Отказ от экспертов в пользу моделей

Существует категория книг, настолько напичканных информацией, что они становятся как бы «многослойными»: их можно перечитывать бесконечно, каждый раз находя что-то новое. Мои «любимчики»: «Принципы» Рея Далио, «Doing Action Research in Your Own Organization» Терезы Бренник, ну и Канеман, конечно, со своим «Thinking, fast and slow».

Сейчас я нашел очередной «слой» у Канемана: проблемы с нашей интуицией там, где это касается нестабильных систем. Интуиция хороша там, где мы можем научиться на большом количестве примеров, и эти ситуации будут повторяться в будущем. Допустим: медицина, шахматы, вождение автомобиля, программирование.

Там же, где система нестабильна и непредсказуема (биржевая торговля, политика, бизнес), интуиция будет давать нам ложные ответы, причем чем больше мы будем изучать подобную систему, тем больше будет наша уверенность в своих ответах, без улучшения их качества. Ловушка узкого эксперта и то, что держит людей годами и десятилетиями в попытках решить заведомо неразрешимые проблемы.

Тут интересно даже не наше личное отношение к своим навыкам, а статистически достоверная методика поиска алгоритмов принятия решений: если система — стабильная и предсказуемая, то живой эксперт достаточно быстро найдет основные факторы, сложив их в интуитивный алгоритм. Это требует от пары дней до пары лет, в зависимости от сложности системы и скорости получения реакции на свои действия.

Простой статистический анализ даст то же самое, обеспечивая на выходе результаты даже лучше живого эксперта, поскольку он будет более стабильным и менее зависим от второстепенных факторов вроде эмоций, настроения, внимания и личного отношения человека.

Более того: нам даже не нужно проводить предварительный анализ данных. Достаточно только определить основные факторы, присвоить им равные веса, сложить их, и мы получим на выходе формулу, опережающую по точности оценок живых экспертов. Дальнейшая ее подстройка — незатейливая и сугубо техническая задача.

Допустим, простая формула оценки состояния ребенка в первую минуту после рождения на основании его пульса, дыхания, плача и еще пары факторов спасает от смерти тысячи детей каждый месяц. Тетка набросала ее на салфетке в кафе, если что. И эта модель на уровне третьеклассника реально опережает опытных акушеров на длительных периодах.

Что еще интересно: усложнение простых моделей приводит к снижению их качества. То же касается и привлечения живого эксперта в качестве «помощника» подобной системы. Проблема тут — в том, что чем больше деталей, тем больше модель отклоняется от линейной, отдавая предпочтение конкретным примерам в ущерб статистике. Это вступает в противоречие со стабильностью системы: если система действительно стабильна, в ней будут «рулить» именно линейные модели, а не наборы разрозненных правил на основании частных случаев. Сложности в построении линейных моделей — признак того, что мы столкнулись с нерешаемой задачей, с непредсказуемой системой.

Ну и основная проблема в предсказании будущего в трейдинге, бизнесе, инвестировании и политике — именно в этом: будущее тупо непредсказуемо. Мы не сможем ни натренировать интуицию (история не будет повторяться), ни построить линейную или какую-либо еще модель. Мы постоянно будем «догонять» прошлое, но это не будет давать конкурентного преимущества в будущем.

Иллюзия того, что это все-таки возможно, заложена в особенности нашего мышления: мы легко выстраиваем красивую историю на основании недавних фактов. Нам кажется (хинсайт), что мы видим причины и следствия там, где нет причинно-следственных связей. Причем, чем меньше фактов у нас есть, тем проще выстроить красивую историю, и тем более убедительной она будет для нас.

Сильнее всего от этого страдают именно ньюбы: у них в памяти есть слишком мало фактов, соответственно они легко выстраивают красивые и убедительные (для самого себя) модели. И, даже если модель доказывает свою неэффективность, она не перестает доминировать. Да, именно так: даже когда мы видим опровержения своим простым и красивым моделям окружающего мира, мы не перестаем им верить и действовать в соответствии с ними.

На этом построена индустрия бизнес-макулатуры, книг и «экспертов» по биржевой торговле и инвестициям, хедж-фонды и венчурные фонды. Они оперируют ограниченным набором фактов, выстраивают на основании этих фактов простые истории, и действуют в соответствии с моделями, пока удача на их стороне. И, даже когда удача отворачивается, всегда можно сказать, что «просто вошли чуть раньше/позже, а так наш алгоритм — ого-го!».

И основная проблема тут — отнюдь не в простоте/сложности моделей, а именно в характеристиках среды их применения. Если бы будущее было предсказуемо, как в случае стабильных систем, цены бы им не было.

Соответственно, если хочется получить от жизни больше, чем вечно ускользающую иллюзию близкой победы, лучше сфокусироваться на стабильных системах. Там, где наши усилия по их изучению и моделированию будут вознаграждены в итоге. Ну и фокусироваться именно на простых линейных моделях, не усложняя их без нужды.

Еще один лично мой инсайт по признакам правильно выбранной точки приложения своих усилий: по мере разработки экспертной системы она неизбежно упростится в случае стабильной системы и усложнится — в случае с непредсказуемой. Трогал и то, и другое, могу сравнивать.

VN:F [1.9.20_1166]
7 голосов
Отказ от экспертов в пользу моделей, 4.3 out of 5 based on 7 ratings