黑天鹅

《黑天鹅》第二部分
第四章 1001天—如何避免成为失败者(3)

作者：(美)纳西姆·尼古拉斯·塔勒布    出版社：中信出版社

    另一个事件是1998年一家叫做长期资本管理公司 （LongTermCapitalManagement）的金融投资公司（对冲基金）几乎瞬间发生的破产。他们使用的是两名被称为"天才"的诺贝尔奖获得 者的方法和风险管理技术，但他们实际上不过是运用骗人的钟形曲线一类的数学欺骗自己，把它当成了不起的科学，同时愚弄了整个金融界。历史上最大的一笔交易 损失发生在眨眼之间，没有任何预警信号（更多情况在第十七章讲述）。

    黑天鹅现象与知识有关

    从火鸡的角度，第1001天没有喂食是黑天鹅事件，从屠宰者的角度却不是，因为这不是意料之外的。由此你可以看到，黑天鹅现象是笨 人的问题。换句话说，它与你的预期有关。你认识到，你可以通过科学或者通过开放思想消除黑天鹅现象（如果可以的话）。当然，和长期资本管理公司的人一样， 你可以运用科学制造黑天鹅现象，也就是让人们相信黑天鹅现象不可能发生，于是科学就把普通公民变成了笨人。

    注意这些事件不一定是瞬间的意外。我在第一章提到的一些历史性变迁持续了数十年，比如，计算机对社会带来了巨大影响，而它对我们 日常生活的渗透过程却没那么明显。有些黑天鹅现象产生于同一方向变化的积累，比如在数年间销售许多册但从未出现在畅销书榜上的书。同样，20世纪90年代 末的纳斯达克股票花了数年时间成长，但如果你把这一成长放入更长的历史趋势中看，它会显得剧烈得多。看待事物应该以相对而不是绝对的时间尺度衡量：地震持 续几分钟，"9•11"持续了几小时，但历史变化和技术发展是可能持续数十年的黑天鹅现象。总之，正面的黑天鹅事件需要时间来显现它们的影响，而负面的黑 天鹅事件发生得非常迅速—毁灭比缔造要容易和迅速得多。

    我们不是生活在平均斯坦里

    我刚刚以历史的形式展现了黑天鹅问题：把现有信息一般化的困难，或者说从过去、已知和已观察到的东西中学习的困难。我也列出了哪些人是我认为在这一问题上最有影响力的历史人物。

    你可以看到，假设我们生活在平均斯坦是非常容易的。为什么？因为这可以让你不考虑黑天鹅事件发生的意外！如果你生活在平均斯坦，黑天鹅问题要么不存在，要么只有微小的影响力！

    这种假设神奇地赶走了归纳问题（而这一问题一直困扰着人们的思维），统计学家可以远离认识论。

    这只是愿望而已！我们不是生活在平均斯坦，所以黑天鹅现象要求人们换一种思考方式。我们不能把问题藏起来，就只能更深入地挖掘它。这并不是终极困难，我们甚至还能从中受益。

    现在，从我们对黑天鹅事件的无知中又产生了其他问题：

    1.我们只关注从已观察到的事物中预先挑选出来的一部分，从它推及未观察到的部分：证实谬误。

    2.我们用那些符合我们对明显模式的偏好的故事欺骗自己：叙述谬误。

    3.我们假装黑天鹅现象不存在：人类的本性不习惯黑天鹅现象。

    4.我们所看到的并不一定是全部。历史把黑天鹅现象隐藏起来，使我们对这些事件发生的概率产生错误的观念：沉默的证据造成的认知扭曲。

    5.我们"犯过滤性错误"：我们只关注一些有明确定义的不确定性现象，一些特定的黑天鹅现象（而不关注那些不太容易想到的）。

    我会在接下来的第五章逐一讨论以上5个问题。然后，在第一部分的结尾，我会向你们展示它们其实是同一个问题。

《黑天鹅》第三部分
第五章 不能只靠过去的经验判断(1)

作者：(美)纳西姆·尼古拉斯·塔勒布    出版社：中信出版社

    虽然证明行为在我们的习惯和传统智慧中根深蒂固，但它是一种危险的错误。

    假设我告诉你，我有证据证明球星辛普森（20世纪90年代被控杀害妻子）不是罪犯。瞧，那天我和他一起吃早餐，他谁也没杀。我是认 真的，我没有看到他杀任何人。这能够证明他的无辜吗？如果我这么说，你一定会叫来救护车甚至警察，因为你可能会想，我在交易室度过了太多的时间，或者我在 咖啡馆坐得太久了，一直想这个黑天鹅问题，我的逻辑可能立即给社会带来危险，所以我本人需要立即被关起来。

