The Black Swan ตอนที่ 10 – แก้เผ็ดหงส์ดำ

20200705

ตอนที่แล้วเราคุยกันไปแล้วว่ากราฟระฆังคว่ำหรือ Bell Curve นั้น จะใช้งานได้เฉพาะใน Mediocristan เท่านั้น (ดินแดนที่ค่าเฉลี่ยเป็นใหญ่) แต่หากนำมาใช้ใน Extremistan ที่มีเหตุการณ์ไม่คาดฝันเกิดขึ้นได้เสมอ กราฟระฆังคว่ำจะเป็นเครื่องมือที่ไม่มีความหมายไปในทันที

ปัญหาก็คือนักเศรษฐศาสตร์และนักวางแผนการเงินนั้นยังใช้ Bell Curve ในการประเมินความเสี่ยงของการลงทุนอยู่เลย แล้วประชาชนตาดำๆ ที่ไม่รู้อิโหน่อิเหน่ก็เอาเงินที่เก็บมาทั้งชีวิตไปฝากไว้กับ “ผู้เชี่ยวชาญ” เหล่านี้เพราะเชื่อว่ากองทุนนี้ “ความเสี่ยงต่ำ”

ถ้าตลาดหุ้นและตลาดทุนใช้ Bell Curve ในการประเมินความเสี่ยงได้จริง เหตุการณ์อย่าง market crash ซึ่งตัวเลขหลุดออกจากค่าเฉลี่ยไปไกลถึง 20 standard deviations จะเกิดขึ้นได้แค่หนึ่งครั้งในรอบหลายพันล้านปีเท่านั้น

การใช้ Bell Curve ผิดที่ผิดทางของบรรดา “ผู้เชี่ยวชาญความเสี่ยง” จึงทำให้เรามักประเมินความเสี่ยงต่ำกว่าความเป็นจริง เหมือนกำลังพาตัวเองไปนั่งบนกองระเบิดไดนาไมต์แล้วพอมันระเบิดขึ้นมาเราก็แปลกใจและคิดว่ามันเป็น Black Swan

ถ้าคุณกำลังจะซื้อกองทุนแล้วอ่านเจอคำอธิบายอย่าง sigma, standard deviation, variance, correlation, และ Sharpe ratio ให้ระวังตัวไว้เลยว่ากองทุนนั้นกำลังใช้ Bell Curve ในการประเมินความเสี่ยงอยู่

—–

เรียนรู้จากผู้ใหญ่

ผู้ใหญ่นั้นผ่านร้อนผ่านหนาวมาเยอะ ได้พบเจอ Black Swans มาหลายตัวแต่ก็ยังรอดมาได้ ดังนั้นเราจึงควรฟังและเรียนรู้จากเขาให้มากๆ

และ “ผู้ใหญ่” ที่มีอายุยืนยาวที่สุดก็คือ “ธรรมชาติ” หรือ Mother Nature นั่นเอง ถ้าธรรมชาติไม่แน่จริงโลกนี้คงสิ้นสลายไปนานแล้ว

เรื่องแรกที่เราเรียนรู้จากธรรมชาติได้ ก็คือธรรมชาตินั้นจะมี redundancy หรือการมีมากเกินความจำเป็นเสมอ

ลองดูร่างกายมนุษย์ก็ได้ เรามีตาสองดวง หูสองหู ปอดสองข้าง ไตสองไต แม้กระทั่งสมองก็มีสองซีก (อาจจะยกเว้นผู้บริหารหรือนักการเมืองบางคน) ทั้งๆ ที่ตาดวงเดียวก็มองเห็นได้ ไตอันเดียวก็มีชีวิตอยู่ได้ แต่ธรรมชาติก็ยังเลือกที่จะมี “อะไหล่” เผื่อเอาไว้แม้ว่ามันจะต้องสิ้นเปลืองพลังงานมากขึ้นก็ตาม

สิ่งที่ตรงข้ามกับ redundancy คือ naive optimization หรือการเพิ่มประสิทธิภาพอย่างไร้เดียงสา

ถ้ามองด้วยเลนส์ของนักเศรษฐศาสตร์ การมีปอดสองข้างและมีไตสองไตนี่มันช่างไม่มีประสิทธิภาพเอาเสียเลย การมีอวัยวะเพิ่มขึ้นมาสองชิ้นในร่างกายทำให้การเดินทางในทุ่งสะวันนาของ Sapiens ยุคบุกเบิกนั้นต้องใช้พลังงานเพิ่มขึ้นอีกไม่รู้เท่าไหร่

ถ้ามองด้วยเลนส์ของนักเศรษฐศาสตร์เราไม่จำเป็นต้องมีไตก็ได้ ขายมันทิ้งซะ แล้วค่อยใช้ไตส่วนกลางแบบ sharing economy หรือตอนกลางคืนที่เรานอนหลับเราก็ให้คนอื่นยืมดวงตาเราไปใช้ก็ได้

ยกตัวอย่างที่ดูสุดโต่งให้เห็นเพื่อจะบอกว่า optimization ไม่ได้นำมาซึ่งผลดีเสมอไป ประเทศไหนที่ specialize ในด้านใดด้านหนึ่งเกินไป หากราคาของสิ่งนั้นตก ประเทศก็จะทรุดไปด้วยทันที

การมีหนี้ก็เช่นกัน หลักสูตร MBA มักจะให้เราเอาเงินไปต่อเงิน กู้หนี้ยืมสินเพื่อนำไปทำธุรกิจ นี่ก็เป็นวิธีการมองแบบ optimization แต่ถ้าเป็นคุณย่าของเรา เขาจะบอกให้เรามีเงินเย็นมากพอที่จะอยู่ได้นานเป็นปีๆ ก่อนที่เราคิดจะทำอะไรก็ตามที่เสี่ยงๆ (ซึ่งสอดคล้องกับยุทธการ Barbell ที่กล่าวถึงในสองบทที่แล้วที่ผู้เขียนให้เรามีเงินสดอยู่ในมือไว้มากๆ แล้วกันเงินส่วนน้อยไปลงทุนกับเรื่องที่มีความเสี่ยงสูงไปเลย)

อีกสิ่งหนึ่งที่ Mother Nature สอนเราก็คือมันไม่เปิดโอกาสให้สิ่งใดสิ่งหนึ่งมีขนาดใหญ่มากเกินไปหรือมีอิทธิพลต่อระบบมากเกินไป

สัตว์บกที่ใหญ่ที่สุดในโลกก็คือช้าง แต่ถ้าช้างโดนฆ่าสักตัวสองตัว มันก็ไม่ได้ทำให้ระบบนิเวศพังไปด้วย

แต่มนุษย์กลับปล่อยให้ธนาคารบางเจ้าใหญ่เกินไป พอธนาคารใหญ่ๆ อย่าง Lehman Brothers ล้ม ก็เกิดปฏิกิริยาลูกโซ่ที่ส่งผลกระทบลุกลามเศรษฐกิจไปทั่วประเทศ

——

แก้เผ็ดหงส์ดำ

ผมเป็นคนขี้สงสัยในเรื่องที่ผู้คนเชื่อเอาง่ายๆ (I am skeptical when others are gullible) และเป็นคนเชื่อง่ายในเรื่องที่คนอื่นสงสัย

ผมขี้สงสัยเวลาความ random นั้นรุนแรง แต่หากความ random นั้นต่ำ (mediocristan) จะเป็นคนเชื่อง่ายก็ไม่เป็นไร

การมีข้อมูลมากมายไม่ได้ช่วยให้เราแน่ใจว่าอะไรถูกต้องอย่างแน่แท้ เพราะข้อมูลค้านแค่เพียงชิ้นเดียวก็ทำให้เรื่องที่เคยเชื่อกลับตาลปัตรได้แล้ว

กับหลายๆ เรื่องจง convervative ให้สุดโต่ง แต่กับบางเรื่องจง aggressive ให้สุดทางเช่นกัน ผมจะ conservative ในเรื่องที่คนอื่นๆ บอกให้เสี่ยง และจะ aggressive กับเรื่องที่คนอื่นๆ บอกว่าให้ระวัง

ผมเป็นกังวลกับ “หุ้นที่อนาคตสดใส” โดยเฉพาะหุ้น “blue chip” ที่ฟังดูปลอดภัย ในขณะที่ผมไม่กังวลกับหุ้นปั่นเท่าไหร่เพราะผมรู้อยู่แล้วว่ามันเสี่ยงและผมสามารถวางเกมเพื่อจำกัดความเสี่ยงได้ แต่หุ้น blue chip นั้นมากับความเสี่ยงที่ผมไม่อาจมองเห็น

ผมไม่ห่วงการก่อการร้ายมากเท่าโรคเบาหวาน และเอาเข้าจริงๆ ผมไม่ได้กังวลเรื่องอะไรมากมายนักนอกจากเรื่องที่ผมพอจะควบคุมได้เท่านั้น

ผมมีกฎในการตัดสินใจเพียงง่ายๆ เพียงข้อเดียว นั่นคือผมจะ aggressive หรือกล้าเสี่ยงมากๆ หากรู้ว่ามีโอกาสจะเจอ Positive Black Swans (หงส์ดำที่เป็นคุณ) และรู้ว่าแม้จะคาดการณ์ผิดก็ยังจำกัดความสูญเสียเอาไว้ได้

ในทางกลับกัน ผมจะสุดยอด conservative ในบริบทที่รู้ว่าผมอาจมีความเสี่ยงที่จะเจอ Negative Black Swan

ถ้าความผิดพลาดในการทำนายอาจส่งผลเป็นคุณ ผมพร้อมจะกล้าเสี่ยง แต่หากความผิดพลาดอาจส่งผลเป็นลบผมก็จะพารานอยด์เป็นพิเศษ

ฟังแล้วอาจจะไม่ได้ดูหวือหวาอะไร แต่นี่แหละคือสิ่งที่คนส่วนใหญ่ไม่ทำกัน

—–

อย่ากลัวตกรถไฟ

ผมเคยได้รับคำแนะนำที่เปลี่ยนชีวิตของผม เป็นเพื่อนร่วมห้องตอนเรียนอยู่ที่ปารีสชื่อ Jean-Olivier Tedesco

ตอนเห็นผมกำลังจะวิ่งไปขึ้นรถไฟใต้ดิน เขาพูดว่า

“I don’t run for trains” – ผมไม่รีบวิ่งไปขึ้นรถไฟหรอกนะ

ดูแล้วเป็นเรื่องเล็กๆ แต่มันก็ติดตัวผมเรื่อยมา เมื่อผมปฏิเสธที่จะวิ่งเพื่อไปขึ้นรถไฟให้ทัน ผมก็เริ่มรู้สึกว่าตัวเองมีอำนาจเหนือตารางเวลาและชีวิตของผม

การตกรถไฟจะเจ็บปวดก็ต่อเมื่อคุณพยายามวิ่งไปขึ้นมันให้ทันเท่านั้น

เช่นเดียวกัน การไม่ได้ดำเนินชีวิตบนเส้นทางที่สังคมว่าดีมันจะเจ็บปวดก็ต่อเมื่อคุณพยายามไปทำตามความคาดหวังของคนอื่นเท่านั้น

อย่าไปกลัวตกรถไฟเพียงเพราะคนอื่นๆ ต่างก็กระเสือกกระสนไปขึ้นรถไฟขบวนนั้น

เลือกให้ดีว่าจะเล่นเกมไหน แล้วโอกาสแพ้คุณจะน้อย

—–

คำทิ้งท้าย

ไอเดียต่างๆ ที่ผมได้เล่ามา ข้อจำกัดของความรู้ โอกาสอันมหาศาลและความเสี่ยงอันโหฬารนั้นแทบไม่มีความหมายเมื่อเราคำนึงถึง “ภาพใหญ่”

ผมอดแปลกใจไม่ได้ที่เห็นคนบางคนอารมณ์เสียไปทั้งวันเพราะกับข้าวไม่อร่อย กาแฟชืดเกินไป หรือโดนใครพูดจาไม่ดีใส่

เรามักลืมไปว่า “การได้มีชีวิตอยู่” เป็นเรื่องโชคดีขนาดไหน

ลองนึกถึงละอองฝุ่นเทียบกับดาวเคราะห์ที่ใหญ่กว่ามันนับพันล้านเท่า ขนาดของละอองฝุ่นนั้นคือความน่าจะเป็นที่คุณจะได้เกิดมา และขนาดของดาวเคราะห์คือความน่าจะเป็นที่คุณจะไม่ได้มานั่งอยู่ตรงนี้

ดังนั้นอย่าไปเอาเป็นเอาตายกับเรื่องเล็กน้อย อย่าเป็นคนที่เพิ่งได้รับของขวัญเป็นพระราชวังแต่กลับขุ่นใจกับรอยเปื้อนบนอ่างล้างหน้า

ขอให้ระลึกไว้เสมอว่าตัวคุณเองก็คือ Black Swan เช่นกัน

—จบบริบูรณ์—


ขอบคุณผู้อ่านทุกท่านที่ตามอ่านบทสรุปทั้ง 10 ตอนจากหนังสือ The Black Swan ครับ!

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
The Black Swan ตอนที่ 6 – โยนเหรียญเสี่ยงทาย
The Black Swan ตอนที่ 7 – บิลเลียดสุดขอบจักรวาล
The Black Swan ตอนที่ 8 – ยุทธการ Barbell
The Black Swan ตอนที่ 9 – Bell Curve เจ้าปัญหา

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/

The Black Swan ตอนที่ 9 – Bell Curve เจ้าปัญหา

20200627

Nassim Nicolas Taleb ผู้เขียนหนังสือ The Black Swan บอกว่าเหตุผลที่นักเศรษฐศาสตร์หรือโบรกเกอร์มักจะประเมินความเสี่ยงของเหตุการณ์รุนแรงได้ต่ำเกินไป เพราะพวกเขาคำนวณความน่าจะเป็นโดยใช้ bell curve หรือ normal distribution

วิธีสร้าง Bell Curve ด้วยตัวคุณเอง

เรามาโยนเหรียญเสี่ยงทายกันอีกครั้ง

ถ้าโยนเหรียญครั้งเดียว ผลลัพธ์มีได้ 2 แบบคือ หัว หรือ ก้อย

ถ้าโยนเหรียญ 2 ครั้ง ผลลัพธ์มีได้ 4 แบบ คือ ก้อย-ก้อย ก้อย-หัว หัว-ก้อย และ หัว-หัว

ถ้าโยน 3 ครั้ง ผลลัพธ์มีได้ 8 แบบ คือ
ก้อย-ก้อย-ก้อย
ก้อย-ก้อย-หัว
ก้อย-หัว-ก้อย
ก้อย-หัว-หัว
หัว-ก้อย-ก้อย
หัว-ก้อย-หัว
หัว-หัว-ก้อย
หัว-หัว-หัว

โอกาสเกิดก้อย 3 ครั้ง = 1/8
โอกาสเกิดก้อย 2 ครั้ง = 3/8
โอกาสเกิดหัว 2 ครั้ง = 3/8
โอกาสเกิดหัว 3 ครั้ง = 1/8

เราจะได้ bell curve แบบคร่าวๆ ที่มีความสูง 1/8 อยู่ริมซ้ายและขวา และความสูง 3/8 อยู่ตรงกลาง

ถ้าโยนเหรียญ 4 ครั้ง ก็มีผลลัพธ์ได้ 2 ยกกำลัง 4 หรือ 16 แบบ ถ้าเปรียบหัวเป็น 1 และก้อยเป็น 0 ก็จะได้ซีรี่ส์เป็นเลขฐานสองดังนี้

0 0 0 0
0 0 0 1
0 0 1 0
0 0 1 1
0 1 0 0
0 1 0 1
0 1 1 0
0 1 1 1
1 0 0 0
1 0 0 1
1 0 1 0
1 0 1 1
1 1 0 0
1 1 0 1
1 1 1 0
1 1 1 1

โอกาสเกิดหัว 4 ครั้ง = 1/16
โอกาสเกิดหัว 3 ครั้ง = 4/16
โอกาสเกิดหัว 2 ครั้ง = 6/16
โอกาสเกิดก้อย 3 ครั้ง = 4/16
โอกาสเกิดก้อย 4 ครั้ง = 1/16

ลองเอาไปพล็อต bell curve ก็จะได้กราฟที่ละเอียดมากขึ้น

ถ้าโยนเหรียญ 40 ครั้ง ก็มีผลลัพธ์ได้ 2 ยกกำลัง 40 หรือ 1 ล้านล้านแบบ และกราฟ bell curve ก็จะละเอียดมากขึ้นไปอีก โอกาสที่จะได้หัวทั้ง 40 ครั้งนั้นมีเพียง 1 ใน 1 ล้านล้าน

