能夠用數學公式歸納,而非語言文字描述
  2. 模式=簡化=誤差,誤差能否接受?
  3. 同一現象可以有不同的模式解釋,我們往往不知道什麼時候該採用什麼模式
  4. 很多複雜現象(e.g., 氣候)因素與可能太多,乃至於二階的社會現象,都會讓預測失準
  5. 模型≒演算法≒知識



資料=>資訊=>知識=>智慧




知識=通過驗證的相關性、因果邏輯

智慧=運用知識的能力,知道面對兩種相互矛盾的邏輯,何時該採用哪一個

e.g., 同樣同重量的物品掉落,遵守萬有引力

填充娃娃完好無損,但玻璃杯會碎裂

e.g., 盈餘通常是常數

薄利多銷=銷售量增加*毛利率下降

以價制量=銷售量減少*毛利率上升


懂得比較不同的模型與邏輯,知道哪一個比較適用當下與相對合理。

能夠判斷

資料是否正確

資訊是否正確

Fitting採用正確的模型與邏輯、能夠鑑別不同模型與推論間的差異

具備智慧,知道複雜的現象沒有簡單的解釋,只有各種詮釋

創新≒不同想法或模式的組合




第 2 章    為什麼要使用模型?

—— 推理、解釋、策劃、溝通、行動、預測、探索

人沒有辦法直接理解現實,人只能透過自己腦中想像的因果模型來理解世界


模型的三種類型

具體化方法Embodiment Approach

將現實現象相關的因素納入,如氣候模型、交通模型


類比化方法Analogy Approach

嚐試抽離相關因素,只看反應與變化的本質

如用傳染病模型來推估新產品銷售或犯罪的擴散

政治用雙頭寡占與左派右派的觀念來描述


另類實境法(Alternative Reality Approach)

透過電腦模擬來看見不同的演化與可能



模型的七大功能

推理(Reason)

推理的邏輯常常自相矛盾遭遇悖論

Arrow’s theorem

https://en.wikipedia.org/wiki/Arrow%27s_impossibility_theorem

https://whogovernstw.org/2017/03/06/kaihaoyang1/ 


Simpson’s paradox

https://en.wikipedia.org/wiki/Simpson%27s_paradox

https://medium.com/sherry-ai/%E6%95%B8%E6%93%9A%E7%9C%9F%E7%9A%84%E6%9C%83%E8%AA%AA%E8%A9%B1-%E6%B7%BA%E8%AB%87%E8%BE%9B%E6%99%AE%E6%A3%AE%E6%82%96%E8%AB%96-22c067f6a535 

https://www.factchecklab.org/20210928/


Parrondo’s Paradox

https://en.wikipedia.org/wiki/Parrondo%27s_paradox 


Friendship Paradox

https://en.wikipedia.org/wiki/Friendship_paradox 

 

解釋(Explain)

社會現象(二階)比物理現象(一階)更難解釋


策劃(Design)

設計法規、遊戲規則,產出更好的結果


溝通(Communication)

大家用相同的語言,避免雞同鴨講與意識形態之爭


行動(Act)

為何只救AIG不救雷曼





預測(Predict)

在過去,解釋與預測是一體的兩面

在大術據年代,可以不考慮解釋,透過深度學習法進行預測與判別,與模式pattern歸納


探索(Explore)

產生新點子,看見不同的可能性





第 3 章    多模型的理論基礎

—— 多個模型的平均值,通常比單一最佳模型更好


有模型比沒模型好

多個模型比單一模型好(相互競爭比較)


多樣性預測定理=群眾的智慧


這章適合統計控

本書作者

Scott E. Page複雜性科學的神人 

https://en.wikipedia.org/wiki/Scott_E._Page 

https://sites.lsa.umich.edu/scottepage/bio/ 






第 4 章    建構人群行為模型

—— 人類的行為處在零智慧和完全理性之間

沒有一個理論或模型可以完整涵蓋解釋人類所有行為

原因:

  1. 每個人都不同、有不同的性格與遭遇
  2. 人會犯錯,會學習與適應也會受他人與社會影響=改變/偽裝行為模式
  3. 人具有能動性=自由意志=不可預測(人的意識與認知只是一堆來來去去的念頭)


理性決策模型

假定人只有趨樂避苦與效用最大化;人群認知的上限

採用此一模型與假設的理由

  1. 單純(只需考量效用,不需考慮當事人的認知、偏好…)
  2. 人會試圖最佳化自己的資源配置以取得最大化效用
  3. 人雖然有感情,但面對最重要的事情,決策越理性
  4. 人雖然會犯錯,但會學習與決策趨近於理性
  5. 理性決策的前提與假設,可以得出一致的最佳解(或DEA那種的柏拉圖最佳解)
  6. 理性決策的結果,可以作為一個基準,對照(理性以外的因素)的決策結果



 



