《黑天鵝效應》

當兵真的太無聊了，所以現在每次放假都會買二手書來拆、或是把電子書印下來，一章一章訂成小冊子帶進軍中（方便裝進口袋），在操課或出公差中的發呆空擋從口袋拿出來看。我決定來不定期做點簡短的筆記跟心得，以防止在軍中愚蠢官兵體系變成智障。

這週剛看完的是《黑天鵝效應》，一本在講隨機性和不確定性的書。

1. 人類的思考充滿瑕疵與偏誤，諸如確認偏誤（先產生觀點，再將任何事情都解釋為支持自己觀點的證據）、敘事偏誤（總是想替各種事情建立因果關係，但這個過程既不嚴謹，又容易因為降低了資訊複雜度而濾掉大量的重要內容）、沈默證據（沒發生的事是不會被記載的，因而在你看到一個決策導致的結果時，往往看不到背後的機會成本）等等。
2. 在大部分的情況下，基於前述的各種偏誤，你心理上認定你已經暸解的事物，其實有更大的可能是你並不暸解；而當我們心中已經擁有一個觀點時，比起去找支撐自己觀點的證據，更應該去試著找出能駁斥自己觀點的反例來做反向驗證。
3. 把全世界的人聚集在一起，將體重最重的一千位去掉，對總體重沒什麼影響。我們稱這種度量世界的規模可變性很低。但如果把最有錢的一千位去掉，對總財產的影響就會非常大，我們稱這種度量世界的規模可變性很高。
4. 統計學只適用在規模可變性低且滿足特定公設的世界，例如體重分佈、投擲硬幣、物理模型等。而牽涉到社會、經濟、金融等領域的事物，通常具備極高規模可變性跟複雜度，你基本上是無法對未來進行預測的，更遑論籌備長遠計畫。但傲慢的知識份子總是想利用各種複雜的數學模型來預測未來，並嚴重低估了這些模型的不適用性和事件的混沌性質。
5. 在規模可變性高的世界中，會有很多你無法預期的、發生機率極低、但一發生就會大幅改變世界的事件，稱之為黑天鵝事件。例如網路的出現、智慧型手機的出現、世界大戰等都是典型的例子。
6. 處理日常事務時，不論規模可變性是高是低，只要不涉及高風險，該預測時不需要逃避，不用總是保留判斷，當個傻瓜沒關係。確保讓自己只在小事情上糊塗，而不會在大事情上被矇騙。
7. 在規模可變性高的世界中，面對極高的不可預測性，我們可以使用槓鈴策略：把一部分的資源，放到極為安全的工具上，獲取穩定的回報，作為你的地板。另一部分的資源放去做極為投機的賭注，抓住任何看起來像機會的東西，提高自己遇到好的黑天鵝事件的機率。

看完這本書後，對我有三個比較大的影響。

首先是一些過去隱隱約約覺得思考中不對勁的地方被作者點出來了，而我想若要確實的活用批判思維，認識這些人類大腦的偏誤是第一步。

再來是對於規模可變性高的世界有了不同的感受。我一直都對把物理和統計應用到經濟、金融、社會的預測上抱持著存疑的態度，但過去的懷疑點主要是在模型的基本假設對真實環境的適用性是否足夠高、以及模型給出的誤差是否足夠小到讓預測變得有意義。這本書讓我多理解到了這些領域的資訊複雜度被大幅低估的事實，以及對於「是否能將機率極低的事件忽略」有更大的反思（畢竟從作者的觀點來看，影響人類最大的，正是這些發生機率極低的黑天鵝事件）。

最後是影響我最深的槓鈴策略。我之所以會讀這本書，是因為之前在研究 Amazon 時，第一次看到了黑天鵝效應這個名字；而現在回頭看整個 Amazon 的業務時，會不禁佩服起 Jeff Bezos 實踐槓鈴策略的戰略眼光：透過 Prime、Marketplace、AWS 等核心業務的相互牽動形成飛輪效應，將其帶來的穩定回報作為槓鈴策略的地板。再將大量的自由現金流投入新領域，用可控的風險賭黑天鵝級別的創新。只要百項投資裡賭到一個黑天鵝，就足以構成下一個 Amazon 的核心業務。

另一方面，這樣的策略也是我比較崇尚的人生哲學。回頭看過去走過的足跡，那些影響我極為重大、深遠的事件，的確沒有一個是事先計畫好的；反而大多是在自己一次又一次的走進未知領域時，偶然發生的黑天鵝事件。