读了这篇,你就明白机器为什么是决策的好助手了

May 31, 2022

在上篇文章中说到,做一个好决策很难,如果这“好”字≈“科学理性”的话。我们人类经过亿万年哺乳动物进化(或者说演化)下来形成的人脑结构,尽可能的要节省能量。而所谓科学、理性,大部分时候都是要经过不那么肤浅的盘算,多问几个为什么,这个过程太耗费能量了。在大脑稀奇古怪的生理学术语中,你听说过的那些挺好听的名字,什么伏隔核、下丘脑啦,还有海马体、杏仁核、纹状体啦,都属于边缘系统,我们喜怒忧悲恐惊的情绪都是来自这里的,而且多巴胺、血清素、内啡肽等一群拥有漂亮小名字的化学物质,不受你这个主人控制的激发着边缘系统让你匆匆忙忙的做了决策,更可气是,你还要为这些决策编排上非常“合理”的理由! 在人类的进化过程中,很偶然的,大脑比其它哺乳动物更大量的生长出了皮质,人类能够想象未来,逻辑思考,数学计算,推理分析,这些都得靠皮质。尤其是前额叶皮质,如果一个人的前额叶皮质受损,你就会看到Ta好像不那么“理性”了。

大脑部分结构图。参考《How the brain works:the facts visually explained》

在日常工作、聊天、外出游玩时,你没见过谁说着说着就狂笑、大哭、唱歌、怒骂的吧,但我猜每个参与过酒桌上推杯换盏的人都曾经碰到同桌上不止一个这样的人。因为酒精是可以穿过血脑屏障(血液中的大部分生化物质无法穿过大脑中的毛细血管,从而无法对神经细胞产生伤害或者治疗)的,而穿过血脑屏障的酒精分子选择了首先与皮质接触(可能是皮质的酒量不行),降低这里神经元的兴奋度,皮质所代表的理性对人起到的约束作用,很大一部分就向酒精投降了。边缘系统涌动的各种情绪不能再被理性压制,比如一些最基本的:不可以在公开场合做出让别人侧目、瞧不起、厌恶的行为,喝了酒好像做些出格的事儿全然不在乎。并非是这些人的“本质”有多么恶劣,其实是遵守这些准则的大脑部分,已经不工作了。你能怎么怪罪一个大脑有残缺的人呢?当然酒要是再过劲儿的喝,会开始抑制边缘系统,这时候人的表现就是木呆呆的不哭不笑;如果继续喝,酒精将大脑负责主管心跳、体温、血压的核心区的神经元也抑制住,那人就接近死亡了。

有些喜欢喝酒而且酒量大的人,为什么习惯在酒桌上检验一个人,其实考察的是负责理性决策的皮质能撑多久,而只要酒精足够浓,持续足够长,迟早每个人都会被边缘系统接管。我思故我在的“思”是皮质。如果说皮质让你表现出一个有思考力、能理性决策的人,可以说这是一个“戴着面具的你”,而边缘系统才代表了“真正的你”,我敢说没有一个人能在现代社会中只做真正的你就可以行事自如。

人之所以为万物之“灵长”(自恋自封的),很大程度上是因为人脑的皮质,但要从进化的角度去看,边缘系统出现的更早,绝大部分动物的脑子都是边缘系统占主要部分的。上篇文章所说的每个人在决策中都受偏差或者噪声的影响,大部分都来自边缘系统的作祟。你会对上次出差腹泻严重而对出差去的城市莫名的不喜欢,你会特别钦佩一家公司的创始人而对Ta家的产品情有独钟,你也会始终回忆起小学那个狠狠责骂你的数学老师而厌恶看数据报表。

更加让人无奈的是,皮质也得通过边缘系统让你的“意识”做决定。换句话说,怎么都得经过边缘系统这一关,就不存在绝对理性的人!自信的决策者,会更高看自己一筹,认为已经逃离自己情绪的控制,可以用非常理性的皮质来做决策。其实是一种对大脑的误解。越早承认我们摆脱不了边缘系统,我们越早有可能做出更高明的决策。

到底有没有自我,这不仅是大脑科学的问题,也是一个哲学问题(缸中之脑、骇客帝国。。。不展开了)。既然我们都得遵循大脑设定的路线,那我们就试试沿着“理性大脑”进行决策的路线走走。我们在判断事物的第一步是什么?是定义,是分类。其实就是将要决策的事物放在一个皮质能判断的范围内,有了合适的范围才会促成一个清晰的理解,正如王尔德所说的:定义就是限制。

