查理·芒格：在复杂性系统中正确行事
2019-06-27 19:05阅读：
原创： 姚斌
在苍茫中传灯
文/姚斌
系统的可靠性取决于各部分组成的整个系统，而薄弱环节决定了整个系统所能达到的最佳状态。一个计划是由一系列步骤组成的，所有步骤都成功是制胜关键。每一个步骤都有失败的概率。我们经常低估了将导致一个系统出错的可能性事项或者失败的概率。人为错误、设备失灵、技术失败、不切实际的期望等，还包括沉没成本综合征、缺乏经验、动机不当、承包商失误、未经检验的技术、延误交货、变化了的条件、随机事件、对早期警告信号的忽视等，都是延误工程、成本超支和犯错的原因。
我们经常过分关注某一特定的工程案例，忽略了在同等条件下会正常发生的事件。决定一个方案完成的独立步骤越多，则失败的几率越高，圆满完成的可能性便相对较低。我们经常低估影响整个方案的步骤、人、决策的数量。这些都是建设项目、新建企业或者进行产品开发的企业最终花费的时间、金钱和努力均会高于预期的原因。
如果一家公司想要开发一个新产品，就需要知道产品研发链上的所有步骤以及每个步骤顺利完成的概率。如果项目有6个步骤组成，彼此间独立，那么每个步骤具有80%的成功概率，即每个项目研发的10次中有2次失败的可能。但因为每个步骤都是独立的，所以它们的成功概率是相乘的结果。公司最终能够成功研发产品的概率为26%。每当我们为某个系统增加一个额外元素，整个系统成功运行的概率会相应下滑。
研究显示，100万个高科技点子中只有6个能够成就上市公司。这么低的概率告诉我们企业成功上市的历史概率非常低。以生物科技企业为例，在那些发现药物候选分子的1万-3万家企业中，只有250家企业能够把产品研发成功地进行至临床评价阶段，这
些企业中只有5~10家能够达到临床实验阶段，而最终只有一家能够得到批准。
在产品进入商业流通前将面临许多因素，比如技术优点、产品安全性、成本效益比、生产阶段、专利问题、产品稳定性、监管问题、市场评价、竞争优势、财政需要等等。我们能否评价这些因素的成功概率？即使可以，这些因素还必须一起通力合作才能达到我们想要的目标方案。所以不妨问这些问题：在考虑投资这家企业之前，这类企业历史上的成功概率为多少？
冒险行为得到的补偿实际上是理想结果与所有可能性结果之间相互作用而成。发生不利事件的数量越多或者说所需的理想事件越多，我们为冒险所得到的补偿必须越丰厚。巴菲特曾经建议，若是单个交易的风险过高，就须将资源分散到几个各自独立的方案上，如此一来，虽然每个方案都有可能带来损失或伤害，但只要确信每个独立的个案经过概率的加权平均后能让你获得满意的报酬就行。
假设一家新创企业的成功率为40%，十家互不相干的新创企业（具有同样的的成功概率）全部成功的概率仅为0.01%，但至少其中一家企业能够成功的概率为99.4%。这里假设每家企业的命运并不彼此相连，所以一家新创企业的失败并不会影响其他企业的成功。
系统安全并不止于只与一个因素相关，而是所有因素的综合作用而成。如果一个关键部分失败，系统就有可能失败。航天飞机由2000个独立部分或更小的系统组成。每个部分运行成功的概率为99.9%，每个零部件到位才能保证航天飞机的运行，一个零部件失灵从而导致飞机失控的概率为86%。零部件越多，失败的概率也越高。
一些系统更易受到事故的侵袭，因为内部的组成部分繁多，各部分之间联系复杂，相互影响。一个系统增加变量越多，互动的方式也更多样，系统越加复杂，该系统失败的几率就越高。在一个紧密相连的系统内部改善子系统功能对解决未来问题的效果不大，因为存在系统内部多个因素同时失效的概率，而一个系统越复杂，就越难以预料未来可能性的失败。在当前系统崩溃时，有可替代性的后备系统是一种解决的方法，但应确保后备系统不会产生不良后果，或者它的一些零部件与原系统有共同的缺点。
但如果两个系统相互依赖——前一个系统的失败将提高后备系统失败的几率——从而提高了整体系统失败的效率。不能理所当然地认为每一件事都是互不相关的。连锁事件中后一事件的原因很可能是前一事件的结果。子系统之间可能会共享相同的部分。事件之间相互依赖还可能是由于各部分有相同的设计或同一家制造商等原因。
如果有足够的时间，一些看似不可能的事情也会发生。比如，一事件在每年有1：20的发生概率（假设概率保持不变），在50年间发生的可能性极高（92.3%）。如果把概率降低为1:40，则50年间至少发生一次概率相应降低为71.8%。所以我们必须大力减少事故发生的概率，虽然并不能彻底消除它们。
许多系统的失败是归因于对机器的过分关注，而忽略了使用机器的人。即使技术性成功概率为99.9%，人为因素将使系统可靠性低于纯技术的可靠性。人为因素体现在设计、执行和后续等各个环节中。剔除知识缺乏或知识不足的因素后，考虑到人和其他因素之间互动的复杂度，可以说，导致事情出错的方式有许多种。