心理偏誤模型

人的認知受到各種心理偏誤影響,決策不理性

  1. 偏好安於現狀
  2. 錯估事件發生的基本率(不知道先驗機率資訊)
  3. 損失趨避(討厭痛苦的程度>追求快樂的效用)
  4. 風險趨避:面對獲利機會,見好就收
  5. 風險尋求:面對損失的情況,寧願賭一把
  6. 折現偏誤=偏好及行時樂,而非朝三暮五



規則(Rule-Based)模型

又區分成

固定規則

人群認知能力的下限

e.g.,對於賣家而言,出價高於成本就賣;對於買家而言,出價低於其待就買;

形成市場均衡(看空就賣,看多就買;有人看多有人看空,所以有買賣成交)

買賣雙方對於交易事物的效用或成本,不需要有全面的掌握,只需比對內心效用與市場價格的高低。


適應規則

需要的認知能力<理性選擇,但>固定規則

試試看不同的作法、看到別人比較好,試圖模仿學習、發展新的行為規則

e.g., 去酒吧,希望人不要太多,也不要太少(才有樂趣)

微觀動機宏觀行為

https://eshmanager.blogspot.com/2012/11/blog-post.html 





個體可以從總體變化當中學習(投機獲益)嗎?

e.g., 猜測股價變化,只賺不賠;掌握交通阻塞規律,走最短或最省時路線

總體變化樣態規律有四種可能

  1. 平衡
  2. 循環
  3. 隨機(變異)
  4. 複雜狀態(不規律)


在一個平衡與簡單循環的狀態,人們可以學習=>有邏輯與因果可循

  • 平衡=在一個法治社會,誠實為上策;物價穩定的市場,隨時買跟賣都合理
  • 簡單循環:連續假日容易塞車,出遊車潮盡量安排非假日與離峰時段;有些物品的價格隨季節與淡旺波動

在隨機與複雜的狀態,人們無法學習=>沒有邏輯與因果可循,不可能每次都得到最佳解

  • 各種用於改善效率的政策或提升效用的作法被抵消





這本書太燒腦,複雜性科學果然不適合腦筋簡單的人

腦筋簡單的人fooled by randomness與自己腦補穿鑿附會各種想像因果詮釋的 才是常態


套用到 事故與風險預防上

事故的發生有兩種

一種發生機率高,嚴重度低=>相對的有如吃燒餅的調芝麻與single point of failure: e.g., 一晃神就被捲夾或被撞的人員工作傷害(有時對於當事人嚴重度很高=>造成殘廢死亡);我們只好訴諸3E+事後的獵巫(當事人的疏忽,或業主的應為能危不為過失)

對於事故的預防而言,隨機發生的事故=系統本身的不良率,系統本身穩定時,其實不良率的發生也是穩定的;亦或當系統本身趨於穩定時,不良率也會降低趨於穩定(e.g., 想像你幫公司從無到有建廠,建廠初期一開始很多廠商的5S缺失與工地不安全的行為與不安全的環境;然後廠蓋好了,開始設備機台的導入與安裝,同樣會有不少問題與缺失,但設備商作業人員的素質比營造商作業人員的素質好;等到工廠裝機結束,進入量產,除了設備PM外,其實整體運作5S等已上軌道,偶有缺失與虛驚發生)

我們認定這些掉芝麻都是由於人為疏失,所以要推動組織安全文化,事前危害告知、工具箱會議、指差呼喚、上下樓梯手扶扶手…與其說這些措施有助於降低事故發生率(吃燒餅掉芝麻的機率),毋寧說這是自欺欺人與安慰劑效應(如同拜拜與放乖乖的那種),而安慰劑效應藥效的來源,其實正是霍桑研究當中揭露的心理因素:員工覺得被關懷、安全被重視,所以安全績效自然提升了(不會那麼漫不經心與散漫隨便)


另一種發生機率低,嚴重度高=>就是NAT形容的complex and tight couple (好幾個and的陰錯陽差)造成的重大事故或毒化災;我們訴諸的各種嚴刑峻法與走火入魔的PSM(換個墊片都要進行MOC)

對於事故的預防而言,這部分的事故,我們透過Swiss cheese cake metaphor(有說=沒說)、很複雜FTA/ETA或保護層等複雜的圖像來詮釋事情發生(=事故調查)

從組織系統動力的角度來看,人人有責任=大家沒責任,所以事故調查的結論就是組織安全文化不佳(因為戰犯太多+大家集體作孽造業,不曉得該怪罪誰),也難以砍掉重練;只好透過調查委員會與厚重調查報告,完成了一個調查與結案的動作;讓組織依原有的慣性與惰性走下去(短時間內風聲鶴唳重視安全,一段時間之後打回原形)


不論遭遇的事故是何者,事故調查與改善建議通常意義不大+只是政治儀式(如同收驚或者喪家法事)

如同本章節作者的建議:

前者是隨機性(系統性變異),後者是複雜性(離群點);人們難以學習,拜拜+放乖乖不見得那麼荒謬(至少有助於安撫代罪羔羊面對無常與不確性的惶恐)


沒有留言: