13 學習如何有效決策
13 學習如何有效決策
作為一個職業的決策者，我一直在研究如何有效決策，並不斷在尋找能降低犯錯概率、實現更好效果的決策規則與係統。
我了解到的最重要的東西之一是，大部分日常決策是潛意識性過程，比通常認為的要複雜。例如，想想你在開車時，如何和前麵的車保持安全距離。現在請你詳細描述這個過程，以讓從來沒有開過車的人也能做得和你一樣好，或者能輸入計算機，成為自動駕駛汽車的控製程序。我敢打賭，你做不到。
現在想想這個挑戰：用係統化、可複製的方式把你的所有決策做好，同時還能以非常清晰準確的方式描述決策程序，從而讓處在同樣情況下的任何人都能做出同樣的高質量決策。這正是我渴望做的事，而且我發現朝這方麵努力價值無限，盡管我距離完美還很遠。
盡管世界上並沒有最好的決策方式，但存在一些有效決策的普通規則。第一條是：
5.1 要認識到：（1）影響好決策的最大威脅是有害的情緒；（2）決策是一個兩步流程（先了解後決定）
了解必須先於決定。如第一條所說，大腦能夠儲存不同類型的知識，有潛意識，能機械記憶，能養成習慣。但不管如何獲取知識、在哪裏儲存知識，至關重要的是，你了解到的東西能夠真實、豐富地反映相關現實，從而使你做出更好決策。所以在了解過程中保持頭腦極度開放，向可信的人請教，始終是有幫助的。許多人在情緒上不願意這麽做，而這會妨礙他們了解現實，做出更好的決策。始終提醒自己，至少聽一下某種相反的觀點，永遠都沒有害處。
決策過程分兩步：先選擇作為決策基礎的知識，既包括相關事實（“是什麽”），也包括你對事實背後的因果機製的宏觀理解；然後根據這些知識來確定行動計劃（“怎麽做”），這需要你反複權衡不同的可能性，以設想如何實現符合你願望的目標。為了做好第二步，你需要綜合權衡直接結果、後續結果和再後續結果，而且做決定時不能隻看到短期結果，還要看到長遠結果。
很多慘痛的糟糕決定，都是由於決定者未能權衡後續和再後續結果，而當你最初做出的劣質決策印證了你的偏見時，決策的不良後果就會尤為致命。在提出疑問和探尋事實真相之前，永遠不要看到一個選擇就定下來，不管它看起來多麽好。在過去，為了避免自己墜入這個陷阱，我習慣自問：我在了解相關情況嗎？我已經掌握了決策所需的所有知識了嗎？經過一段練習後，你會自然、心態開放地搜集所有相關信息，但你必須躲過不良決策的第一個陷阱，就是先在潛意識驅使下做一個決策，然後挑選與決策相符的數據。
那麽，如何才能把了解做好呢？
把了解做好
對我而言，歸根結底，對現實形成準確、完整的認識需要兩件事：能夠準確綜合分析，知道如何綜合考慮多個層級。
綜合分析是把許多數據轉化為一幅精準畫麵的過程。綜合分析的質量將決定你的決策質量。所以，與你知道的善於綜合分析的人一起審視你的觀點，總是會有幫助的。就算你覺得自己的綜合分析能力已經很強了，這樣做也能讓你提高。對於一位可信者的觀點，任何理智的人都應該心存自己可能犯錯的敬畏去思考，而不應輕易拒絕。
為了把綜合分析做好，你必須：（1）綜合分析眼前的形勢；（2）綜合分析變化中的形勢；（3）高效地綜合考慮多個層級。
5.2 綜合分析眼前的形勢
每一天你都遇到無數事情紛至遝來。暫且把這些事情稱為“點”。為了做到高效，你必須能分清哪些“點”重要，哪些不重要。一些人畢生收集各種零零碎碎的看法和觀點，而不是隻保留自己需要的。他們有“細節焦慮症”，擔憂不重要的事情。
有時小東西也是重要的，比如，你汽車發動機裏咯咯響，可能隻是一片塑料鬆了，也可能是正時皮帶要斷了的跡象。關鍵是要有更宏觀的視角，這樣才能對真正的風險程度做出快速準確的判斷，而不會陷在細節中不可自拔。
謹記：
a.你能做的最重要的決定之一是決定問誰。確保他們是可信的人，對情況的了解全麵。無論你想理解什麽，找到負責這方麵的人，問他們。請教不了解情況的人還不如找不到答案。
b.不要聽到什麽信什麽。觀點很廉價，幾乎所有人都願意和你分享觀點。許多人會把觀點表述為事實。你要區分觀點和事實。
c.所有東西都是放在眼前看更大。在生活的所有方麵，正在發生的事情都似乎很大，回頭來看則不然。所以你應該跳出去以看到全局，有時候可以過一段時間再做決定。
d.不要誇大新東西的好處。例如，在選擇看什麽電影、讀什麽書時，你傾向於時間證明的經典還是最新的轟動性作品？在我看來，選擇最好而不是最新是更聰明的做法。
e.不要過度分析細節。一個“點”隻是來自一個時刻的一條數據，你綜合分析的時候始終要看到大局。就像你需要區分大小、特定事件與總體規律一樣，你也需要知道從每一個“點”能得到多少知識，而不是高估其重要性。
5.3 綜合分析變化中的形勢
為了明白不同的點在一段時期內的相互關係，你必須搜集、分析和識別不同類型的信息，而這並不容易。例如，設想有一天發生了8個事件結果，有的好，有的壞。我們把這一天的情況畫下來，每種事件類型由一個字母表示，每個結果的好壞由其高度表示。
為了綜合分析這一天，你必須根據類型（以字母代表）和質量（從低到高，越高越好）來將結果分類，這將需要對每一類總結出大體的評估。（為了讓這個例子更具體，可以設想你在經營一家冰激淩店，W代表銷售情況，X代表客戶體驗評分，Y代表媒體報道和評價，Z代表員工積極性，等等。）始終記住，我們的例子是個相對簡單的例子：一天隻發生了8個事件。
從右圖中你能看到，這一天的銷售很棒（因為兩個W都在頂部），但客戶體驗不好（見兩個X）。你可以想想原因是什麽，比如一群人到來，所以銷售很多，但也造成排長隊。
善於這樣看待事物的人可謂鳳毛麟角，但就像大多數能力一樣，綜合分析變化時間形勢的能力也不完全是天生的，就算不擅長，你也可以通過練習來提高這種能力。遵守以下原則，你將提高成功的可能性。
a.始終記住改善事物的速度和水平，以及兩者的關係。當你要確定某個事物可以接受的改善速度時，你要注意的是事物水平相對於改善速度的關係。我經常發現人們看不到這一點。他們說“事情正在改善”，但沒有注意到事物的質量距離平均水平還有多遠，以及其改善速度能否確保其在可接受的時間內超過平均水平。如果過去在考試中得三四十分的人，在幾個月裏成績達到了50多分，說成績在改善也是對的，但他的水平仍然很差。你生命中所有重要的東西需要以足夠快的速度不斷改善，超越平凡，走向卓越。第240頁圖中的線條顯示了隨著時間的推移各個點會如何連接起來。線條A將讓你及時地超越平凡，線條B則不行。要做出良好的決策，你需要明白現實是哪種情況。
現在看看一個月的工作日是什麽情況。有點令人困惑吧？
下圖隻顯示X類型的點，你能看到情況在改善。
b.不必過於精確。理解“差不多”這一概念，使用粗略估計法。因為我們的教育係統過於重視精確，所以擅長粗略估計這個技能的價值常被低估。這會影響概念化思考。例如，當被要求計算“38×12”時，大多數人是以緩慢費力的方式計算，而不是簡單地把38四舍五入成40，把12四舍五入成10，然後快速地確定答案在400左右。看看冰激淩店的例子，想一想，與其費力地把所有關係弄清楚，快速看到各個點之間的大致關係，是多麽有用。費力進行精確計算是愚蠢的，但大多數人就是這麽做的。為了做出有效決策，你需要在“差不多”這個層麵上理解大多數事物。當每次有人做一個宏觀的“差不多”的陳述，而有些人反駁說“並不總是這樣”時，我的本能反應是，我們也許要丟西瓜撿芝麻了，即討論例外而不是常規，而這將讓我們看不到常規。為了幫助橋水的員工避免這種浪費時間的情況，我們的一位剛從大學畢業的投研人員說了一句我經常複述的話：“當你問一個東西對不對而對方告訴你並不完全對時，那它大致是對的。”
