分類思維：不確定情境中合理決策的科學與藝術

2024/10/22  第385本，耗時5h  5min 主要圍繞分類思維在不確定情境下的決策過程。 一、分類思維的重要性 分類是人類思維的基礎，也是決策前的第一步。 沒有合理的分類，就沒有合理的決策。 在現實生活中，人們常常需要在時間緊迫、信息有限的情況下做出決策，分類思維有助於人們快速識別關鍵信息，從而做出合理判斷。 二、快速節儉分類法 作者從認知心理學角度對分類思維進行了探討，並闡釋了簡單、快捷、清晰的快速節儉分類法。 快速節儉分類法是一種在不確定情境下，利用有限的信息和資源做出合理決策的方法。 它強調在決策過程中，人們應該關注那些對結果有重要影響的關鍵因素，而不是試圖收集和分析所有可能的信息。 三、快速節儉樹構建法 除了快速節儉分類法外，作者還介紹了快速節儉樹構建法，這是一種將複雜的決策問題分解爲更小的、更易於管理的部分的方法。 通過構建快速節儉樹，人們可以更加清晰地看到決策過程中的各個因素和它們之間的關係，從而有助於做出更加明智的決策。 四、生態理性與有限理性 書中提出了生態理性的概念，即與自然環境和社會環境要求相結合的理性。 它認爲人類和動物的理性是有限的，在面對複雜問題時，人們不必完全認清事物的本質再做出決策。 有限理性理論也強調了人們在決策過程中的認知侷限性，因此，快速節儉分類法和快速節儉樹構建法等方法就是在這種理論基礎上發展起來的。 以上，個人淺見，如有錯誤或遺漏，敬請批評指正。

我覺得是一本好書但是我不想對作者的觀點做過多評價來評判這是一本好書還是無用的書。因爲從我個人的角度裏我認爲人是具有社會性的，大部分普通人在做決策的時候也是受道德，感情，習慣甚至於記憶，情緒等因素改變的。作者提出的快速節儉分類法是一種基於人類的“絕對理性”作爲前提下的一種概念，我覺得它具有一定的參考性，生活中的所有決策應該儘可能無限地去趨近於這種模式。

《分類思維》這門學問啊！確實是一門需要研究的科學，不過呢！分類分完了，至於怎麼選，這不就變成藝術了嘛！😆😆 我算是明白了，《分類思維》這書啊！就是給困難選擇症的人準備的。原來作家全是醫生，醫治各種疑難雜症。 《分類思維》這本書不是在教你“世界應該分成哪幾類”，而是在教你一種在不確定性中生存和繁榮的決策哲學。它告訴你，不必總是追求“最優解”，很多時候，一個“足夠好”的、通過簡單分類得到的快速決策，纔是真正智慧和實用的選擇。這是一種將科學與藝術結合的思維模式——科學在於研究哪些簡單的規則有效，藝術在於知道在何種情境下運用它們。 根據《分類思維》這本書的核心理論框架，作者重點闡述的核心分類決策工具（啓發式）確實是這四種： 1. 單一理由決策（選擇、不選擇） 2. 採納最佳（排列優先排除法） 3. 快速節儉樹（是、否選擇定論法） 4. 等價分組（先歸類，再選擇） 這四種工具是“分類思維”理論大廈的支柱，它們提供了在不確定環境中做出快速、有效決策的具體方法。 不過，爲了更精確地理解，我們可以從另一個角度來補充說明： 雖然核心工具是這四種，但書中探討的“分類”概念本身，在實際應用中會衍生出多種多樣的具體分類標準。這些標準是根據不同領域和情境而定的。 可以這樣理解： · 四大決策工具是“方法”或“算法”。 · 在實際運用這些方法時，我們會根據 目標創建“具體的分類體系”。 一些具體的分類體系示例： 1. 二元分類（最基本、最常用） 這是最簡單直接的分類，將世界一分爲二。 · 危險 vs. 安全（野外生存） · 投資 vs. 不投資（金融決策） · 優先處理 vs. 常規處理（時間管理） · 可信 vs. 不可信（信息來源判斷） 2. 有限類別分類 在二元基礎上，根據更多線索細分出少數幾個有意義的類別。 · 醫療分診： 危重 - 緊急 - 非緊急（使用“快速節儉樹”或“採納最佳”工具） · 客戶管理： VIP客戶 - 普通客戶 - 潛在客戶（使用“等價分組”工具） · 風險評估： 高風險 - 中等風險 - 低風險。 3. 基於“停止規則”的分類 這類分類的關鍵在於決定何時停止信息搜索，直接做出歸類。 四中歸類同屬於目標倒推法。😆😆

