來源：期樂會

格爾德·吉仁澤是納西姆·塔勒布高度認可三位大師之一，因爲吉仁澤闡明瞭非理性背後的現實邏輯。丹尼爾·卡尼曼曾通過其著作《不確定狀況下的判斷：啓發式和偏差》和《思維：快與慢》不斷舉出反例，製造出啓發式算法導致非理性行爲的證據。

吉仁澤批評他的研究，認爲他的觀點論據不足。研究不確定性問題的塔勒布贊同吉仁澤，認爲丹尼爾·卡尼曼包括理查德·塞勒等人都不懂統計概率，嚴重混淆了集合概率和時間概率，誤讀了人們的合理選擇，影響了人們實現遍歷性。所謂的遍歷性是指，審視周圍所有人的命運，就可以推知你自己未來的N種可能。

區分風險與不確定性

在《風險和好的決策》中，吉仁澤聚焦於風險認知中的確定性錯覺。他用「已知風險」或「風險」表示可以根據經驗計算概率的風險，用「不確定性」表示無法計算概率的風險。由此形成了兩套思維工具：

風險：如果風險是已知的，想要做出明智的決策，需要的就是邏輯思維和統計學思維。

不確定性：如果有些風險是未知的，想要做出明智的決策，就需要直覺和睿智的經驗法則。

我們會區分「風險」和「確定性」，但卻把「風險」和「不確定性」混爲一談，其實它們根本就不是同義詞。在風險已知的世界，包括概率在內的所有事物都是確定的，統計學思維和邏輯思維足以讓我們做出明智的決策。但在不確定性的世界裏，所有的事物並不都是已知的，我們無法通過計算做出最佳選擇。這時，我們就需要藉助睿智的經驗法則和直覺，才能做出明智的決策。在商業領域，光靠統計計算是不夠的。傑克·韋爾奇是世界上最成功的企業領導者之一，他解釋說自己的好決策都是「通過直覺」做出的。

大多數時候，事件的概率都是未知的，因此我們會面臨很多未知風險或不確定性。與風險相比，不確定性的範圍更大。在充滿不確定性的世界裏，我們不可能通過精確計算風險來選擇最理想的行爲方式。我們不得不和「未知的未知」打交道，這樣一來，意外就會發生。但是，即使無法通過計算找到清晰的答案，我們還是要做出決定。

我們通常都不喜歡不確定性，總是希望一切都是確定性的。然而，追求確定性是正確認知風險的最大阻礙。以乳腺X射線檢查爲例。44%的調查對象認爲，乳腺X射線檢查的結果是絕對可信的。而事實上，大約10%的乳腺癌無法通過X射線檢查出來。如果接受檢查的女性越年輕，結果就越可能出錯，因爲她們的乳腺密度更大。

在一個變化莫測的世界，對確定性的過度追求可能會帶來風險。我們幾乎可以確定哈雷衛星會在2062年回歸，但卻無法預測自然災害和股市暴跌。通過分析政治專家和經濟專家的數千個預測，我們發現他們的準確率比外行人或投飛鏢的猩猩高不了多少。不過，專家最擅長的就是給自己的錯誤找理由。但問題是，錯誤的確定信息會造成巨大的破壞。盲目相信各種測試和金融預測不僅會危害我們的身心健康，還可能會毀掉我們的銀行賬戶，甚至摧毀整個經濟。

概率的三張面孔

在吉仁澤看來，所謂的概率有三張面孔：頻率、物理設計和可信度。這三張面孔構成了概率的三個特性。

頻率：概率的第一個特性是計算，將降雨的天數和棒球球員擊中球的次數除以總天數或總擊球數，可以得出相對頻率，即概率。

物理設計：概率的第二個特性是結構。例如，骰子的結構絕對對稱，無需計算就知道擲出6點的概率是1/6。設計好的概率被稱爲「傾向」，靠運氣取勝的遊戲是其典型代表。這些風險是已知的。

