ขอแนะนำตัวละครใหม่ 2 ตัว
“Fat Tony” หรือน้าอ้วนโทนี่ เป็นชายจากเมือง Brooklyn รูปร่างอ้วนท้วนตามฉายา ตอนเด็กเรียนไม่เก่ง จบแล้วมาเริ่มต้นชีวิตการทำงานด้วยการเป็นเสมียน แล้วค่อยๆ เรียนรู้การลงทุนอย่างเช่นการซื้ออสังหาธุรกิจที่ล้มละลายแล้วนำมาขายต่อ โทนี่มักมีวิธีการหาเงินโดยแทบไม่ต้องลงแรง คำขวัญประจำตัวของโทนี่คือ “มองหาไอ้หน้าโง่” (Finding who the sucker is) ซึ่งส่วนใหญ่มักจะเป็นพนักงานแบงค์ ถ้าคุณได้ไปเดินคุยกับโทนี่ซักครึ่งชั่วโมง คุณจะเข้าใจวิถีชีวิตของชาวโลกและธรรมชาติของธุรกิจขึ้นอีกเยอะ
“Dr.John” จบด็อกเตอร์ด้านวิศวกรรมไฟฟ้า ใส่สูทสีดำ ใส่แว่นตา ทำงานด้านการคำนวณความเสี่ยงให้กับบริษัทประกัน จอห์นขับรถคาดิลแล็คและเป็นคนตรงต่อเวลามาก ในขณะที่โทนี่มักจะไปกินข้าวที่ร้านอาหาร จอห์นจะพกแซนด์วิชใส่กล่องไปทานเป็นอาหารกลางวันเสมอ จอห์นเป็นคนจริงจังกับงานมาก แต่ก็ขีดเส้นชัดเจนว่าช่วงไหนคือเวลาทำงาน ช่วงไหนคือเวลาพักผ่อน
Nassim Nicolas Taleb (NNT) ผู้เขียนหนังสือ The Black Swan เชิญสองคนนี้มาร่วมพูดคุยกันในจินตนาการ
NNT: สมมติว่ามีเหรียญที่มีโอกาสออกหัวและก้อยเท่าๆ กัน ผมโยนเหรียญ 99 ครั้งและออกหัว 99 ครั้ง ถ้าผมโยนเหรียญครั้งที่ 100 โอกาสที่เหรียญจะออกก้อยคือเท่าไหร่?
Dr.John: ง่ายมาก ก็ต้อง 50% สิ เพราะคุณบอกแล้วว่าเหรียญมีโอกาสออกหัวและก้อยเท่ากัน และการโยนเหรียญแต่ละครั้งไม่ได้มีผลกับการโยนเหรียญครั้งต่อไปเลย
NNT: แล้วคุณคิดว่าไงโทนี่
Fat Tony: ผมว่าไม่เกิน 1% อยู่แล้ว
NNT: ทำไมถึงคิดอย่างนั้นล่ะ ผมบอกไปแล้วไงว่าเหรียญนี้มีโอกาสออกหัวและก้อยเท่ากัน
Fat Tony: คุณต้องเป็นคนตอแหลหรือไม่ก็โง่มากๆ ที่ไปหลงเชื่อว่าเหรียญนี้มีโอกาสออกหัวและก้อยเท่ากัน เหรียญนี้แม่งต้องถูกดัดแปลงมาชัวร์ป้าป (แปลไทยเป็นไทย: โอกาสที่สมมติฐานของคุณจะผิดนั้นสูงกว่าโอกาสที่เหรียญปกติจะออกหัวติดกัน 99 ครั้ง)
NNT: แต่ดร.จอห์นบอกว่า 50% นะ
Fat Tony (กระซิบใส่หู NNT): พวกเนิร์ดๆ แบบนี้มีอยู่เต็มธนาคารเลย คนพวกนี้คิดช้าเกินไปแถมยังคิดเหมือนๆ กันหมดด้วย หลอกง่ายจะตายชัก
“เนิร์ด” (nerd) ในความหมายของหนังสือเล่มนี้ไม่ได้จำเป็นต้องเป็น “เด็กเรียน” มันคือชื่อที่ผู้เขียนเอาไว้เรียกพวกที่ “คิดในกรอบ” แบบสุดๆ
ถ้า Fat Tony กับ Dr.John ลงสมัครรับเลือกตั้งผู้ว่าราชการจังหวัด คุณจะเลือกคนไหน?