เมื่อเราโยนเหรียญเป็นจำนวนอนันต์ แล้วนำมาพล็อตเป็นกราฟ ก็จะได้ bell curve แบบที่เราคุ้นตากัน

แต่การจะได้ normal distribution อย่างนี้ได้ นั่นหมายความว่าการโยนได้หัวในรอบนี้ไม่ได้เพิ่มหรือลดโอกาสออกหัวในรอบถัดไป ซึ่งนี่เป็นสิ่งที่พบเจอในโลกคาสิโนหรือการเล่นเกมอย่างการโยนเหรียญ

แต่ในเกมแห่งชีวิตจริง หากเราชนะคราวนี้ เราก็มีโอกาสมากขึ้นที่จะชนะอีกในคราวหน้า การจะ “ชนะ” ติดต่อกัน 40 ครั้ง แม้จะเป็นไปได้ยาก แต่โอกาสเป็นไปได้ก็มากกว่า 1 ใน 1 ล้านล้านครั้ง

ที่ทางของ Bell Curve

กราฟระฆังคว่ำหรือ Bell Curve นั้นเหมาะสำหรับ Mediocristan ที่ค่าเฉลี่ยเป็นใหญ่

สมมติว่าส่วนสูงของคนเรามีค่าเฉลี่ย 1.67 เมตรและมี standard deviation 10 เซนติเมตร

โอกาสที่คนจะสูงกว่าค่าเฉลี่ย 10 เซ็น (1.77) = 1 ใน 6.3

โอกาสที่คนจะสูงกว่าค่าเฉลี่ย 20 เซ็น (1.87) = 1 ใน 44

โอกาสที่คนจะสูงกว่าค่าเฉลี่ย 30 เซ็น (1.97) = 1 ใน 740

โอกาสที่คนจะสูงกว่าค่าเฉลี่ย 40 เซ็น (2.07) = 1 ใน 32,000

โอกาสที่คนจะสูงกว่าค่าเฉลี่ย 50 เซ็น (2.17) = 1 ใน 3,500,000

โอกาสที่คนจะสูงกว่าค่าเฉลี่ย 60 เซ็น (2.27) = 1 ใน 1 พันล้าน

โอกาสที่คนจะสูงกว่าค่าเฉลี่ย 70 เซ็น (2.37) = 1 ใน 7 แสนแปดหมื่นล้าน

โอกาสที่คนจะสูงกว่าค่าเฉลี่ย 80 เซ็น (2.47) = 1 ใน 1600 ล้านล้าน

จะเห็นว่ายิ่งเราออกห่างจากค่าเฉลี่ย โอกาสก็ยิ่งดำดิ่งในอัตราเร่ง จาก 10 เซ็นไป 20 เซ็นโอกาสน้อยลงประมาณ 7 เท่า แต่จาก 50 เซ็นไป 60 เซ็น โอกาสน้อยลงถึง 300 เท่า และจาก 70 ไป 80 เซ็น โอกาสน้อยลงถึง 2000 เท่า

ในโลก Mediocristan สิ่งต่างๆ ไม่ได้ scalable มันไม่สามารถจะห่างจากค่าเฉลี่ยได้มากนัก

Distribution ในดินแดน Extremistan

คราวนี้ลองมาดูการกระจายตัวของความมั่งคั่งดูบ้าง ตัวเลขไม่ได้เป็นไปตามนี้เป๊ะๆ เป็นเพียง simplified version เพื่อให้ผู้อ่านเห็นภาพ

คนที่มีสินทรัพย์มากกว่า 1 ล้านยูโร = 1 ใน 62.5

คนที่มีสินทรัพย์มากกว่า 2 ล้านยูโร = 1 ใน 250

คนที่มีสินทรัพย์มากกว่า 4 ล้านยูโร = 1 ใน 1,000

คนที่มีสินทรัพย์มากกว่า 8 ล้านยูโร = 1 ใน 4,000

คนที่มีสินทรัพย์มากกว่า 16 ล้านยูโร = 1 ใน 16,000

คนที่มีสินทรัพย์มากกว่า 32 ล้านยูโร = 1 ใน 64,000

ในกรณีนี้ เมื่อสินทรัพย์เพิ่มขึ้นสองเท่า โอกาสจะน้อยลง 4 เท่า ไม่ว่าเราจะมองไปที่เงินกี่ล้านยูโรก็ตาม (ไม่มีอัตราเร่งของโอกาสที่น้อยลง)

การกระจายตัวแบบนี้ต้องใช้ Mandelbrotian distribution หรือ Power Law มาจับ ถ้าเราพยายามใช้ Bell Curve มาอธิบายการกระจายตัวของความมั่งคั่ง จะได้แบบนี้

คนที่มีสินทรัพย์มากกว่า 1 ล้านยูโร = 1 ใน 62.5

คนที่มีสินทรัพย์มากกว่า 2 ล้านยูโร = 1 ใน 127,000

คนที่มีสินทรัพย์มากกว่า 4 ล้านยูโร = 1 ใน 886,000 ล้านล้าน

คนที่มีสินทรัพย์มากกว่า 8 ล้านยูโร = 1 ใน 16,000 ล้านล้านล้านล้านล้าน

ซึ่งเห็นได้ชัดว่า bell curve ไม่ใช่เครื่องที่เหมาะสมในการอธิบายสิ่งที่ scalable อย่างความมั่งคั่งซึ่งอยู่ในโลกของ Extremistan

กล่าวโดยสรุปคือ ดินแดน Mediocristan เราใช้ bell curve ได้ แต่ถ้าเราเข้าสู่ Extremistan เมื่อไหร่ bell curve จะเป็นเครื่องมือที่ไม่ได้เรื่อง

ถ้าผมบอกว่า คนสองคนความสูงรวมกัน 4 เมตร ความน่าจะเป็นที่เป็นไปได้มากที่สุดคือสูงคนละ 2 เมตร (normal distribution, ค่าเฉลี่ยคือพระเอก) คงไม่มีใครทายว่าคนหนึ่งสูง 3.5 เมตรและอีกคนสูง 50 เซ็น

แต่ถ้าผมบอกว่า นักเขียนสองคนมียอดขายหนังสือรวม 1,000,000 เล่ม โอกาสที่แต่ละคนจะขายได้ 500,000 เล่มนั้นน้อยกว่าโอกาสที่คนหนึ่งขายได้ 990,000 เล่มและอีกคนขายได้เพียง 10,000 เล่ม (mandelbrotian distribution, ค่าสุดโต่งคือพระเอก)

ใน Extremistan เราต้องมองไปที่ Power Law หรือที่บางคนอาจรู้จักในชื่อของ กฎ 80/20 หรือ Pareto Principle นั่นเอง

ใน Extremistan เราใช้ Power Law และเราสามารถใช้ค่า exponent ในการคาดคะเนความน่าจะเป็นได้

ในปี 2006 มีหนังสือที่ขายได้มากกว่า 250,000 เล่มอยู่ 96 ปก

ถ้าสมมติว่าค่า exponent คือ 1.5 การจะคำนวณว่าหนังสือที่ขายได้เกิน 500,000 เล่มมีอยู่กี่ปกทำได้ดังนี้

(500,000/250,000)^(-1.5) x 96 = 34 ปก

ถ้าอยากจะหาว่าหนังสือที่ขายได้เกิน 1,000,000 เล่มมีอยู่กี่ปก ให้เอา

(1,000,000/250,000)^(-1.5) x 96 = 12 ปก

ค่า Exponenent 1.5 นั้นได้มาโดยการลองผิดลองถูก โดยเราต้องลองเดาค่าใดค่าหนึ่งขึ้นมาก่อน แล้วเอาค่าเหล่านี้ไปใส่ในการคำนวณเพื่อดูว่ามันผลิตผลลัพธ์ออกมาได้สอดคล้องกับความเป็นจริงรึเปล่า

ตัวเลขเหล่านี้ไม่ได้ให้ผลลัพธ์ที่เป๊ะๆ แต่อย่างน้อยมันก็จะทำให้เรามีไอเดียว่าโอกาสที่จะเกิดผลลัพธ์ที่ Extreme นั้นมีมาก-น้อยแค่ไหน ซึ่งมันสามารถทำนายได้ดีกว่า bell curve มากมายนัก

ตามหาหงส์เทา

ความประสงค์ของหนังสือเล่มนี้ คือการลดความเสี่ยงที่เราจะเจอ Black Swans หรือเหตุการณ์ไม่คาดฝัน

ถ้าเราใช้แต่ normal distribution ซึ่งเหมาะกับ Mediocristan เท่านั้น เราก็จะประเมินความเสี่ยงใน Extremistan ผิดไป เราจำเป็นต้องใช้อีกเครื่องมือหนึ่ง นั่นคือ Mandelbrotian distribution ที่อ้างอิงกับ Power Law ซึ่งจะช่วยให้เราไม่ประมาทเกินไป

หากเรารู้ก่อนว่าตลาดหุ้นอาจจะมีสิทธิ์ crash ในปี 1987 ก็แสดงว่าเหตุการณ์ crash นั้นไม่ใช่ Black Swan และถ้าเรารู้ว่า biotech อาจผลิตยาที่จะขายดิบขายดีเป็นเทน้ำเทท่า และขายดีกว่ายาทุกตัวในประวัติศาสตร์ เราก็จะไม่แปลกใจหากเจอเหตุการณ์เช่นนั้น และอาจซื้อหุ้นของบริษัทนี้เอาไว้ล่วงหน้า

การประเมินความเสี่ยงแบบ Mandelbrotian จะทำให้ Black Swans บางตัวกลายเป็น Grey Swans หรือเหตุการณ์รุนแรงที่พอคาดเดาได้

แม้จะจับหงส์ดำไม่ได้ จับหงส์เทาได้ก็ยังดี


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
The Black Swan ตอนที่ 6 – โยนเหรียญเสี่ยงทาย
The Black Swan ตอนที่ 7 – บิลเลียดสุดขอบจักรวาล
The Black Swan ตอนที่ 8 – ยุทธการ Barbell

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/

The Black Swan ตอนที่ 8 – ยุทธการ Barbell

20200614

ในหลายบทที่ผ่านมา เรารู้แล้วว่ามนุษย์นั้นชอบปะติดปะต่อเรื่องราว ชอบมองเห็นแพทเทิร์นในทุกๆ อย่าง และชอบตัดสินว่าสิ่งนั้นดี-สิ่งนี้ไม่ดี

เวลาเรามองต้นไม้เราไม่สามารถมองเห็นแค่ต้นไม้ได้ เราเห็น “ต้นไม้สวย” หรือ “ต้นไม้ที่ไม่สวย” เรามี bias กับแทบทุกเรื่องในชีวิต แล้วเราควรทำตัวอย่างไรดี?

คำตอบก็คือ “จงรักษาความเป็นมนุษย์เอาไว้!” จงยอมรับว่าเรามีความทะนงตนในความรู้ (epistemic arrogance) อย่าพยายามที่จะไม่ตัดสินหรือออกความเห็น เพราะการมีความเห็นนั้นเป็นธรรมชาติของมนุษย์

และแม้ว่าผู้เขียนจะเตือนเราว่าทำนายอนาคตได้แย่แค่ไหน เราก็ไม่จำเป็นต้องหลีกเลี่ยงการทำนายอนาคตไปเสียทุกครั้ง การเป็นคนเขลา (fool) ไม่ใช่เรื่องผิดอะไร ขอแค่เป็นคนเขลาให้ถูกที่ถูกเวลาก็พอ

เราสามารถเป็นคนเขลาในเรื่องเล็กๆ ได้ แต่อย่าเป็นคนเขลาในเรื่องใหญ่ๆ อย่าไปฟังว่านักเศรษฐศาสตร์คาดการณ์เศรษฐกิจชาติไว้อย่างไรบ้าง แต่ถ้าสุดสัปดาห์นี้จะไปปิคนิคก็เชิญคาดการณ์ได้ตามอัธยาศัย

และแม้ว่าเราไม่สามารถคาดการณ์อะไรได้ ก็ไม่ได้หมายความว่าเราจะใช้ประโยชน์จากอนาคตที่คาดการณ์ไม่ได้ – knowing that you cannot predict does not mean that you cannot benefit from unpredictability.

เหตุที่อเมริกายิ่งใหญ่

Nassim Taleb ผู้เขียนหนังสือเล่มนี้ เชื่อว่าเราจะใช้ประโยชน์จากความไม่แน่นอนได้ด้วยการ maximize serendipity หรือการเพิ่มโอกาสในการเกิดเรื่องบังเอิญให้มากที่สุด

วัฒนธรรมของอเมริกาสนับสนุนให้คนลองผิดลองถูก (trial and error) ทำให้มีนวัตกรรมเกิดขึ้นมาอย่างมากมาย ผิดกับในยุโรปหรือในญี่ปุ่นที่ความผิดพลาดนั้นนับเป็นเรื่องน่าละอาย ทั้งๆ ที่บางทีมันเป็นเรื่องของจังหวะและโชคมากกว่าจะเป็นความบกพร่องของตัวบุคคล

อย่าลืมว่า Black Swans นั้นมีทั้งเชิงบวกและเชิงลบ การที่เราพร้อมลองผิดลองถูก คือการเปิดโอกาสให้ตัวเองได้พบกับหงส์ดำที่จะทำให้ชีวิตเราพุ่งทะยานได้ ดังนั้น หากมีโอกาสเข้ามา จงคว้ามันเอาไว้ ถ้ามีสำนักพิมพ์ติดต่อเข้ามา หรือมีผู้กำกับหนังมาทาบทามก็จงยกเลิกนัดที่มีอยู่แล้วทั้งหมดแล้วตอบรับนัดใหม่นี้ซะ เพราะโอกาสแบบนี้ไม่ได้ผ่านมาบ่อยๆ

หากเราอยากประสบความสำเร็จในหน้าที่การงาน การย้ายไปอยู่เมืองใหญ่ๆ จึงสำคัญ เพราะมันนำมาซึ่งโอกาสมากมาย การได้พบปะพูดคุยกับคนบางคนอาจนำมาซึ่งไอเดียหรือธุรกิจใหม่ๆ ซึ่งการสื่อสารทางไกลไม่สามารถทดแทนการเจอกันตัวเป็นๆ ได้

ยุทธการบาร์เบล

หากเรายอมรับได้ว่าการคาดการณ์หรือการทำนายนั้นมีข้อจำกัด และการ “ประเมินความเสี่ยง” นั้นไม่อาจเที่ยงตรงเพราะ Black Swan เกิดขึ้นได้ทุกเมื่อ วิธีหนึ่งที่จะทำให้เราอยู่ในโลกที่ไม่แน่นอนนี้ได้คือการเป็นคนที่ hyperconservative และ hyperaggressive ในเวลาเดียวกัน

แทนที่จะลงทุนใน “หลักทรัพย์ที่มีความเสี่ยงปานกลาง” (ซึ่งเราไม่มีทางรู้ได้เลยว่าโบรกเกอร์และธนาคารเขาประเมินความเสี่ยงปานกลางออกมาได้ยังไง) เราควรจะแบ่งเงินลงทุน 85-90% ไปซื้อหลักทรัพย์ที่มีความปลอดภัยสุดๆ อย่าง Treasury Bill [ตั๋วเงินคลัง – ตราสารหนี้ระยะสั้นอายุไม่เกิน 1 ปีที่รัฐบาลออกจําหน่ายเพื่อกู้ยืมเงินจากประชาชน]

ส่วนเงินที่เหลืออีก 10-15% นั้นเราควรนำไปลงทุนกับหลักทรัพย์ที่มีความเสี่ยงสูงมากๆ เช่นกองทุนแบบ venture capital ที่นำเงินไปลงทุนใน startup ยิ่งถ้าเราสามารถซื้อประกันเพื่อลดความเสี่ยงจากการขาดทุนได้ด้วยก็จะยิ่งเพอร์เฟ็ค

ด้วยวิธีการแบบ hyperconservative + hyperaggressive นี้ ต่อให้เกิดเหตุการณ์เลวร้ายแค่ไหน เราก็จะเสียเงินไม่เกิน 15% ของเงินลงทุนทั้งหมด แต่ถ้าเราแทงม้าถูก เจอ Black Swan เชิงบวก เงิน 15% ที่เราลงทุนในหลักทรัพย์ที่มีความเสี่ยงสูงก็อาจให้ผลตอบแทนมากพอที่จะเปลี่ยนชีวิตเราได้เลยทีเดียว