陈铭老师在喜马拉雅上的节目《人文通识:格物》阐述什么是聪明的时候举了个例子,桌子应该怎么定义。聪明的读者,你试试看,什么是桌子,你打算用怎样的语言来定义它?陈铭老师认为聪明人的典型特征,是其抽象能力,我认为换一个说法就是一种能将事物划分到常人看不到的类别中的能力。在这一点上,计算机算法就是个“聪明人”,Ta不仅可以发现那些我们人脑无法识别出的类别,更为关键的是计算机不会受到语言、进而情绪的干扰。

想象一家门店,其开店成功的概率只和两个因素有关:一是人流多少的位置;二是当地人的喜好。成功的店在不同城市的分布有下图显示的四个模式,你可以轻松的在大脑中盘算出一个三维的散点分布吗(三个维度分别是概率、位置和喜好)?而机器学习的算法用不上几秒即可以将四个模式的“数学公式”通过训练的方式获得,从而将在符合某城市特征条件下的新开店的成功概率预测出来。这还仅仅是两个因素,如果再扩展一个维度成为四维空间,大脑就无法想象了,但机器不会。

借用谷歌Tensorflow游戏场制作的模拟分类图,截图引用自Ele实验室

人类决策者还有的一个认知模式相比机器,会显示出显著的劣势:文字和语言的影响。当你用不同的语言给事物分类或者打标签时,在大脑中会产生不同的情绪。而机器不需要理解语言(这也是机器无法真正与人类进行交流的原因),因此而不必受到语言带来的情感束缚。

对于第一个分类用词,大部分人会无感,因为对“替代”这个词没有好坏评价,甚至根本不知道什么意思;而第二个分类会引起纷争,因为“中”和“西”两个字已经包含了不只字面上的意义;至于第三个分类用词,会让人更客观的思考,两个词各自都代表一定的优势和不足

机器另外一个突出的能力——定性和定量之间的准确数值关系,那就更加碾压人类决策者了,机器能做出来及时的精确性,没有任何人打算与其竞争;相反,机器的这个能力一直在扩充人类的决策边界,在这一点上,机器一直都是人类的小助手。即便就是我们常常看到简单的两轴关系,也需要借助可视化才能让人类决策者获得认知。比如根据我司王龙的定义:商圈就是线下的公域流量池,那么哪些流量池会比较有价值?该怎么进行判断?这是一个分类问题,同一个类别就会有相同的特征,通过简单的数值对比就可以归类。

最朴素的,用客单价和门店数量对商圈进行划分:

客单价高,门店数量也多的商圈对销售额有保证,但你不能判断该商圈的竞争度和利润率

再复杂一点,用竞争度和规模度做两轴图。这样分析的结果会让决策者思考,到底竞争度很高,但市场规模也很大的城市或者商圈优秀呢?还是竞争不激烈,市场规模也小一点的城市更值得投入。

规模小、品类需求少的市场,也不见得不是好市场,如果能识别出那些竞争不够、对品牌忠诚度还不强烈的城市,也许能打开一片大天空

再来。即便就将关店数量和比例来进行四象限切分,也会对一些城市有不一样的判断,而屏蔽掉那些心中固有的好坏印象。

关店数量很少,关店率也很低,那在这个城市算是立足很稳了,但关店数量很大,但关店比例低于平均水平的城市呢?该怎么解释和下一步决策?

当有更多的维度纳入决策的范畴,人脑能考虑的只有“做还是不做”和“好还是不好”了,至于各个单元之间的影响关系、谁的权重更大,都无法计算出来。但机器智能,对于类似这样做分类的题目,只是个起手式,算是小儿科,更复杂的运算和预测,人类语言和大脑甚至根本无法理解。

示例为营销生命周期中的各个环节结构图,是两轴思维的扩展。想要获取高清pdf版本,请联系小助手

所以:

1、人脑天然的结构,造成“科学”决策的局限,这些局限既包括计算能力的不够,想象空间的不足,还包括语言和情感上的限制;

2、人的决策是从定义和分类开始的,机器智能也可以被认为是用算法实现更高维度的分类,机器助手可以简单的、在决策过程中自始至终帮助人类主人;

3、极海小伙伴在日常工作中形成的人机协同机制和经验,可以帮助大家迅速结交机器朋友,在决策智能化的道路上享受效率优势和智识上的乐趣。

王昊

用地图思考人生

评论正在加载...
Great! You've successfully subscribed.
Great! Next, complete checkout for full access.
Welcome back! You've successfully signed in.
Success! Your account is fully activated, you now have access to all content.
分享