可信度：概率的第三個特性是可信度，取決於經驗與個人印象等因素。在歷史上，可信度源於法庭上目擊證人的證詞，但更引人注意的是猶太教和基督教有關神蹟的傳說。

已知風險的概率可以根據頻率或物理設計計算得出，但可信度卻是主觀的、變化的。在擁有大量數據或設計清晰易懂的情況下，可以通過頻率和物理設計計算概率。相比之下，可信度的概率範圍更廣，這表明概率可以應用於任何問題。這樣做的危險在於，我們會很輕易地認爲只需計算概率就能解決所有不確定性問題，導致經驗法則等其他重要工具被束之高閣。

概率的三個特性，對於擲骰子可能並不重要，但在涉及現代科技時就變得至關重要。核電站發生重大事故的概率可以根據之前的事故數量、核電站的物理設計和專家的可信度計算得出。這三種方法可以使用其一，也可以混合使用，但計算結果可能截然不同。計算核電站的事故次數很簡單，但是因核電站設計而發生事故的傾向卻很難確定，而且可信度也會以專家的立場而完全不同。因此，當我們聽到核泄漏的概率或其他任何風險的概率時，一定要問清楚他們是如何計算出來的。

計算風險是一回事，如何溝通則是另一回事。目前，我們可以看到兩種風險溝通工具：

（a）使用頻率而非單一事件的發生概率；

（b）使用絕對風險而非相對風險。

第一種工具可以幫助我們理解風險發生的可能性，比如降水概率。「明天的降水概率爲30%」說明的是單一事件的發生概率，而「在發佈這種天氣預報的日子裏有30%的天數會下雨」則表明了指稱詞是天數，而非地區或時間，那麼30%表示的就是頻率。

第二種工具有助於我們理解風險的變化情況，比如「服用新型避孕藥會使女性患血栓的風險增加100%」，這種說法令人膽戰心驚，但這只是相對風險，絕對風險僅增加了1/7000，後者才是風險溝通的客觀方式。

啓發法的準確性

在一個充滿變數的世界，僅靠統計學思維和風險溝通是不夠的。要做出明智的決策，經驗法則至關重要。2009年1月，一群加拿大黑雁撞擊了全美航空1549號航班的飛機引擎，導致飛機兩個引擎關閉。

機長果斷下令返回機場，最終成功迫降在水面上。他們使用的就是經驗法則：某着陸點——如果該點在飛機擋風玻璃上的位置越來越高，這個點就是無法到達的。他們不是依靠數學計算，而是依靠目測信息。如果某個地方是可以到達的，那麼這個着陸點就會在擋風玻璃上不斷下降。於是，他們決定飛往哈得孫河。

經驗法則或啓發法能夠幫助我們快速作出決定，雖然沒有收集什麼信息，但準確性很高。大腦能夠使用簡單的方法去解決複雜的問題，這就是啓發法，因爲這類方法只關注一條或幾條重要的信息，而忽略其他信息。飛行員判斷飛機能否抵達機場時所採用的經驗法則就是一個例證。每一條經驗法則都可以有意識或無意識地被使用。

如果是無意識地使用它，這種判斷的方法就被稱爲「直覺」。直覺是這樣的：

（a）它似乎比意識更快；

（b）我們並不完全知道它發生作用的潛在原因；

（c）但它很強烈，促使我們採取行動。

直覺並非幻想或第六感，而是一種無意識的智慧。我們大腦的絕大部分都處於無意識的狀態，如果沒有存儲在那裏的大量經驗，人類必然會滅絕。大腦的計算能力也許可以解決已知風險，但面對不確定性時，直覺就變得至關重要了。然而，我們的社會往往拒絕承認直覺是一種智慧，而認爲邏輯計算能力才是智慧的體現。