นี่คือเหตุผลที่ผู้เขียนเรียกมันว่ายุทธการบาร์เบล คือไม่มีตรงกลาง มีแต่สุดโต่งทั้งสองด้านคือ low risk / low return และ high risk / high return เมื่อเอามาเฉลี่ยกันแล้วก็จะเป็น medium risk แต่วิธีการลงทุนแบบนี้จะเปิดโอกาสให้เราได้รับประโยชน์จากหงส์ดำเชิงบวกและป้องกันความสูญเสียจากหงส์ดำเชิงลบ

ธุรกิจ Black Swan

ธุรกิจที่มี Black Swan เชิงบวกก็เช่นธุรกิจภาพยนตร์ งานวิจัย หนังสือ เราเสียเงินประมาณหนึ่งในการพิมพ์หนังสือแต่ละปก แต่ถ้าปกใดปกหนึ่งติดตลาดก็อาจเลี้ยงสำนักพิมพ์ไปได้อีกนาน

ในทางกลับกัน ธุรกิจอย่างธนาคารนั้นมีแต่ Black Swan เชิงลบ คุณปล่อยกู้ให้กับลูกหนี้ และอย่างดีที่สุดเขาก็ใช้เงินให้คุณจนครบ และต่อให้เค้าธุรกิจเฟื่องฟูแค่ไหน เขาก็คงไม่จ่ายเงินคุณมากไปกว่านี้ แต่หากเกิดเหตุการณ์ Black Swan อย่างลูกหนี้พร้อมใจกันชักดาบ ธุรกิจธนาคารของคุณก็แทบจะล้มทั้งยืน

โฟกัสที่ผลลัพธ์

แม้เราจะไม่สามารถประเมินความเสี่ยงของเหตุการณ์ใดเหตุการณ์หนึ่งได้ แต่เราประเมินผลลัพธ์ที่จะตามมาได้ เราไม่สามารถประเมินความเสี่ยงที่จะเกิดแผ่นดินไหวในกรุงเทพ แต่เราประเมินได้ว่าผลกระทบที่จะตามมาจากแผ่นดินไหวในกรุงเทพมีอะไรบ้าง

ดังนั้น การจะตัดสินใจอะไรก็แล้วแต่ จงให้น้ำหนักกับผลลัพธ์ที่จะตามมามากกว่าโอกาสที่จะเกิดเหตุการณ์นั้น เพราะเราคำนวณผลลัพธ์ได้แต่เราคำนวณความเสี่ยงไม่ได้

จงพาตัวเองไปอยู่ในการลงทุน ธุรกิจ และสถานการณ์ที่เรามี exposure กับผลลัพธ์เชิงบวกมากกว่าผลลัพธ์เชิงลบ แล้วเราจะอยู่ในโลกที่ไม่แน่นอนนี้ได้อย่างอุ่นใจมากขึ้น

ติดตามตอนต่อไปสัปดาห์หน้า


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
The Black Swan ตอนที่ 6 – โยนเหรียญเสี่ยงทาย
The Black Swan ตอนที่ 7 – บิลเลียดสุดขอบจักรวาล

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/

The Black Swan ตอนที่ 7 – บิลเลียดสุดขอบจักรวาล

20200607

เส้นทางการค้นพบ

การค้นพบครั้งสำคัญๆ ในประวัติศาสตร์ล้วนแล้วแต่เกิดจากการมองหาสิ่งหนึ่งแต่ดันไปพบอีกสิ่งหนึ่งโดยไม่ตั้งใจ เหมือนที่โคลัมบัสที่แล่นเรือไปทางทิศตะวันตกเพื่อไปอินเดียแต่กลับค้นพบทวีปใหม่แทน

คำว่า Serendipity ที่แปลว่า “การมีโชคในการค้นพบสิ่งต้องการโดยบังเอิญ” นั้นมีที่มาจากนิทานปรัมปราเรื่อง The Three Princes of Serendip ที่ว่าด้วยเจ้าชายสามพระองค์จากเมือง Serendip ที่ค้นพบสิ่งใหม่ๆ โดยไม่ได้ตั้งใจ

ในกลายการค้นพบ มนุษยชาติมักไม่สำเหนียกว่าสิ่งที่เขาค้นพบนั้นสำคัญแค่ไหน

ตอนที่ Copernicus ตั้งสมมติฐานว่าโลกไม่ได้เป็นศูนย์กลางของจักรวาลนั้น ไม่มีผู้มีอำนาจคนใด (ที่เชื่อว่าโลกคือศูนย์กลางของจักรวาล) รู้สึกเป็นเดือดเป็นร้อนจนกระทั่งโคเปอร์นิคัสตายไปแล้ว 75 ปี

ตอนที่ Charles Darwin นำเสนองานวิจัยเรื่องวิวัฒนาการเป็นครั้งแรกให้กับคณะกรรมการในสมาคม Linnean society สมาคมออกมาประกาศว่า “ไม่มีการค้นพบอะไรที่น่าประทับใจ” (no striking discovery)

หรือนักธุรกิจอย่าง Thomas Watson ก็ยังเคยทำนายว่าโลกใบนี้มีความต้องการใช้คอมพิวเตอร์แค่ 5 เครื่องเท่านั้น คนทั่วไปทำนายแบบนี้ก็ถือว่าผิดพลั้งมากแล้ว แต่คุณวัตสันนี่เป็นถึงผู้ก่อตั้ง IBM!

 

ผีเสื้อกระพือปีก

หลังการปฏิวัติทางวิทยาศาสตร์ มนุษย์รู้สึกว่าตัวเองมีเครื่องมือที่จะทำนายการเคลื่อนไหวของดวงดาวได้ จักรวาลก็เหมือนนาฬิกาที่มีกลไกและกฎระเบียบที่ชัดเจน แค่ใช้สูตรที่เหมาะสมและใส่ค่าตัวแปรให้ถูกต้อง เราก็สามารถทำนายได้ว่าดวงดาวเหล่านี้จะเคลื่อนไหวอย่างไร

แต่ Henri Poincaré (อองรี ปวงกาเร) นักคณิตศาสตร์ชาวฝรั่งเศสได้ออกมาเตือนว่า สูตรและสมการต่างๆ ของเรานั้นมีขีดจำกัด ปวงกาเรอธิบายคอนเซ็ปต์ non-linearity ที่ input เพียงน้อยนิดอาจนำไปสู่ผลกระทบที่รุนแรงได้ ซึ่งคอนเซ็ปต์นี้ต่อมาเรารู้จักกันในนาม Chaos theory ที่บอกว่าผีเสื้อกระพือปีกในอินเดียทำให้เกิดพายุทอร์นาโดในอเมริกาได้นั่นเอง

ปวงกาเรบอกว่า ถ้าเรามีดาวเคราะห์แค่สองดวงในระบบ เราจะสามารถทำนายการเคลื่อนไหวของดาวเคราะห์ได้อย่างเที่ยงตรงและยาวนาน แต่เมื่อใดก็ตามที่เรามี “วัตถุชิ้นที่สาม” (third body) เข้ามาอยู่ในระบบด้วย (เช่นดาวหาง) ต่อให้มันจะมีขนาดเล็กและตอนแรกจะไม่ส่งผลอะไรก็ตาม แต่เมื่อเวลาผ่านไปการเคลื่อนไหวของดาวเคราะห์สองดวงแรกจะได้รับผลกระทบจากวัตถุชิ้นที่สามอย่างมหาศาล

นักคณิตศาสตร์ชื่อ Michael Berry สาธิตความซับซ้อนของการทำนายด้วยการคำนวณวิถีการวิ่งของลูกบิลเลียด

การคำนวณว่าลูกบิลเลียดจะวิ่งไปทางไหนในการ “กระทบครั้งแรก” ของลูกบิลเลียด (the first impact) นั้นทำได้ค่อนข้างง่าย แค่รู้น้ำหนัก ขนาด ความเร็วของลูกบิลเลียดและรู้แรงต้าน (resistance) ของสักหลาดบนโต๊ะก็สามารถคำนวณได้แล้ว

ส่วนการคำนวณการ “การกระทบครั้งที่ 2” (second impact) ก็ยังพอทำได้แต่ก็ต้องใช้ข้อมูลมากขึ้นและต้องมีค่าตัวแปรที่แม่นยำมากขึ้น

แต่พอไปถึง 9th impact การจะคำนวณวิถีได้ถูกต้องนั้นเราจำเป็นต้องคำนึงถึง “แรงดึงดูด” (gravitational pull) ที่เกิดจากคนที่ยืนดูอยู่รอบๆ โต๊ะด้วย

และถ้าหากจะคำนวณไปให้ถึง 56th impact เราจำเป็นต้องเอาทุกอนุภาคในจักรวาลมาอยู่ในสมการ! อิเลคตรอน ณ สุดขอบจักรวาลที่อยู่ห่างออกไป 10,000 ล้านปีแสงก็ยังส่งผลกระทบต่อการเคลื่อนไหวของลูกบิลเลียดในการกระทบกันครั้งที่ 56

ขนาดการทำนายลูกบิลเลียดที่เป็นสิ่งไม่มีชีวิตจิตใจยังยากเย็นขนาดนี้ การทำนายพฤติกรรมของมนุษย์ที่มีเจตนำนงเสรี (free will) จะยากเย็นขนาดไหน

ความรู้ทางคณิตศาสตร์และฟิสิกส์ที่เป็น hard science นั้นสามารถทำงานได้ดีในโลกของมัน แต่เราไม่ควรเอาเครื่องมือเหล่านี้มาใช้ในโลกของ social science อย่างเศรษฐศาสตร์ด้วยความมั่นใจมากจนเกินไป การทำนายพฤติกรรมลูกบิลเลียดนั้นยากแค่ไหน การทำนายพฤติกรรมคนนั้นยิ่งยากกว่าหลายเท่า

 

การกลับมาของไก่งวง

ยังจำเรื่องไก่งวงหน้าโง่ได้มั้ย เราดูข้อมูลจากอดีตเพื่อจะทำนายข้อมูลในอนาคต แต่ในบางครั้งข้อมูลชุดเดียวกันอาจนำไปสู่สองสมมติฐานที่แตกต่างกันอย่างสิ้นเชิงก็ได้

ถ้าเราไม่รู้อะไร และมีชีวิตอยู่มาจนถึงวันนี้ ก็ตีความได้ว่า

1. มีความเป็นไปได้ว่าเราจะเป็นอมตะ
2. มีความเป็นไปได้ว่าเรากำลังเข้าใกล้ความตายมากกว่าเดิม

ทั้งสองสมมติฐานนั้นตั้งอยู่บนข้อมูลชุดเดียวกันเลย เช่นเดียวกับไก่งวงที่ได้รับการป้อนข้าวป้อนน้ำเป็นอย่างดีทุกวันมาถึง 1,000 วัน มันก็อาจตั้งสมมติฐานได้ว่าชีวิตมันปลอดภัยอย่างแน่นอน หรือถ้ามันเฉลียวใจซักนิดมันอาจจะคิดได้ว่านี่คือหลักฐานว่าชีวิตมันกำลังตกอยู่ในอันตรายเพราะมันกำลังถูกขุนเพื่อนำไปเป็นอาหารมื้อค่ำ

สมมติฐานจะเป็นแบบใดขึ้นอยู่กับว่าเรามีโมเดลแบบไหนอยู่ในหัว ถ้าเรามองโลกเป็น “เส้นตรง” หรือ linear ข้อมูลแต่ละจุดก็จะนำมาพล็อตเป็นกราฟเส้นตรงที่ลากไปในทางทิศทางเดียว แต่ถ้าเรามองโลกเป็น non-linear ข้อมูลชุดเดียวกันนั้นสามารถนำไปใส่ในกราฟได้หลายแบบ เช่นกราฟ parabola กลับหัว หรือกราฟ sine ที่ขึ้นๆ ลงๆ ตามฤดูกาลก็ได้

 

เจ็บแล้วไม่เคยจำ

เรากำลังจะซื้อรถคันใหม่ รถคันนี้จะเปลี่ยนชีวิตเรา มันจะทำให้เรามีสถานะทางสังคมที่ดีขึ้นและทำให้การเดินทางรื่นรมย์กว่าเดิม เครื่องยนต์ของรถคันนี้เงียบฉี่จนไม่รู้ด้วยซ้ำว่ารถสตาร์ทอยู่รึเปล่า รถคันนี้จะนำมาซึ่งความสุขความพึงพอใจในระดับใหม่ที่จะอยู่กับเราไปอีกนานแสนนาน

แต่เราลืมไปเลยว่าตอนที่จะซื้อรถคันก่อนเราก็คิดอย่างนี้แหละ เราไม่คิดเลยว่าเดี๋ยวพอซื้อรถคันใหม่ไอ้ความฟินนี้มันก็จะหมดไปภายในเวลาไม่กี่วันเหมือนคราวที่แล้ว เพราะถ้าเราคิดได้เราก็คงไม่อยากได้รถคันใหม่ขนาดนั้นหรอก

เรามัก overestimate ความสุขที่จะได้จากเรื่องดีๆ และ overestimate ความทุกข์ที่จะได้จากเรื่องแย่ๆ เสมอ ที่สำคัญคือเราเหมือนไม่เคยเรียนรู้จากการคาดการณ์ผิดในครั้งก่อนๆ เลย เหมือนสมองของเรามี bug ที่ทำให้ไม่เห็นความจริงข้อนี้

Bug ตัวนี้อาจเป็นผลงานของวิวัฒนาการก็ได้ การ overestimate ความสุขในอนาคตทำให้เรามีแรงผลักดันที่จะลงมือทำเพื่อให้ได้บางสิ่งบางอย่างมา เช่นออกหาอาหารหรือออกหาที่พำนักแห่งใหม่ (ในสมัยดึกดำบรรพ์) หรือซื้อรถซื้อบ้านหลังใหม่ (ในโลกปัจจุบัน)

ส่วนการที่สมอง overestimate ความทุกข์ก็เพื่อป้องกันไม่ให้เราทำอะไรที่เสี่ยงเกินไป จะได้มีชีวิตรอดเพื่อสืบเผ่าพันธุ์ได้ แต่แม้ว่ามันจะช่วยป้องกันเราจากภยันตรายในเชิงกายภาพ มันก็ไม่สามารถป้องกันเราจาก Black Swan ได้อยู่ดี เพราะหงส์ดำนั้นมองไม่เห็น คาดไม่ถึงและเป็นนามธรรมเกินกว่าที่สมองของเราจะ estimate / overesimate ความอันตรายของมันได้

 

น้ำแข็งกำลังละลาย

ลองคิดถึง 2 สถานการณ์

สถานการณ์แรก – นึกภาพน้ำแข็งก่อนหนึ่งที่หล่นอยู่บนพื้นและประเมินว่ามันจะละลายยังไงในอีก 2 ชั่วโมงข้างหน้า ลองคิดถึงภาพน้ำเจิ่งนองที่ต้องมานั่งเช็ดกันทีหลัง

สถานการณ์ที่สอง – คิดถึงภาพน้ำเจิ่งนองที่อยู่บนพื้น แล้วพยายามนึกถึงภาพก้อนน้ำแข็งที่ทำให้เกิดน้ำเจิ่งนองนี้

ในสถานการณ์แรก ถ้าเรามีสมการที่เหมาะสมเราก็สามารถคำนวณรูปแบบการละลายได้ไม่ยาก ใช้ความรู้วิศวกรรมระดับปริญญาตรีก็ทำได้แล้ว

แต่ในสถานการณ์ที่สอง เราสามารถสร้างก้อนน้ำแข็งได้ในรูปแบบที่นับไม่ถ้วน หรืออาจจะไม่เคยมีก้อนน้ำแข็งมาตั้งแต่แรกเลยก็ได้

น้ำแข็งละลายเป็น forward process ที่พอจะคาดการณ์ได้และเป็นกระบวนการที่ใช้ในฟิสิกส์และวิศวกรรมศาสตร์

แต่สถานการณ์ที่สองเป็น backward process ที่เราใช้ในการศึกษาประวัติศาสตร์ ซึ่งไม่สามารถทดลองหรือกระทำซ้ำได้

ผีเสื้อกระพือปีกในมุมไบอาจเป็นต้นเหตุให้เกิดเฮอริเคนในนอร์ธแคโรไลนาได้ในอีกสองปีถัดมา แต่ถ้าเราพบเฮอริเคนในนอร์ธแคโรไลนา เราไม่สามารถเดาได้เลยว่าอะไรคือต้นเหตุของมันเพราะมันมีความเป็นไปได้นับพันล้านอย่าง อาจจะเป็นผีเสื้อกระพือปีกในทิมบักตูหรือหมาเห่าในออสเตรเลียก็ได้ กระบวนการจากผีเสื้อไปเฮอริเคนนั้นซับซ้อนน้อยกว่ากระบวนการย้อนหลังจากเฮอริเคนกลับมาสู่ผีเสื้อมากมายนัก

ดังนั้น การที่นักประวัติศาสตร์พยายามอธิบายสาเหตุและตั้งสมมติฐานให้กับเหตุการณ์ต่างๆ ที่เคยเกิดขึ้นนั้น เป็นการกระทำที่มีโอกาสผิดพลาดสูงมาก เพราะมันคือการพยายาม reverse engineer ที่ซับซ้อนยิ่งกว่าน้ำที่เจิ่งนองหรือเฮอริเคนเสียอีก

ถ้าเราอยากศึกษาประวัติศาสตร์ก็จงทำไปเถิด แต่อย่าไปตั้งสมมติฐาน อย่าพยายามสร้างความเชื่อมโยงหรือตั้งทฤษฎีเพื่อมาอธิบายเหตุการณ์เหล่านั้นเพราะมันจะทำให้เราเข้าใจอะไรๆ ได้คลาดเคลื่อนยิ่งกว่าเดิม

ติดตามตอนต่อไปสัปดาห์หน้า

—-

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
The Black Swan ตอนที่ 6 – โยนเหรียญเสี่ยงทาย

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/

The Black Swan ตอนที่ 6 – โยนเหรียญเสี่ยงทาย

20200531

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/

The Black Swan ตอนที่ 5 – หลักฐานอันเงียบงัน

20200524

ในเรื่องเล่าเก่าแก่ของชาวโรมัน ไดแอกโกรัส (Diagoras) ผู้ไม่นับถือพระเจ้าองค์ใด ได้ไปพบศิลาจารึกที่เต็มไปด้วยรูปวาดของเหล่าผู้ศรัทธาที่สวดมนต์อ้อนวอนต่อพระเจ้าจนรอดชีวิตจากเรืออัปปาง

ไดแอกโกรัสจึงถามว่า “แล้วรูปของคนที่สวดมนต์แต่จมน้ำตายล่ะ อยู่ที่ไหน?”