ถ้าให้ทำแบบทดสอบ IQ หรืออะไรในโลกวิชาการ ดร.จอห์นคงเอาชนะน้าอ้วนโทนี่อย่างขาดลอย แต่ในโลกธุรกิจและชีวิตจริงน้าอ้วนโทนี่มีภาษีดีกว่าเยอะ
Ludic Fallacy – โลกไม่ใช่คาสิโน
Ludic มาจากคำว่า Ludus ซึ่งเป็นภาษาละตินที่แปลว่า “เกมส์” (Taleb บอกว่าอะไรก็ตามที่ตั้งชื่อให้เป็นภาษาละตินจะฟังดูมีภูมิความรู้ขึ้นมาทันที)
Ludic Fallacy คือตรรกะวิบัติที่เชื่อว่าความรู้ในโลกแห่งเกมส์นั้นจะสามารถเอามาใช้ในชีวิตจริงได้
เวลาเราเรียนวิชาอย่าง statistics และหัวข้ออย่าง probability ตัวอย่างที่เอามาใช้มักจะเป็นลูกเต๋าหรือไพ่ ซึ่งเป็นอุปกรณ์ที่อยู่ในคาสิโน
แต่คาสิโนเป็น “พื้นที่ที่ผ่านการฆ่าเชื้อแล้ว” (sterile environment) ที่เรารู้กฎกติกาชัดเจนและเราสามารถคำนวณความน่าจะเป็นได้เกือบทั้งหมด
แต่โลกแห่งความจริงไม่เหมือนในคาสิโนสักนิด เราไม่สามารถรู้ได้เลยว่า “ลูกเต๋า” ที่เรากำลังจะทอยในเกมธุรกิจนั้นออกได้กี่หน้า และลูกเต๋านี้โดนดัดแปลงจนทำให้หน้าไหนหน้าหนึ่งมีโอกาสออกมากกว่าหน้าอื่นๆ รึเปล่า
ดร.จอห์นนั้นเป็นเหยื่อของ Ludic Fallacy ที่คิดไปเองว่าโลกนี้มันแฟร์และกฎกติกานั้นจะเป็นไปตามที่เขาเคยได้อ่านตอนเรียนหนังสือ
Black Swan มันซ่อนอยู่ใน silent evidence เรามัวแต่กังวลกับเรื่องที่เคยเกิดขึ้นไปแล้ว แต่ไม่เคยกังวลกับเรื่องที่ยังไม่เคยเกิดขึ้น เราเลยชอบฟังเรื่องราวที่สื่อสารและจัดหมวดหมู่ได้ง่าย มีกฎกติกาที่ชัดเจน และนี่คือเหตุผลที่คนที่เรียนดีมักจะไม่ได้เรื่องเวลาออกไปเผชิญโลกแห่งความจริงเพราะพวกเขามี ludic fallacy เหมือนดร.จอห์นและคนอย่างดร.จอห์นนี่แหละที่มักจะโดน Black Swan เล่นงาน
อ่อนด้อยแล้วยังไม่เจียม
ลองบอกชื่ออุปกรณ์หรือเทคโนโลยีที่มีอิทธิพลต่อโลกเราในวันนี้มากที่สุดมา 3 ข้อ
คนไม่น้อยจะตอบว่า คอมพิวเตอร์ อินเตอร์เน็ต และเลเซอร์ ทั้งสามอย่างนี้เป็น Black Swans ในเชิงบวก มันล้วนเกิดขึ้นโดยไม่ได้มีการวางแผน ไม่เคยมีใครคาดเดาเอาไว้ และไม่ค่อยมีใครเห็นคุณค่าในช่วงแรกๆ ด้วยซ้ำ
มนุษย์ไม่เคยจดจำว่าเรามีสถิติการพยากรณ์ที่แย่เอามากๆ เราชอบทำนายอนาคตโดยแทบไม่เคยกลับไปดูเลยว่าที่ผ่านมาสิ่งที่เราทำนายเอาไว้นั้นมักจะผิดเป็นส่วนใหญ่ เราจึงชอบคาดการณ์ล่วงหน้าโดยไม่เคยเอา “เหตุการณ์ไม่คาดฝัน” เข้ามาอยู่ในกระบวนการการประเมินด้วยเลย