讀這本書的出發點，只是爲了瞭解“怎樣更好地建立分類”。但是本書全文太過專業，對於一個非理工科背景、對編程幾乎一無所知的閱讀者來說，讀這本書實在不是一個好主意。 但畢竟“開卷有益”。通過讀這本書，我還是收穫到了一點（或者說，對一個內容有了更深的認知）——分類規則要儘可能簡單，這樣纔有利於快速作出決策。如果你把分類的規則弄得太複雜，就是在給自己的決策設置障礙。不只是“分類”這種行動，其他行動也類似——行動規則要儘可能簡單，這樣才能更好地開啓它。 這種情況下的“簡單”，往往是並不簡單的。（因爲它經過人工雕琢，並不是下意識的“渾然天成”。）“簡單是終極的複雜”——達芬奇的這句名言很好地闡述了這一點。經過周密思考、完善的綜合考慮之後，呈現出來的“簡單”，纔是真正蘊含了“複雜”的簡單。看起來，它彷彿和一開始的只考慮簡單要素而設置的“簡單”規則（或設計，或其他）的外觀一樣，但是，包容了複雜的“簡單”和只考慮簡單要素的“簡單”不同，至少它背後的思考複雜度並不相同——但很可能，兩種“簡單”所呈現的外觀、運行的結果都是相同的。然而，看似簡單的設計中，融合了複雜，它呈現的是優雅的簡潔，以一種質樸的、簡單的方式——這種情況，也就是“大巧若拙”。 此外，如果是“下意識”做出的分類，（可能也有其他行動），它背後的規則，連當事人自己也講不清楚，但是這種分類又準確無比——比如，書中講到的，孩子能在接觸少量貓、狗的圖片之後，就能準確分辨哪些是貓、哪些是狗；成年人在下意識作出分類的時候，也如此。但是，我們很少能說得清，這種清晰的分類，是基於什麼作出的。這完全是出於內在的心理機制，並且十分準確、迅速。這一點，不作討論了，因爲用書中的話說，這“既不透明也不穩定可控”，不在討論之列。 總之，“人們可以輕鬆記住以及遵循簡單的規則，這些規則可以爲他們提供有效的工具來實現自我賦權。”本書末尾的這句話，從個人而言，可以爲此次閱讀的收穫做一個生動的註腳。

不錯的書，指導我們在複雜的現實情境中如何做出令人滿意的決策。 ————————————————————— 把個體劃分至有共同特點的不同組，這種能力被稱爲分類，是智力最基本的形式之一。 若沒有這種能力，我們的大腦就會在大量的觀察結果中不知所措。 分類首先要確定一個分類規則，然後將觀察到的對象按照規則分配給某一類別。 那麼，存不存在一種最佳的分類規則，可以讓我們將每一個觀察到的對象都能夠準確的分類？（這等於在問，我們能不能做出最好的決策？） 在實驗室研究中，是可能存在的。因爲實驗室內所做的都屬於“總體內分類”，其分類規則基於總體的某一部分樣本而構建，然後在來自同一總體的不同樣本上進行測試。由於總體是已發生的，是確定的，所以分類規則可以通過調整參數來無限接近總體。 但在現實情境中，最佳分類規則是不可知的。因爲現實中所做的都屬於“總體外分類”，總體外充斥着各種微小變量，使得未來的增量以某種不可預知的方式不同於過去的總體。所以基於過去總體得出的分類規則，無法很好的應用於未來數據的分類預測。 那麼，在現實的複雜環境中，應該遵循什麼分類規則呢？（應該如何決策呢？） 並不是考慮的因素越多越好，人們普遍認爲，複雜的問題需要複雜的解決方案，然而研究表明在現實情境中，簡單的規則表現更好。 簡單規則也稱爲啓發式。書中提到了兩類啓發式，這兩種啓發式調動了人類智力的兩個核心能力：計數和排序。 計數啓發式只計算將個體分配至某一類別的原因個數，達到某一閾值，即完成分類。 快速節儉樹則對分類原因進行排序，讓使用者基於其中一個或幾個原因就能做出快速決策。 這兩種簡單規則所實現的分類結果，不亞於其他複雜規則，而且它們的分類過程更加的透明、簡潔、清晰、快速。

對本人，閱讀、理解相對喫力，讀完後，感覺“我不行了”。 😂😅 習慣性翻了一下“不行”裏面的評論，感覺“我好像又還行”。 算不上評價此書，幾句讀後感吧，不知道以後還會不會回頭再翻此書。 這是一本什麼書？ 這是一本講真實世界、不確定世界中如何快速決策的工具書。 這本書主要講的內容？ 其實本書聽完之後的話，我是真的一點印象都沒有。可能因爲案例離我的認知太遠，也可能因爲翻譯讓某些論述變得生澀。 對於本書的一個大概主旨我也是很難整理出來，再回過頭反覆的翻看、瀏覽之後，唯一能夠吸引我的反而是在前面介紹中提到對於醫學急救分類處理的問題。 比如：“就像急診科用‘紅黃綠’分級處理創傷，這本書教的是用分類框架處理一切不確定性。” 嗯，所以對於我來說的話，這本書更像是在不確定的一個真實世界當中，如何將未知的、複雜的真實環境，簡單化用最簡單的一些分類思想進行決策的工具書。 當我下一次在臨牀中面對一個“模棱兩可”的診斷時，也許會想起它——想起“分類”本身，就是一種可以刻意練習的決策本能。