ไดแอดโกรัสกำลังพูดถึง silent evidence หรือ “หลักฐานอันเงียบงัน” ซึ่งเป็นคอนเซ็ปต์ที่ตรงไปตรงมาแต่ดูเหมือนผู้คนมักจะมองข้ามสิ่งนี้

เหล่าผู้ศรัทธาที่จมน้ำตายไม่อาจอยู่รอดเพื่อมาวาดรูปตัวเองลงบนศิลาได้ฉันใด “ผู้พ่ายแพ้ในประวัติศาสตร์” ก็ไม่ได้มาเล่าเรื่องราวของตัวเองฉันนั้น

Silent evidence ที่ไม่เคยถูกพูดถึงนี่เองที่มักจะเป็นตัวการซุกซ่อนความไร้แบบแผนของเหตุการณ์ต่างๆ โดยเฉพาะเหตุการณ์ที่เป็น Black Swans

 

ไม่มีหมอที่เป็นบ๋อย

ในบทที่สองเราพูดถึงความแตกต่างระหว่างอาชีพที่ scalable และอาชีพที่ไม่ scalable

อาชีพที่ scalable คืออาชีพที่อยู่ใน Extremistan ถ้าคุณประสบความสำเร็จ คุณก็จะสำเร็จอย่างสุดโต่ง เช่นนักเขียนหรือนักดนตรี แต่อาชีพนี้มีคนสำเร็จน้อยเสียยิ่งกว่าน้อย “นักเขียน” ส่วนใหญ่เลยต้องรับ “จ๊อบเสริม” อย่างการทำงานตามร้านอาหารเพื่อหาเลี้ยงชีพตอนกลางวันและเขียนหนังสือตอนกลางคืน

ส่วนอาชีพที่ไม่ scalable นั้นอยู่ใน Mediocristan แม้จะไม่หวือหวาแต่ก็จะไม่อดตาย ผู้คนส่วนใหญ่ในอาชีพเหล่านี้ประสบความสำเร็จพอประมาณ เราจึงไม่เคยเห็นหมอคนไหนต้องมารับจ๊อบเสริมเป็นบ๋อยในร้านอาหาร

เรื่องราวของนักเขียนหรือนักร้องที่ประสบความสำเร็จนั้น จึงเป็นเรื่องราวของคนเพียง 0.01% ในวงการนี้ ในขณะที่เรื่องราวของผู้ล้มเหลวอีก 99.99% นั้นไม่เคยถูกกล่าวถึงแม้แต่น้อย

นักเขียนนิยายชื่อดังแห่งศตวรรษที่ 19 อย่าง Honoré de Balzac นั้น มักจะได้รับการยกย่องในความ “เสมือนจริง” “ความเข้าใจอันลึกซึ้ง” “รายละเอียดของตัวละคร” และ “ความสามารถในการตรึงอารมณ์คนอ่าน” และคุณสมบัติเหล่านี้นี่แหละที่ทำให้ Balzac ประสบความสำเร็จกว่านักเขียนทั่วไป

แต่ข้อความด้านบนจะเป็นจริงได้ก็ต่อเมื่อนักเขียนคนอื่นๆ ที่ไม่ประสบความสำเร็จนั้นขาดคุณสมบัติเหล่านี้

ในความเป็นจริง อาจจะมีนักเขียนอีกหลายสิบคนที่มีคุณสมบัติที่กล่าวไปไม่แพ้ Balzac แต่ก็ไม่ประสบความสำเร็จอยู่ดี

ดังนั้น ปัจจัยที่ทำให้ Balzac ประสบความสำเร็จ อาจไม่ใช่ทักษะที่กล่าวถึงเลย Balzac แค่ “โชคดี” กว่านักเขียนคนอื่นๆ เท่านั้นเอง

ประเด็นไม่ใช่จะบอกว่า Balzac นั้นไม่เก่ง ประเด็นคือความเก่งของเขานั้นไม่ได้แตกต่างจากคนอื่นมากเท่าที่เราคิด (he is less uniquely talented than we think) เพราะมี silent evidence มากมายที่ไม่เคยถูกวิเคราะห์ มีต้นฉบับนับพันนับหมื่นที่ไม่เคยถูกตีพิมพ์

 

บันได 10 ขั้นสู่การเป็นเศรษฐีเงินล้าน

หลายต่อหลายคนพยายามจะศึกษาชีวิตของนักธุรกิจหรือผู้บริหารที่ประสบความสำเร็จและวิเคราะห์ “คุณสมบัติร่วม” (common traits) ที่ทำให้พวกเขามาถึงจุดนี้ได้ เช่นกล้าเสี่ยง มองโลกในแง่ดี ฯลฯ แล้วเราก็มักจะคิดว่านิสัยเหล่านี้นี่แหละที่ทำให้พวกเขาประสบความสำเร็จ

คราวนี้ลองหันไปดู “สุสาน” บ้าง ซึ่งเป็นเรื่องยากเพราะคนที่ล้มเหลวนั้นไม่ค่อยออกมาเขียนหนังสือกันหรอก และถึงจะเขียนก็ไม่มีสำนักพิมพ์ไหนอยากพิมพ์ให้ เพราะคนส่วนใหญ่อยากจ่ายเงิน 300 บาทเพื่ออ่านเรื่องราวของคนสำเร็จมากกว่าเรื่องของคนล้มเหลวอยู่ดี (หนังสือเกี่ยวกับความล้มเหลวที่ Taleb เคยได้อ่านแล้วรู้สึกว่ามีประโยชน์ที่สุดคือ What I Learned Losing a Million Dollars ของ D.Paul และ B.Moyinahan ซึ่งนักเขียนต้องจัดพิมพ์เอง)

นักลงทุนที่ประสบความสำเร็จมักจะคิดว่าตัวเองเป็นอัจริยะเพราะ “เอาชนะตลาด” ได้ติดต่อกันหลายต่อหลายปี แต่จริงๆ แล้วถ้าคุณมี sample size ที่ใหญ่พอ และลองทำ computer simulation มันเป็นเรื่องที่เลี่ยงไม่ได้อยู่แล้วที่จะมีบาง sample ที่ชนะติดๆ กันเพราะความบังเอิญล้วนๆ

แต่เรากลับพยายามหา “สาเหตุ” และ “คำอธิบาย” ว่าคนๆ นี้สำเร็จเพราะอะไร “เพราะเขากินเต้าหู้เป็นประจำ” “เพราะเธอทำงานจนค่ำ วันก่อนสองทุ่มแล้วยังอยู่ออฟฟิศอยู่เลย” และแน่นอน “เพราะเธอเป็นคนขี้เกียจโดยธรรมชาติ และคนขี้เกียจมักจะมองเห็นอะไรได้ชัดกว่าคนทั่วไป”

ในอาชีพที่ scalable อย่างนักเขียน นักดนตรี นักค้าหุ้นนั้น สุสานของความล้มเหลวมีขนาดใหญ่มหึมา และเราไม่เคยได้ยินเรื่องราวจากพวกเขาเลย

นี่จึงทำให้อาชีพเหล่านี้ดูมีโอกาสสำเร็จมากกว่าความเป็นจริง

 

คนตายพูดไม่ได้

เหตุการณ์เฮอริเคน Katrina ถล่ม New Orleans ในปี 2005 นั้นเป็นข่าวไปทั่วโลก ผู้นำรัฐบาลต่างออกมาบอกว่าทุกคนที่ได้รับผลกระทบจะได้รับการเยียวยาอย่างดีที่สุด

แต่เงินที่ใช้เยียวยาไม่ได้มาจากกระเป๋าของท่านผู้นำเหล่านั้น มันมาจากเงินภาษีของประชาชน และเมื่อเหยื่อของ Katrina ได้เงินมากกว่าปกติ ก็ย่อมจะหมายความว่ามีเงินภาษีเหลือน้อยลงสำหรับการช่วยบางกลุ่มบางองค์กร แต่องค์กรเหล่านี้ไม่เคยได้ออกสื่อ พวกเขาอาจจะเป็นมูลนิธิที่ดูแลผู้ป่วยมะเร็งก็ได้ มีคนตายจากมะเร็งมากกว่าจากเฮอริเคน Katrina มากมายนัก และการที่พวกเขาขาดเงินช่วยเหลือไปอาจจะทำให้พวกเขาต้องตายเร็วกว่าเดิม นี่คืออาชญากรรมที่ทุกคนไม่เคยมองเห็น

เหตุการณ์ 9/11 ในปี 2001 ทำให้มีผู้เสียชีวิต 2500 คนจากการก่อการร้ายของกลุ่มอัลกออิดะฮ์ ญาติผู้เสียชีวิตรวมถึงผู้บาดเจ็บต่างก็ได้รับการเยียวยาและชดเชยอย่างเต็มที่

แต่นักวิจัยกลุ่มหนึ่งพบว่า ในช่วงสามเดือนสุดท้ายของปีนั้นมีประชาชนอีกประมาณ 1,000 คนที่อาจเป็นเหยื่อของผู้ก่อการร้ายเช่นกัน เพราะสถิติการเสียชีวิตบนท้องถนนสูงขึ้นผิดปกติ สมมติฐานก็คือประชาชนจำนวนไม่น้อยกลัวการขึ้นเครื่องบิน และเลือกที่จะเดินทางด้วยรถยนต์แทน และส่วนหนึ่งของคนที่เปลี่ยนมาเดินทางบนถนนนั้นประสบอุบัติเหตุจนเสียชีวิต ญาติของผู้เสียชีวิตเหล่านี้ไม่เคยได้รับการเยียวยา พวกเขาไม่รู้ด้วยซ้ำว่าคนที่เราเขารักนั้นก็ตกเป็นเหยื่อของผู้ก่อการร้ายเช่นกัน

 

เราคือคาสโนว่าผู้รอดชีวิต

เรารู้จักคาสโนว่ากันดีในมุมของผู้ชายที่เป็นสุดยอดแห่งความเจ้าชู้ แต่จริงๆ แล้วเขามองตัวเองเป็นนักวิชาการ (scholar) และต้องการจะสร้างเครดิตให้ตัวเองด้วยการเขียนหนังสือ 12 เล่มภายใต้ชื่อ History of My Life

นอกจากจะเล่าเรื่องการจีบสาวแล้ว หนังสือชุดนี้ยังกล่าวถึงเหตุการณ์หลายต่อหลายเหตุการณ์ที่คาสโนว่าต้องตกที่นั่งลำบาก แต่ถึงที่สุดแล้ว “ดวงดาวแห่งโชค” จะนำพาให้เขาเอาตัวรอดได้เสมอ

เป็นไปได้มั้ยว่าคาสโนว่าคือคนที่ฟ้าเลือกให้เป็นผู้ที่อยู่เหนือโชคชะตา?

ก็อาจจะไม่ เพราะมีนักผจญภัยมากมายในประวัติศาสตร์ที่ทำตัวเหมือนคาสโนว่า หลายคนไม่รอด ส่วนบางคนก็รอดมาได้ และคนที่รอดก็มักจะนึกว่าตัวเองนั้นพิเศษกว่าคนอื่นเลยมาเขียนหนังสือเล่าประสบการณ์ให้เราฟัง

ถ้ามองในภาพใหญ่ มนุษย์ Homo Sapiens ก็คือ “คาสโนว่าผู้รอดชีวิต” เราเป็นเผ่าพันธุ์ที่โชคดีอย่างมากที่ผ่านความเสี่ยงมามากมายแต่ก็ยังอยู่รอดและขยายเผ่าพันธุ์มาได้ถึงขนาดนี้

แต่แม้ว่าเราจะมาถึงจุดนี้ได้เพราะโชคช่วย ก็ไม่ได้แปลว่าเราควรจะเสี่ยงอย่างนี้เรื่อยไป เหมือนเราเล่นรูเล็ตชนะมาแล้วหลายตา ก็ถึงเวลาที่ควรจะเลิกเล่นการพนันแล้วหางานดีๆ ทำเสียที

ในมุมของคาสโนว่าหรือนักการพนันที่ร่ำรวย เขาจะคิดว่าโอกาสที่จะ “ชนะติดต่อกันหลายหน” ได้อย่างเขานั้นมีโอกาสน้อยเสียยิ่งกว่าหนึ่งในล้าน ถ้าไม่ใช่เพราะฟ้ากำหนดไว้ก็ต้องเป็นเพราะอัจฉริยภาพของเขาอย่างแน่นอน

แต่แท้จริงแล้วนั่นเป็นเพราะเขาเอาตัวเองเป็นจุดตั้งต้นในการประเมินต่างหาก วิธีคำนวณที่ถูกต้องต้องเริ่มจากจำนวนคนที่เข้าเล่นการพนันทั้งหมด ซึ่งมีหลายล้านคน และแน่นอนว่าจะต้องมีหนึ่งในนั้นที่จะชนะติดต่อกันหลายครั้งได้เพราะความบังเอิญล้วนๆ

ในบทที่แล้ว เราพูดถึงหนังสือพิมพ์ที่ชอบหาเหตุผลมาอธิบายเหตุการณ์ต่างๆ เพื่อให้ story นั้นฟังดูเป็นเหตุเป็นผลและเข้าใจได้ง่าย

แต่ก็อย่างที่บอกไปว่าเราต้องระวังการให้เหตุผลให้มากๆ ไม่ใช่เพราะว่ามันไม่มีอยู่จริง แต่เพราะว่าเรื่องราวต่างๆ มันไม่ได้ตรงไปตรงมาขนาดนั้น

สิ่งต่างๆ ที่เราคิดว่าเป็น “ปัจจัย” นั้นอาจจะไม่มีความหมายเลยก็ได้ หากเราคำนึงถึง silent evidence ที่เต็มไปด้วยปัจจัยเดียวกันแต่กลับไม่ได้ส่งผลอย่างที่เราคิด

โปรดติดตามตอนต่อไปสัปดาห์หน้า


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”

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/

The Black Swan ตอนที่ 4 – อันตรายของ “Story”

20200516

อีกหนึ่งปัจจัยสำคัญที่ทำให้เรามองไม่เห็น Black Swans ก็คือการชอบ “เล่าเรื่อง” ของมนุษย์

เราชอบเรื่องราวที่ปะติดปะต่อ เป็นเหตุเป็นผล เข้าใจได้ง่าย ซึ่งเพื่อให้เราเล่าเรื่องได้ถนัด หลายครั้งเราจึงมัก oversimplify หรือทำให้เรื่องมันซับซ้อนน้อยกว่าความจริงไปหลายเท่า