ไม่ว่าโมเดลหรือเครื่องมือในการทำนายของเราจะดีขึ้นแค่ไหน แต่ความซับซ้อนของโลกเพิ่มขึ้นในอัตราที่สูงกว่ามากนัก และยิ่ง Black Swan ตัวใหม่มี impact มากแค่ไหน อนาคตก็ยิ่งเป็นเรื่องที่คาดเดาไม่ได้
หยิ่งทะนงในความรู้
ความหยิ่งทะนงในความรู้ หรือ Epistemic Arrogance (epistḗmē เป็นภาษากรีก แปลว่า knowledge หรือความรู้ การใช้ภาษากรีกก็ทำให้เราดูมีภูมิมากขึ้นเช่นกัน) คือปรากฎการณ์ที่ “ความเชื่อมั่นในสิ่งที่เรารู้” นั้นสูงกว่า “สิ่งที่เรารู้จริงๆ” และช่องว่างระหว่างสองสิ่งนี้นี่แหละที่ทำให้เราต้องเดือดร้อนมาโดยตลอด
ลองเดาคำตอบสำหรับคำถามดังต่อไปนี้
ราชินีแคทเธอรีนที่ 2 แห่งรัสเซียเคยมีคนรักกี่คน
จังหวัดสุพรรณบุรีมีประชากรเท่าไหร่
โดยคุณสามารถให้คำตอบแบบเป็น range ได้ โดยปรับ range จนกว่าคุณจะมั่นใจว่าคำตอบของคุณมีโอกาสถูก 98% และโอกาสผิดเพียง 2% ยกตัวอย่างเช่น
“ผมมั่นใจ 98% ว่าราชินีแคทเธอรีนที่ 2 แห่งรัสเซียเคยมีคนรักระหว่าง 34 ถึง 63 คน”
หรือ
“ผมมั่นใจ 98% ว่าจังหวัดสุพรรณบุรีมีประชากรระหว่าง 1-2 ล้านคน”
ขออย่างเดียวว่าอย่าบอกตัวเลขแบบครอบจักรวาล เช่น “1 คน ถึง 1 พันล้านคน” เพราะอย่างนั้นก็เท่ากับว่าคุณไม่ได้ทายอะไรเลย
เคยมีนักวิจัยทำการทดลองนี้ ปรากฎว่า ที่คนคิดว่าตัวเองมีโอกาสตอบผิดเพียง 2% สุดท้ายแล้วตอบผิดกันถึง 45%! (คำตอบที่ถูกไม่ได้อยู่ใน range ที่ให้มา) แถมกลุ่มตัวอย่างที่ตอบคำถามเหล่านี้ยังเป็นนักศึกษา MBA จาก Harvard อีกด้วย (คนกลุ่มนี้มีความมั่นใจสูงลิ่วอยู่แล้ว พอลองไปสอบถามกลุ่มตัวอย่างที่มีพื้นเพต่างออกไป อัตราการตอบผิดลดลงมาอยู่ที่ 15-30% แต่ก็ยังเกิน 2% ไปมากอยู่ดี)
Epistemic Arrogance ทำให้เราประเมินความรู้ของเราสูงเกินไป และประเมินความไม่แน่นอนต่ำเกินไป (จึงทำให้ range ของเราแคบกว่าที่ควรจะเป็น)
ข้อมูลมากไปยิ่งเสียหาย
นักวิจัยเคยเอาภาพของหัวดับเพลิงมาเบลอจนดูไม่ออกว่าเป็นภาพอะไร แล้วแบ่งคนออกเป็นสองกลุ่ม กลุ่มแรกให้เห็นภาพนี้ที่ค่อยๆ ชัดขึ้นเรื่อยๆ เป็น 10 สเต็ป ส่วนกลุ่มที่สองให้เห็นภาพที่ค่อยๆ ชัดขึ้น 5 สเต็ป โดยภาพสุดท้ายที่ทั้งสองกลุ่มเห็นเป็นภาพที่ชัดเท่ากันแต่ก็ยังเบลอประมาณหนึ่งอยู่ดี
