因光致盲：復雜建模的風險

毫無疑問，自從人類出現(xiàn)以來，在過度自信和不夠自信之間尋找平衡一直都是一個難解的問題。所不同的是，如今是一個信息技術(shù)爆炸的時代。有了計算機的幫助，我們可以解決一些非常棘手的問題，但也正是因為有了計算機，才有了信息的指數(shù)式增長，這多少讓決策者們有些不知所措。模型可以幫助我們分析這些信息，但同時也可能會讓我們變得過度自信，這是一種特別并且危險的副產(chǎn)品。

與模型相關(guān)的過度自信有兩個來源：首先，研究人員發(fā)現(xiàn)，在某一給定的情境下，人類的直覺容易過度糾纏于某一個顯著的變量，而不會去權(quán)衡所有可能的變量。丹尼爾·卡尼曼（Daniel Kahneman）和阿莫斯·特沃斯基（Amos Tversky）創(chuàng)造出了“代表性原則偏誤”（representativeness heuristic）這一術(shù)語來描述這種傾向。受到這一偏誤影響的建模者往往會拘泥于少量的、直覺上可信的變量而忽視其他重大問題。第二，如上所述，人們在收集到更多的信息之后就容易變得更為自信，但他們所作出的決策準確度卻未必會提高。建立復雜的模型會產(chǎn)生大量的信息，更容易讓建模者產(chǎn)生一切盡在掌握的舒適感。

糾纏于某一個變量，然后在建模的過程中又變得更為自信，這是一件非常危險的事。這就像拿著一只手電筒走夜路：光圈范圍之內(nèi)的東西都清晰可見，而其他一切都沉浸在無邊的黑暗里。偏重建模（光圈）是人類一種很自然的傾向，因為它能夠產(chǎn)生具體、確切的答案。其他的信息可能是某種逸聞、模糊的觀念或是流言，很難加以權(quán)衡。但是，如果有一只黑天鵝正在暗影里潛伏，僅僅注意到光圈范圍內(nèi)的事物就會變得非常危險。

費希爾·布萊克認為，當前的經(jīng)濟學理論大都存在著這樣的問題。他指出，經(jīng)濟學家們只把目光放在那些簡單的模型上，因為他們已經(jīng)知道如何解這些模型，而且他們選擇某些數(shù)據(jù)來對這些模型進行檢驗，僅僅是因為這些數(shù)據(jù)很容易得到。

其他的研究者們提出了一種假設，認為投資者們太過注重“非公開信息”（即他們在光圈中所看到的），并對公開信息（其他隱在黑暗中的一切）反應遲緩。這些研究者們利用這一理論來解釋股市發(fā)生的某些震蕩。比如，股票價格的短期上升，可能反映了投資者們因為他們的非公開信息為公開數(shù)據(jù)所強化，從而變得過度自信，拉升了股票價格。

類似的問題也困擾著其他領域的分析人員。比如，有史以來，情報分析人員都對加密的人際情報和信號情報表現(xiàn)出了更多的關(guān)注，但卻對開源信息（在互聯(lián)網(wǎng)、媒體或?qū)W術(shù)及行業(yè)會議上能夠免費或廉價得到的信息）不甚在意。這種對加密信息的偏好可能與中情局（CIA）理事會在文化上的主導地位有關(guān)。不過，有些專家認為，在互聯(lián)網(wǎng)時代更應該注重開源信息，因為這些信息提供了巨量的有用的數(shù)據(jù)。仍然堅持把重點放在加密信息上就相當于盯著光圈不放，而忽視了黑暗中的一切。