มนุษย์ยังเป็นสิ่งมีชีวิตที่ชอบหาเหตุผลและข้ออธิบายให้กับทุกเรื่องที่พบเจอ ลองสังเกตตัวเองดูก็ได้ว่า ไม่ว่าเราจะเจอเรื่องอะไรก็ตามแต่ เราจะพยายามตั้งสมมติฐานหรือทฤษฎีมาอธิบายเหตุการณ์นั้นเสมอ การไม่ตั้งสมมติฐานหรือไม่พยายามอธิบายนั้นเป็นเรื่องที่ฝืนธรรมชาติมนุษย์เป็นอย่างมาก

คำอธิบายจะเป็นตัวเชื่อมข้อเท็จจริงแต่ละข้อและทำให้เรื่องราวนั้น “เมคเซ้นส์” ซึ่งไม่ใช่เรื่องผิดอะไร เพียงแต่ว่ามันมักจะทำให้เราสำคัญตนผิดคิดว่าเราเข้าใจเรื่องนี้อย่างทะลุปรุโปร่งทั้งๆ ที่จริงๆ แล้วเราเข้าใจมันน้อยมาก

การสรรหาคำอธิบายหรือการตีความนั้นมักจะเป็นหน้าที่ของสมองซีกซ้าย ซึ่งหลายต่อหลายครั้งเราก็จะมองข้ามข้อเท็จจริงที่ไม่ได้สอดคล้องกับ story ที่เรามีอยู่ในหัวทำให้เรามักพลาดรายละเอียดบางอย่างไป

A BIRD IN THE
THE HAND IS WORTH
TWO IN THE BUSH

เห็นอะไรผิดปกติในประโยคด้านบนรึเปล่า? ถ้าไม่เห็นให้ลองอ่านดูอีกรอบ

นักวิทยาศาสตร์เคยทดลองส่งสัญญาณแม่เหล็กเข้าไปทำให้การทำงานของสมองซีกซ้ายทำงานได้เฉื่อยลง ซึ่งจะทำให้ผู้เข้าร่วมทดลองอ่านเจอจุดผิดปกติในประโยคข้างต้นได้มากกว่าเดิม*

 

 

ข้อมูลที่ย่อได้กับข้อมูลที่ย่อไม่ได้

ข้อมูลหรือ information นั้นมีคุณสมบัติสามอย่าง

หนึ่ง มันต้องออกแรงในการได้มาซึ่งข้อมูล

สอง มันต้องออกแรงในการจัดเก็บ

สาม มันต้องออกแรงในการดึงกลับมาใช้หรือเอามาดัดแปลง

เรามีจำนวนเซลส์ในสมองมากมาย ปัญหาจึงไม่ใช่เรื่องพื้นที่ในการจัดเก็บ แต่เป็นเรื่องของการจัดการข้อมูลเพราะสมองคนเรา working memory ค่อนข้างน้อย เปรียบเหมือนห้องสมุดแห่งชาติที่มีหนังสือเป็นแสนเล่ม แต่โต๊ะทำงานของบรรณารักษ์นั้นวางหนังสือได้คราวละแค่ 10 กว่าเล่มเท่านั้น

[หรือลองนึกภาพคอมพิวเตอร์ที่อาจมีฮาร์ดดิสก์ที่เก็บข้อมูลได้ 2 terabytes (2,000 gigabytes) ขณะที่ RAM มีขนาดแค่ 8 gigabytes เท่านั้น]

ลองจินตนาการถึงหนังสือที่มีความยาว 500 หน้าและเต็มไปด้วยคำมากมายในพจนานุกรมที่สุ่มเอามาใส่เอาไว้ตั้งแต่หน้าแรกยันหน้าสุดท้าย เป็นเรื่องเป็นไปไม่ได้เลยที่เราจะ “สรุป” เนื้อหาของหนังสือเล่มนี้ ถ้าเราต้องออกเดินทางไปอลาสก้าและเมคชัวร์ว่าเรามีเนื้อหาของหนังสือเล่มนี้ครบถ้วน วิธีเดียวก็คือต้องแบกหนังสือเล่มนี้ไปเท่านั้น

คราวนี้ลองจินตนาการหนังสืออีกเล่มหนึ่งที่มีประโยค “ประธานบริษัทคือคนที่อยู่ถูกที่ถูกเวลาและมักอ้างเอาความดีความชอบในความสำเร็จของบริษัทโดยไม่ได้เผื่อใจไว้เลยว่าบางทีเขาก็แค่โชคดีเท่านั้นเอง” เขียนซ้ำๆ กันติดต่อกันเป็นเนื้อหา 500 หน้า คุณแค่จดประโยคนี้ใส่กระดาษและพับใส่กระเป๋าเสื้อ เดินทางไปอลาสก้าแล้วเอาข้อความนี้มาผลิตหนังสือเล่มใหม่ได้โดยที่ไม่สูญเสียเนื้อหาอะไรไปซักนิดเดียว

เมื่อข้อมูลนั้นต้องลงแรงในการจัดเก็บและในการดึงขึ้นมาใช้ มนุษย์อย่างเราจึงมักจะมองหาภาพใหญ่ หาทางเล่าข้อสรุปเพื่อให้การจัดเก็บข้อมูลนั้นเปลืองแรงน้อยที่สุด

แต่เหตุการณ์ยิ่งซับซ้อนและไร้แบบแผนเท่าไร การสรุปของเราก็จะยิ่งสูญเสียแง่มุมต่างๆ มากขึ้นเท่านั้น เมื่อเราพยายาม simplify เรื่องราวต่างๆ ให้เป็น story ที่ถ่ายทอดได้ง่าย มันก็ทำให้เราเข้าใจ(ไปเอง)ว่าโลกใบนี้ซับซ้อนน้อยกว่าความเป็นจริง – it makes us think that the world is less random than it actually is.

 

 

ข้อใดไม่เข้าพวก

ลองเปรียบเทียบสองประโยคต่อไปนี้

ราชาสิ้นพระชนม์และราชินีสิ้นพระชนม์

ราชาสิ้นพระชนม์และราชินีก็สิ้นพระชนม์ด้วยความตรอมพระทัย

แม้ว่าประโยคหลังจะยาวกว่า แต่เรากลับรู้สึกว่าจดจำได้ง่ายกว่า เพราะสองเหตุการณ์ถูกร้อยเรียงเป็นเรื่องราวเดียวกัน นี่คือประโยชน์ของ “เรื่องเล่า” หรือ “narrative” หรือที่เราเรียกติดปากว่า “สตอรี่” (story)

ทั้ง Narrativity (เรื่องเล่า) และ Causality (คำอธิบายว่าสิ่งนี้เกิดขึ้นเพราะอะไร) ล้วนนำไปสู่การลดทอนของรายละเอียด

เมื่อเราจำสิ่งที่เป็น narrative ได้ดีกว่า เราจึงมักจะเลือกจำแต่รายละเอียดที่สอดคล้องกับ narrative นั้น และมองข้ามรายละเอียดอื่นๆ ที่ “ดูไม่เข้าพวก”

เมื่อรายละเอียดที่ดูไม่เข้าพวกถูกคัดออกไปจาก narrative มันจึงทำให้หลายเหตุการณ์ดูเข้าใจและอธิบายได้ง่ายกว่าความเป็นจริง – history appears to be far more explainable than it actually is.

 

 

ซัดดัมคนเดิม

วันหนึ่งในเดือนธันวาคมปี 2003 ตอนที่ซัดดัม ฮุสเซนถูกจับกุมตัวได้ สำนักข่าวบลูมเบิร์กพาดหัวข่าวตอน 13:01 ว่า

“U.S. TREASURIES RISE; HUSSEIN CAPTURE MAY NOT CURB TERRORISM”

“ราคาพันธบัตรรัฐบาลปรับตัวสูงขึ้น การจับกุมตัวซัดดัมอาจไม่ช่วยยับยั้งการก่อการร้าย”

เมื่อไหร่ก็ตามที่ตลาดมีการเปลี่ยนแปลง สำนักข่าวต่างรู้สึกว่าต้องหา “เหตุผล” มาอธิบายความเปลี่ยนแปลงนั้นเสมอ

แต่สักพัก ราคาพันธบัตรรัฐบาลกลับปรับตัวลดลง (ซึ่งจริงๆ แล้วราคามันก็ปรับขึ้น-ปรับลงอยู่เป็นประจำอยู่แล้ว) บลูมเบิร์กจึงรายงานตอน 13:31 ว่า

“U.S. TREASURIES FALL; HUSSEIN CAPTURE BOOSTS ALLURE OF RISKY ASSETS”

“ราคาพันธบัตรรัฐบาลปรับตัวลดลง การจับกุมตัวซัดดัมทำให้นักลงทุนกล้าเสี่ยงมากขึ้น”

เมื่อครึ่งชั่วโมงที่แล้วเพิ่งบอกว่าจับซัดดัมแล้วคนยังไม่กล้าลงทุนอยู่หยกๆ มาตอนนี้กลับบอกว่าการจับตัวซัดดัม (ซัดดัมคนเดิมนี่แหละ) ทำให้คนกล้าลงทุนมากขึ้น!

นี่คือเรื่องที่เกิดขึ้นเป็นประจำในวงการข่าว พวกเขาจะสรรหาคำอธิบายเพื่อให้ข่าวนั้นจับต้องได้และจดจำได้ง่ายขึ้น

หลังจบการเลือกตั้งทุกครั้ง สำนักข่าวทุกสำนักจะออกมาอธิบาย “เหตุผล” ที่ทำให้พรรคใดพรรคหนึ่งพ่ายแพ้ แถมนักข่าวก็ยังไปหาข้อมูลต่างๆ มากมายเพื่อมาสนับสนุนคำอธิบายเหล่านั้นราวกับว่าสำนักข่าวพร้อมจะ “ผิดพลาดด้วยความแม่นยำอย่างยิ่ง” (to be wrong with infinite precision) มากกว่าจะยอมรับการ “ถูกต้องโดยประมาณ” (to be approximately right)

การพยายามสรรหาคำอธิบายจนเกินเลย (overcausation) นั้นไม่ใช่ความผิดของนักข่าวหรอก แต่เป็นเพราะพวกเราคนเสพข่าวนี่แหละ เราอยากฟัง stories มากกว่าจะฟังแค่ข้อเท็จจริง แต่เราก็ควรเตือนตัวเองด้วยว่าข่าวที่ถูกลดทอนเป็น stories นั้นมันทำให้ความจริงบิดเบี้ยวมากเกินไปรึเปล่า

บางทีการอ่านนิยายอาจจะทำให้เราเข้าถึงความจริงมากกว่าการอ่านข่าวที่ถูกปรุงแต่งด้วยคำอธิบายก็ได้

 

 

ภาพจำลำเอียง

สมมติให้คุณนึกถึงโอกาสที่จะเกิดเหตุการณ์ดังต่อไปนี้

“เกิดน้ำท่วมใหญ่ในญี่ปุ่นซึ่งทำให้ประชาชนเสียชีวิต 1000 คน”

คุณจะได้ตัวเลขในใจมาหนึ่งตัว

คราวนี้ลองประเมินความน่าจะเป็นของอีกสถานการณ์หนึ่ง

“เกิดแผ่นดินไหวในญี่ปุ่นซึ่งนำไปสู่น้ำท่วมใหญ่ที่ทำให้ประชาชนเสียชีวิต 1000 คน”**

คนส่วนใหญ่จะรู้สึกว่าเหตุการณ์หลังมีโอกาสเกิดได้มากกว่า นั่นเป็นเพราะเรามีภาพจำเกี่ยวกับแผ่นดินไหวในญี่ปุ่นมากกว่าเรื่องน้ำท่วมนั่นเอง

หรือถ้าผมให้คุณประมาณการว่ามีคนไทยเป็นมะเร็งปอดกี่คน แล้วให้คุณบอกตัวเลขมาหนึ่งตัว กับผมถามว่า “มีคนไทยเป็นมะเร็งปอดเพราะสูบบุหรี่กี่คน” คำตอบที่ได้มามักจะสูงกว่าคำตอบจากคำถามแรก เพราะภาพของการเป็นมะเร็งปอดจากการสูบบุหรี่นั้นชัดเจนในใจเรามาก

อีกตัวอย่างหนึ่ง

โจอี้ดูมีความสุขกับชีวิตสมรส เขาฆ่าภรรยาของตัวเอง

โจอี้ดูมีความสุขกับชีวิตสมรส เขาฆ่าภรรยาของตัวเองเพื่อเอามรดก

แว้บแรกเราจะรู้สึกว่าประโยคหลังดูมีความเป็นไปได้มากกว่า ทั้งๆ ที่จริงๆ ในเชิงตรรกะแล้วประโยคแรกต้องเป็นไปได้มากกว่า เพราะเหตุผลที่จะฆ่าภรรยามีได้มากกว่าแค่การทำเพื่อมรดก (เช่นทะเลาะกันรุนแรง สามีสติแตก ฯลฯ)

เมื่อเรา “ลำเอียง” กับเรื่องราวที่เป็นเหตุเป็นผลหรือเรื่องราวที่หวือหวาเราจึงอาจตัดสินใจผิดพลาดได้ง่ายๆ เช่นคนอเมริกันที่พร้อมจะซื้อประกันการก่อการร้ายมากกว่าการซื้อประกันปกติ ทั้งที่จริงประกันทั่วไปก็ครอบคลุมความเสียหายจากการก่อการร้ายอยู่แล้ว

[หรืออย่างล่าสุดที่คนไทยแห่ซื้อประกันโควิดกันมากมาย ทั้งๆ ที่ประกันปกติก็คุ้มครองอยู่แล้วเช่นกัน]

 

เรื่องราวเร้าอารมณ์

เรามักจะถูกดึงดูดด้วยเรื่องราวที่เร้าใจ ในช่วงปี 1970 มีเด็กคนหนึ่งในอิตาลีตกลงไปในบ่อน้ำบาดาลและออกมาไม่ได้ เรื่องราวกลายเป็นข่าวหน้าหนึ่งและคนทั้งอิตาลีทั้งประเทศก็ตามลุ้นการช่วยชีวิตของเด็กคนนี้

ในช่วงเดียวกันนั้น ประเทศเลบานอน (บ้านเกิดของผู้เขียน) กำลังมีสงครามกลางเมือง แต่หนังสือพิมพ์และประชาชนกลับให้ความสนใจว่าเด็กอิตาลีคนนี้จะรอดหรือไม่ มากกว่าที่จะสนใจเพื่อนร่วมชาติที่กำลังล้มตายจากการสู้รบ

เช่นเดียวกัน ถ้าคุณมีงานที่ต้องบินไปพักที่นิวยอร์ค และเพื่อนร่วมงานเล่าให้คุณฟังว่าในปี 1989 มีคนที่เขารู้จักถูกฆ่าตายใน Central Park คุณก็มีแนวโน้มที่จะหลีกเลี่ยงการไปเดินที่นั่น แม้จะรู้ว่ามันผ่านมานานแล้วและสถิติการก่ออาชญากรรมจะต่ำมาก คุณก็ยังคงกลัวอยู่ดี สถิติและข้อเท็จจริงไม่ได้มีน้ำหนักเท่าเรื่องราวเร้าอารมณ์ (sensational stories)

 

System 1 และ System 2

Daniel Kahneman [นักเศรษฐศาสตร์รางวัลโนเบล และผู้เชียนหนังสือ Thinking, Fast & Slow] บอกว่าคนเรานั้นมีการคิดอยู่สองโหมด

โหมดแรกคือ System 1 เป็นการคิดแบบใช้สัญชาติญาณที่รวดเร็วและใช้ทรัพยากร (สมอง) น้อย มันถูกขับเคลื่อนด้วยสมองส่วน limbic brain

โหมดที่สองคือ System 2 ที่เป็นการคิดแบบจริงจังที่เชื่องช้าและใช้พลังงานเยอะกว่า มันถูกขับเคลื่อนโดย neo cortex brain

ความผิดพลาดจะเกิดขึ้นเมื่อเรานึกว่าตัวเองใช้ System 2 ทั้งๆ แต่จริงๆ แล้วเราใช้ System 1 แบบไม่รู้ตัว เหมือนที่เราสับสนระหว่าง No Evidence of Black Swans และ Evidence of no Black Swans

 

 

หงส์ดำผิดตัว

หงส์ดำที่เรากลัวมักจะไม่ใช่หงส์ดำที่เกิด ส่วนหงส์ดำที่เกิดมักจะไม่ใช่หงส์ดำที่เราจินตนาการถึง

