文/歐斯麥
這是近期我讀過最好的一本書之一。(另外還有一本是安靜的力量)
我開始知道這個作者，因為其在網站上預測美國總統選舉51州選舉人票數一票不差的中了50州而聲名大噪，本書書名叫做<精準預測>，英文書名叫做<The signal and the noise>，直譯是訊號與雜訊。書的副標是<如何從巨量雜訊中，看出重要訊號>，裡面有幾段章節特別精采，例如西洋棋電腦VS人腦到底誰強、氣象與地震預測、還有德州撲克與股市裡的賽局行為，看完了可以有很多值得深深思考的空間。
當大家都在談論大數據(big data)時代來臨，將為世界帶來巨變的同時，有多少人看到了風險？又有多少人患上了資訊恐懼焦慮症而不斷蒐尋？如何解決這些問題？以下簡單摘要成以下三點：
一、關於資訊：
在巨量資料的時代，我們的預測可能更容易失誤，可得的資訊量成倍數增加，要研究的假設數量也同樣成倍數增加。但資料中有意義的關係數量—表現因果而非相關、可以證明世界真正運作方式的那些關係—卻是成等比級數的少。增加的速度也遠不如資訊本身那麼快；世界上的真裡沒有比網際網路或印刷術出現之前更多。大多數的資訊只是雜訊，就如宇宙的大部分是空蕩蕩的空間一樣。
所以資訊時代的風險之一就是，我們共享那麼多資訊，以至於我們的獨立自主打了折扣。我們反而去找出跟我們想法一樣的其他人，然後誇耀著我們有多少「朋友」和「追隨者」。
外行的棋手碰到西洋棋的問題時，常常想找出最完美的一步，反而讓自己沮喪灰心，讓他們根本沒辦法下出任何一步。相反的，西洋棋大師再找的是好的下法—如果在任何特定的局勢中找得到任何可能的最佳走法的話當然更好—但是他們比較是在預測怎麼用這一步安排他們的局勢比較有利，而不是列舉每一種可能。
“當資訊雜訊非常多的時候，有時這是唯一的解決之道，就是更專注於過程，而不是結果。”
二、關於模型：
複雜的模型通常可以給人更精確(卻未必更正確)的答案。如果你用的是有偏差的工具，那不管你用多少測量方法都沒用—你瞄準錯目標了。巴菲特也曾說過， 我們寧可要模糊的正確也不要精確的錯誤。就算我們把數字算到最精準，但算式及方式若是錯的，這也不會讓我們離成功更近。
所以重點通常在於了解是怎麼錯的，錯了的時候該做甚麼，還有錯了的時候要怎麼把我們的代價減到最低。
關鍵在於要記得，模型是種工具，幫助我們了解宇宙的複雜，但永遠不能替代宇宙本身。
關於結論：
柯南道爾說過，一旦你把絕對不可能的東西刪掉，剩下來的不管可能性多低，都必然是事實。
我們的思考盲點通常是我們自己造成的，而且隨著我們年齡增長會增加。
所以若能明確的、勇敢的承認你不知道的東西，其實就算是進步的象徵。
承認自己有可能預測錯誤，然後在有限度的代價中做出修正，會讓我們的生活更好。
