|
因为工作，需要深入研究数据统计方面的知识，特别是关于样本抽取和变量控制，也许太阳的高度就影响到软件bug出现的概率。这当然是个玩笑，却也多多少少道出了变量控制的难度：影响实验的因素太多，甚至到了难以控制的地步。 即使测出的数据有差异性，有时也难以断定就是控制的变量引起的。拿自己最近测试的“手机蓝牙开门的成功率”来说，我努力控制让两组数据的变量差异是：手机离蓝牙门禁的距离。最后测出来的数据确实有差异，离得远的实验组失败概率高，离得近的对照组失败率低。 看似是个不错的实验数据，和经验判断也相符，能说明一些问题，但上个洗手间回来突然想到，自己忽略了一个因素：机器开机的时间。 我们知道，一个硬件长时间运转后（特别是频繁的开启、连接、断开），会导致硬件出错的概率变大。而之前的数据，我先测试的是近距离数据，紧接着测试的远距离数据（中间没有暂停，让机器冷却），也就是说两组数据的变量:一是距离，二是机器运转时间。 所以即使最后得出的数据显示，近距离成功率高于远距离，这个结论的正确性也被打了大大的折扣。发现问题后，一切得重新开始。 通过一定渠道得到统计数据，如果稍不注意，就会导致错误结果。这就是《统计数字会撒谎》的核心思想。 另一方面，我们总是期望根据已有的历史数据来预测未来，而《黑天鹅》的作者提醒我们，即使真正掌握世界所有的变量、信息，也不可能做出所有正确的预测，未来并不全是历史决定的。量子力学的实验也支持了该结论。 假想自己是被养在笼子里的鸡，每天有人伸手给你投食，这样一直相安无事地过了360天。你很自信的说，根据以往的观察数据来看，第361天也一定会这样，但事实是，第361天时你被杀了当做年货。 我们现实中的数据也是这样，即使之前有成千上百万次的数据支持，也只能说明这个结论未被证伪而已。最典型的是，在澳大利亚未被欧洲探险者发现前，所有欧洲人都坚信天鹅是白色的，直到澳洲黑天鹅被发现，这一信念才被打破。 这个例子说明，即使之前已经发现几百万只白天鹅，也不能证明世界上所有天鹅都是白色的，而只要发现一只黑天鹅，就足以推翻“天鹅都是白色的”这一推论。 波普尔说：证伪总是比证实来的简单，这就是信息的不对称性，并将此作为科学与非科学的界限：科学是可以被证伪的，非科学不可以被证伪。 也许大家看起觉得很熟悉，没什么大不了的。但是紧接着，他说： 数学和逻辑学不是科学，因为他们不能被证伪。所有科学和非科学都有正确与谬误之分。 我感到有些不可思议，这和自己以前的知识相违背，但暂时未能找到合理的解释来调解这个认知上的矛盾。于是波普尔的十本书又被列入了自己待读书籍列表。 不过，证伪比证实来得更简单的信念应该会对自己有比较大的改变。因为一个结论很难被证实，导致了世界的不确定性。而一直以来，我和朋友就在讨论，我们现在能看到的成功人士，他们成功的原因有多少是因为世界的不确定性（也就是运气）而有多少又是由于他们本身超强的预见能力，还是两者都有？ 大家知道，生物进化时的基因变异是没有预见性的，有些变异适应环境利于生存，于是被遗传保存下来，成为我们现在身体的一部分。而那些没有遗传下来的都被忽视了（绝大部分的基因变异都是沦为此结局）。互联网时代开始也是一样，往各个方向努力的创业者都有，但是最后被人们知道的是那些成功活下来的。这说明了什么呢？ 世界存在不确定性，不意味着我们要放弃尝试预见。如果一个人的精力和资源无限，那么他可以进行各个方向的尝试，无需做任何预见，就像生物进化那样。但这个不现实，你只能活几十年，你不能像无头苍蝇那样到处乱撞，你需要对未来做出判断，即使并不能100%正确，但总比不做判断好。 另外，面对不确定的世界，应该有相对较好的应对策略，比如在允许的情况下多尝试就会比普普通通过一辈子更有可能有所作为，这需要勇气，而这也是那些创业者令人敬佩的地方：尝试意味着高风险，也意味着高回报，但很多人早就被风险吓怕了。 总结：数据统计总计归纳出的结论，并不能100%正确地预测未来。“无数数据的证实”并不是科学的本质，科学的本质在于“可被证伪”。而科学的证实之难导致了世界的不确定性，在面对难以预知的世界，最好的应对策略也许并不是每天祈祷好运气，而是在允许范围内的多次尝试。 |
|
|
来自： hongzhuanyidui > 《其他》
