笠翁堂文章

地图之外,还有现实

模型为了特定目的主动删去现实细节。它的价值来自简化,它的危险也来自简化。

认识与证据

60 秒核心判断

模型为了特定目的主动删去现实细节。它的价值来自简化,它的危险也来自简化。

使用模型前应先回答三件事:它为谁解决什么问题,忽略了什么,在什么条件下会失效。不能回答这三问,模型越精巧,误导能力可能越强。

清楚答案为什么会遮住前提

人无法直接容纳复杂世界,只能借助名称、分类、数字和因果故事行动。问题不在于使用模型,而在于忘了模型经过选择。财务报表把组织变成数字,考试把学习变成分数,用户画像把人变成标签;这些都可能有用,却没有一个等于对象本身。

当模型给出清楚答案,人尤其容易停止观察。清楚带来控制感,也会掩盖前提已经改变。

从正名到模型近似:三项检查

《周易·系辞下》说“穷则变,变则通,通则久”。这里借变化意识说明:模型的使用条件变化时,判断也要校正。这是现代对读,卦象本身并非今天的建模理论。

《荀子·正名》讨论名称、对象与约定的关系。把一个人叫作“低绩效者”并不等于已经解释他的处境、任务与制度;后一句是面向现代组织语言的类比。

培根在《新工具》中批评人把心智自身的偏好投射到自然上。他所谓“偶像”,正是错误框架怎样预先安排观察。

统计学家 George Box 后来强调,模型必然不完整,重要的是它是否在限定目的内有用。这里要把“有用”与“真实”分开,而非轻视模型。

《周易》关注变化中的位置,培根强调以方法纠正心智,Box 讨论可操作的近似。三者没有共同提出“概念不等于世界”。这里提炼的是三项不同检查:条件是否已变,观察是否被成见安排,近似是否仍适合当前目的。

模型并非越少越好。没有模型,人只能被零散印象牵着走;真正需要避免的是单一模型垄断解释。

一次失败和一种可持续的成功

Google Flu Trends 提供了可核查的现代案例。Lazer 等人 2014 年比较其流感估计与后续数据,指出大数据分析可能同时受算法变化、数据生成过程和模型动态影响。失效来自曾经有效的关系在环境变化后仍被当成稳定现实,并非模型会“撒谎”。

正面案例体现为模型被持续比较,而非某个模型永远正确。美国国家飓风中心公布的大西洋盆地 48 小时早期路径指导同质化记录显示,1994—2025 年总体误差下降,但表现最好的具体指导模型几乎年年变化。该中心解释,自 2001 年把共识模型正式加入业务指引后,共识模型长期成为表现最好的路径模型。

这个案例不能证明“多模型必胜”,却展示了一套可审计条件:用同一批实际路径验证、比较可比模型、记录长期误差,并允许领先者更替。

对 Google Flu Trends 而言,可观察的失效警报包括预测与疾病监测数据持续偏离、数据平台改变却未重估模型。两案的差别不在“天气比搜索容易”,而在误差是否持续进入下一轮模型选择。危险不在简化本身,而在没有共同尺度和失效警报。

成熟判断体现在知道何时换模型,并非拥有最多模型。竞争模型应按风险配置:低损失、可快速重复的决定,可以只设结果记录和停用阈值;高损失、不可逆或影响他人的决定,才值得增加一个关键假设不同、又能由同一事实比较的模型。

“模型外观察”指当前模型没有用作输入、却可能暴露删减代价的材料,例如残差中的异常样本、现场人员记录或受影响者反馈。它不能单独推翻模型;当同类异常连续出现、超过预设误差或指向遗漏机制时,才触发重估。

如果两个模型给出不同答案,不要急着选喜欢的那个;先找出差异来自目标、尺度、时间还是假设。

给高风险模型加护栏

  1. 写下当前使用的模型要解决的具体问题。
  2. 列出它主动忽略的三项因素。
  3. 为同一决定建立一个竞争模型:关键假设不同,却能由同一组事实比较;学科标签本身不算质量。
  4. 预先规定哪种事实出现时必须停用或修正模型。
  5. 决策后记录模型在哪些地方有效、哪些地方失真。

出处与版本