Thiên nga đen [Sách]

Posted on by Lê Văn Tuấn

nội dung

Thiên nga đen

( Tác giả : Ngô Quang Hưng – Nguồn : procul.org/blog )
Tôi đọc xong quyển Black Swan của Nassim Nicholas Taleb vài tuần trước. Đã định viết review ngay mà đến giờ mới “ giáng bút ”. Đã có một đống trình làng quyển sách NY Times Best Seller này từ rất nhiều những báo chí truyền thông khét tiếng. Tôi không đọc hầu hết những ra mắt này, tự viết khi nào cũng thích hơn !

(Ảnh của Wikipedia.) Trước khi khám phá ra thiên nga đen tồn tại trên đời (ở Úc), người ta đã tin rằng tất cả các thiên nga đều trắng. Một sự kiện bất ngờ như thế thay đổi toàn bộ thế giới quan (về thiên nga) của nhân loại. Đây là cái theme của quyến sách.

Bạn đang đọc: Thiên nga đen [Sách]

Nhận xét chung: Taleb không có nhiều ý tưởng thật sự mới, nhưng lối trình bày provocative và các bằng chứng trải rộng nhiều nhánh tư duy cho ta một bức tranh nhiều màu sắc về đề tài này. Quyển sách hấp dẫn dù khá dài dòng văn tự, ta có cảm giác như đang ngồi nhậu với một ông chú biết nhiều nhưng … hơi xỉn và đang lè nhè dông dài. Quan trọng hơn cả, nó làm ta suy nghĩ! Đó là thành công của quyển sách.

Trong Black Swan, Taleb muốn thuyết phục tất cả chúng ta những vấn đề chính sau đây .

1. Extremistan và Mediocristan: Sự vận hành của thế giới trong một domain nào đó (lịch sử, kinh tế, tài chính, thời tiết, v.v.) thuộc về một trong hai loại: Extremistan và Mediocristan. Theo ngôn ngữ thống kê thì Extremistan chứa các fat-tail distributions, và Mediocristan chứa các loại distributions kiểu Gaussian.

Ví dụ : xét 1000 người bất kể đang đọc blog KHMT ( wishful thinking is a virtue ! ). Bỗng nhiên Bill Gates ghé qua làm cho cái mean-income tăng đột biến, trong khi đó dù có Yao Ming nhắm nhé thì vẫn không làm tăng chiều cao trung bình lên mấy. Income distribution thuộc về Extremistan, còn height-distribution thuộc về Mediocristan .
Taleb đưa ra rất nhiều ví dụ để dẫn chứng rằng quốc tế này càng lúc càng bị ảnh hưởng tác động thâm thúy bởi những Extremistan distributions : ngày 11/9, sự tăng trưởng đột biến của Internet, Google, vụ sụp đổ của Long-Term Capital Management, vụ sập đầu tư và chứng khoán năm 1987, cuộc chiến tranh, sự mày mò ra thiên nga đen ở Úc, v.v.. Đây là những distributions mà một sự kiện khan hiếm hoàn toàn có thể đổi khác hàng loạt cấu trúc của distribution. Do đó, khi cái sự kiện unlikely này xảy ra, hậu quả thường rất nghiêm trọng vì tất cả chúng ta tập trung chuyên sâu “ Model ” cái “ thông thường ” ( với một Gaussian-like distribution nào đó mà Taleb gọi là “ trò lừa đảo tri thức vĩ đại ” ) .

Nhận xét: ý tưởng này không mới. Tôi rất ngạc nhiên là Taleb, một người đọc rất nhiều như ông thể hiện trong sách (thậm chí NP-completeness cũng được nhắc đến ở một footnote), lại không nhắc gì đến The Structure of Scientific Revolutions của Kuhn. Cái mới ở đây — và xuyên suốt quyển sách — là cách trình bày vấn đề của Taleb, và lối hành văn trịch thượng đội lối hài hước, hoặc hài hước đội lốt trịch thượng. Lúc đầu đọc thấy hơi khó chịu, nhưng đọc một chút rồi thấy têu tếu. Về mặt kỹ thuật thì GARCH, Extreme Value Theory, robust statistics là ví dụ của các phát triển kỹ thuật để giải quyết trường hợp thiên nga đen. Phỏng vấn Taleb ở đây có nhiều câu hỏi hay mà Taleb không trả lời thỏa đáng. Tờ The American Statistician cũng có các bài review trong số tháng 8, và bài trả lời của Tabeb.