c.謹記“80/20法則”，並明白關鍵性的“20%”是什麽。“80/20法則”是指，你從20%的信息或努力中得到80%的價值。（同樣，你可能需要花費80%的努力來獲取最後20%的價值。）理解這一法則後，一旦你了解了做出好決策所需的大多數情況，你就不必再陷於不必要的細節之中了。
d.不要做完美主義者。完美主義者花太多時間關注邊緣性的微小因素，影響對重大因素的考慮。做出一個決定時通常隻有5—10個需要考慮的重要因素。重要的是深入了解這些因素，而過了一定的臨界點後，即使研究重要因素，所產生的邊際收益也是有限的。
5.4 高效地綜合考慮各個層次
現實分為不同層次，每一層都能給你不同但有價值的視角。綜合分析和決策時你需要把這些層次都記住，並知道如何在不同層次之間轉換。
假設你正在穀歌地圖上觀看你的家鄉。把地圖放大到能看到建築時，你就看不到家鄉周圍的地區了，而後者是重要的信息。也許你的家鄉在水邊，但地圖放得太大的話，你將無法判斷那是河岸、湖岸還是海岸。你必須知道，為了合理決策你要考察哪個層次。
我們總是從不同層次看事物，並在各個層次之間轉換，不管我們是有意識還是無意識地這麽做，不管我們做得好不好，不管我們看的是物體、觀念還是目標。例如你也許每天都在兩個層次之間轉換，一個是你的價值觀，另一個是你為實現價值觀做的事。大概情況如下：
1 高層次的全局：我想要能學到很多東西的有意義的工作。
1.1 次一級的理念：我想成為一名醫生。
次一級的點：我需要上醫學院。
再次一級的點：我需要在科學課程上取得好成績。
再再次一級的點：我今晚需要在家學習。
要觀察你在生活中這方麵做得怎麽樣，可以注意你的談話。我們在談話時傾向於在不同層次之間轉換。
a.用“基線以上”和“基線以下”來確定談話位於哪一層。基線以上的談話關注要點，基線以下的談話關注分點。當一段分析混亂、令人迷惑時，通常是因為談話者陷於基線以下的細節之中，而沒有重新把細節與要點聯係起來。基線以上的談話應當以井然有序的方式走向結論，隻有在有必要說明某個要點的細節時才可走到基線以下。
b.謹記，決策需要在合理的層次做出，但也應在各層次之間保持一致。例如，你想過健康生活的話，你就不應該每天早餐吃12節香腸、喝點啤酒。換言之，你需要不斷聯係和調和從不同層次搜集的數據，以對具體情況形成全麵認識。就像一般的綜合分析能力一樣，一些人天生在這方麵做得較好，但任何人都能通過學習來達到一定的程度。為了做好這一點，你有必要：
1.謹記任何問題都存在很多層次。
2.針對一個問題，明白你分析的是哪個層次。
3.有意識地在不同層次之間轉換，而不是把問題視為一堆沒有內在區別、可以隨意考察的事實。
4.以下頁圖為模板把你的思考過程畫成圖。
如果你以極度開放的頭腦來做這些，你不僅將更明白你看到的東西，還將更明白你沒看到但也許其他人看到的東西。這有點像爵士樂手們不在一個調上，而在都明白自己的層次後，所有人就能在同一個音調下演奏。在你們都知道自己的思維方式並開放地看待其他人的思維方式後，你們就能一起創造出好的概念爵士樂，而不是隻能衝彼此尖叫。接下來我們再進一步，看看做決策的問題。
把決策做好
利用決策邏輯來創造長期的最佳結果，本身已經成為一門科學。這門科學利用了概率學和統計學、博弈論等工具。盡管這些工具很多都能帶來幫助，但有效決策的基本要素是相對簡單和永恒的，事實上在不同程度上以基因的形式存在於人腦裏。通過觀察野生動物你會發現，它們本能地計算自身能量的預期價值，以將發現食物消耗的能量最小化。這方麵做得好的動物繁衍成功，通過自然選擇過程傳遞自身基因，做得不好的動物則會慘死。盡管在這方麵做得不好的人類通常不會慘死，但他們肯定也會遭到經濟選擇過程的懲罰。
好的情況
一個更大的有效序列
一個符合邏輯並分析細節的有效序列
不好的情況
