第36天#读书#

20190813
P208-P212
《有纪律地运用大拇指法则》
【跟机器比练习、 记忆以及基于这两者的直觉， 人类没戏。一次性事件，都做不好，反倒有的一拼。合理规则（reasoned rule） ，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。】

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。

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。

面临重大决策：思前想后不可少，做决定还是拍脑袋。

直觉从哪来？长期经验，大量练习。（例如下围棋）

诺贝尔经济学奖得主司马贺说： “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） 辨识， 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.”）

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。

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。

最近在思考为什么我不喜欢做哪些步骤明确，按部就班的“体力”活。这些机器很容易替代，不能体现人类价值。（值得进一步思考）

如何既利用直觉，又接近机器的可靠性？

诺贝尔经济学奖得主、 心理学家卡尼曼说。 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”？

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。

解决方法：

第一， 重视你的直觉， 决策从直觉开始。（列要素，不用配权重）
第二， 回溯数据。（要素打分，均值、标准差、标准分，画线）
第三， 有这基准， 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。

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。