|
复杂系统崩溃的原因，除了系统本身的复杂性和紧密耦合，还和以下3个因素有关。 1. 仅凭直觉去解决问题的习惯 复杂系统给人的感觉，有点类似于考试时的压轴大题。对压轴难题，大部分人看都没看就直接放弃了，因为他们打心眼里觉得一定很难，思考了也得不出结果。对复杂体统，大部分人也没有兴趣去研究清楚。 与此同时，复杂系统无法给我们提供任何有效的反馈，我们也就没有任何经验来判断所作出的决策是好是坏。 这就导致了系统越复杂，人们越习惯仅凭直觉去解决问题。结果可想而知，拍脑袋做出的决定就像在摇骰子，结果好坏全凭运气，充满了不确定性。 2. 计划持续偏见 做好计划后，即使情况有变，我们也不愿意改变计划。项目进行到一半，就算发现之前的小错误，我们也往往为了更快得到结果，而选择忽视它。这就是“计划持续偏见”。换句话说，也就是发现不对劲的苗头，仍然选择照做不误。 为什么会产生计划持续偏见呢？原因主要包括下面3点： 我们对自己的辛苦付出和准备抱有一定情感，不愿轻易放弃。 在事情进行的过程中，大部分人的反应都会越来越弱，无法保持相应的警惕心理。 随着完成情况的推进，我们越来越能感受到胜利的曙光，好像成功就在前方召唤我们。此时，我们非常容易信心爆棚，从而选择赌一把。 3. 异常正常化 因为该风险在之前未曾造成过糟糕的结果，就将其归为可以接受的情况，这样的做法，就称为“异常正常化”。 无论是1986年的挑战者号爆炸，还是2003年的哥伦比亚号事故，都是“异常正常化”造成的。一个是由于小小的密封圈破裂引起的，一个是由于燃料箱上泡沫绝缘层的脱落造成的，两件事的起因都很不起眼，也都被发现了，但是因为没有被重视，没有被当作警示信号，所以没有得到解决，最终酿成了重大灾难。  面对崩溃，我们如何防范于未然？这里有一个建议：面对艰难决策，不要靠直觉博弈，而是使用结构化的决策工具。 在复杂系统中，主观臆断很危险。因此，作者建议我们使用客观工具，比如：避免预测过分乐观的SPIES概率区间估计法，减少遗漏决策要素的事先标准，可以确定成功障碍的事前检验等。 SPIES概率区间估计法心理学家莫尔和哈兰发现，人们对复杂系统进行预测时，给出的置信区间通常还达不到一半的准确率。 为什么会这样呢？因为人们往往只注意到两种情况：可能的最佳结果，和可能的最坏结果。这样一来，其他可能的情况就会被划分到关注点的盲区。 但SPIES概率区间估计法不是这样。它从可能性为0的最小范围开始，再到可能性为0的最大范围结束，囊括了所有可能的范围，并将其平均分成几个区间，分别计算每个区间的可能性。 这么一来，考虑的整体范围得到了扩大，得出的结果也才更接近真实情况。 事先标准在医学界有个重要的“渥太华踝关节规则”，这个规则只有4项标准，却能让医生不漏过任何严重的骨折。在决策中，我们把这4项标准称为“事先规定好的标准”。网上流行的“维基序列测量”就是一个很好的例子。 事前规定好的标准包括关键要素，权重，相关评分等内容，最终，决策者将根据最后的总评分做出决定。通过将抽象的看法落实到具体的细节，并进行量化评估，我们就能透过模糊的感觉找到更精准的答案。 从某种程度上说，事先规定好的标准能使我们免受表面细节和个人情感的误导。有研究就曾发现，利用“维基序列测量”买房的人，事后往往会觉得自己做出了相当明智的决定，而那些拍脑袋决定的人，事后却常常吐槽自己当初是头脑一时发热。 事前检验事前检验被心理学家认定为是未来的后见之明，它指的是在假定某件事已经失败的基础上，分析失败的原因，并给出解决方案。 也就是说，事前检验能提前给我们打一针预防针，让我们在面对实际结果时不至于手忙脚乱。与此同时，事前检验也能让潜在的问题浮出水面，有利于我们消灭相关的隐患。 |
|
|