    如果我告诉你，我有一天在纽约的一处铁轨上打了个盹儿却没有被轧死，你可能会有同样的反应。我会说，嗨，看看我，我还活着，这就 证明躺在铁轨上是没有危险的。但想一想，再看一下第四章的图4?。某个人观察了火鸡前1000天的生活（但没有看到第1001天令人震惊的事件），他会对 你说，而且说的是对的，没有证据表明会发生大事，即黑天鹅事件。但是，你会把这一说法理解为证据表明黑天鹅事件不会发生，尤其在你不仔细考虑的时候。这两 种说法之间的逻辑差距实际上是非常大的，但在你的思维里显得很小，所以二者可以相互替代。从现在起10天后，即使你还记得第一种说法，你的印象中也很有可 能是第二种说法，不确切的说法，即证据表明没有黑天鹅现象。我把这种混淆称为回路错误（round-tripfallacy），因为两种说法是不可互换 的。

    把这两种说法相混淆犯了一个很小很小（但至关重要）的逻辑错误，但我们对微小的逻辑错误是没有免疫力的，教授和思想家也好不到哪 里（复杂的方程式似乎无法与清晰的思维和谐共存）。除非我们的注意力非常集中，否则我们很可能无意识地简化问题，因为我们的思维在我们无意识的情况下习惯 这么做。

    这个问题值得我们更深入地探讨。

    "我从未想说保守主义者通常很愚蠢，我想说的是愚蠢的人通常很保守。"约翰•斯图亚特•米尔（JohnStuartMill）曾抱怨说。这个问题由来已久：如果你告诉人们成功的秘诀并不总是技能，他们会以为你在说这不是靠技能，而是靠运气。

    我们在日常生活中运用的推理机制不适用于复杂的环境，当一句话的措辞稍做修改时，其语义会发生很大变化。想一想，在原始环境里， "大部分杀手是野生动物"与"大部分野生动物是杀手"这两种说法之间的差异是没什么影响的。虽然混淆二者是一个错误，但几乎没什么影响。我们的统计直觉还 没有发展出认为二者差异很大的思维习惯。

    领域特殊性

    无法自动把知识从一种情况转化为另一种情况，或者从理论转化为实际的状态，是人类本性中令人困扰的特性。让我们称它为行为反应的 "领域特殊性"。领域特殊性的意思是，我们的行为反应、思维模式和直觉取决于事物的背景，进化心理学家称之为事物或事件的"领域"。教室是一种领域，生活 也是。我们对一则信息的反应不是根据它的逻辑特性，而是根据它的环境，以及它在我们的社会情绪系统中的位置。在教室中以某种角度理解的逻辑问题在日常生活 中可能受到不同的对待。实际上，它们在日常生活中确实受到了不同对待。

    知识即使是准确的，也不总是产生适当的行为，因为我们习惯忘记我们所知道的，或者忘记如何正确对待知识，即使我们是专家。读者已 经看到了，统计学家习惯把脑子留在教室里，一旦他们来到大街上，就会犯最微小的推断错误。1971年，心理学家丹尼•卡尼曼 （DannyKahneman）和阿莫斯•特沃斯基（AmosTversky）不断向统计学教授提出不像统计学问题的统计学问题。其中有一个类似下面的问 题（为了表述清楚，我改变了原题）：假设你生活的城市有两家医院，一家大，一家小。某一天，其中一家医院出生的婴儿中60%是男孩。这有可能是哪家医院？ 许多统计学家的回答（在闲谈中）相当于犯了选择大医院的错误，而实际上统计学的基础就是大样本更为稳定，对长期平均值（在这个例子里是每种性别各50%的 比例）的偏离比小样本更小。这些统计学家连自己的考试都会不及格。在我做数理专家的日子里，我遇见过数百次忘记自己是统计学家的统计学家犯这类严重错误。

    再看一个我们在日常生活中犯可笑的领域特殊性错误的例子。让我们来到豪华的纽约锐步体育俱乐部，看一看多少人乘手扶电梯上了几层楼之后，径直奔往台阶式健身器。

    我们在推断和行为反应上的领域特殊性表现是双向的：有些问题我们能够在实际应用中理解，却不能在课本中理解；有些问题我们更容易从 课本中理解，却不能在实际应用中理解。人们能够不费力地在社会环境下解决一个问题，但在它以抽象的逻辑问题形式出现时不知所措。我们习惯在不同的情况下使 用不同的思维机制，或者模块：我们的大脑缺少一台全能中央计算机，对所有可能的情况制定和应用同样的逻辑规则。

