• 独立思考者模型:如何分辨信息的真伪


    前面提到了如何科学地思考。思考的重要基础是得到信息,那么如何辨别信息呢?

    今天是个信息爆炸的时代,我们不缺少信息,唯独缺少有效的辨别信息的思维方式。就好比缺乏一杆标尺,帮助我们衡量哪些信息是重要的,哪些是我们不需要浪费时间的,而哪些根本就是垃圾。

    1.  实证模型

    首先,有很多问题是无法通过数据得到理性科学结果的。请问,以下哪个问题是我们能够通过数据解释从而解决的呢?

    • 人生的意义是什么?
    • 甲型猪流感被治愈的概率是多少?
    • 灵魂转世是否存在?

    回答问题之前,先要知道什么是“实证”。一个最简单明了的理解:“实证的”就是指能够通过客观事实来证实的。

    科学的思考方法的一个重要基石就是实证主义,即任何一个理论或者理念要被确认为正确的话,首先他必须是能被观察的,能现实存在的。否则就无法被科学地承认。

    如果有人认为科学其实也未必“科学”,还有大量科学未能解释的现象例如用意念移动电视机,所以我们凭什么相信“实证”就是对的呢。对不起,我只讨论科学系统中的思考方法,人文主义的理解不在此讨论。

    接下来,我们使用实证模型看待之前的三个命题,很显然:

    • 人生的意义是什么?是我们无法通过实证来证明的,这个问题直接pass,我们根本不需要花时间讨论,因为根本没有终极的答案,当然这不妨碍我们思考这个问题。
    • 甲型猪流感被治愈的概率是多少?无疑是能够被现实观察和证明的。
    • 灵魂转世是否存在?这是个有趣的问题,貌似很难观察和证实,而事实上我们还是能找到方法来证明的。具体的证明方法可以看本专题的第二篇。

    实证模型可以帮助我们辨别信息的必要性。

    2. 可证伪模型

    我们在互联网上常常看到许多颠覆性的言论,惊为天人。想想总觉得有什么不对但是又不知道问题在哪里。这时候可证伪是个非常有用的模型

    可证伪性模型有3点需要注意。

    1. 可证伪的定义。可证伪定义比较长,我的通俗表达就是:当这句话/理论是为真时,发生A,如果不为真时,发生B。A和B互斥。

    好了,就是那么简单。我记得曾经有个足球解说嘉宾,他显然很好的掌握了可证伪这个模型,所以反过来使用忽悠观众。他每场比赛开始都会说,“这场比赛主队优势非常大,只要好好打,胜利就是他们的。但是,如果对手好好打,那么可能就要输了。”最后不忘补充一句,“当然,如果大家都发挥不错,平也是有可能的”。我听了就想把脚上臭袜子塞他嘴里去。现实生活中,我们可以运用可证伪这个模型来辨别信息的正确性(或者反过来说是可笑性)。

    2. 能解释一切的东西往往不具可证伪性。

    刚才的解说嘉宾就解释了一切可能性,不管主队最后是胜平负,他都是正确的。因为他的“正确”是建立在不可证伪的基础上的,因此事实上他“很可能”是错的。

    另外一个典型的例子就是星座。星座认为人的出生时间决定了这个人的性格,未来,甚至人生轨迹。总之这个人他妈决定什么时候生他就给他一生定了性了。

    我试图举出反例证明星座很可能是不存在的,我的例子是有一对孪生姐妹,因为被不同的家庭抱走了,因此性格迥异,人生遭遇也迥异,但他们确实是同时出生的。如果星座是对的,那么他们的未来应该是完全相同至少非常接近的。

    但是马上有许许多多星座的拥趸来指出了我的“无知”。他们告诉我,星座是很精确的,精确到每0.00000000(此处省略200个零)1秒。所以,虽说是孪生姐妹,但是他们在出娘胎的时间上也是有细微分别的。而正因为星座对时间的解释是如此精确,所以孪生姐妹几乎不可能在同一时间出生,他们的性格和未来迥异是很正常的啊!最后得出结论,即便是孪生姐妹悖论也无法证明星座的无效性,星座是万能的,是终极真理,是千秋万代,一统江湖。

    好吧,既然如此,我也无话可说了。

    3. 可证伪是有强度的。强度不同,可信度也不同。

    我说我能预测扑克牌的大小,随便抽一张王之外的扑克,我预测这张牌一定大于等于1,小于14,你是不是想抽我一顿?