一個隨機的、走向脫軌的過程
一個直線下跌、毫無成果的過程
如前所述，大致存在兩種決策方式，一種以證據和邏輯為基礎（來自較高層次的大腦），另一種以潛意識和情緒為基礎（來自較低層次的動物性的大腦）。
5.5 綜合分析現實、理解如何行動的最好工具是邏輯、理性和常識
注意不要依賴其他任何東西。不幸的是，心理學家進行的大量測試表明，多數人在多數時間裏受到較低層次大腦的控製，這導致劣質決策，而他們還不自知。如卡爾·榮格所說：“除非你意識到你的潛意識，否則潛意識將主導你的人生，而你將其稱為命運。”更重要的是，當多個群體合作時，決策應當基於證據、符合邏輯，否則決策程序將不可避免地被最強大而不是最明智的成員主宰，這不僅不公平而且質量較低。成功的組織都有組織文化，確保基於證據的決策是常規而非例外。
5.6 根據預期價值計算做決策
把每個決策都視為一個押注，押對有一個概率，有相應的獎勵；押錯有一個概率，有相應的懲罰。會贏的決策通常是具有正向預期價值的決策，也就是說，獎勵乘以其發生概率的數值大於懲罰乘以其發生概率的數值，預期價值最高的決策是最好的決策。
比方說，押對的獎勵是100美元，概率是60%，押錯的懲罰也是100美元。100美元獎勵乘以押對的概率60%，等於60美元；100美元懲罰乘以押錯的概率40%，等於40美元。用獎勵減去懲罰，差額就是預期價值，這個例子中的預期價值是正20美元。一旦理解了預期價值，你也會理解，押概率最大的情況不一定是最好的。例如，設想某件事的成功概率隻有20%，而獎勵的回報是1 000美元，失敗的損失隻有其1/10，為100美元。這件事的預期價值是正120美元。所以，隻要你對損失有承擔能力，這也許就是個明智的決策，盡管你失敗的可能性更大。你不斷地計算這些概率，隨著時間的推移，你肯定將看到成功的結果。
盡管多數人並不明確地進行這些計算，但我們經常憑直覺這樣做。例如，盡管下雨的概率隻有40%，但你依然決定帶傘去商店；盡管你幾乎肯定自己知道路，但你依然要查看手機來確認方向。這些時候你都是在計算預期價值。
有時即使你押錯的可能性非常大，但押錯的成本幾乎可以忽略不計，而押對的概率雖然很小，獎勵卻很高，在這種情況下，試一下仍然是明智的。就像俗話說的：“多問問總沒壞處。”
這個原則給我自己的生活帶來了很大改變。多年前我剛剛成家時，我看到了一棟各方麵都很完美的房子。問題是這棟房子並不掛牌出售，我問的每個人都告訴我，房主沒有出售的意願。更不利的是，我還很確信我將難以申請到足夠的抵押貸款。但我覺得，給房主打個電話詢問一下，看看我們能否達成某種交易，不需要投入任何成本。事實證明他不僅願意出售，還願意借給我一筆錢！
同樣的原則適用於押錯的懲罰極大的情況。例如，盡管你患上癌症的概率很低，但當出現某種征兆時，你去檢查確認一下也是有好處的。
為了幫你把預期價值計算做好，謹記：
a.不管你押對的概率已經有多大，提高你的押對概率始終有價值。
我經常看到人們在押對概率高於50%時做決定，而他們沒有看到的是，假如進一步提高押對概率，他們將多獲得多少（你幾乎總是可以通過獲取更多信息來提高押對概率）。與把押對概率從49%（錯的可能性略高）提高到51%（對的可能性隻是略高一點）相比，把押對概率從51%提高到85%（提高34個百分點）所產生的預期價值增益是前者的17倍。把概率視為你犯錯可能性的標尺。把押對概率提高34個百分點意味著，你1/3的押注都將從損失變成收益。所以即使在你很有信心的情況下，對你的思維進行壓力測試也是有好處的。
b.知道什麽時候不要去押注，和知道什麽注值得押同樣重要。隻在你最有信心會獲得回報的時候押注，你的記錄才會得到顯著改善。
c.最好的選擇是好處多於壞處的選擇，不是毫無壞處的選擇。看看有些人，發現一點問題就反對某件事，而不合理權衡所有的優缺點。這樣的人通常不善於決策。