    我已经说过，我们可能在现实中而不是在教室中犯逻辑错误。这种不对称在对癌症的诊断中得到最佳体现。我们看一看那些为病人检查癌 症征兆的医生，检查一般在病人想知道他们是已痊愈还是会"复发"的时候做。（实际上，复发是一种错误的说法，它只是表明治疗并没有杀死全部癌细胞，而那些 未被发现的坏细胞开始以失控的方式增长。）在现有技术状况下，不可能对病人的每一个细胞进行检查来确定它们是否都是正常的，所以医生通过尽量精确地扫描病 人的身体来选取样本，然后对没有检查的部分做出假设。在一次常规癌症检查之后，医生对我说："别担心，我们有证据表明你已经痊愈了。"这让我大吃一惊。 "为什么？"我问。回答是："证据显示没有癌症。""你怎么知道？"我问。他回答："扫描的结果是阴性。"他居然到处说自己是医生！

《黑天鹅》第三部分
第五章 不能只靠过去的经验判断(2)

作者：(美)纳西姆·尼古拉斯·塔勒布    出版社：中信出版社

    医学上有一个首字母缩写词语NED，意思是无疾病征兆 （No Evidence of Disease），但并不存在一个END可以证明无疾病（Evidence of No Disease）。我与许多医生讨论这一问 题的经验证明，即使是那些发表研究论文的医生，都有许多犯了回路错误。

    20世纪60年代，傲慢的医生把母乳看做某种低级的东西，似乎他们能够在实验室里复制，却没有认识到母乳可能包含超过他们科学理 解能力的有用成分，他们只不过是混淆了"无证据表明母乳的优势"与"证据表明母乳无优势"。（这是又一种柏拉图化的行为，认为当我们能够使用奶瓶时，采用 母乳喂养是"毫无道理的"。）许多人为这种无知的推理付出代价：那些婴儿时期没有得到母乳喂养的人面临更高的健康问题风险，包括更可能罹患某些癌症，因为 在母乳中一定还有一些我们没有找到的营养成分。而且，采用母乳喂养的母亲们获得的好处也被忽视了，比如降低了患乳腺癌的风险。

    扁桃体问题也是一样：切除扁桃体可能导致更高的喉癌风险，但数十年来，医生们从不怀疑这一"无用"的器官可能有着他们没有发现的 功能。还有水果和蔬菜中发现的膳食纤维，20世纪60年代的医生认为这些膳食纤维是没有用处的，因为他们没有发现食用这种纤维的必要性，于是他们导致了一 代人的营养不良。最后人们发现，纤维能够延缓糖类在血液中的吸收，还能清扫肠道癌症前期细胞。实际上，由于这类简单的推理混淆错误，医学在历史上造成了大 量灾难。

    我并不是说医生不应该有他们的信念，只是应该避免某些固定的、封闭的信念。医学在进步，但许多其他类型的知识没有改善。

    证据

    由于一种我称为无知经验主义的思维方式，我们天生习惯于寻找能够证明我们的理论以及我们对世界的理解的例子，这些例子总是很容易找 到。唉，有了工具和傻子，任何东西都是容易找到的。你可以把能证实你的理论的过去的事例当做证据。例如，一名外交官会向你展示他的"成就"，而不是他没能 做到的事。数学家会努力让你相信他们的科学对社会有用，方法是指出那些起作用的事例，而不是白费时间的事例，或者更糟的情况—那些由于高雅的数学理论的非 经验特性而给社会造成严重成本浪费的数不清的数学应用事例。

    即使在检验一项假设时，我们也习惯于寻找证明假设正确的事例。当然，我们很容易找到证据—我们只需要去找，或者让研究者为我们找。我可以为任何事情找到证据，正如富有经验的伦敦出租车司机能够找到拥堵的地方以增加车费一样。

    有人更进一步给了我一些我们成功预测事件的例子。确实有一些，比如登陆月球和21世纪的经济增长率。人们还能够找到本书观点的许多"反证据"，最好的例子就是报纸非常擅长预测电影和剧院的演出时间表。瞧，我昨天预测太阳今天会升起，而它真的升起了！

    消极经验主义

    不过，有办法解决这种无知的经验主义。我的意思是，一系列证实性事实未必是证据。看见白天鹅不能证明黑天鹅不存在。但有一个例外： 我知道什么论点是错的，但不一定知道什么论点是正确的。如果我看见一只黑天鹅，我可以确定并非所有天鹅都是白的！如果我看见有人杀人，我可以非常肯定他是 罪犯。如果我没有看见他杀人，我不能肯定他是无辜的。同样的道理适用于癌症检查：发现一处恶性肿瘤证明你有癌症，但没有发现肿瘤不能让你得出没有癌症的确 定结论。