誠然，一條經驗法則不可能解決所有問題，因此我們的大腦學會了很多法則，彙集在「工具箱」之中。正如釘釘子最好用錘子，擰螺絲最好用螺絲刀，這些經驗法則需要因地制宜地使用。要想做出明智的決定，必須知道哪個問題應該用哪種工具解決。

啓發法之所以奏效，應該歸功於我們進化的大腦。然而，啓發法並非是很多領域的研究課題。從經濟學到哲學，關於理性決策的大多數理論仍然認爲，所有風險都是可知的。社會科學領域的大多數專家都致力於研究複雜的邏輯學和統計學，但幾乎沒有人研究啓發式思維，即使有，也大多認爲啓發法是導致人類犯錯和災難發生的原因。

因此，吉仁澤認爲需要一場革命，一場關注啓發法的革命，一場最終能夠幫助人們應對各種不確定性的革命。塔勒布認可的三位大師之一赫伯特·西蒙就是這場革命的倡導者之一。而吉仁澤構建的數學模型，目的就是教會人們如何在不確定的情況下作出明智的決策。他稱這場革命爲「啓發法革命」，它要求我們學習如何在經驗法則的幫助下應對不確定性。

確定性錯覺之謬誤

對於確定性，存在兩種主要的錯覺。每當已知風險被誤認爲是完全確定的，就會出現零風險錯覺。很多人認爲，幾乎絕對可靠的現代科技，比如艾滋病測試、基因分析、影像檢查，給我們提供了高科技手段，卻讓我們對確定性產生了誤解。

可預測風險的錯覺或「火雞的錯覺」則不同，它誤將不確定性當作已知的風險，就像零風險錯覺一樣。在這兩種情況下，真實世界和我們所感知的世界之間存在很大的差別。

不管面臨的是已知風險還是不可預測的風險，想知道我們所處環境的不確定性都很難。

塔勒布的「火雞的錯覺」假設一隻火雞來到人類世界，一個屠夫出現在它的生活中，火雞擔心屠夫會殺了它，但屠夫很和善，餵給它食物。第二天，火雞發現屠夫又來了，他還會餵它食物嗎？火雞可以計算這件事發生的概率，著名的數學家皮埃爾-西蒙·拉普拉斯發明的「平滑定理」告訴火雞答案：如果同一件事之前發生過n次，那麼這件事再發生的概率爲：（n+1）/（n+2）。這是一種典型的確定性決定論。

n代表屠夫喂火雞食物的天數。也就是說，第一天過後，屠夫第二天喂火雞的概率是2/3。第二天過後，概率增長爲3/4，以此類推，概率一天大於一天。與此同時，屠夫殺掉火雞的概率越來越小。到了第100天，火雞幾乎百分百地確定屠夫會來餵食物，但火雞不知道隔天就是感恩節了。雖然屠夫餵給火雞食物的概率比以往都高，但火雞卻要大難臨頭了。感恩節對於火雞來說是未知信息，如果火雞知道所有可能的風險，很可能會重新計算概率。但直到被屠夫宰殺的那一刻，火雞才知道自己漏掉了一條重要信息。誤以爲風險是可以預測的，是一種確定性錯覺，但這就是「火雞的錯覺」。

火雞未曾預料到自己的悲慘結局，這與專家未能預測到金融危機有着相似之處。兩者都使用了短期內可能奏效的模型，但卻沒有預測到正在逼近的災難。美國房地產市場的風險評估主要基於歷史數據以及與拉普拉斯平滑定理類似的模型，因爲房價一直走高，所以風險似乎在漸漸在減少。次貸危機爆發前，人們的信心指數達到了歷史最高點。

2008年3月，時任美國財政部長的亨利·保爾森宣稱：「我們的金融機構包括銀行和投資銀行很強大。我們的資本市場彈性很大。它們都很高效，很靈活。」不久之後，整個經濟開始動盪。讓保爾森信心十足的風險模型並沒有預測到這次危機，就像火雞不知道感恩節即將到來一樣。