ปรากฎว่า กลุ่มที่เห็นภาพเพียง 5 สเต็ปนั้นมีโอกาสทายถูกมากกว่ากลุ่มที่เห็นภาพ 10 สเต็ป
การทดลองนี้สอนให้รู้ว่า ถ้าคุณให้ข้อมูลกับใครมากขึ้น เขาก็มีแนวโน้มที่จะตั้งสมมติฐานมากกว่าเดิม และถ้าลองได้ตั้งสมมติฐานที่ผิดแล้ว ก็เป็นการยากที่เขาจะละทิ้งสมมติฐานนั้น เพราะดันปักใจเชื่อไปเสียแล้ว
ข้อมูลบางอย่างเป็นเพียงคลื่นรบกวน (noise) แต่เราดันไปยึดถือว่ามันเป็นสัญญาณ (signal) การฟังข่าวทุกชั่วโมงนั้นแย่กว่าการอ่านหนังสือพิมพ์รายสัปดาห์มากมายนัก เพราะอย่างน้อยหนังสือพิมพ์รายสัปดาห์ก็กลั่นกรอง noise ออกไปได้ระดับนึงแล้ว
อีกการทดลองหนึ่ง – การแข่งขันม้านั้นมีข้อมูลหลายด้านให้วิเคราะห์ว่าม้าตัวไหนจะมาวิน นักวิจัยได้ดึงข้อมูลออกมา 84 ตัวแปร (variables) แล้วเลือก 10 ตัวแปรที่มีผลต่อการแข่งขันมากที่สุดส่งไปให้นักพนันม้าลองประเมินว่าม้าตัวไหนจะชนะ
จากนั้นนักวิจัยเพิ่มข้อมูลเข้าไปให้อีก 10 ตัวแปร (รวมเป็น 20 ตัว) ปรากฎว่าอัตราการทายถูกนั้นไม่ได้เพิ่มขึ้นเลย แต่ “ความมั่นใจว่าตัวเองน่าจะทายถูก” ของนักพนันนั้นสูงขึ้นอย่างชัดเจน
ความรู้ที่เพิ่มขึ้นไม่ได้ทำให้เราทายผลได้ดีขึ้น แต่มักจะทำให้เรามั่นใจมากขึ้น การได้รับข้อมูลที่มากเกินจึงเป็นอันตรายด้วยประการฉะนี้
ตัวจริง-ตัวปลอม
โอกาสที่ “expert” จะเป็นผู้เชี่ยวชาญตัวจริงหรือตัวปลอมนั้นขึ้นอยู่กับว่าเขาอยู่ในวงการไหน
ผู้เชี่ยวชาญที่มักจะเป็นผู้เชี่ยวชาญจริงๆ ก็อย่างเช่นกรรมการปศุสัตว์ นักดาราศาสตร์ เซียนหมากรุก นักฟิสิกส์ นักบัญชี คนคัดเมล็ดพืช
ผู้เชี่ยวชาญที่มักจะไม่ใช่ผู้เชี่ยวชาญจริงๆ ก็อย่างเช่นโบรกเกอร์ นักจิตวิทยา อาจารย์แนะแนว นักเศรษฐศาสตร์ ผู้เชี่ยวชาญความเสี่ยง
อะไรก็ตามที่ชุดความรู้ไม่ค่อยเปลี่ยนแปลงมักจะมีผู้เชี่ยวชาญ อะไรก็ตามที่สถานการณ์เปลี่ยนไปได้เรื่อยๆ และมักจะเกี่ยวพันกับอนาคตมักจะไม่ค่อยมีผู้เชี่ยวชาญตัวจริง เราจึงไม่ควรเชื่อมั่นคนที่อ้างตัวว่าเป็น expert ในกลุ่มนี้มากนัก
คนที่ทำอาชีพที่ต้องวิเคราะห์ข้อมูลจากอดีตเพื่อทำนายอนาคตมักจะทำนายได้แค่ “สถานการณ์ปกติ” แต่เหตุการณ์ที่มันจะส่งผลต่ออนาคตได้จริงๆ ล้วนแล้วแต่เป็น “สถานการณ์ไม่ปกติ” ทั้งนั้น อย่างเช่นการลดค่าดอกเบี้ยจาก 6% เป็น 1% ระหว่างปี 2000-2001 ก็ย่อมทำให้ 5-year projection ที่คุณทำเอาไว้ผิดไปได้มากมายมหาศาลแล้ว