5.7 比較更多信息帶來的價值和不做決定造成的成本，決定優先順序
有的決定最好在獲得更多信息後做出，有的決定最好立即做出。就像你在綜合分析問題時總要區分大小因素一樣，你也總是要比較搜集更多信息帶來的邊際收益和暫時不做決定造成的邊際成本。善於合理排序的人理解以下幾點：
a.先把你的“必做之事”做完，再做你的“想做之事”。區分你的“必做之事”和“想做之事”，不要錯誤地把任何“想做之事”排到最前麵。
b.你很可能沒有時間處理不重要的事，那最好將它留著，以免自己沒有時間處理重要的事。我經常聽到人們說：“現在做點這個或那個不好嗎？”這時他們很可能要分心了，不能集中在重要得多、需要做好的事情上。
c.不要把概率當作可能性。萬事皆有可能，重要的是概率。你必須考慮每個因素的發生概率，然後進行排序。能夠準確區分概率和可能性的人通常善於“務實思考”，他們是“哲學家”類型的反麵，而“哲學家”類型的人傾向於在各種可能性的迷霧中迷路。
成為好決策者的捷徑
好決策者並不機械地記憶和執行上述步驟，但他們確實是這麽做的。這是因為通過不斷的練習，他們學會了自然而然地照此行動，就像一個棒球手不假思索就能抓住飛來的球一樣。假如他們必須把每一條原則從記憶中喚醒，通過緩慢的意識來執行原則的話，他們就不可能妥善處理紛至遝來的問題。但他們確實也會通過意識來做一些事，你也應該這麽做。
5.8 簡化
撇掉無關細節，讓重要因素及其相互關係呈現出來。俗話說：“每個傻子都能把事情複雜化，隻有天才才能把事情簡單化。”想想畢加索，很年輕時就能畫出美麗的寫實油畫，但在職業生涯中，他不斷地追求精簡。並不是所有人都有這樣的思維方式，但沒有這種稟賦並不意味著你做不到這一點，你隻是需要創造性和毅力。必要時你可以尋求其他人的幫助。
5.9 使用原則
使用原則既能簡化也能改善你的決策。盡管讀到現在你也許覺得這顯而易見，但值得反複重申的是，要明白幾乎所有“眼前的情況”都是“類似情境的再現”，要識別“類似情境”是什麽，然後應用經深思熟慮得出的原則來應對。通過這麽做，你必須做出的決策的數量將大大減少（我估計約減少為十萬分之一），你的決策質量將大大提升。把這做好的訣竅是：
（1）讓你的思維慢下來，以注意到你正在引用的決策標準。
（2）把這個標準作為一項原則寫下來。
（3）當結果出現時，評估結果，思考標準，並在下一個“類似情境”出現之前改進標準。
識別每個“類似情境”的類別，就像識別一種動物所屬的物種一樣。識別每一件事，然後選擇對其適用的原則，會變得像在玩遊戲一樣，所以這樣做既是很有用的，也是很有趣的，當然也可能具有挑戰性。許多我所說的“眼前的情況”都具有混合性質。當眼前的情況裏包含一些“類似情境的再現”時，你必須權衡不同的原則，運用“意境地圖”來思考對遇到的不同類型情況如何處理。為了幫助人們這麽做，我創製了一個稱為“教練”的工具，將在附錄中闡述。
你可以用自己的原則，也可以用別人的，隻需要把能發現的最好的原則用好。如果你養成了這樣的思維習慣，你將成為一個卓越的有原則的思考者。
5.10 對你的決策進行可信度加權
我發現，和高度可信、願意表達深思熟慮的分歧的人交流，一直都能深化我對問題的理解，改進我的決策質量。這通常能讓我做出更好的決策，並能讓我學到美妙的東西。我建議你也這麽做。
為了做好這一點，你必須避免以下常見失誤：（1）不合邏輯地高估自己的可信度；（2）不區分可信度不同的人。
在與其他人產生分歧時，應該首先看看你們能不能就決策原則達成一致。在進行這樣的討論時，你們應該分析不同原則背後理由的優劣。如果能就決策原則達成一致，你們就把原則應用於眼前的問題，得出一個人人讚同的結論。如果對決策原則有分歧，你們可以通過比較彼此的可信度來努力解決分歧。我將在“工作原則”中更詳細地解釋具體做法。
