13 怎样训练贝叶斯
学者格尔德·吉仁泽（Gerd Gigerenzer）在新书《风险与好的决策》（ Risk Savvy: How to Make Good Decisions ）中说：
贝叶斯推算本来就很简单，不要说哈佛医学学生了，就是小学生也能算对，关键就在于要改变算法。
吉仁泽是德国普朗克人类发展研究所适应性行为和认知项目的主管。他与诺奖得主卡尼曼互相尊重又长期争论。卡尼曼是位心理学家，获得的却是诺贝尔经济学奖，因为他将诸多人类心理上的认知偏差引入经济学，激发了整个经济学行为转向的大潮。
卡尼曼认为人有许多认知偏差（bias），驱动人们不思而应，贸然而对。吉仁泽则认为，这些不能叫认知偏差，仿佛它们必然是错误的。他建议把这些思维特点称为“大拇指定律”，因为大体靠谱，偶尔犯错。它们节省了宝贵的大脑运算资源，在演化上是有优势的，所以人类到今天还是这样。
他举了个例子，经济学家的完美代表萨缪尔逊，写跟投资理论有关的论文，都是资本市场线、资产定价模型，一堆数学模型，但他自己实际投资就很简单，股票、债券、现金等等，就是在几种资产类型中，把资金平均分配就好了，简单、有效。
其实类似策略在犹太古代经典《塔木德》中就有记载：把钱平均分作三份，一份买地，一份经商，一份储备。错不到哪里去，算太细了额外收益有限。
在贝叶斯推理这个问题上，卡尼曼认为人类很不擅长，从不细算。吉仁泽则认为关键在调整算法。人们一遇到概率就晕，但很擅长计算频次。
在贝叶斯推断问世之后不久，那个时代最伟大的一位科学家、法国人拉普拉斯就独立发明了计算方法的实用版，要点就是计算频次。
生活中的贝叶斯
我来介绍一个在这基础上我自己改造后使用的贝叶斯推理模板。
无论面对什么问题，关于未来会怎么样，你设定三种可能情形：上、中、下，分别对应着变好，不变，变坏。如果你已有个初步判断，就相应配给上中下相应的基数；如果你是一张白纸一无所知，还没有任何判断可言，就给他们相同的基数。
接下来事情本身的走向会带来新信息，有可能倾向于或者上或者中或者下这三种情形，是什么情形你就在对应的基数加分，加多少看新信息的力度大小而定。
我的模板是这样的：上中下各配基数33.33（用100除以3，平均分配），每次加分的取值范围是从1到5，最强5分，最弱1分（如果认为信息强，就赋值5，信息弱，就赋值1）。
这样，无论什么事，打上一段时间的分，你就对它是很有些数了，绝对比每次临时拍脑袋现想要靠谱。你就有了随身携带的贝叶斯大脑。
贝叶斯推理有两大要求：第一是要厘清你已有的判断，第二是诚实对待新的证据，两者缺一不可。前者是判断的出发点，后者是更新判断的依据。
说到这里你应该想到了，市场就是个贝叶斯下注系统，用交易来解决看法分歧。当前价格对应于当下看法，而价格变动代表着看法修正。它是个活的、庞大的、永远在变形的贝叶斯系统。之所以说任何一个人很难稳定地战胜市场，因为市场本身是极为有效地反映了现实中人的看法。
同理可推，如果能集纳一群看法相对靠谱的人，就任何判断持续下注，那这个群可以用来给出对任何事情的预测。
再进一步，人与人的靠谱程度不同，判断的靠谱程度亦不同，根据各自表现，动态调整其权重，靠谱的人权重逐渐增加，不靠谱的人权重逐渐下降，加权平均形成新的判断，准确度会更高。最终你将获得两样东西：一个是相当有效的判断系统，一个是相当有效的对判断者的评价系统。两者互相反馈，继续提升精度。
其实，我们在生活中也是这么做的，接近靠谱的人，远离不靠谱的人，重视权威，轻视妄人。区别在于，生活中做贝叶斯人，我们做得既不系统也不精确，经常算错，现在，借助手边的工具，我们能做得好很多。
当然，永远不要忘了，无论是贝叶斯大脑，还是借助工具打造的贝叶斯外脑，都只是一幅地图，帮我们在未知地形上摸索。不论多少人用多么靠谱的方法共同绘制它，如果地壳崩塌，行星撞地球，地形一夜间就天翻地覆，贝叶斯并不能比其他地图更好地帮助我们。
它无法对抗黑天鹅。这是没办法的事情，因为谁也对抗不了。
第二个不要忘记的事情，就是在在先的判断与新证据之间并不总是彼此独立的。如果你已经绝对相信上帝存在，那么无论出现什么新信息新证据，你总能找到让你舒服的解释。
真正的贝叶斯人不这样。他们会尊重先入之见，因为它是一切新知的出发点，但又随时准备清空存量，以避免掉入这一陷阱。
可惜这种人不够多。
网友评论