2. Narrative Fallacy: đây là một lỗi logic có nguồn gốc sinh học. Taleb cho rằng (và tôi đồng ý) rằng con người có xu hướng dùng pattern recognition để “fit” các quan sát mới vào các mô hình đã có sẵn trong đầu. Báo chí, ví dụ, khi báo cáo các tin tức thường tìm cách ghép chúng vào nhau theo một trật tự nhân quả nào đó để cho dễ nhớ và dễ “make sense of the world”. Cụ thể hơn, ngay sau khi Saddam Hussein bị bắt thì Bloomberg News chạy cái tít sau đây: “U.S. Treasuries Rise; Hussein Capture May Not Curb Terrorism”, nửa tiếng sau đó thì U.S. Treasuries giảm và họ đổi ngay một cái tít khác: “U.S. Treasuries Fall; Hussein Capture Boots Allure of Risky Assets”.

Taleb đưa ra rất nhiều ví dụ kiểu này để minh họa rằng cái khuynh hướng “ make sense of the world ” của con người làm cho tất cả chúng ta có thói quen xấu nhét những cái “ nhân ” nhố nhăng để lý giải cái “ quả ” nào đó. Khi đã “ fit ” một cái nhân vào thì thường là ta rơi vào cái hố Mediocristan, trong khi cái ta đang quan sát hoàn toàn có thể lại là Extremistan — cái mà Taleb cho rằng đang có xu thế thống trị quốc tế .

Nhận xét: ý tưởng này cũng không mới. Người ta đã biết về xu hướng “pattern recoginition” này của não bộ trong các nghiên cứu y sinh học từ lâu. Tôi đọc trong quyển The God Delusion và the Selfish Gene của Richard Dawkins thấy nói nhiều về đề tài này. Ví dụ: khi nhìn thấy một cái bóng cây buổi tối, đôi khi ta giật mình vì tưởng nó là bóng người. Trong ngữ cảnh khác, tôi để ý thấy các tranh luận trên các diễn đàn Internet thường dẫn đến deadlock vì mỗi người tìm cách “fit” các quan sát và luận điểm vào mô hình họ có sẵn. Anh nào biết game theory thì dùng game theory để giải thích. Chị nào sùng đạo thì bảo thượng đế muốn thế. Anh nào nghiêng cánh trái thì trích Marx, chị nào nghiêng cánh phải thì trích Friedman. Đối với cá nhân tôi, như có lần tôi đã nói, “mèo trắng mèo đen miễn là bắt được chuột”. (Hừm, bạn đừng nghĩ tôi “fit” lý luận này vào Đặng :-) ).

3. Confirmation Bias:

Đây là một trong những lỗi logic nhiều người phạm phải mà tôi thấy bức xúc nhất trong những lỗi logic. Do đó, tôi rất đồng cảm với Taleb về những bàn luận xung quanh lỗi confirmation bias. ( Dĩ nhiên, như những phần những trong quyển sách, Taleb viết ngông nghênh và phóng đại, có năng lực làm 1 số ít bạn đọc lo ngại. )
Confirmation bias là lỗi chỉ nhăm nhăm đi tìm dẫn chứng ủng hộ một mệnh đề nào đó, rồi cho rằng mệnh đề đó đúng. Các ví dụ của Taleb phần lớn nhắm “ bắn ” vào những ngành kinh tế tài chính, kinh tế tài chính, và khoa học xã hội. Ví dụ, Taleb cho rằng thị trường kinh tế tài chính về cơ bản là không Dự kiến được, nhưng người ta vẫn lăng xê nhiều “ thiên tài ” bằng cách như sau : anh nào góp vốn đầu tư lỗ lã thì bị đuổi, anh nào góp vốn đầu tư có lời thì được giữ lại. Như vậy, chính sách giữ nhân viên cấp dưới kiểu này nghiễm nhiên giữ lại “ thiên tài ”, mặc dầu họ chỉ như mong muốn góp vốn đầu tư có lời. ( Tôi không chuyên về kinh tế tài chính nên xin dành cho những chuyên viên “ bắn ” lại Taleb về ví dụ này. ) Taleb có một ví dụ khác tôi thấy rất hay : ai cũng kể vào resumé của mình toàn bộ những thành tích mà mình đã đạt được, nhằm mục đích dẫn chứng rằng mình khá / giỏi về một lãnh vực nào đó. Đây cũng là một dạng confirmation bias. Taleb cho rằng, nếu ta kể trong resumé những thứ mà ta không biết, hoặc đã thất bại trong lãnh vực nọ, hoặc liệt kê cả thành lẫn bại, thì có phải là thông tin đúng chuẩn hơn, và resumé ít ấn tượng hơn không .