這種有原則的、可信度加權的決策方式很迷人，效果比一般的決策方式好得多。例如，假設我們用這種辦法來選總統。引人遐想的是，就一個好總統應該具備什麽樣的素質、誰在做出上述判斷時最為可信這兩個問題，我們能不能提出各自的原則。我們最終的討論結果將是實行一人一票還是別的方式？如果是別的方式，應該怎麽做？這肯定能帶來非常不同的選舉結果。在下一次選舉的時候，我們可以在正常選舉的同時進行這樣的演練，以觀察二者的差別。
盡管可信度加權的決策聽起來有些複雜，但你很可能經常這麽做，比如你問自己“我應該聽什麽人的意見”時。但幾乎可以肯定的是，如果你更有意識地這麽做，效果會好很多。
5.11 把你的原則轉換成算法，讓計算機和你一起決策
如果能做到這一點，你將把自己的決策能力提高到一個全新的水平。通過這麽做，很多時候，你將能檢驗原則在應用於過去的情況和各種不同的情況時能起到什麽樣的作用，這能幫助你改進原則。而且這麽做肯定能讓你對問題有飛躍式的深入理解。這還能將情緒因素從決策中去除。就像文字一樣，算法也能描述你的計劃，隻是用計算機能理解的語言記錄而已。如果你不會使用這種語言，你就應該學會，或者找一個能為你翻譯的幫手。你的子女和夥伴必須學會使用這種語言，因為它可能很快會成為全世界最重要的語言。
和計算機中的另一個你形成合作關係，你們相互從對方身上學習，各展所長，決策效率會比你單打獨鬥時高得多。你還可以通過計算機加入很棒的集體決策之中，這比個體決策有效得多，且能推動人類的進化。
係統化和計算機化的決策
未來，人工智能將對人類所有方麵的決策產生深刻影響，尤其是在人類已經進入的這個新時代，關於人的信息極為透明，這二者結合會產生極大的影響。現在，不管你喜歡與否，任何人都可以輕易獲取你的數據信息，對你進行深入了解，而且這些數據可以被輸入計算機，從你會買什麽商品到你的人生價值觀如何。盡管這讓許多人覺得恐慌，但30多年來在橋水，我們一直在把極度透明和算法決策結合起來，並發現這樣做成效非凡。事實上我相信，不久之後，這種計算機化決策將變得常態化，幾乎和人腦決策一樣正常。
人工智能不是一個新概念。早在20世紀70年代，當我初次嚐試計算機化決策時，這個概念就已經存在了將近20年（“人工智能”一詞首次出現於1956年達特茅斯學院的一場會議）。盡管從那時到現在很多情況發生了變化，但人工智能的基本概念始終不變。
舉一個極簡單的計算機化決策的例子。假設你在住房供暖方麵有兩項原則：當溫度降到20℃以下時開暖氣，午夜到淩晨5點之間關暖氣。你可以用一個簡單的決策公式來表達這兩項原則之間的關係：如果溫度低於20℃，時間不在午夜到淩晨5點之間，就開暖氣。在搜集很多這樣的公式後，你就可以創建一套決策體係，這套體係能夠處理數據，權衡和應用各種相關標準，並提出決策建議。
用算法表述投資決策標準，然後用曆史數據來檢驗，或者用算法表述工作原則，然後用其來幫助管理決策，都不過是智能溫度調節器的更大、更複雜的版本。與人腦決策相比，這能讓我們更快地做出考慮更周全、更少情緒化的決策。
我相信這種做法會變得越來越普遍，計算機編碼會變得和寫字一樣重要。計算機在幫助決策方麵的作用，遲早會變得像它們今天在收集信息方麵的作用一樣大。當計算機幫助我們決策的時候，它們將了解到我們的情況，包括我們的價值觀、長處和短處。它們將能自動地找到在特定領域比我們更強的人的幫助，從而能給我們提供合適的建議。不久之後，我們的計算機就能和其他人的計算機對話，並以上述方式合作。事實上這已經在發生了。