經驗法則並不愚蠢

已知風險模型會釋放出錯誤的確定信息，催生而非防止災難的發生。高盛集團財務長戴維·維尼爾在報告中稱，「僅相當於25西格瑪的極小概率事件」竟然發生了多次，造成了巨大損失，這完全超出了公司風險模型的預測範圍。

那麼，這種事件的概率應該是多少？根據高盛的風險模型 ( 風險價值法 ) ，西格瑪的事件每兩年會發生一次，5西格瑪的事件自冰河時期以來僅發生過一次，7西格瑪或8西格瑪的事件從宇宙大爆炸以來僅發生過一次，25西格瑪的事件則根本無法想象。

但是，這種無法想象的事件卻發生了不止一次，而且是多次。運氣太差肯定不是原因所在，問題出在不適合的風險評估方法上，這些方法誤以爲所有不確定的風險都是已知風險。正是因爲通過計算得出了不確定性風險發生的所謂「精確」概率，我們才產生了確定性錯覺。

有人批評銀行的運行方式類似賭場，如果真是這樣就好了。正如《極端不確定性》的作者默·文金所說的，如果銀行真的像賭場，那風險至少是可以預測的。

然而，投資銀行所處的真實世界一直在變化，充滿了不確定性，並非所有人都可以信任，意外隨時都可能發生。事實上，以已知風險爲研究對象的金融理論很可能是引發金融危機的原因之一。經濟學家約瑟夫·斯蒂格利茨在談及2008年金融危機時表示，如果認爲基本完美的信息與完美信息非常相似，那你就錯了。

追求確定性的慾望已深入人心。17世紀德國哲學家戈特弗裏德·萊布尼茨曾設想建立一種數學或符號體系，用於表示所有想法，爲每個問題確定最佳答案，所有的學術爭論也會就此終止。但是，偉大的萊布尼茨未能做到，他忽視了風險和不確定性之間的區別。

如今，「聰明」的學者發明了很多方法來應對不確定性，他們把不確定性看成已知風險，這樣就可以運用標準的數學模型來預測風險，而不用面對現實世界了。有些建議好像是對的：擁有更多的信息總是好的，進行更多的計算總是好的。事實上，它們都是錯誤的。在一個變化莫測的世界，涉及更多信息和計算的複雜決策方法往往會更加糟糕，導致人們產生確定性錯覺並造成損害。

很多人可能認爲，經驗法則是「快速而低劣」的捷徑，雖然可以節省時間和精力，但需要以犧牲質量爲代價。這種看法被稱作「準確性與認知努力間的權衡」，在做決策時，經驗法則總是居於次要地位。但是，這種看法只有在方向一致的情況下才成立，在不確定性的情況下並不成立。要想在變幻莫測的世界裏做出明智的決策，必須忽視一部分信息，就像經驗法則教我們的那樣，這樣做既可以節省時間、精力，還能使決策更加明智。

無論何時，我們都要記住：

（a）風險不等於不確定性。針對已知風險做出的最佳決策，用於應對不確定性並非最佳。

（b）經驗法則並不愚蠢。在一個充滿不確定性的世界，簡單的經驗法則比精確的計算，更有助於我們做出好的決策。

（c）複雜問題並不一定需要複雜的解決方法，應該先尋求簡單的方法。

列昂納多·達·芬奇說，經驗是一切可靠知識的母親。經驗是沒有錯誤的；犯錯誤的只是我們的判斷，它會讓經驗去辦超出能力範圍的事情。投資領域基本上充滿了不確定性，依靠適用於已知風險的金融理論可能會導致虛假的確定性，即火雞的錯覺。

吉仁澤相信簡單的經驗法則擁有巨大的效能，會爲我們提供了一個可選方案。在我看來，這個簡單的經驗法則相當於彼得·考夫曼所說的「人類兩萬年的經驗」和納西姆·塔勒布所說的「祖母的智慧」。

編輯/jayden