Nhận xét: riêng về đề tài này tôi có rất nhiều ví dụ tự mình quan sát thấy hàng ngày.

Những người tin bói toán thường chỉ nhớ những gì thầy bói nói đúng, nâng ông thầy bói lên thành “thông thiên bác học”. Một số người muốn chứng minh họ có giác quan thứ sáu bằng cách phạm lỗi lầm kiểu như sau, “tôi vừa nghĩ đến anh X thì anh X gọi điện thoại”. Hừm, những khi nghĩ đến anh X mà anh X không gọi điện thoại thì ta đâu có nhớ tới sự kiện đó. Trong quyển sách best-seller Surely you’re joking Mr. Feynman, Richard Feynman có kể lại vài chuyện về cái “giác quan thứ sáu” này rất tếu. Vân Vân và vân vân.
Tôi đi đón con ở nhà trẻ, hay thấy cô giáo bế con mình! Nếu không ý thức về confirmation bias, có thể tôi đã kết luận rằng con mình buổi chiều hay quấy nên cô giáo bế, hoặc cô giáo thích con mình nên hay bế nó. Trên thực tế, cả hai kết luận đều sai, tôi chỉ chú ý khi đứa trẻ cô bế là con mình.
Từ ví dụ “resume” của Taleb, tôi nghĩ đến ví dụ sau đây. Chúng ta thường hay khen “anh X thông minh lắm”, sau đó cho nhiều bằng chứng cho thấy anh X thông minh như giành giải nhất IMO năm 19yy, có Ph.D. xuất sắc ngành zzz, vân vân. Nhưng nếu, cũng anh X nọ, ta lại đi liệt kê một danh sách những điều ngu ngốc anh ta đã làm (tôi đảm bảo là khá dài — nếu suy từ bụng tôi ra), thì mệnh đề “anh X thông minh lắm” biến thành mệnh đề rỗng. (Cần thêm quantifiers cho các mệnh đề kiểu đó!)
Về mặt kỹ thuật, nhiều quyển sách lý thuyết xác suất có nêu ra trò lừa đảo sau đây, minh họa rất tốt cho cái confirmation bias. Giả sử mỗi sáng chủ nhật, bạn nhận được một email từ công ty Đoán Giá Xì Tốc Inc. dự đoán stock của AT&T tuần tới sẽ tăng hay giảm. Email này để minh chứng là họ nói đúng, và nói với bạn rằng nếu bạn trả cho họ 100USD, họ sẽ gửi dự đoán tuần kế tiếp cho. Hơn thế nữa, công ty Đoán Giá Xì Tốc Inc. sẽ bồi hoàn toàn bộ 100USD nếu họ đoán sai. Hấp dẫn chưa?Bạn chưa tin tưởng lắm, vì sợ họ lừa đảo gì đó. Tuần sau, bạn thấy họ đã đoán đúng tuần trước, và lại nhận được một email y chang như thế. Họ đoán đúng liên tục 7 tuần liền! À hah. Chắc công ty này (CEO tên là NQH) phải sở hữu “thiên tài” đoán giá xì tốc. Đến đây thì bạn tin sái cổ. Xác suất đoán ngẫu nhiên mà trúng 7 lần liên tục là 1/128. Rất thấp!Công ty đó có “thiên tài” thế này. Tuần đầu tiên họ gửi email đến 128 người, một nửa số đó đoán stock tăng, một nửa đoán stock giảm. Tuần sau họ chỉ gửi email đến 64 người mà lượt email đầu đã đoán trúng! Cứ thế 7 tuần liền. Dĩ nhiên, họ không chỉ gửi ra 128 emails mà sẽ gửi 128 triệu email. Nếu chỉ 1/100 số người nhận “7 lần đoán trúng” này bị lừa, cho họ 100USD, thì họ đã kiếm được 10 triệu USD trong 7 tuần. Đơn giản chưa? Chẳng qua, bạn tin “thiên tài” của họ vì bạn chỉ có bằng chứng “confirm” cái thiên tài đó mà không biết về các bằng chứng ngược lại. Tôi rất thích ví dụ này vì nói xong ai cũng hiểu ngay ý nghĩa của lỗi “confirmation bias”.