เหตุการณ์ที่ไม่จะไม่เกิดซ้ำ (non-repeatable events) มักจะไม่เคยถูกกล่าวถึงก่อนที่มันจะเกิด แต่พอมันเกิดแล้วคนมักจะประเมินว่ามันจะเกิดซ้ำอีกแต่มันก็ไม่เคยเกิดซ้ำอีกเลย เช่นหลังเหตุการณ์ 9/11 คนจำนวนไม่น้อยยังคงหวาดกลัวว่าจะมีการขับเครื่องบินชนตึกอีก ทั้งๆ ที่จริงๆ แล้วโอกาสจะเกิดเหตุการณ์อย่างนี้ลดลงไปมากแล้ว (เพราะทุกคนระวังมากขึ้น)

กล่าวโดยสรุป เรามักจะเข้าใจ Black Swans ผิดเพราะว่า

1. เราใช้ System 1 thinking ที่รวดเร็วและขี้เกียจ

2. เราชื่นชอบใน narrative ที่เข้าใจได้ง่ายๆ มีคำอธิบาย เป็นเหตุเป็นผล จนทำให้เราพลาด/หลงลืม รายละเอียดอื่นๆ ที่ดูเหมือนจะไม่เกี่ยวข้อง และทำให้เราอธิบายเรื่องที่ซับซ้อนให้มันดูง่ายกว่าความเป็นจริง

3. เราใส่ใจและให้น้ำหนักกับเรื่องราวที่กระตุ้นอารมณ์มากกว่าเรื่องราวแบบอื่น

เมื่อ Black Swan เกิดขึ้นแล้ว เราจึงจับจดกับ Black Swan ตัวเดิมที่เราหาเหตุผลมาอธิบายได้ แถมยังมีเรื่องราวกระตุ้นอารมณ์ให้เราตามติด

ในขณะที่เรามัวแต่กังวลหงส์ดำตัวนี้ หงส์ดำอีกตัวหนึ่งก็กำลังย่างกรายเข้ามา

เราหวาดกลัวหงส์ดำโดยที่ไม่รู้เลยว่าเรากำลังกลัวผิดตัว

ติดตามตอนต่อไปสัปดาห์หน้าครับ

—-

* มีคำว่า THE ซ้ำสองรอบ

** ในหนังสือยกตัวอย่างเป็นแผ่นดินไหวที่แคลิฟอร์เนีย แต่ผมเปลี่ยนประเทศญี่ปุ่นเพราะคนไทยน่าจะเห็นภาพได้ง่ายกว่า

ขอบคุณข้อมูลจากหนังสือ The Black Swan – The Impact of the Highly Improbable โดย Nassim Nicolas Taleb

Black Swan ตอนที่ 1 – โควิดเป็นหงส์ดำรึเปล่า
Black Swan ตอนที่ 2 – ความเปราะบางของความรู้
Black Swan ตอนที่ 3 – ไก่งวงหน้าโง่ 

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/

The Black Swan ตอนที่ 3 – ไก่งวงหน้าโง่

20200509

ไก่งวงตัวหนึ่งถูกประคบประหงมเป็นอย่างดี ทุกวันที่มีคนเอาอาหารมาให้มันกินย่อมเป็นการตอกย้ำความเชื่อมั่นว่ามนุษย์นั้นใจบุญและหวังดีกับมัน

จนกระทั่งคืนก่อนวันขอบคุณพระเจ้า สิ่งไม่คาดฝันก็เกิดขึ้นกับไก่งวง และทำให้ความเชื่อของมันต้องเปลี่ยนไป

[Thanksgiving = วันขอบคุณพระเจ้า เป็นเทศกาลสำคัญในอเมริกาที่มีขึ้นในวันพฤหัสฯ ที่สี่ของเดือนพฤศจิกายน ครอบครัวจะมากินข้าวกันพร้อมหน้าพร้อมตาโดยมีไก่งวงเป็นอาหารจานหลัก ทุกปีจะมีไก่งวงกว่า 40 ล้านตัวถูกเชือดเพื่อเทศกาลนี้]

นิทานเรื่องนี้สอนให้รู้ว่า การเรียนรู้จากประสบการณ์นั้น ในบางครั้งนอกจากจะไม่ได้ช่วยอะไรแล้ว ยังเป็นโทษอีกด้วย

ยิ่งไก่งวงได้รับอาหารมากเท่าไหร่ ความเชื่อมั่นในสมมติฐานที่ว่ามนุษย์รักและเอ็นดูมันก็สูงขึ้นเรื่อยๆ

แถม “ความรู้สึกปลอดภัย” ของไก่งวงตัวนี้ก็ขึ้นถึงจุดสูงสุดในวันที่จริงๆ แล้วมันมีความเสี่ยงมากที่สุด (วันที่มันจะโดนเชือด)

นี่คือข้อจำกัดของความรู้ เราเรียนรู้จาก 1000 วันแรกแล้วเราก็มักจะใช้ความรู้ชุดนั้นในการคาดเดาอนาคต 1000 วันหรือแม้กระทั่ง 5000 วันข้างหน้า

แต่พอถึงวันที่ 1001 ก็เหมือนฟ้าผ่าเปรี้ยง ทุกสิ่งทุกอย่างพลิกแบบหน้ามือเป็นหลังเท้า และประสบการณ์จากอดีตไม่ได้ช่วยให้เราเตรียมตัวเตรียมใจสำหรับความเปลี่ยนแปลงนี้เลย

ในมุมมองของไก่งวง การถูกเชือดในวันที่ 1001 เป็น Black Swan แต่ในมุมของคนเลี้ยงไก่งวงแล้ว เหตุการณ์นี้ไม่ใช่ Black Swan แม้แต่น้อย

Black Swan จึงเป็นปัญหาของคนโง่ (Black Swan is a sucker’s problem) มันจะเกิดหรือไม่เกิดย่อมขึ้นอยู่กับว่าเราคาดหวังอะไรเอาไว้

Nicolas Taleb ผู้เขียนหนังสือเล่มนี้บอกว่า เป้าหมายของเขาในการเขียน The Black Swan มีเพียงอย่างเดียว คือจะทำอย่างไรเราถึงจะไม่ต้องเป็น “ไก่งวงหน้าโง่” ในเรื่องสำคัญๆ ในชีวิต

ธนาคารหน้าหนา

เวลาเราเห็นธนาคารทำกำไรดี เราไม่อาจรู้ได้เลยว่าธนาคารนั้น perform ได้ดีจริงรึเปล่า แม้ว่ามันจะทำกำไรมาหลายไตรมาส หลายปี หรือแม้กระทั่งนับร้อยปี!

ในฤดูร้อนของปี 1982 ธนาคารใหญ่ๆ ในอเมริกาสูญเสียกำไรสะสมเกือบทั้งหมดนับตั้งแต่ก่อตั้งธนาคารมา

สาเหตุก็เพราะธนาคารเหล่านี้ได้ให้เงินกู้กับประเทศในอเมริกาใต้ และในปีนั้นประเทศลูกหนี้เหล่านี้ก็ชักดาบยกแผง

นายธนาคารอาจจะป่าวประกาศว่าเขาทำธุรกิจอย่าง conservative แต่จริงๆ แล้วธนาคารเหล่านี้ไม่ได้ conservative เลยสักนิด พวกเขาแค่เก่งในการหลอกตัวเองด้วยการซุกความเสี่ยงที่จะส่งผลอย่างมหาศาลเอาไว้ใต้พรมเท่านั้นเอง

อีกสิบปีต่อมาก็เกิดเหตุการณ์ที่คล้ายคลึงกันอีก เมื่อตลาดอสังหาริมทรัพย์ล้ม ส่งผลให้รัฐบาลต้องเข้ามาอุ้มธนาคาร ใช้เงินภาษีไปถึง 500,000 ล้านดอลลาร์

เวลาธนาคารทำกำไร นายธนาคารได้โบนัสก้อนโต แต่พอธนาคารตกที่นั่งลำบาก คนที่จ่ายค่าเสียหายกลับกลายเป็นประชาชน

 

5 ปัจจัยที่ทำให้เรามองไม่เห็นหงส์ดำ

1. Error of Confirmation – เราเลือกเฉพาะสิ่งที่เราเห็นและชอบ เพื่อนำไปสู่ข้อสรุปให้กับสิ่งที่เรามองไม่เห็น

2. Narrative Fallacy เราหลอกตัวเองด้วยเรื่องราวที่ฟังดูสมเหตุสมผลและสอดรับกับ “แพทเทิร์น” ที่เราเห็น (แม้ว่าแพทเทิร์นนั้นจะไม่มีอยู่จริงเราก็ยังมโนมันขึ้นมาอยู่ดี)

3. สมองของมนุษย์ไม่ได้ถูกออกแบบมาให้รับมือกับ Black Swans เราจึงทำตัวราวกับว่ามันไม่มีอยู่จริง

4. The Distortion of Silent Evidence – สิ่งที่เห็นไม่ใช่สิ่งที่มีอยู่ทั้งหมด ประวัติศาสตร์มักจะซุกซ่อน Black Swans เอาไว้และทำให้เราประเมิน Black Swans ต่ำเกินไป

5. เรา “มองแคบ” (tunnel) จนมักจะใส่ใจแต่ที่มาของความไม่แน่นอนที่จับต้องและเข้าใจได้ง่ายจนมองข้ามความเป็นไปได้อื่นๆ

 

ตรรกะวิบัติเพราะสับสน

ถ้าใครติดตามดูชีวิตของไก่งวงในช่วง 1000 วันแรก เขาย่อมจะได้ข้อสรุปว่า “ไม่มีหลักฐานว่าจะมีโอกาสเกิด Black Swan” – There is no evidence of possible Black Swans

แต่ถ้าเราไม่ระวัง เราอาจจะจำสับสนกับข้อความที่ว่า There is evidence of no possible Black Swans – มีหลักฐานว่าหงส์ดำไม่อาจเกิดขึ้นได้

There is no evidence of possible Black Swans
There is evidence of no possible Black Swans

รูปประโยคต่างกันนิดเดียว แต่ความหมายต่างกันมหาศาล และ Taleb เรียกอาการสับสนของประโยคสองอย่างนี้ว่า round-trip fallacy

อีกหนึ่งตัวอย่าง หลายคนมักจะสับสนระหว่าง

Almost all terrorists are Moslems กับ
Almosts all Moslems are terrorists

สมมติว่าประโยคแรกนั้นเป็นความจริง และ 99% ของผู้ก่อการร้ายเป็นมุสลิม นั่นหมายความว่าแค่ 0.001% ของมุสลิมเท่านั้นที่เป็นผู้ก่อการร้าย เพราะผู้ก่อการร้ายอาจจะมี 10,000 คน แต่คนมุสลิมมีถึง 1 พันล้านคน

เมื่อเราจำสับสน จึงเกิดความลำเอียง (โดยไม่รู้ตัว) และทำให้เวลาเราเห็นคนมุสลิม เรามักประเมินโอกาสที่เขาจะเป็นผู้ก่อการร้ายสูงกว่าข้อเท็จจริงไปหลายร้อยหลายพันเท่า

ในการตรวจค้นหามะเร็งก็เช่นกัน เราไม่สามารถจะสแกนเซลล์ทุกเซลล์ในร่างกายของมนุษย์ได้ ทำได้เพียงสแกนกลุ่มตัวอย่างเพียงบางส่วนและหมอก็ต้องประเมินว่าเราเป็นมะเร็งหรือไม่

การที่เราสแกนไม่เจอมะเร็ง ไม่ได้เป็นหลักฐานว่าเราไม่ได้เป็นมะเร็ง แค่ยังไม่มีหลักฐานว่าเราเป็นมะเร็งเท่านั้นเอง – No Evidence of Disease ไม่ใช่ Evidence of No Disease

 

ข้อมูลเพียงหนึ่งอาจมีค่ามากกว่าข้อมูลนับพัน

เป็นเรื่องยากมากที่เราจะบอกว่าอะไรเป็นเรื่องจริง เป็นเรื่องง่ายกว่าที่จะบอกว่าอะไรเป็นเรื่องเท็จ

การเห็นหงส์ขาวตัวที่ร้อย ตัวที่พัน หรือตัวที่หมื่น ไม่สามารถช่วยให้เรายืนยันได้ว่าโลกนี้มีแต่หงส์ขาว

แต่การเห็นหงส์ดำเพียงตัวเดียวก็เพียงพอที่เราจะมั่นใจแล้วว่าหงส์ทุกตัวในโลกนี้ไม่ได้มีแต่สีขาว

ถ้าผมเห็นบางคนฆ่าใครตาย ผมสามารถยืนยันได้ว่าเขาเป็นอาชญากร

แต่การที่ผมไม่เคยเห็นคนๆ นี้ฆ่าใคร ไม่สามารถทำให้ผมมั่นใจได้ว่าคนๆ นี้เป็นคนดี

การตรวจไม่พบเซลล์มะเร็งไม่สามารถยืนยันได้ว่าเราแข็งแรงดี

แต่การตรวจพบเซลล์มะเร็งเพียงครั้งเดียว ก็เพียงพอให้เรามั่นใจได้ว่าเราเป็นมะเร็ง

นี่คือตัวอย่างของ Negative Empiricism หรือการเข้าถึงข้อเท็จจริงด้วยการใช้ “หลักฐานเชิงลบ”

วิธีการนี้มีประโยชน์มาก เพราะมันจะช่วยให้เรารู้ว่าเราจะเลือกเล่นเกมไหน ถ้าเราต้องการพิสูจน์ว่าคนคนหนึ่งเป็นมะเร็งรึเปล่า การใช้ negative inference ย่อมช่วยได้ ในขณะที่เราไม่มีทางพิสูจน์ได้เลยว่าคนๆ หนึ่งแข็งแรงดีรึเปล่า

ในบางทีข้อมูลมากมายก็ไร้ค่า และในบางสถานการณ์ข้อมูลเพียงชิ้นเดียวก็มีความหมาย

ข้อมูล 1000 วันแรกไม่อาจพิสูจน์ได้ว่าคุณถูก แต่ข้อมูลใน 1 วันสุดท้ายก็เพียงพอจะพิสูจน์ได้แล้วว่าคุณผิด

เราจึงสามารถมั่นใจได้ว่าเราผิด มากกว่าที่เราจะมั่นใจได้ว่าเราถูก – you know what is wrong with a lot more confidence than you know what is right.