และเวลาคนในอาชีพเหล่านี้พบว่าตัวเองทำนายผิดพลาด ก็มักจะโทษว่าเขามีข้อมูลไม่เพียงพอ หรือเป็นข้อมูลจาก “ศาสตร์แขนงอื่น” ที่เขาเข้าไม่ถึง เช่นนักเศรษฐศาสตร์อาจจะไม่ได้เอาความเสี่ยงทางการเมืองหรือภัยพิบัติทางธรรมชาติมาใส่ไว้ในการคำนวณเพราะถือว่ามันอยู่นอกแขนงวิชาของเขา คนเหล่านี้เป็นพวก nerd ที่โฟกัสแต่สิ่งที่ตัวเองรู้และคิดแต่ในกรอบโมเดลที่ตัวเองคุ้นเคย
เราไม่สามารถสร้างแผนที่เพอร์เฟกต์ได้ก็จริง แต่อย่างน้อยที่สุดเราควรจะวางแผนโดยรู้ว่าแผนการของเรามีขีดจำกัดและเผื่อใจไว้ว่าสถานการณ์ไม่คาดฝันนั้นเกิดขึ้นได้เสมอ
ค่าเฉลี่ยไม่สำคัญเท่าโอกาสผิดพลาด
เวลาเราทำนายหรือพยากรณ์อะไรก็ตาม สิ่งที่สำคัญยิ่งกว่าผลลัพธ์ก็คือโอกาสในความผิดพลาด (error rate)
ถ้าจะไปเที่ยวเมืองนอก แล้วพยากรณ์อากาศบอกว่าอุณหภูมิจะประมาณ 25 องศา โดยมีโอกาสผิดพลาด 15 องศา เราต้องเตรียมเสื้อผ้าเผื่อทั้งหนาวจัดและร้อนจัดไปด้วย (เพราะอุณหภูมิเป็นไปได้ตั้งแต่ 10-40 องศา) แต่ถ้าโอกาสผิดพลาดแค่ 2 องศาเราก็จัดเสื้อผ้าไปแบบเดียวก็พอ
เวลาจะตัดสินใจอะไรก็ตาม จึงห้ามดูแค่ expected outcome แต่ต้องดูด้วยว่า range of possible outcomes นั้นกว้างแค่ไหน เพราะสิ่งสำคัญที่สุดคือการรู้ว่าถ้ามันเกิด worst-case scenario หรือสถานการณ์ที่เลวร้ายที่สุด เราพร้อมรับความเสี่ยงนั้นรึเปล่า ถ้าแม่น้ำลึกเฉลี่ย 120 เซนติเมตร แต่ส่วนที่ลึกที่สุดนั้นลึก 2 เมตร การเดินลุยแม่น้ำนั้นไปทั้งๆ ที่ว่ายน้ำไม่เป็นก็เป็นการฆ่าตัวตายชัดๆ
ช้าแล้วยังช้าได้อีก
Sydney Opera House เป็นหนึ่งในแลนด์มาร์คที่เราคุ้นตากันดี ตามแผนการเดิมโรงละครแห่งนี้จะเปิดทำการในปี 1963 และใช้ค่าก่อสร้าง 7 ล้านเหรียญออสเตรเลีย แต่ในความเป็นจริงก็คือกว่าจะเปิดได้ก็ปี 1973 แถมยังใช้เงินไปทั้งหมดถึง 104 ล้านเหรียญแถมยังได้ของที่ไม่ดีเท่าที่วางแผนไว้ตอนแรก
นี่คือความแตกต่างระหว่าง Mediocristan กับ Extremistan
ในโลกแห่ง Mediocristan อย่างอายุขัย เด็กผู้หญิงที่เกิดในประเทศที่พัฒนาแล้วมีอายุคาดเฉลี่ย (life expectancy) 79 ปี