Về mặt triết học thì Karl Popper (và phần nào, cả David Hume trước đó) đã thiết kế cả một nền tảng lý thuyết về confirmation bias và cái ông gọi là corroboration of evidence (xem quyển Logic of Scientific Discovery, và quyển Cọnjectures and Refutations). Tuy nhiên, tôi lại thích nhất tư tưởng của Popper như ông trình bày rất rõ ràng trong quyển Poverty of Historicism (bác Nguyễn Quang A đã dịch quyển này sang tiếng Việt với tựa đề “Sự khốn cùng của Chủ nghĩa lịch sử,”, tiếc rằng bản dịch này cực rối rắm, kiểu sấm Hegel). Cho dù Lakatos đã có những phê phán sắc sảo về chi tiết kỹ thuật, tôi vẫn thấy cơ sở lý luận của Popper về cơ bản là cách tốt nhất để phân biệt khoa học và ngụy khoa học, dự đoán khoa học và “rùa rắn khoa học” kiểu công ty Đoán Xì Tốc Inc.Popper quan sát thấy rằng, rất nhiều nhánh “khoa học xã hội” (bao gồm Marx và Freud) phạm phải narrative fallacy và confirmation bias. Họ có một lý thuyết vĩ đại nào đó, sau đó “fit” các sự kiện lịch sử vào lý thuyết đó. Sự kiện lịch sử nào không fit vào lý thuyết thì được xem là “outlier”. Không có một lý thuyết khoa học xã hội nào dự đoán chính xác được cái gì. Ngoài ra, lối trình bày lý thuyết một cách mù mờ làm cho các “lý thuyết” này tưởng chừng như đoán được nhiều thứ mà thật ra cũng chỉ là “trò lừa đảo vĩ đại” theo lời Taleb. Một lỗi nữa cũng rất nghiêm trọng là khi lịch sử không “fit” vào lý thuyết nào thì các “nhà khoa học” này thay đổi lý thuyết để “fit” lịch sử.Taleb có nhắc đến Popper vài trang, nhưng tôi thấy Taleb chưa “give full credit” cho Popper. Toàn bộ quyển sách của Taleb có thể được tóm gọn là “tư tưởng Popper qua ngôn ngữ xác suất đại chúng”.Riêng về dự đoán thì tôi đồng ý với Popper 2 tay 2 chân. Khi nào bạn đọc một lý thuyết chính trị vĩ đại nào đó, bạn thử làm thí nghiệm sau đây trong đầu: nếu ta đem lý thuyết này dự đoán tương lai thì nó đúng được bao nhiêu phần trăm? (Nhớ đừng phạm phải lỗi confirmation bias.) Khi làm thí nghiệm này xong tôi thường thấy các lý thuyết này không ấn tượng như chiều dày của quyển sách chứa nó nữa! Popper đã có một quan sát rất chính xác, nếu chỉ chăm chăm đi tìm bằng chứng ủng hộ một mệnh đề mù mờ nào đó, thì chúng ta gần như có thể chứng minh bất kỳ điều gì!

