投资是一个你迟早需要进入的领域,并且越早进入越好。从去年六月(2017-06)开始有了一些实际操作的经历,至今(2018-09)也有一年多的时间。有了实际投资的操作的经历之后,定期的复盘是很有必要的,因为在复盘中你能收获除了投资收益之外更多的认知上的收获。复盘的过程就是找自己认知上的盲点,逻辑上错误,情绪上特点的过程。
带着强烈的目的性,我翻看了《简单的逻辑学》《逻辑学导论11版》这两本书,看完之后原先的困惑减少了一些,新的困惑又增加了许多,在这些新增的困惑中,与“谬误”相关的内容最多。为了解决心中的这些困惑,我经历了一次吹去表面浮土,露出硬土的寻找之旅。
既然我将这次经历美名曰寻找之旅,就提前把这场旅行过程中几个重要的景点罗列一下。
- 典型的逻辑错误是谬误。
- 谬误的本质是将看似相关,实则无关的事物关联起来。
- 错误的关联来自于人脑的功能:模式识别。
- OmegaT翻译,并添加一条中文词条:模式识别(心理学)。
上面四条内容彼此的关联性并不大,被这样放在一起原因是,他们是我探索谬误本质过程中一些重要的节点,缺少其中任何一个点,我脑中对于谬误的认识都可能是不清晰,不准确的。
看官大大可以依据自己的兴趣,跳跃查看。下面就以探索的先后顺序将内容罗列如下,
典型的逻辑错误是谬误
谬误是对于一些典型逻辑错误的称呼,典型的逻辑错误是大多数人经常会犯的错误,如果将脑中错误的逻辑付诸实践,面临的必然是失败或是损失。这损失有时间上的,金钱上的,机会上的。
为什么要研究谬误?
研究谬误,增加对于谬误识别的敏感度,在避免自己犯逻辑错误的同时,也能识别他们给出的逻辑错误,从而避免损失,节省时间,将时间用在有意义的事情上。
一些逻辑错误的例子
命题没有被证明为真,那么命题为假
赵四是A领域的权威,听从赵四在B领域发表的言论
赵四没有在公交上给老人让座,赵四的人品有问题
赵四是一名大数据工程师,赵四的文章都要用数据说话
梭哈老头:不要问我投资逻辑,不要怂,就是干!赢了嫩模,输了下海干活。
《中国好声音》父母双亡、穷苦流浪、痛说家史……在这个台上不哭一场就不好意思说自己有梦想。
常见的谬误列表
《简单逻辑学》与《逻辑学导论》中举出的谬误很多,我将其整理在下面这两篇文章中。
《简单逻辑学》谬误列表 - 简书
《逻辑学导论》谬误列表 - 简书
谬误的本质
谬误的定义:因为情绪的作用,将原本没有关联的事物关联起来,后被证明这样的关联是错误的。
谬误的定义
上面谬误的定义是我自己整理汇总出来的,可能不够严谨但足够好记,下面就是谬误的不同定义,列出来感受一下。
《现代汉语词典》
错误;差错:真理总是在同~的斗争中发展的。
《新华字典》
差错
《逻辑思维简易入门》
谬误是概念或信念之间的一种无效的关系模式。
《逻辑学导论第11版》
一种看似正确但经过检验可证其为错误的论证类型。
谬误产生的原因
《逻辑学导论第11版》给出谬误产生的原因:
- 将看似相关,实则无关的命题和结论关联起来。
- 将假定为真,实则为假的命题作为前提。
- 词或短语在前提中意义为A,结论中意义为B。
为了避免自己犯相关谬误的错误,需要效仿英美法律的无罪推论,采用无关推论的方式来思考问题,假设两个事物无关的,然后再寻找两个事物之间的关联,在搜集到足够多关联的证据之后,推翻之前”无关推论“,实现事物相关的确认。
再往深里去细究原因就是下面这些:
推理中的错误可能仅仅是个意外,或者说得更严肃点,是粗心的结果。如果要追根究底的话,它们可能是态度不端的产物,或者正是它们自身的某些缺陷导致了非逻辑思维的产生。
《简单的逻辑学》
探索的天花板
谬误产生的原因是大脑做出了错误的关联,将原本不相关的事物关联起来,事后,这些关联被证明是错误的。
当我得到这个结论的时候,脚步就应该停下了,因为书中关于谬误本质的探索也只到这个步骤,而大脑会做出错误的关联的本质原因,书中都并没有给出解释,我对于面前的这个答案并不满意。
为什么不满意?错误关联本身也是一个需要解释的概念,将一个概念用另外一个概念去解释,没有将概念联系到客观世界的客观事物,探索的脚步就不应该停下来。
在这个时候软件行业从业的知识背景帮助我了,将看似相关,实则无关的事物关联起来,脑中很自然的就联想到“模式识别”这个概念。
在wiki中用中文“模式识别”搜索,对于出来的结果我并不满意,因为中文wiki将模式识别直接等同于计算机中的模式识别,显然这是将这个概念的范围缩小了。
image.png
当我将查询词“模式识别”换成对应的英文词“Pattern recognition”之后,搜索结果出来的那一刻,那感觉就像发现了新大陆。
image.png显然Pattern recognition (psychology)是我一直想要寻找的,大脑为什么会出现错误关联的原因?就在Pattern recognition (psychology)这个词条里面。