พอเธออายุครบ 79 เธอจะมีอายุคาดเฉลี่ยเหลืออีก 10 ปี
พอเธออายุครบ 90 เธอจะมีอายุคาดเฉลี่ยเหลืออีก 4.7 ปี
พอเธออายุครบ 100 เธอจะมีอายุคาดเฉลี่ยเหลืออีก 2.5 ปี
และหากเธอมีอายุถึง 119 ปี เธอจะเหลือเวลาอีกเพียง 9 เดือน
ในดินแดน Mediocristan นั้น distribution จะอยู่ในรูปแบบกราฟระฆังคว่ำหรือ bell curve ยิ่งอายุมากเท่าไหร่ อายุคาดเฉลี่ยที่เหลือจะต่ำลงไปเรื่อยๆ
แต่ถ้าเราเข้าไปอยู่ในดินแดน Extremistan ผลลัพธ์จะตรงกันข้ามเลย
สมมติว่ามีโปรเจคหนึ่งที่คาดว่าจะแล้วเสร็จใน 79 วัน
ถ้าครบ 79 วันแล้วยังไม่เสร็จ ก็เผื่อใจไว้เลยว่ามันอาจต้องใช้เวลาอีก 25 วัน
ถ้าครบ 90 วันแล้วยังไม่เสร็จ ก็อาจต้องใช้เวลาอีก 58 วัน
ถ้าครบ 100 วันแล้วยังไม่เสร็จ ก็อาจต้องใช้เวลาอีก 89 วัน
ถ้าครบ 119 วันแล้วยังไม่เสร็จ ก็อาจต้องใช้เวลาอีก 149 วัน
ถ้าครบ 600 วันแล้วยังไม่เสร็จ ก็เผื่อใจได้เลยว่าต้องใช้เวลาอีก 1,590 วัน
ยิ่งรอมานานเท่าไหร่ ยิ่งต้องรอเพิ่มนานขึ้นเท่านั้น
ปรากฎการณ์เช่นนี้จะเกิดขึ้นกับโปรเจ็คอย่างการสร้าง Sydney Opera House การรอจดหมายตอบกลับจากนักเขียนคนโปรด การสิ้นสุดของสงคราม หรือการรอคอยจะได้กลับบ้านเกิดของคนที่ลี้ภัยทางการเมือง
ติดตามตอนต่อไปสัปดาห์หน้าครับ
ราชินีแคทเธอรีนที่ 2 แห่งรัสเซียเคยมีคนรัก 12 คน และจังหวัดสุพรรณบุรีมีประชากร 850,000 คน
ขอบคุณข้อมูลจากหนังสือ The Black Swan – The Impact of the Highly Improbable โดย Nassim Nicolas Taleb
The Black Swan ตอนที่ 1 – โควิดเป็นหงส์ดำรึเปล่า
The Black Swan ตอนที่ 2 – ความเปราะบางของความรู้
The Black Swan ตอนที่ 3 – ไก่งวงหน้าโง่
The Black Swan ตอนที่ 4 – อันตรายของ “story”
The Black Swan ตอนที่ 5 – หลักฐานอันเงียบงัน
สรุปหนังสือ Sapiens – A Brief History of Humankind by Yuval Noah Harari (20 ตอน)
สรุปหนังสือ Brave New Work by Aaron Dignan (15 ตอน)
“ช้างกูอยู่ไหน” หนังสือเล่มใหม่ของผมที่ว่าด้วยการค้นหาสิ่งที่สำคัญกับเราอย่างแท้จริง มีขายที่ whatisitpress.com ครับ อ่านรายละเอียดได้ที่ bit.ly/eitrfacebook และอ่านรีวิวได้ที่นี่ครับ markpeak.net/elephant-in-the-room/
Anontawong's Musings 