    我们可以通过负面例子而不是正面证据接近真相！对观察到的事实制定通用法则是具有误导性的。与传统智慧相反，我们的知识并不能通 过一系列证实性的观察结果得到增加，就像火鸡的例子一样。但有一些事情我持怀疑态度，另一些事情我却可以确定。这使得观察结果具有不对称性。实际情况并不 比这更复杂。

    这种不对称性具有很强的实际性。它告诉我们不必成为彻底的怀疑主义者，只需要成为半怀疑主义者。实际生活的微妙之处在于，在决策 时，你只需要对事情的一个方面感兴趣：如果你需要确定病人是否有癌症，而不是他是否健康，你可以满足于否定性推理，因为它能够向你提供你所需要的确定信 息。所以，我们能够从数据获得许多信息，但不像我们期望的那样多。有时大量信息会变得毫无意义，而少量信息却具有非凡的意义。确实，1000天并不能证明 你是正确的，但1天就能证明你是错误的。

    提出这种单边半怀疑主义观点的是卡尔•波普尔（Karl Popper）。在我写下这些文字时，他的一幅黑白照片就挂在我书房的墙 上。这是我在慕尼黑从散文家约恒•韦格纳（Jochen Wegner）那里得到的礼物，同我一样，韦格纳也认为波普尔是现代哲学家中"代表一切"的人物— 嗯，几乎代表了一切。他的著作是为我们写的，不是为其他哲学家写的。"我们"是指现实决策者，他们相信自己受不确定性制约，并且认为弄懂如何在不完全信息 条件下采取行动是人类最高和最紧迫的事业。

    波普尔针对这种不对称性提出了一项重大理论，其基础是一种叫做"证伪"的方法（证明某事为错误），旨在区分科学与伪科学。人们立 即开始针对这种方法争论不休，尽管它并不是波普尔思想最有趣和最具原创性的部分。这种关于知识不对称性的思想非常受实践者的喜爱，因为他们对它的感受很明 显，它就体现在他们的工作方法中。哲学家查尔斯•桑德斯•皮尔斯（Charles Sanders Peirce）像有些艺术家一样，在死后才获得敬重。

    当然，"证伪"，也就是确定地指出某事是错的没那么容易。测试方法的缺陷可能导致错误的"错误"结论。发现癌细胞的医生可能使用 了有缺陷的仪器，导致视觉错误，或者他可能是一个伪装成医生的使用钟形曲线的经济学家。目击犯罪的证人可能是喝醉了。但事实仍然是，你知道某事是错的比你 知道某事是正确的有更大的信心。并非所有信息都有同等的重要性。

    波普尔引入了猜想和反驳的方法，具体是这样的：提出一个（大胆的）猜想，并开始寻找证明猜想错误的事例。这是除寻找证实性事例之外的另一种方法。如果你觉得这很容易，你会失望，只有很少的人天生有能力做这件事。我承认我不属于其中之一，我并非天生有这种能力。

    数到3

    有见识的科学家已经研究了我们寻找证据的天生习惯，他们把这种易于犯证明错误的倾向称为"证实偏差"。你可以直接检验某个规律，着 眼于该规律奏效的事例，也可以间接证明，着眼于它不奏效的地方。正如我们已经看到的，令人不安的事例在确定真相方面有力得多，但我们通常不知道这一特性。

《黑天鹅》第三部分
第五章 不能只靠过去的经验判断(3)

作者：(美)纳西姆·尼古拉斯·塔勒布    出版社：中信出版社

    我所知道的针对这一现象的第一个实验是心理学家P•C•沃森（P.C.Wason）实施的。 他把2、4、6这个数字序列放在受试者面前，请他们猜出背后的规律。猜测的方法是受试者举出别的由三个数字组成的序列，受试者(Little M注：疑为实验者)根据新序列是否符合同样的规 律回答"是"或"否"。一旦从实验者的答案中获得确信，受试者就可以写出规律。（请注意这一实验与第一章讨论的历史规律问题的相似性：假设历史是符合某种 逻辑的，我们只看到了事件，却从来看不到规律，但必须对它做出猜测。）正确的规律是"按升序排列的数字"，仅此而已。很少受试者发现了这一规律，因为要想 找到规律，他们必须举出降序的数字序列（好让实验者的回答为"否"）。沃森注意到，受试者头脑中有一个规律，他们举出旨在证明它的例子，而不尝试举出与他 们的假设不一致的例子。受试者顽固地试图证明他们编造的规律。

