说明

最近看了反脆弱，有了一些想法，速记一下。

内容

世界（包括人）的本质是复杂系统

复杂系统的意思是，该系统由多个互相关联的节点构成，其节点本身和关系呈现出非线性变化的特点。从整体上看，复杂系统是一个自洽的体系，我们很难用简单的语言对其进行描述。

rule001:应对复杂系统，应该采用试错而非断言的研究/应用方法

由于复杂系统的不可测性，所以我们在最顶层的思维，一定是抱着试错的心态，探索前行。-- “这可能是错的，但是可以试试”

反脆弱是试错的指导法则

反脆弱里提到的试毒法则，也就是说试错的代价不能超过自己的极限。所以杠杆是不可取的，因为其代价可能会大到无法接受，这不是试错，而是赌博。

其核心要点是，大量的，广泛的，持续的试错，从中获得提升。

为什么需要模型？（既然它们都是错的）

首先，我们的一切努力是为了服务人类。人类的核心逻辑是线性的，模型承担了将非线性问题转化为准线性问题的任务。模型帮助了我们更好的认识这个世界/问题，甚至可以帮助我们更好、更快的处理任务。

模型的问题又有两个分支：

  • 1 结构。例如逻辑回归，随机森林，这种大类别的选择代表了模型的结构。
  • 2 参数。给定模型结构和数据，我们就能获得参数估计。这些参数是从具体数据抽离出来的一般规律，是元数据，也可以说是知识。这种知识本身可能是不可靠或不稳定的。

所以，关于模型最重要的是度量指标。

有了度量指标，我们才能知道模型是否对我们有帮助，以及模型之间的比较。那种结构更优，哪个参数更可靠。

其次，就是具体的结构或参数（知识）抽取方法。一方面要可靠，一方面要高效

简单来说，我们希望在可行的时间内获得可行解。

通常来说，第一步选用最简单的模型，达到显著区别于随机就成功了。

问题的简化及近似。

我们总在在不同层次（精度）的前提下分析问题，不同层次的复杂性的复杂性、存储、算力的比较通常是指数级的。我们不必要一开始就做很细粒度的研究，保证方向的正确和方法的有效是第一要素。

基于人及其有限的分析和计算能力，我们一定是从最简化的情况开始分析的。简化的目标是：问题既在我们的时空处理范围内，又能够产生实际的效益。

按照简化原则，我们可以抽象出问题的关键部分，然后使用算法+计算机进行更细粒度的分析和控制。

通过简化的方法，我们抽取到了高层规律（虽然比较难），高层规律一定是非常非常简单的。1分钟之内能够说明白的那种。

基于这种至简的规律，加上计算机的辅助，我们事实上是可以有效的分析甚至控制复杂系统的，前提是在一定的精度之上。目前的科技应该已经到了人类的极限了，剩下来的科技，很可能是人机协同产生的。当然这都是后话，不过可以看到人类前进的希望。

如何从不确定中获益

虽然我们不一定跑的比熊快，但是可以跑的比其他人快。

不确定会带来损失，但有人损失就有人获益。当你对于信息的应用比其他人高一个层级的时候，就总是能从不确定中收益了。