财新传媒
位置:博客 > 王烁 > 给大脑植入算法

给大脑植入算法

同期世界学人胡抡(Hrund)来自冰岛,花了六年时间、许多资源,拍纪录片innsæi,副题为“直觉的力量”,她在耶鲁的讲座也是同一主题,邀我发言。我跟她说,你想清楚。你是艺术家,歌颂直觉;我跟你不同,是另一种人:承认自己是凡人,但仰望理性。我会话分两头说,不会与你的看法契合。
 
不料胡抡大喜,“好极了,你想想怎么把这两块整合在一起。”
 
这句话好似拨动了我的开关。
 
越是重要的决定,我们越是依赖直觉。原因很简单:越重要的决定越可能针对一次性事件。一次性事件没有数据库,无法建模型。
 
而且,越是重大决定,面对的就越是不确定性而不是风险。两者的区别在于一个是未知的未知(unknown unkown),一个是已知的未知(known unknow);换句话说,一个不知道概率分布,一个知道;前者的例子是探索地外生命,后者的例子是赌场老虎机。
 
那面临重大决定的时候,怎么办?
 
不知道你们是怎样,反正我是这样:也会思前想后,做决定时则是拍脑袋(gut feeling),思前想后的过程必须有,不这样就不舒服,但思前想后并不能给出答案,最后还得是一狠心一闭眼一拍脑袋,直觉说话。
 
问题是,直觉从哪里来的?
 
我惟一能理解的直觉来源,就是长期经验、大量练习。比如说,我是个很不错的围棋手,看一眼围棋棋盘就大概知道下一步该走在什么地方,不需要把棋盘上361个选择全都跑一遍。
 
但难道我天生就会吗?不是,我得与很多对手下棋,打很多谱,从优秀的棋手那里学习。
 
诺贝尔经济学奖得主司马贺(Herbert Simon)说,从行为系统角度看,人很简单,从记忆中抽取信息,信息带来答案。直觉就是(基于回忆的)辩识,一点不多,一点不少。”
 
"Human beings, viewed as behaving systems, are quite simple. ... access to information stored in memory, and the information provides the answer. Intuition is nothing more and nothing less than recognition."
 
坏消息是,虽然围棋是最为复杂的人类棋盘游戏,但人类已经下不过机器了。Google人工智能团队开发的AlphaGo,在棋局中时常表现出“天才”般的构思,不亚于人类棋手的直觉。可我们都知道,它不过就是将三种比较成熟的算法复合在其决策系统当中。
 
AlphaGo与我们同样面临未知,其学习方法就是跟自己下棋,千万盘。这是什么样的练习!最高水平,极大数量,不知疲倦。它每天创造的高质量对局都远远超过人类职业围棋手所有历史对局数量的总和。
 
跟机器比练习、记忆以及基于这两者的直觉,人类没戏。
 
怎么办呢?
 
我无法给你们建议怎么对抗机器,不知道答案。毛估的话,估计答案在那些真正的一次性事件里,这类事件无法练习,没有先例,难以预测。人在真正一次性事件里的决策表现肯定好不到哪里去,但好消息是机器也好不到哪里去。
 
比烂吧,人说不定有戏。
 
好在,至少在相当一段时间内,我们不用跟机器比,而是跟其他人比。机器迟早会成为我们的主要竞争对手,但在那一天到来之前我们最大的竞争对手是彼此。
 
要战胜别人,有没有一个办法,既利用我们的直觉,又有接近机器的可靠性?
 
有的,诺贝尔经济学奖得主、心理学家卡尼曼(Daniel Kahneman)说。他最近在哈佛商业评论上发表文章,讲如何减少决策噪音。
 
什么是决策噪音?
上图摘自他在哈佛商业评论的文章,示例典型的决策噪音,就是表现随机性地偏离目标。
 
与认知偏差(bias)不同,决策噪音(noise)是随机偏差,不是系统性偏差。
 
卡尼曼发现银行审贷员的决策噪音过大,对相似条件的贷款申请所作出的放贷决定偏差明显,东一下西一下。这种情形我们在别的决策情境中也常有。比如说,我当财新主编很多年,每年都要面试许多新人。回忆起来,我的决策是很不稳定,可想而知错失了许多遗珠。
 
我们都是人,是人就有随机性。
 
卡尼曼给出了办法。
 
第一,重视你的直觉,决策从直觉开始。
 
以我面试应聘者为例,对我最终作出用人决定来说,哪些要素是重要的?列出六到八个,他们来自于我的直觉、经验、价值观:
 
诚实
好奇
认真
写作能力
人际互动
英语水平
学历
此前工作经历
……
 
卡尼曼建议,给这些要素配等权重,根据结果动态调整权重对大脑要求太多——我们是人不是机器——也无必要。
 
第二,回溯数据。
 
比如说,我把过去三年的所有面试回溯一遍,每个面试对象得出每个要素的单项打分,产生均值、标准差,得出单项标准分;然后每个面试者各单项标准分加总求均值,得出其总标准分;根据总标准分划“录取”分数线。
 
第三,有这作基准,未来面试就简单了,用同样方法得出面试者的总标准分,基于分数线录取。分数线可以根据用人需求、面试者的整体水平动态调整,如果想进来的人越来越优秀,分数线自然会越来越高。
 
就是这么简单。
 
卡尼曼称之为合理规则(reasoned rule),它其实就是有纪律的大拇指法则:植根于决策者的直觉,理解并尊重决策者的认知限制,用简单的人肉算法减少不必要的决策偏差。
 
它多有用呢?
 
卡尼曼说,用这套合理规则的话,日常决策中每个人心算即可,而效果不亚于机器根据海量数据库和统计推断作出的决策。
 
拥抱直觉,同时向机器学习,有纪律的大拇指法推荐给你。
 
光会算法是不够的,关键你还得有东西可算。推荐订阅《金融人·事2018》,中国金融最强报道团队秘制,领先掌握金融业关键动向,一条对你有用就值回票价,而它会给你200多条。
此文为2016年9月至2017年5月的《王烁学习报告》系列文章之一,“有纪律地运用大拇指法则”。
推荐 7