    是的,这就是所谓股神使用的技巧。股神提供的预测往往是貌似能够证伪,实则可证伪强度很低的。

    股神会先发表预测,看好某类股票,并告知大家,他预测股票一定会涨,除非国际市场发生变化。这个所谓“国际市场的变化”的范围其实非常大,大到通用破产了小到邻居流产了。但是杀红了眼的投资者往往不会仔细考虑这些信息的可证伪强度。最后,如果预测对了,股神微微一笑故作神秘;如果错了,就会说这是由于某某国际事件的意外影响。总之股神是不会错的,因为他的话虽然可证伪,但是可证伪强度几乎为零。

    可证伪模型能够帮我们辨别信息的可信度。

    3. 信息来源模型

    信息是否准确,一个重要的衡量标准是信息的来源是否可靠。这个可靠包含两层含义。

    1. 第一层是这个信息的根源是否可信。
    2. 第二层含义是信息宣传的来源渠道是否可信。

    在第一个层面上,最可信的渠道就是得到行业认可的专业学术刊物。一个理性的科学观点如果要成为社会的主流,那么必然要能够经历同行的考验。

    面对当前国内雨后春笋般的经济学家,要分辨其是真有实力还是仅仅哗众取宠,只要看他是否曾在国际核心刊物上发表过论文。郎咸平教授虽然具有“走江湖”人士才具备的出众口才,但是其发表在Journal of Financial Economics和ournal of Finance的论文能够证明他在国际上是能说上话的,并非哗众取宠。

    而曾经盛行网上的“X个奇异事件”,其实只需要留心其信息来源,就会发现要不是不知名的八卦小报,要不就是凭空编造的的来源信息,即便是确有起源,也是假借其名,在第二层面上进行造价。

    通过业内认可的专业期刊获得的信息是比较可信的,而其他来源的信息,需要谨慎得追根溯源,否则可能研究半天得到一堆垃圾。

    4. 个案见证模型

    我们经常可以在网上看到这类故事:某国(一般不是美国就是俄罗斯)专家发现某种独特治疗癌症的方法(意料之外情理更之外的方法),例如吃屎或者长时间倒立,可以有效治愈癌症,并已在多名志愿者身上试验成功。

    此类信息,基本不可信。原因是一件事情如果只能靠“个案”或者“见证者”是无法证明其真实性和有效性的。那么哪类信息是可信的呢?是拥有大量样本的统计数据。

    格兰德维尔有一本书叫《Outlier》,中文名字叫《异类》,描述了与大的群体表现不符合的一小部分人的情况。但是,outlier是大自然中的少数,outlier的存在是无法代表大多数的。

    因此,在判断一个论断,或者一个发现的时候,只需要分辨这个结论的依据是大量的实验或者统计数据,还是仅有的几个个案。

    个案见证模型可以帮我们分辨信息的代表性,从而判断是否需要采用。

    5. 具象模型

    大部分的信息都是抽象的,如果将之具体化形象化,简称具象,会加深这个信息给我们的印象,增大在我们心中的影响。具象模型分成2个部分,分别是“鲜活形象效应”和“当下发生效应”。

    举例说明“鲜活形象效应”。当你听到全世界受饥荒影响的人口是地球总人口的30%,你可能只是获得一个数字,不会有更深一次的感触。而如果你看到的是一部纪录片,记录了某国3个贫困儿童在饥荒中和狗争食,捡人们抛弃的垃圾为生的生存现状的话,你一定会被深深触动,从而认为饥荒的情况非常严重。后者因为形象鲜活,而不是一个冷酷的数字,使人主观夸大了信息的影响力。

    再看“当下发生效应”。电影《阿凡达》最火爆时,很多人认为这是人类历史上最伟大的电影。其实,这并不单是因为《阿凡达》本身优秀,而是因为这是当前发生的事情,人类善于遗忘的天性让我们无意中将当前发生的事情的影响力夸大。再过若干年,《阿凡达》应该也会成为我们记忆中某一部已经被淘汰的“有点印象”的电影。

    使用“具象模型”,我们就能轻易的解释,为什么飞机作为全世界最安全的交通工具却有许多人宁愿做汽车而不敢坐飞机。

    具象模型给我们提供了一种思路,哪些重要的信息是被我们主观意识夸大的,从而是我们可能客观的其影响。

    总结

    在《如何判别信息的真假》中我列举了5个辨别信息真伪的思考模型。实证模型帮助我们明确哪些信息是我们能够证明的,哪些是我们根本不需要去思考的。可证伪模型可以分辨出哪些看似无懈可击理论和观点是有瑕疵的。信息来源模型和个案见证模型能够自动的分辨出可信的信息来源和种类。最后,我们可以使用具象模型调解被我们潜意识扭曲的信息,获得更真实的画面。

    我们已经初步判断了信息(可以是数据,语言,消息)的可靠性。我们已经买来了面粉,酵母,芝士,培根,蔬菜和迷迭香,接下来,我们该如何把这些可口的数据做成一个香喷喷的Pizza呢?我将在下一篇中讨论如何阅读数据,如何让数据开口说话,如何寻找隐藏在数据背后的真相。

  • 相关阅读:
    windows 服务中托管asp.net core
    asp.net core自定义端口
    asp.net core 2.1 部署IIS(win10/win7)
    Centos7 安装Tomcat并运行程序
    centos7 安装java运行环境
    linux(centos7) 常用命令和快捷键 持续验证更新中...
    CentOS7 设置yum源
    dotnet core 入门命令
    二项式系数学习笔记
    [容斥原理][莫比乌斯反演] Codeforces 803F Coprime Subsequences
  • 原文地址:https://www.cnblogs.com/purplefox2008/p/6066094.html
Copyright © 2020-2023  润新知