設想這樣一個世界：你能利用科技接入一個係統，可以在係統裏輸入你正在處理的問題，並向全世界這方麵最受好評的思考者請教解決辦法，以及背後的理由。這一點將很快得以實現。不久後，在幾乎所有你麵臨的問題上，你都能利用全世界最高質量的思考，並得到能權衡不同觀點的計算機化係統的指導。例如，你將可以詢問，基於自己的情況，你應當選擇什麽樣的生活方式或職業生涯，或者基於其他人的情況，你應當如何與他們溝通。這些創新將把人從自己的頭腦中解放出來，釋放出一種無比強大的集體思維模式。橋水正在這麽做，並發現這種思維模式比傳統思維方式好得多。
聽到這樣的觀點，人們經常會說，人工智能將和人類智能競爭，但在我看來，人類智能和人工智能同舟共濟的可能性更大，因為這能帶來最好的結果。計算機要複製人腦的許多功能，如想象力、綜合分析能力和創造力，要經過很長時間，甚至永無可能。這是因為人腦天生就儲存著億萬年生物進化培育的各種能力。許多計算機係統依據的是決策“科學”，依然遠遠不如“技藝”有價值。在最重要的決策方麵，人類依然比計算機做得好。你隻需看看最成功的人是什麽樣的人就明白了。軟件開發工程師、數學家和博弈論研究者並不是最成功的，最具有理性、想象力和毅力的人最成功。
計算機模型需要被輸入合理信息，信息需要解讀，而隻有人類智能可以開展這種解讀。例如，計算機無法告訴你，與親人共處時間和工作時間的相對價值如何，如何達成最優的時間分配組合，使兩種活動的邊際效用都達到最大。隻有你知道你最看重什麽，你願意與誰共度人生，你想要什麽樣的環境，隻有你能最終做出最好的決定，盡最大可能實現這一切。而且，我們的很多思考來自自己無法理解的潛意識，所以把人類思考徹底模型化是不可能的，就像從未抽象思考過的動物不可能定義和學習抽象思考一樣。
但在很多方麵，人腦也無法與計算機競爭。計算機的“毅力”比任何人都強得多，因為它能全天不間斷地工作。計算機能處理海量信息，而且速度飛快，其可靠性和客觀性是人類永遠無法比擬的。計算機能讓你注意到無數你從未想過的可能性。也許最重要的是，計算機對群體偏見和從眾思維免疫。計算機不會顧慮自己的結論會不會受人歡迎，而且從來不驚慌失措。在“9·11”事件那段可怕的日子裏，當整個美國深陷傷痛時，從2008年9月19日到10月10日，當道瓊斯指數下跌3 600點時，我常常想擁抱我那些風雨不驚的計算機。
這種人和機器的結合很美妙。人腦與科技合作的進程促使人類進步，正是憑著這麽做，人類從茹毛飲血走向了信息時代。所以世界上最好的決策者是這樣的人：擁有理性、想象力和毅力，知道自己看重什麽、想要什麽，同時也利用計算機、算法和博弈論。我們在橋水利用計算機係統，就像司機利用GPS一樣，是用係統來輔助我們的導航能力，而不是替代它。
5.12 在深刻理解人工智能之前不要過度信賴它
當人工智能使用者在沒有深刻理解它的情況下就接受機器學習創造的算法所假定的因果關係，甚至根據這些認識來行動時，我就對人工智能的危險感到擔憂。
在解釋原因之前，我想先闡明我的用詞。人們經常輕率地使用“人工智能”和“機器學習”，並將其作為同義詞，但二者大不相同。我把當前的計算機輔助決策技術分為三大類：專家係統、模仿和數據開采（這是我的分類，不是科技界常用的分類）。
我們在橋水使用的是專家係統，設計者根據自己對一係列因果關係的理性理解將決策標準表述出來，然後觀察不同條件下會出現什麽不同情況。
但計算機也能發現規律並將其應用於計算機決策，而不需理解這些規律背後的邏輯。我把這種決策技術稱為“模仿”。當同樣的情況以可靠的方式反複不變地發生時，例如在一場規則極其嚴格的遊戲中，這一做法也許有效。但現實中事物不斷變化，所以這樣的係統很容易與現實脫節。