 

กล้าซักค้านตัวเองรึเปล่า

คนเราส่วนใหญ่มักจะตกอยู่ใต้อิทธิพลของ confirmation bias หรือการมองหาแต่หลักฐานที่สนับสนุนความเชื่อที่เรามีอยู่ก่อนแล้ว

นักจิตวิทยาชื่อ P.C.Wason เคยทำการทดลองด้วยการอ่านเลข 2, 4, 6 ให้คนฟัง และให้คนๆ นั้นลองเดาว่า เขาใช้กฎอะไรในการสร้างเลขชุดนี้ขึ้นมา

โดยผู้เข้าร่วมทดลองสามารถที่จะพูดตัวเลข 3 ตัวเขาคิดว่าน่าจะอยู่ในกฎเดียวกันนี้ แล้ว Wason จะช่วยตอบว่า “ใช่” หรือ “ไม่ใช่” โดยจะพูดตัวเลขสามตัวกี่ครั้งก็ได้ เมื่อทดสอบสมมติฐานของตัวเองจนพอใจแล้ว ค่อยทายว่าตัวเลขชุดนี้ใช้กฎอะไรกำกับ

ปรากฎว่ามีคนทายผิดเยอะมาก กฎสำหรับเลขชุดนี้คือ “ตัวเลขที่มากขึ้นเรื่อยๆ” แต่ที่ทายกันไม่ถูกเพราะว่าคนส่วนใหญ่มักจะบอกเลข 3 ตัวที่สอดคล้องกับกฎที่เขามีไว้ในใจไว้อยู่แล้ว เช่นบวกสองไปเรื่อยๆ หรือ x1, x2, x3

การจะค้นพบว่ากฎของเลขชุดนี้คือ “ตัวเลขที่มากขึ้นเรื่อยๆ” คนทายจำเป็นต้องบอกเลขสามตัวที่น้อยลงเรื่อยๆ เพื่อให้ได้คำตอบว่า “ไม่ใช่” และทำลายสมมติฐานเดิมที่เขามีอยู่

แต่คนส่วนใหญ่กลับเลือกที่จะพูดเลขสามตัวเพียงเพื่อคอนเฟิร์มกฎที่ตัวเองคิดเองเออเองตั้งแต่แรก ซึ่งคำตอบว่า “ใช่” หลายต่อหลายที่ได้มาล้วนทำให้เขายิ่งมั่นใจมากขึ้น แต่ไม่ได้ช่วยให้เขาเข้าใกล้กฎขึ้นเลยสักนิดเดียว

 

ต้องดูกันยาวๆ

โลกแห่งความจริงนั้นเป็น Extremistan มันอาจจะส่งหงส์ดำมาให้แบบไม่มีปี่มีขลุ่ยหลังจากที่ส่งหงส์ขาวมาให้เรานับพันนับหมื่นตัว

เราจึงต้อง “รีรอ” ให้มากก่อนจะตัดสินว่าอะไรเป็นอะไร

การจะตัดสินว่านักเขียนคนหนึ่งไร้พรสวรรค์ ตลาดหุ้นจะไม่พัง สงครามจะไม่เกิด ประเทศนี้เป็นพันธมิตร หรือบริษัทนี้จะไม่เจ๊ง ล้วนแต่ต้อง “ดูกันยาวๆ” กว่าที่เราคิด

เพราะการด่วนสรุปโดยใช้ประสบการณ์เพียง 1,000 วันที่ผ่านมา อาจนำมาซึ่งความเสียหายเกินกว่าที่เราคาดคิดไว้มากนัก

ติดตาม Black Swan ตอนต่อไปสัปดาห์หน้าครับ


ขอบคุณข้อมูลจากหนังสือ The Black Swan – The Impact of the Highly Improbable โดย Nassim Nicolas Taleb

Black Swan ตอนที่ 1 – โควิดเป็นหงส์ดำรึเปล่า

Black Swan ตอนที่ 2 – ความเปราะบางของความรู้

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/

The Black Swan ตอนที่ 2 – ความเปราะบางของความรู้

20200501_blackswan2

ใครที่ยังไม่ได้อ่านตอนแรก ขอเชิญอ่านได้ Black Swan ตอนที่ 1 – โควิดเป็นหงส์ดำรึเปล่า ก่อนนะครับ

เนื้อหาต่อไปนี้ ส่วนไหนที่ผมขยายความเอง ไม่ได้เอามาจากในหนังสือ ผมจะใส่เครื่องหมาย [ ] กำกับไว้นะครับ

 

จงเลือกอาชีพที่ Scalable

สมัยที่ Nassim Taleb ผู้เขียนหนังสือเล่มนี้เรียนอยู่ที่ Wharton นักศึกษาคนหนึ่งเคยให้คำแนะนำ Taleb เอาไว้ว่า

“จงเลือกอาชีพที่ scalable”

[Scalable เป็นศัพท์ที่คนในวงการสตาร์ทอัพและเทคโนโลยีคุ้นเคยกันดี มันแปลว่า “สามารถขยายตัวและเติบโตได้อย่างก้าวกระโดด” ยกตัวอย่างเช่นเฟซบุ๊คที่สามารถมีผู้ใช้งาน 1,000 คนก็ได้ หรือจะขยายให้รองรับผู้ใช้งาน 1 ล้านคน หรือ 1,000 ล้านคนได้ในเวลาอันรวดเร็วโดยที่ต้นทุนไม่ได้โตเป็นล้านเท่าตามไปด้วย ซึ่งต่างจากร้านอาหารที่ถ้าต้องการรับลูกค้ามากขึ้น 1,000 เท่าในเวลาอันสั้นนั้นเป็นเรื่องที่แทบจะเป็นไปไม่ได้ Facebook จึง scalable ในขณะที่ร้านอาหารนั้นไม่ scalable]

อาชีพบางอาชีพนั้นไม่ scalable ยกตัวอย่างเช่นหมอฟัน ที่ปรึกษา หรือหมอนวด ค่าตอบแทนที่คุณได้นั้นขึ้นอยู่กับแรงที่คุณลงไป ทำงาน 8 ชั่วโมงก็จะได้ค่าตอบแทน 8 ชั่วโมง ถ้าอยากได้ค่าตอบแทนสองเท่าก็ต้องทำงาน 16 ชั่วโมง ไม่ว่าค่าตัวหรือเงินเดือนของคุณจะสูงแค่ไหนคุณก็ยังอยู่ภายใต้กฎแรงโน้มถ่วงทางรายได้อยู่ดี

ที่สำคัญ งานแบบนี้มักจะคาดการณ์ได้อยู่แล้ว อาจจะมีขึ้นๆ ลงๆ บ้างในแต่ละวัน แต่เป็นไม่ได้ที่จะมีวันไหนที่รายได้ของคุณพุ่งทะยานจนสูงกว่ารายได้วันอื่นๆ เป็นร้อยเป็นพันเท่า

พูดอีกนัยหนึ่งก็คือ อาชีพเหล่านี้ไม่มี Black Swans นั่นเอง

ส่วนอาชีพที่ scalable นั้น จะเปิดทางให้คุณทำรายได้มากขึ้นเป็นร้อยเป็นพันเท่าได้แม้จะลงแรงเท่าเดิม ถ้าคุณเป็นนักดนตรีที่มีชื่อเสียง คุณอัดอัลบั้มแค่ครั้งเดียวก็ขายได้ยาวๆ แล้ว [ปี 2007 ที่หนังสือเล่มนี้ตีพิมพ์ นักดนตรีฝรั่งยังขาย CD ได้เป็นกอบเป็นกำอยู่]

หรือถ้าคุณเป็น J.K.Rowling คุณก็ไม่จำเป็นต้องมานั่งเขียน Harry Potter ใหม่ทุกครั้งเวลามีคนอยากซื้อหนังสือคุณเพิ่มขึ้นอีกหนึ่งเล่ม ซึ่งผิดกับคนทำเบเกอรี่ที่ต้องอบขนมใหม่เองทุกชิ้น

นี่คือความแตกต่างระหว่าง “idea person” กับ “labor person”

คนที่เป็น idea person นั้น scalable บริษัทอย่าง Nike ไม่ได้ร่ำรวยจากการผลิตรองเท้า แต่รวยจากการดีไซน์รองเท้า ส่วนงานการผลิตและงานอื่นๆ ที่ต้องลงแรงนั้นเขาจะ outsource ไปยังประเทศที่ด้อยพัฒนากว่า

Taleb เองก็เลือกที่จะเป็น idea person ด้วยการเลือกอาชีพ quantitative trader [ใช้คอมพิวเตอร์ในการซื้อ-ขายหุ้นปริมาณมากๆ] ไม่ว่าจะขายหุ้น 1,000 หุ้น หรือ 1,000 ล้านหุ้นก็ต้องออกแรงเท่ากัน ดังนั้นเขาจึงใช้เวลาทำงานน้อยแต่ได้รับผลตอบแทนมาก จนมีเวลาเหลือเฟือไว้อ่านหนังสือหรือทำกิจกรรมอื่นๆ ที่เขาชอบ

 

จงอย่าเลือกอาชีพที่ Scalable

แต่ Taleb บอกว่า ถ้าเขาต้องให้คำแนะนำนักศึกษา เขาจะบอกให้เลือกอาชีพที่ไม่ scalable จะดีกว่า

เพราะแม้ตัว Taleb เองจะประสบความสำเร็จกับอาชีพนี้ แต่นั่นเป็นเพราะเขา “โชคดี” ที่อยู่ถูกที่ถูกเวลา

อาชีพที่ scalable นั้นจะเป็นช้อยส์ที่ดีก็ต่อเมื่อคุณประสบความสำเร็จเท่านั้น เพราะอาชีพเหล่านี้มีการแข่งขันสูง ความเหลื่อมล้ำสูง คนชนะจะกวาดผลประโยชน์ไปเรียบ ส่วนคนแพ้ก็แทบไม่เหลืออะไรเป็นผลตอบแทนสำหรับเรี่ยวแรงที่ลงไป

อาชีพที่ scalable จึงมีเพียง “ยักษ์ใหญ่” ไม่กี่ตัว และ “คนแคระ” นับไม่ถ้วน

ส่วนอาชีพที่ไม่ scalable นั้นเต็มไปด้วยคนไซส์ปกติ คงไม่มีนักบัญชีคนไหนเป็นเศรษฐีพันล้าน แต่ในทางกลับกันก็ไม่มีนักบัญชีคนไหนเป็น “นักบัญชีไส้แห้ง” เช่นกัน

 

จุดกำเนิดของ Scalability

ก่อนจะมีเครื่องอัดเสียง ถ้าคุณเป็นนักร้องโอเปร่าอยู่ในเมืองเล็กๆ ก็อุ่นใจได้ว่าคุณจะหาอยู่หากินกับอาชีพนี้ได้ เพราะแม้จะมีนักร้องชื่อดังจากเมืองใหญ่ๆ เขาก็คงไม่ดั้นด้นมาแสดงถึงเมืองเล็กๆ เพื่อแย่งลูกค้าของคุณแน่นอน

แต่พอเครื่องอัดเสียงถือกำเนิด แม้แต่คนในเมืองเล็กๆ ย่อมจะยอมจ่ายเงิน $10 เพื่อซื้อ CD ของนักร้องชื่อดังระดับประเทศมาฟัง มากกว่าจะจ่ายเงินก้อนเดียวกันเพื่อฟังนักร้องในเมืองของตัวเอง แม้ว่านักร้องทั้งสองคนจะเสียงเพราะพอๆ กันก็ตาม

อีกหนึ่งปัจจัยสำคัญที่ก่อให้เกิด scalability ก็คือเทคโนโลยีการพิมพ์ คุณสามารถผลิตหนังสือได้เป็นพันเป็นหมื่นเล่มโดยที่ไม่ต้องรบกวนเวลาคนเขียนหนังสือเพิ่มขึ้นแม้แต่นิดเดียว ไอเดียของคนหนึ่งคนจึงสามารถแพร่กระจายไปได้กว้างไกลและ “เอาชนะ” ไอเดียของคนอื่นๆ ที่ไม่ได้มีโอกาสดีแบบนั้น

โลกที่ scalable แบบนี้จึงสร้างปรากฏการณ์ Winners take all ผู้ชนะจะได้ครอบครองทุกสิ่ง ส่วนผู้แพ้จะแทบไม่เหลืออะไรติดมือกลับบ้าน

 

ดินแดนมีดิโอคริสถาน

[Mediocre อ่านว่า “มีดิโอ๊เขอะ” แปลว่า ครึ่งๆ กลางๆ เรียบๆ ไม่มีอะไรโดดเด่น ส่วนคำว่า “สถาน” ก็เอาไว้ต่อท้ายชื่อประเทศเช่นปากีสถาน อัฟกานิสถาน คาซัคสถาน ดังนั้น Mediocristan – มีดิโอคริสถาน จึงเป็นชื่อที่ Taleb ตั้งขึ้นเพื่อเรียกดินแดนที่เต็มไปด้วยเรื่องเบสิค ไม่มีอะไรน่าตื่นเต้นนั่นเอง]

สมมติว่าคุณสุ่มเอาคนจากทั่วโลกมาซัก 1000 คน จะเป็นเพศใด อาชีพใด เชื้อชาติใดก็ได้

จากนั้นให้คุณนึกถึงคนที่อ้วนที่สุดเท่าที่คุณนึกออก แล้วใส่เขาลงไปในกลุ่มตัวอย่างนี้ ต่อให้เขาหนักกว่าคนปกติ 3 เท่า แต่เจ้าอ้วนคนนี้ก็คิดเป็นสัดส่วนแค่ 0.5% ของน้ำหนักรวมของคนทั้งกลุ่มเท่านั้น

ในมีดิโอคริสถาน ถ้ากลุ่มตัวอย่างของคุณใหญ่ระดับหนึ่ง จะไม่มีใครที่จะสร้างผลกระทบต่อองค์รวมได้อย่างมีนัยสำคัญ แม้ว่าเขาจะพิเศษขนาดไหน แต่สุดท้ายแล้วเขาแทบไม่มีความหมายอะไรต่อภาพใหญ่

ปริมาณอาหารที่คุณกินทั้งปีรวมแล้วประมาณ 800,000 แคลอรี่ก็เป็นส่วนหนึ่งในมีดิโอคริสถาน ต่อให้วันนี้คุณจะพยายามกินเยอะแค่ไหน กินให้ตายยังไง มันก็จะเป็นเพียงสัดส่วนเล็กๆ ของปริมาณอาหารที่คุณกินทั้งปีเท่านั้น

 

ดินแดนเอ็กซ์ตรีมมิสถาน

[Extreme = สุดโต่ง, Extremistan = ดินแดนสุดโต่ง]

ลองสุ่มคนมาอีก 1000 คนทั่วโลก แล้วดูว่าแต่ละคนมี net worth เท่าไหร่

[Net worth หรือความมั่งคั่งสุทธิ คือสินทรัพย์ทั้งหมดของคนๆ นั้น ลบด้วยหนี้สินทั้งหมดของเขา ถ้าผมมีทรัพย์สิน 3 ล้านบาท มีหนี้สิน 2.5 ล้านบาท แสดงว่า net worth ของผมคือ 5 แสนบาท]

คราวนี้ลองเอา Bill Gates ที่มี net worth 80,000 ล้านดอลลาร์สหรัฐใส่ลงไปในกลุ่มตัวอย่างนี้

Net Worth ของบิลเกตส์จะคิดเป็นสัดส่วน 99.99% ของ total net worth ของทุกคน!

ส่วน net worth ของอีก 1,000 คนที่เหลือเอามารวมกันแล้วก็เป็นได้เพียงเม็ดทรายในมหาสมุทรความมั่งคั่งของบิลเกตส์เท่านั้นเอง

หรือคุณอาจลองสุ่มนักเขียนมาซัก 1000 คน แล้วดูว่าแต่ละคนขายหนังสือได้กี่เล่ม คราวนี้หยอด J.K.Rowling ลงไป (Harry Potter ขายไปแล้วหลายร้อยล้านเล่ม) ยอดขายรวมของนักเขียนทั้ง 1000 คนนั้นยังห่างไกลกับของ J.K.Rowling เพียงคนเดียวนับร้อยนับพันเท่า

ในดินแดนแห่งเอ็กซ์ตรีมมิสถาน ความเหลื่อมล้ำนั้นมหาศาลเสียจนตัวอย่างเพียงตัวอย่างเดียวสามารถอิมแพ็คกลุ่มตัวอย่างที่เหลือทั้งหมดแบบพลิกฟ้าคว่ำแผ่นดิน

 

หงส์ดำมักจะอยู่ในเอ็กซ์ตรีมมิสถาน

น้ำหนัก ส่วนสูง จำนวนแคลอรีที่รับประทาน อยู่ใน Mediocristan แต่ความมั่งคั่งนั้นอยู่ใน Extremistan

สิ่งที่เป็น physical มักจะอยู่ใน Mediocristan เพราะมันมีข้อจำกัดทางกายภาพ แต่สิ่งที่เป็น social มักจะอยู่ใน Extremistan

ก่อนหน้านี้ สงครามอยู่ใน Mediocristan เพราะมันเป็นการปะทะกันระหว่างคนกับคน ดาบกับดาบ คุณจะเป็นรบที่เก่งแค่ไหนก็ฆ่าฟันศัตรูได้ไม่กี่สิบคนหรอก

แต่สมัยนี้ สงครามอยู่ใน Extremistan เป็นที่เรียบร้อยแล้ว แค่มีผู้นำโง่ๆ หนึ่งคนกับปุ่มสั่งการ ก็สามารถฆ่าคนเป็นหมื่นเป็นแสนได้ในพริบตา

Extremistan คือที่ก่อกำเนิดของ Black Swans ซึ่งมันก็ได้ให้กำเนิดหงส์ดำมาแล้วหลายตัวในประวัติศาสตร์และส่งผลกระทบต่อชีวิตเราจนถึงทุกวันนี้

 

ความเปราะบางของความรู้

ใน Mediocristan นั้น เราไม่ค่อยมี surprise และถึงจะมีบ้าง มันก็ไม่ใหญ่เพียงพอที่จะส่งผลกระทบต่อทุกสิ่งทุกอย่างที่ผ่านมา ดังนั้นสิ่งที่เราวัดได้จากกลุ่มตัวอย่างก็เพียงพอแล้วที่จะช่วยให้เราเข้าใจและเห็นภาพรวมทั้งหมด

แต่ใน Extremistan มันไม่ใช่อย่างนั้น เพราะ “ความผิดปกติ” แค่ครั้งเดียวมันจะส่งผลกระทบแบบสุดขอบต่อภาพรวมทั้งหมด สิ่งที่เราได้วัดหรือได้ศึกษาจากกลุ่มตัวอย่างจึงแทบไม่มีความหมายอะไร

ดังนั้น ถ้าเราอยู่ใน Extremistan เราต้องระมัดระวังเป็นพิเศษใน “ความรู้” ที่เรามี เพราะหากเจอ Black Swan เพียงตัวเดียว ความรู้ทั้งหมดที่เราเคยเชื่อว่ามันจริงก็อาจใช้การไม่ได้อีกต่อไป