因为Pattern recognition (psychology)没有对应的中文词条,导致我在查找谬误本质的路上走了很多弯路,也耽误的时间。想想后面可能会有更多人遇到类似的问题,我便将Pattern recognition (psychology)这个词条翻译了对应的中文词条,链接如下:模式识别 (心理学) - 维基百科,自由的百科全书
模式识别
人类大脑有个强大的功能,叫模式识别。处理零散信息的时候,大脑会自动把它们按自己熟悉的模式拼接起来。比如你躺在床上,盯着天花板发呆,不一会儿,模式识别就启动了:天花板上原本毫无关联的几个斑点,在你眼里很可能变成了一张有意义的图案,比如人脸啊,动物轮廓啊,这就是模式识别。
有个经典的模式识别例子,美国911的时候,有人拍了张照片,在互联网上广为流传。照片上的烟雾里,居然能看到一张“栩栩如生”的魔鬼撒旦的脸。为什么会这样呢?原来,这是因为人们之前在很多地方,比如戏剧、电影、动漫里,都见过撒旦的面孔,所以在看到原本毫无意义的烟雾形状时,就迅速调用了大脑中曾经存储过的“模式”,用来“理解”眼前看到的东西,于是就“看”到了并不存在的撒旦面孔。
image.png
为什么大脑将看似的相关的事物关联起来?我将自己的理解整理如下。
大脑在进化的过程中进化出一个模式识别的功能,这个功能的主要特点如下:大脑将感官输入的信息与脑中原本存储的信息做比较,几个主要的特征匹配之后,就会将脑中匹配到信息提取出来,用于理解当前在客观世界输入刺激信号的事物。因为特征的匹配的过程不是一条一条的匹配(一条一条效率不高),所以在忽略一些细节特征之后,将两个事物理解成一个事物,必然会出现谬误。
下面的内容就是对于模式识别 (心理学) 这条Wiki词条的汇总。
查看更详细的内容,可以查看我翻译的模式识别 (心理学) - 维基百科,自由的百科全书,如果翻译有误欢迎指正。
什么是模式识别?
在心理学和认知神经科学中,模式识别描述了一个将刺激信息与从记忆中检索到的信息相匹配认知过程。当环境中的信息被接收并进入短期记忆时,模式识别就会发生,从而导致长期记忆中特定内容的自动激活。
模式识别不仅对人类至关重要,对其他动物也同样重要。 即使考拉,拥有较不发达的思维能力,使用模式识别来寻找和吃桉树叶。
模式识别主要有六种理论: 模板匹配、原型匹配、特征分析、组件识别理论、自下而上和自上而下的处理和傅立叶分析。
模板匹配
模板匹配理论描述了人类模式识别最基本的方法。 这个理论假设每个感知对象都被存储为长期记忆的"模板"。 将输入的信息与这些模板进行比较,以找到一个精确的匹配。
举一个例子就是:A,A,A对会被识别成A,而事实是这三个A是有区别的,第二个加粗了,第三个是斜体。
原型匹配
将接触一系列相关的刺激,就可以根据它们的共同特征创建一个”典型”的原型。 通过将存储模板标准化为一个表示形式,它减少了存储模板的数量。原型支持感知的灵活性,因为与模板匹配不同,它允许在对新刺激的识别中出现变化。
如果一个孩子以前从未见过草坪椅,他们仍然能够认出它是一把椅子,因为他们知道椅子的基本特征是有四条腿和一个座位。
特征分析
特征提取理论认为,神经系统对接收到的刺激物进行分类和过滤,使人类(或动物)能够理解这些信息。当特征重复或发生在一个有意义的序列时,我们能够识别这些模式,因为我们的特征提取系统。
组件识别理论
类似于特征提取理论,组件识别(RBC)关注的是正在处理的刺激的自下而上的特征。这个理论认为人类识别物体的方法是把它们分解成他们的基本的三维 几何图形(如圆柱体、立方体、锥体等)。
自下而上和自上而下的处理
自上而下的处理是指在模式识别中使用背景信息。
自下而上的处理也被称为数据驱动处理,因为它起源于感觉受体的刺激。
模式识别与谬误
原本是大脑进化出来用来认识事物的功能,在实际使用的过程中因为轻率和马虎就成了谬误产生的原因。
模板匹配,模型匹配,特征分析,组件识别都是将输入的信息和脑中存储的信息相匹配的过程。如果在这个匹配的过程中出现差别,就会将输入的信息对应到错误的事物上。
OmegaT翻译,添加WIKI中文词条
受篇幅限制,这一节会单独开一篇文章。
总结
谬误(典型逻辑错误)与模式识别
- 模式识别是大脑进化出来的功能。
- 模式识别将输入的信息与脑中存储的信息想匹配,关联的一个认知过程。
- 感官信息输入过程过程信息是有损耗的,匹配不是一个匹配全部特征的过程。
- 看似相关,实则无关,是模式识别过程中忽略了一些细节特征。
如何减少谬误
- 观察事物仔细,仔细,再仔细(基本的几何体分解事物,尽可能罗列事物特有特征)。
- 无关推论,有足够证据再做出事物是相关的推论。
- 清洗脑中事物的特征。
因为逻辑不清,认知缺失导致判断失误,这样的判断失误在投资世界会以真金白银的增加减少形式给予你反馈,一些逻辑错误可能会让你一辈子无法逃老鼠赛跑的游戏。
网友评论