(Bình luận của: Nguyễn Xuân Long)

Xem thêm: Tổng hợp link chia sẻ khóa học từ mọi nguồn | How Kteam

Các cuộc cách mạng ( trong khoa học nói riêng và mọi thứ khác nói chung ) xảy ra khi những quy mô cũ không còn work, và nhu yếu của một quy mô mới dần chín muồi cho đến khi một bộ não vĩ đại nào đó ở đầu cuối túm được nó. ( Đôi khi thì ta gọi đó là “ new way of thinking ”, nhưng kỳ thực với God thì đó chỉ là một richer Mã Sản Phẩm ). Còn giữa những khoảng chừng breakthroughs như thế thì những người thông thường như tất cả chúng ta bận rộn pattern-recognize, và tweak những quy mô đã có. Một số sẽ quả cảm đưa ra dự báo về những quy mô về tương lai, nhưng thường là sai toét cả. Chúng ta hoàn toàn có thể dự báo được được ( ở mức độ meta ) những quy mô tương lai được không ?
Đáng tiếc câu vấn đáp là không hề. Prediction theory trong Tỷ Lệ thống kê không được cho phép ta làm điều đó. Với một Bayesian, nếu ta trùm lên một prior vào những quy mô hoàn toàn có thể thì prior vẫn chỉ ôm đồm những năng lực ta đã lường trước mà thôi ( Hay ta cần một prior trọn vẹn mới, nhưng nếu thế thì còn gọi là prior làm thế nào được nữa ) Với một frequentist, assumptions đằng sau anh ta là replications của những hiện tượng kỳ lạ cũ, và thời hạn chỉ giúp cho anh ta “ fit ” cái cũ tốt hơn mà thôi .
Những hạn chế này bằng cách sự dụng những prior bao trùm khoảng trống lớn ( vô hạn chiều ). Đó chính là việc làm của nonparametric statistics. Nhưng khoảng trống lớn thì việc tìm kiếm quy mô tốt nhất cũng khó khăn vất vả hơn, mất thời hạn hơn nhiều. Và khi quy mô càng phức tạp, thì việc tìm kiếm ra nó, về mặt computational ngày càng bất khả thi. Điều này có vẻ như trái với một trong thực tiễn là những cuộc cách mạng về khoa học và kỹ thuật của loài người vẫn liên tục với vận tốc đáng kinh ngạc. Loài người có một cách nào đó để tìm kiếm ra những quy mô mới không phải bằng nonparametric estimation !
Tôi nghĩ có một ingredient bị missing trong prediction theory trong statistics, đó chính là sức mạnh của decentralization. Làm thế nào để decentralize sự giám sát để rồi ở đâu đó ta sẽ tìm được quy mô mới mà những giải pháp centralized đều bó tay vì không khai thác được structure. Sức mạnh của decentralization hoàn toàn có thể ý niệm là việc tìm quy mô mới không phải là quá khó, nhưng ta hoàn toàn có thể tận dụng đưọc structure của vấn đế như thế nào đó, để tạo ra một decentralized infrastructure mà qua đó quy mô mới được tìm thấy bởi một decentralized component nào đó với Phần Trăm cao .

Về một chuyện khác: Thế còn các breakthroughs ngay ngành tổng quát gọi là “pattern recognition” là gì. Đâu là những mô hình mới đã đưọc sáng tạo? Xin được điểm qua:
– Fisher discriminant analysis, logistic regression (nửa đầu TK 20)
– Perceptron (Rosenblatt, 1958): separating hyperplane algorithm. Cognitive science-inspired, nhưng sau đó bị ruồng rẫy bởi Minsky và Papert (bác Papert bị tai nạn xe máy ở Hà nội năm ngoái).
– Neural network (phát triển từ perceptron thành nhiều layers, do công của nhiều người: Werbos, 1974; Ho (198?), Rumelhart et al (1986). Về mặt technical, thì đóng góp của NN là đi từ linear sang nonlinear pattern recognition. Nhưng về mặt chính trị ngành thì NN cổ vũ và energize rất nhiều người theo đuổi prediction theory (nhiều anh sau đó nhảy ra áp dụng NN để predict stock market, nhưng tất nhiên là chả đi đến đâu).
– Support vector machine (Vapnik et al, 1995) một sự phát triển từ perceptron sang một dạng “optimal separating hyperplane”, và chuyển linear in low-dimensional spaces sang linear in functional spaces (i.e., từ parametric sang nonparametric), và một loss function hoàn toàn mới.
– Adaboost: một dạng linear in functional spaces với loss function hoàn toàn mới.
– Wavelet-based models: chuyển linear sang nonlinear (in functional spaces).
– Graph-based models: arbitrarily complex (parametric) models
– Các mô hình nonparametric khác: gauss processes, dirichlet processes, …

Mặc dù có một số ít continuity giữa những breakthroughs nhưng người ta chỉ thấy một chút ít liên tục sau khi đã hiểu chúng khá rõ, đã đưa chúng vào một toolbox to đẹp hơn, còn tại thời gian những bài báo sinh ra thì chúng thường biểu lộ những cách suy nghĩa trọn vẹn mới lạ và độc lạ .
Ai Dự kiến được quy mô tiếp theo là gì ? Người đó chắc như đinh sẽ rất nổi tiếng .
— — — — — và và — — — — —