 

ญาติของหงส์ดำ

ในดินแดน Mediocristan คุณต้องยอมจำนนต่อค่าเฉลี่ย ต้องยอมรับในการสั่งสมระยะยาว ต่อให้คุณพยายามแค่ไหน คุณก็ไม่สามารถเพิ่มน้ำหนักเป็นสองเท่าได้ในวันเดียว ต่อให้คุณเป็นหมอฟันที่เก่งแค่ไหน คุณก็ไม่สามารถเป็นเศรษฐีได้ในวันเดียว แต่ถ้าคุณขยันและอดออมเป็นเวลา 20-30 ปี คุณก็จะมีความเป็นอยู่ที่ดีพอสมควร

ส่วนในดินแดน Extremistan นั้น ชีวิตของคุณขึ้นอยู่กับสิ่งที่มองไม่เห็น สิ่งคาดเดาไม่ได้ สิ่งที่ไม่เคยเกิดขึ้นมาก่อน ในดินแดนนี้คุณอาจกลายเป็นเศรษฐีหรือยาจกได้ในชั่วข้ามคืน

Extremistan ใช่ว่าจะต้องให้กำเนิดแต่ Black Swans แต่เพียงอย่างเดียว บางเหตุการณ์อาจเกิดขึ้นได้ยาก แต่ก็ยังพอจะคาดการณ์ได้ เหตุการณ์เหล่านี้ “เกือบจะ” เป็น Black Swans ผู้เขียนจึงขอเรียกมันว่า Grey Swans หรือหงส์เทา ซึ่งหากเราเข้าใจที่มาที่ไปของมัน เราก็จะเตรียมตัวรับมือกับหงส์เทาได้ดีขึ้น หรือแม้กระทั่งใช้ประโยชน์จากมันได้ด้วยซ้ำไป

หงส์เทาจะมีหน้าตาเป็นอย่างไร ต้องติดตามกันต่อไปนะครับ


ขอบคุณข้อมูลจากหนังสือ The Black Swan – The Impact of the Highly Improbable โดย Nassim Nicolas Taleb

Black Swan ตอนที่ 1 – โควิดเป็นหงส์ดำรึเปล่า

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/

The Black Swan ตอนที่ 1 – โควิดเป็นหงส์ดำรึเปล่า

20200424

เป็นเวลา 3 เดือนแล้วที่ประเทศไทยและทั่วโลกต้องโกลาหลไปกับสถานการณ์ COVID-19

จากไข้หวัดประหลาดในตลาดสดของเมืองอู่ฮั่นประเทศจีนเมื่อปลายปี 2562 ไม่มีใครคาดคิดว่าตอนนี้มันจะทำให้คนทั่วโลกป่วยไปแล้วเกือบ 3 ล้านคน ตายไปแล้วเกือบ 2 แสนคน และส่งผลกระทบต่อชีวิตของเราในแทบทุกมิติ

คำหนึ่งที่ผมมักจะได้ยินจากคนใกล้ตัวและตามสื่อต่างๆ ก็คือการที่สถานการณ์โควิดนี้ถูกเรียกว่า “Black Swan”

Black Swan เป็นศัพท์ที่โด่งดังมาจากหนังสือ The Black Swan – The Impact of the Highly Improbable ที่เขียนโดย Nassim Nicolas Taleb (นาซิม นิโคลาส ทาเหล็บ) อาจารย์และเทรดเดอร์ชาวเลบานอนที่เขียนหนังสือดังๆ ออกมาแล้วหลายเล่ม

ผมมีหนังสือ The Black Swan อยู่บนชั้นมาสักพักแล้ว แต่ไม่เคยหยิบมาอ่านเสียที

เมื่อเจอสถานการณ์โควิด เลยคิดว่าน่าจะถึงเวลาที่จะทำความรู้จักกับ Black Swan แบบจริงๆ จังๆ เสียที จะได้รู้ว่าแท้จริงแล้วมันคืออะไร COVID-19 คือ Black Swan จริงหรือไม่ และเราควรจะเตรียมตัวเตรียมใจอย่างไรบ้างเพื่อรับมือกับหงส์ดำตัวนี้ และอีกหลายตัวที่อาจจะตามมาอีกในอนาคต

โดยผมจะใช้แนวทางเดียวกับตอนที่เขียนสรุปหนังสือ Sapiens – A Brief History of Humankind และหนังสือ Brave New Work ด้วยการทยอยเขียนลงบล็อก Anontawong’s Musings ทุกวันหยุดสุดสัปดาห์ครับ

มาเริ่มกันเลย!

 

เมื่อหงส์ดำถูกค้นพบ

ชาวยุโรปเคยเชื่อมาตลอดว่าหงส์ทุกตัวในโลกนี้ล้วนสีขาว

แต่เมื่อพวกเขาได้ค้นพบทวีปออสเตรเลีย จึงได้เรียนรู้ว่าโลกนี้มีหงส์สีดำอยู่ด้วย

ซึ่งแน่นอนว่ามันสร้างความแปลกใจให้กับคนจำนวนหนึ่ง แต่จุดประสงค์ของหนังสือ The Black Swan ไม่ได้ต้องการจะพูดถึงเรื่องที่ไม่คาดฝันมากเท่ากับความจริงที่ว่า ความรู้ของคนเรานั้นเปราะบ้างและมีข้อจำกัดมากกว่าที่เราคิด

การได้เห็นหงส์สีขาวมานับร้อยนับพันตัว ทำให้มนุษย์มั่นใจเหลือเกินว่าหงส์ทุกตัวในโลกต้องสีขาวแน่ๆ แต่เมื่อเจอหงส์ดำแค่ตัวเดียว ก็มากเกินพอที่จะพิสูจน์ว่าสิ่งที่เราเคยเชื่อมาตลอดนั้นผิดพลาด

 

หน้าตาของหงส์ดำ

Taleb บอกว่า Black Swan นั้นมีคุณลักษณะ 3 อย่าง

หนึ่ง มันเป็นสิ่งที่อยู่นอกเหนือความคาดหมาย เป็นสิ่งที่ไม่มีใครคิดว่าจะเกิดขึ้นเพราะประสบการณ์ที่ผ่านมาไม่เคยสอนหรือแม้แต่จะบอกใบ้ให้เราคิดว่าเรื่องนี้เป็นไปได้

สอง มันสร้างผลกระทบมหาศาล

สาม แม้ว่าจะเป็นสิ่งที่ไม่มีใครคาดคิด แต่เมื่อมันเกิดขึ้นแล้ว มนุษย์ก็จะสรรหาข้อมูลต่างๆ นานาเพื่อมาอธิบายว่ามันเกิดขึ้นได้อย่างไรและทำไมมันจึงเกิดขึ้น จึงทำให้หงส์ดำตัวนั้นดูเหมือนเป็นเรื่องที่ทำนายได้ (ทั้งๆ ที่จริงๆ แล้วทำนายไม่ได้) ซึ่งทำให้เราเชื่อมั่นตัวเองเรื่องการทำนายอนาคตมากจนเกินเหตุ

Rarity, Extreme Impact, และ Retrospective Predictability คือคุณสมบัติของ Black Swan

แม้ปรากฎการณ์หงส์ดำจะเกิดขึ้นได้ยาก แต่เมื่อมันเกิดขึ้นแล้วมันส่งผลกระทบอย่างฝังลึก ยาวนาน และกว้างไกล

ถ้ามองไปรอบๆ ตัวเราทุกวันนี้ เกือบทุกสิ่งอย่างในชีวิตของเราล้วนถูกขับเคลื่อนด้วย Black Swans เพียงไม่กี่ตัว

ศาสนา, สงครามโลก, การล่มสลายของสหภาพโซเวียต, อินเตอร์เน็ต เหล่านี้ล้วนแต่เป็นหงส์ดำที่ส่งผลกระทบต่อชีวิตของมนุษย์นับพันล้านคน

การค้นพบครั้งสำคัญส่วนใหญ่ไม่ได้เกิดจากการทำตามแผนที่วางเอาไว้ แต่เป็นการค้นพบโดยบังเอิญ สิ่งประดิษฐ์ที่เปลี่ยนโลกมากมายล้วนแล้วแต่เป็น Black Swans เช่นกัน

แต่แม้ผลกระทบของ Black Swans จะมากมายมหาศาล แต่พวกเรากลับทำตัวราวกับว่ามันไม่มีอยู่จริง

นักเศรษฐศาสตร์ นักการเงิน ล้วนแต่คิดว่าตัวเองมีวิชาที่จะสามารถประเมินความไม่แน่นอนและทำนายอนาคตได้ หากเราให้เจ้าหน้าที่วางแผนการลงทุนทำตัวเลขมาให้เราดูและประเมินความเสี่ยงให้เราฟัง เขาจะไม่ใส่ Black Swan ลงมาในการคำนวณแน่ๆ และเมื่อไม่ได้คำนึงถึง Black Swan การประเมินนั้นย่อมไม่ได้ช่วยให้เราทำนายอนาคตได้ดีกว่าวิชาโหราศาสตร์เลยด้วยซ้ำ

หนังสือเล่มนี้ต้องการอธิบายว่าทำไมเราถึงเพิกเฉยกับเรื่องใหญ่ เพราะมัวแต่เอาเวลาไปสนใจเรื่องยิบย่อยที่ไม่ได้สลักสำคัญอะไร

และจะมีของแถมให้ด้วยว่า ทำไมยิ่งอ่านหนังสือพิมพ์มากเท่าไหร่ ความรู้ความเข้าใจของเรายิ่งน้อยลง!

 

ที่เกิดขึ้นได้เพราะว่ามันไม่ควรเกิด

ลองคิดถึงเหตุการณ์ 9/11 ที่ผู้ก่อการร้ายขับเครื่องบินชนตึกเวิลด์เทรดเซ็นเตอร์ในวันที่ 11 กันยายนปี 2001

ถ้าก่อนหน้านั้นมีใครสักคนประเมินว่ามีความเสี่ยงที่จะเกิดเหตุการณ์อย่างนี้ รัฐบาลย่อมจะส่งเครื่องบินรบไปอารักขาตึกเวิลด์เทรด บริษัทเครื่องบินย่อมสร้างประตูกันกระสุนสำหรับห้องกัปตัน แล้วการบินชนตึกเวิลด์เทรดย่อมไม่เกิดขึ้น

แปลกดีมั้ยที่เหตุการณ์ใดเหตุการณ์หนึ่งเกิดขึ้นได้เพราะว่ามันเป็นสิ่งที่ไม่สมควรจะเกิดขึ้น? (Isn’t it strange to see an event happening precisely because it was not supposed to happen?)

หากเรารู้ว่า New York ตกเป็นเป้าของผู้ก่อการร้าย แล้วผู้ก่อการร้ายรู้ว่าเรารู้ พวกเขาย่อมไม่ก่อเหตุที่นิวยอร์ค

สิ่งที่เรารู้อยู่แล้วจึงแทบไม่มีความหมายอะไรเลย

 

คุณค่าของหนังสือที่ไม่ได้อ่าน

นักเขียนชื่อ Umberto Eco มีห้องสมุดส่วนตัวที่มีหนังสือถึง 30,000 เล่ม

แขกที่ได้มาเยือนห้องสมุดของ Eco จะแบ่งออกได้เป็นสองกลุ่ม

กลุ่มหนึ่งจะอุทานว่า “ว้าว ท่านศาสตราจารย์ ห้องสมุดอาจารย์นี่หนังสือเยอะสุดยอดเลย อาจารย์อ่านจบไปกี่เล่มแล้วครับเนี่ย?”

ส่วนอีกกลุ่มที่ฉลาดกว่าจะไม่ถามคำถามแบบนั้น แต่จะเข้าใจว่าห้องเก็บหนังสือไม่ได้มีเอาไว้โอ้อวดหรือสร้างความประทับใจ แต่มีเอาไว้เป็นเครื่องมือในการค้นคว้าและศึกษา (research tool)

เพราะหนังสือที่อ่านแล้วนั้นมีคุณค่าน้อยกว่าหนังสือที่ยังไม่ได้อ่านมากมายนัก ชั้นหนังสือของคุณจึงควรจะมี “สิ่งที่คุณยังไม่รู้” (หนังสือที่ยังไม่ได้อ่าน) ให้มากเท่าที่คุณจะมีกำลังหาซื้อมาได้ ยิ่งคุณรู้มากเท่าไหร่ หนังสือที่คุณยังไม่ได้อ่านยิ่งควรมีมากเท่านั้น เพื่อให้มันคอยเตือนใจไม่ให้เราทะนงตนในความรู้ของเรามากจนเกินไป

 

หงส์ดำเป็น subjective

ตรงนี้เป็นประเด็นที่สำคัญมาก Black Swans เป็นเรื่อง subjective (อัตตวิสัย) ไม่ใช่ objective (ภววิสัย)

มัน subjective เพราะว่า Black Swans เกิดจากข้อจำกัดในสิ่งที่เรารู้และความมั่นใจเกินไปในความรู้ที่ตัวเองมี

เหตุการณ์ 9/11 นั้นเป็น Black Swans สำหรับผู้ประสบเหตุและประชาชนทั่วไป แต่มันไม่ใช่ Black Swans สำหรับผู้ก่อการร้ายที่ร่วมขบวนการนี้

ดังนั้น คำถามที่ผมมีตอนต้นบทความว่า COVID-19 เป็น Black Swan มั้ย ก็ต้องบอกว่ามันเป็น Black Swan สำหรับคนทั่วไป แต่ไม่ใช่ Black Swan สำหรับคนอย่างบิล เกตส์ ที่เคยเตือนเรื่อง pandemic ไว้ใน TED เมื่อปี 2015 ไม่ใช่ Black Swan สำหรับนักระบาดวิทยาอย่าง Michael Osterholm ที่พยายามพูดเรื่องนี้ตลอดสิบปีที่ผ่านมา

และไม่ใช่ Black Swan สำหรับ Taleb ที่เขียนเอาไว้ในหน้า 317 ของหนังสือเล่มนี้ว่า

“As we travel more on this planet, epidemics will be more acute – we will have a germ population dominated by a few numbers, and the successful killer will spread vastly more effectively…I see the risks of a very strange acute virus spreading throughout the planet”.

“เมื่อโลกใบนี้มีผู้คนเดินทางมากขึ้น โรคระบาดจะมีความรุนแรงและฉับพลันกว่าเดิม ประชากรของเชื้อโรคจะถูกครอบครองโดยเชื้อโรคเพียงไม่กี่สายพันธุ์ และเชื้อโรคที่เป็นนักฆ่าที่ดีจะแพร่กระจายได้อย่างรวดเร็วและกว้างไกลกว่าที่เคย ผมเห็นถึงความเสี่ยงที่จะเกิดไวรัสที่รุนแรงและแพร่กระจายไปทั่วโลก”

อ้อ Taleb เขียน The Black Swan ไว้ตั้งแต่ปี 2007 นะครับ

 

หงส์ดำขยายเผ่าพันธุ์

นับตั้งแต่ยุคปฏิวัติอุตสาหกรรมเป็นต้นมา โลกก็มีความซับซ้อนขึ้นเรื่อยๆ และหงส์ดำก็มีจำนวนมากขึ้นเป็นลำดับ

และจากนี้ไป ยิ่งเรามี “ความก้าวหน้า” มากขึ้นเท่าไหร่ เราก็ยิ่งมั่นใจในสิ่งที่เรารู้มากขึ้นเท่านั้น

พื้นที่ว่างระหว่าง “สิ่งที่เรามั่นใจว่ารู้” กับ “สิ่งที่เรารู้จริงๆ” คือแหล่งเพาะพันธุ์ของ Black Swan และพื้นที่นี้มีแนวโน้มว่าจะกว้างขึ้นเรื่อยๆ

และนี่คือเหตุผลที่อนาคตของเราจะคาดเดาไม่ได้มากกว่าทุกยุคทุกสมัยที่ผ่านมา

แล้วเราจะประคองตัวในโลกที่เต็มไปด้วย Black Swans นี้ได้อย่างไร

โปรดติดตามตอนต่อไปสัปดาห์หน้าครับ


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
The Black Swan ตอนที่ 6 – โยนเหรียญเสี่ยงทาย
The Black Swan ตอนที่ 7 – บิลเลียดสุดขอบจักรวาล
The Black Swan ตอนที่ 8 – ยุทธการ Barbell
The Black Swan ตอนที่ 9 – Bell Curve เจ้าปัญหา
The Black Swan ตอนที่ 10 – แก้เผ็ดหงส์ดำ

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/