數據開采是近年來機器學習發展最快的領域，是指功能強大的計算機消化大量數據，從中尋找規律。盡管這種做法很常見，但在未來與曆史不同的情況下，這是有風險的。在機器學習不包含對現實的深刻理解的情況下，以機器學習為基礎構建的投資係統很危險，因為當人們廣泛相信並應用某些決策規則時，價格會受到影響。換言之，一個深刻見解在眾所周知之後，其價值會逐漸衰減。在沒有深刻理解的情況下，你弄不清楚過去發生的情況是否真有價值，即使有價值，你也弄不清楚其價值是否已經消失，甚至走向負麵。常見的情況是，一些決策規則變得非常流行，以至對價格產生很大影響，從而使反向操作成為更合理的做法。
謹記，計算機是沒有常識的。例如，計算機很容易曲解事實，看到人早上睡醒後吃早飯，就認為睡醒導致人饑餓。與其下很多我拿不準的押注，還不如下較少的我拿得準的押注（最好是互不相關的押注），同時，無法說明任何決策背後的邏輯，對我而言都是無法容忍的做法。很多人因為發現機器學習比形成深刻理解容易得多，就盲目信任機器學習。而對我而言，深刻理解必不可少，尤其是對我做的事情而言。
我的意思不是模仿係統、數據開采係統沒有用。事實上我相信，在未來的事物發展範圍和格局與過去相同的情況下，這些係統對決策很有幫助。有了足夠強大的計算能力後，所有可能變量就都可以納入考慮。例如，通過分析不同形勢下國際象棋好手弈棋的數據，通過分析不同手術期間傑出外科醫生的手術流程，人們可以創造出很有價值的下棋程序或手術程序。早在1997年，計算機程序“深藍”就用這種方式擊敗了全球排名最高的國際象棋棋手加裏·卡斯帕羅夫。但當未來與過去不同、我們因理解不深而無法識別所有因果關係時，這一做法是行不通的。憑著理解這些因果關係，我沒有像其他人一樣犯錯誤，最明顯的例子是2008年的金融危機，當時幾乎所有人都以為未來會和過去一樣。把全部注意力集中於符合邏輯的因果關係，我們將能看到事情的真相。
想想看，人腦其實就是以某種方式編程的計算機，處理數據，發出指令。我們可以編排人腦的邏輯和作為工具的計算機的邏輯，讓它們彼此合作，甚至相互檢驗。這是一種美妙的做法。
例如，假設我們要歸納出能解釋物種進化的普適規律。理論上，隻要我們有足夠的處理能力和時間，這就是可能的。當然，我們需要把計算機得出的公式弄明白，以確保這不是一堆從數據中提取的大雜燴，即不同因素隻有相關性，沒有因果性聯係。我們可以不斷簡化這些規則，直到實現毫無疑問的精確度。
當然，鑒於人腦的處理能力和速度有限，要對進化過程中的所有變量形成豐富的理解，是一個永遠無法完成的任務。那麽，我們的專家係統采用的那些簡化法和理解法真的是必需的嗎？也許不是。在我們檢驗的數據之外還會發生其他情況，這樣的風險肯定是存在的。盡管如此，我們仍然可以說，與某種看起來成立但機理不清晰的公式相比，我們把以數據開采為基礎的公式視為解釋物種進化的普適規律，並依賴這些公式預測未來10年、20年、50年的變化，是風險相對較低的做法（至少可能有助於科學家治療基因疾病）。
事實上，我們對理解的強調也可能太過了，有意識的思考隻是理解的一部分，也許我們導出一個公式並用它來預測未來變化也就足夠了。在我個人看來，與依賴我不理解的算法相比，對因果關係形成深刻理解所產生的興奮、安全性和教育價值要有吸引力得多，所以我依然傾向於這種做法。然而，是我的邏輯和理性，還是我較低層次的偏好和習慣在促使我這麽想？我不能確定。我希望就此問題詢問人工智能領域最傑出的人才（並請他們向我提問）。
最有可能發生的情況是，人類酷愛競爭的天性將促使我們越來越信任計算機發現的、超出我們理解範圍的因果關係。這種信任有時會帶來成效，有時會適得其反。我想人工智能將帶來極快、極了不起的進步，但也擔心它會導致人類的毀滅。
人類正在走向一個既令人興奮又危險的新世界。這就是我們眼前的現實。而我一如既往地相信，如果我們不是把頭埋在沙子裏，而是準備好應對之道的話，未來會美好得多。
為了擁有最好的生活，你必須：
（1）知道最好的決策是什麽；
（2）有勇氣做出最好的決策。