    这一实验启发了许多类似实验。再举一例：受试者被要求说出为了发现一个人是否外向应该问哪些问题，据说这是另一类实验。结果发现，受试者提供的大部分问题都属于肯定回答能够支持假设的问题。

    但也有例外。比如，象棋大师考虑的是在什么情况下投机性的一步会导致弱势，新手则寻找确认性的走法，而不是证伪性的走法。但请不要 通过玩象棋来练习怀疑主义。科学家认为，寻找自身缺点使他们变成象棋高手，而不是练习下棋把他们变成怀疑主义者。同样，投机家乔治•索罗斯在进行金融赌博 时，会不断寻找证明他最初看法错误的事例。这大概才是真正的自信：冷观世界而不需要找理由满足自我膨胀的欲望。

    看见另一辆红色迷你Cooper

    下面的观点进一步显示了证实的荒谬性。如果你认为多看见一只白天鹅就能进一步证明没有黑天鹅，那你应该会同意，在纯粹的逻辑基础上，看见一辆红色的迷你Cooper也会进一步证明没有黑天鹅。

    为什么？只要想一想"所有天鹅都是白色的"这一论述意味着所有"非白色的事物都不是天鹅"，证明后一论述的事例就能证明前一论述。 所以，看见不是天鹅的非白色物体就能产生这种确信。这一观点是由我的朋友、（会思考的）数学家布鲁诺•迪皮尔（Bruno Dupire）在我们在伦敦的一 次散步时发现的—在深度冥想中散步时，我们甚至注意不到下雨。他指着一辆红色迷你Cooper大喊："看，纳西姆，看！没有黑天鹅！"

    不是一切

    我们没有天真到因为没有看到某人死去就相信他能够永生，或者因为没有看到某人杀人就相信他没有犯谋杀罪。无知的一般化问题并不是在任何地方都困扰我们。但归纳怀疑主义讨论的问题经常涉及我们在自然环境中碰到的问题，也就是使我们学会避免一般化的问题。

    例如，当小孩看到一群人中某个人的照片并被要求猜出这群人中其他人的特点时，他有能力选择把哪些特点一般化。拿一张过度肥胖的人的 照片给一个小孩，告诉他这个人是某个部落的人，让他描述这个部落的其他人，他（很有可能）不会草率地得出这个部落的所有人都有体重问题的结论，但他可能对 肤色做出一般化描述。如果你给他看深色皮肤的人的照片，让他描述与这个人同部落的其他人，他会猜测他们都是深色皮肤。

    所以，看上去我们天生拥有特别而微妙的归纳直觉来引导我们。休谟及英国传统经验主义者认为信念来自习惯，因为他们认为我们只从体 验和经验观察中学会一般化，然而与之相反的是，对婴儿行为的研究表明，我们的思维模式使我们对经验进行选择性的一般化。（也就是说，在某些领域进行选择性 的归纳学习，而在其他领域保持怀疑态度。）如此一来，我们不仅仅从1000天的经历中学习，还通过进化从我们祖先的学习中获益—生物学研究的正是这种现 象。

    回到平均斯坦

    我们也可能从祖先那里学到错误的东西。我要在此指出，我们或许继承了人类在起源地生存的足够本能，但这些本能显然不适应当前全新的、复杂的高度信息化环境。

    实际上，我们的环境比我们（以及我们的本能）意识到的更为复杂。为什么？现代世界是极端斯坦，被不经常发生及非常不经常发生的事件 左右。它会在无数白天鹅之后抛出一只黑天鹅，因此我们要在比我们所习惯的更长的时间里暂不下结论。我在第三章说过，我们不可能遇到身高几百英里的人，于是 我们的本能排除了这类事件。但图书销量或者社会事件的影响不会遵守这类限制。断定一名作家没有天分、市场不会崩盘、战争不会发生、一项计划无可挽回、一家 公司不会破产、一家证券公司的证券分析师不是在吹牛或者邻居不会袭击我们，需要比1000天长得多的时间。在遥远的过去，人类能够做出准确和迅速得多的推 理。

    并且，如今黑天鹅来源的增加已经超出人们能够辨认的范围。在原始环境下，黑天鹅的来源只包括新遇到的野生动物、新的竞争对手和天 气突变。这些事件反复出现得太多了，使我们对它们有一种与生俱来的惧怕。这种进行快速推理的本能，以及犯"过滤性错误"（也就是只关注不确定性的少部分来 源，即已知的黑天鹅现象的来源）的习惯仍然深植于我们的天性中。简言之，这种本能是我们的困境所在。