但是，不要责怪他人的过失，而要找出原因和预防的方法。在系统中植入安全因素以防止未来的错误常常比惩罚过去的错误效果更好。指责对于提高安全性和避免其他人重蹈覆辙毫无帮助。
因此，必须做好事故发生的心理预期，并在人和技术失灵，无法按预期计划进行的时候做好准备，系统的设计应大力减少负面事件的发生概率或者不幸事件发生后限制其造成的后果。我们可以从航空学中借鉴这样一个观点，即深入研究已发生的事故，了解出错的原因，以便下次能够做得更好——关键事件分析法。我们需要为已知或未知的风险增加安全因素，必须考虑临界点，建立防御和应急计划，我们还必须把设备和进程进行简化和标准化，并使用清单来降低操作错误的可能性。
我们常常会注意一些事情，忽略其他事情。我们选择和谈论的是那些不可思议的事情，而不是普通寻常的事情。在事情发生后，我们从中看到了巧合的天机，而在事情发生前我们却预测不到。我们低估了那些“不可能事件”的概率，只要有充足机会让人不可思议的事情也会发生。连续5次都出现硬币反面肯定会发生在某个地点、某段时间和某个人身上。假以出现许多个地点、经历足够长的时间会出现许多个人后，看起来不可思议的事情也会成为事实。
巧合有许多机会发生。比如，在一组有23个人样本中，两人生日相同的概率为50.7%。如果有足够的人数，不可思议的事情也可能发生。发生的机会越多或时间越长，不可能的事情也成为可能。
人喜欢找规律讲故事，我们在大千世界和自己的生活中寻找的规律模式，然后围绕着这些模式杜撰故事，并赋予它们意义。我们总是希望找出每件事的内部原因，不管随机与否，即使这些模式不存在，我们也孜孜不倦地寻找着。
在没有任何事情发生的时刻，我们投注的注意力很少，甚至毫不关注，所以，我们不应该在回顾历史事件时只在特殊事件中寻找意义，而是对各类事件（包括那些无因无果的事件）进行比较，并极力猜想当时有可能发生的所有事件。
我们常常忽略那些错误的预测，只注意到事件发生的那一刻。我们忘记了预言家也有预测错误，而只对他们正确的预知顶礼膜拜。实际上，预言家的预测总是距离现实非常遥远，所以他们从来不必面对错误的后果。或者他们的预测结果就是大而泛之，可适用于每个人或每个结果，最终无法证明他们的错误。
有些事情无法被证明是错误的。没有证据否定鬼的存在与找到证明鬼的存在是两码事。真理的存在是依赖于支持证据的多少，而不是否定证据的多少。大卫·休谟给我们提供了一个检验所谓奇迹的方法：“没有任何证据足以证明一个奇迹的存在，除非这个真实的反面比目前所声称的这个奇迹还堪称奇迹。”休谟建议进行以下的检验：如果一个人声明的反面听起来更为可能，那该证词可能就是错误。德国诗人歌德说，神秘的事情不一定是奇迹，无法解释的事情并不意味着奇迹。
先验概率是指根据以往经验和分析得到的概率。如果有人说，我们公司有个职员今天因盗窃罪被捕，但他自己说之前从未盗窃，以后也不会。那么，这个人从未偷窃的可能性有多大？这时就可以运用先验概率，比如说考虑某个事件或特征的典型性或者代表性有多高。
对此，查理·芒格先生说，应该这样思考：如果每年你打算揪出10个挪用公款的人，他们都有哪些人声称只犯过一回这样的错误？而那些以前有前科，未来还打算再犯的人，他们又将会怎么说？根据公司的历史记录，他们通常会说：“我从来没有做过，以后也不打算做。”我们把他们革职了。这样做显得有些不近人情，但破坏行为总是具有传染性的。
如果有人在法庭上作证：“我亲眼目睹了这起事故，出租车的颜色为绿色。”那么作为目击证人，这个人的可靠性有多高？目击者证词包含一定的不确定性。同时还要记住，任何观察的可靠度不仅仅依赖于观测者的可靠性——即使目击证人有双敏锐的眼睛——还要依赖于先验概率基础上观察的可靠度。
如果100辆出租车都有车辆为绿色，目击者10次中8次辩认正确，那他将能辨认出8辆绿色车。既然目击者有2次辩认错误，把蓝色车说成是绿色车，这表明他将90辆蓝色出租车中把18辆误认为是绿色。在目击者认定为绿色车的26辆车中，其实只有8辆是绿色的。这表明基于目击者证词“绿色出租车”，肇事汽车确为绿色的概率为31%。这样看来肇事车更有可能是蓝色的。
不管蓝色或绿色出租车的分布概率，先验概率是历史事故的证据。在考虑新的证据前，我们所需要掌握的是能够解释事件的正确的代表性证据。在接收到新的代表性证据后，必须修正先验概率。必须提问：过去在相似的情况下发生了什么？有理由修正事件的发生概率吗？情况或环境是否已经发生改变？一个案例越是充满不确定性，则我们必须对先验概率投注更多的关注。在评价证据时，我们必须考虑先验概率、随机匹配成功的概率和假阳性发生的概率。