這本是 《分類思維：不確定情境中合理決策的科學與藝術》，英文原版是 Classification in the Wild: The Science and Art of Transparent Decision Making。 作者是 Konstantinos V. Katsikopoulos、Özgür Şimşek、Marcus Buckmann、Gerd Gigerenzer。英文版由 MIT Press 出版，主題是：在真實世界的不確定情境裏，如何用簡單、快速、透明的分類規則做決策。 先給判斷 這本比很多“決策思維”書更硬一些。 它不是雞湯，也不是泛泛講“結構化思考”，而是講一個很具體的問題： 在信息不完整、時間有限、未來不可知的情況下，我們如何把一個對象快速歸類，並採取對應行動？ 比如： > 這個客戶是高意向、中意向，還是低意向？ 這個項目是繼續投入、暫停，還是放棄？ 這個候選人是錄用、複試，還是淘汰？ 這個風險是低、中、高？ 這個病人是否需要優先檢查？ 這家公司是否有銀行破產風險？ 這類問題本質上都是 classification / 分類決策。 它的核心觀點 這本書反對一種直覺： > 決策越複雜，模型就應該越複雜。 信息越多，判斷就越準。 算法越黑箱，效果越高級。 作者的觀點是： 在真實世界裏，簡單、透明、可解釋的分類規則，經常可以和複雜機器學習模型一樣準，甚至更穩。 MIT Press 的介紹也說，這本書連接啓發式研究和機器學習，展示瞭如何用簡單、快速、透明的分類規則建立正式模型，並在糖尿病預測、銀行破產預測等問題上與複雜機器學習算法比較。 最重要的理論框架 1. 風險和不確定性不同 這是 Gigerenzer 一貫的重要觀點。 風險 risk 是你大概知道概率。 比如扔骰子，每個點數概率基本清楚。 不確定性 uncertainty 是你根本不知道完整概率。 比如新品能不能賣、內容會不會爆、某個人能不能勝任、市場會不會轉向。 真實世界大多數商業決策，不是風險問題，而是不確定性問題。 所以不能幻想把所有變量都算清楚。 --- 2. 分類不是描述，而是行動前的判斷 分類不是爲了貼標籤，而是爲了決定下一步動作。 比如： > 高意向客戶：馬上跟進。 中意向客戶：補充內容和證據。 低意向客戶：低成本維護。 高風險項目：暫停或縮小測試。 低風險項目：繼續推進。 所以好的分類，必須連接動作。 如果分類之後不知道做什麼，這個分類就是裝飾。 --- 3. 快速節儉啓發式 書裏很重要的概念是 fast-and-frugal heuristics / 快速節儉啓發式。 意思是： 只用少量關鍵線索，按簡單規則快速判斷。 比如不需要分析 30 個變量，只抓 3 到 5 個真正有區分度的線索。 這不是偷懶，而是一種適應真實世界的方法。因爲現實世界裏： > 數據不完整； 時間有限； 噪音很大； 變量太多會過擬合； 決策還需要別人理解和執行。 Max Planck Institute 對這本書的介紹也提到，它展示了簡單、快速、透明的分類規則在真實不確定環境中可以有很高準確性。 --- 4. 快速節儉樹 這是最實用的工具。 fast-and-frugal tree / 快速節儉樹 就是用幾個連續問題做決策。 例如判斷一個內容選題要不要拍： > 第一問：用戶痛點是否明確？ 如果不明確，先不拍。 如果明確，進入第二問。 第二問：開頭 3 秒是否有衝突或反差？ 如果沒有，先改腳本。 如果有，進入第三問。 第三問：是否能連接到購買理由或行動？ 如果不能，只做品牌內容，不承擔轉化。 如果能，進入拍攝。 它的價值在於： 把模糊判斷變成清楚流程。 團隊不用每次爭“我覺得這個選題好不好”，而是按規則過一遍。 --- 5. 計數法 另一個簡單方法是 tallying / 計數法。 也就是不復雜加權，只看幾個關鍵線索滿足了幾個。 比如判斷一個項目是否繼續投入，設 6 個線索： > 用戶有真實需求； 內容數據有正向信號； 價格機制成立； 成交鏈路能承接； 毛利不虧； 團隊能穩定執行。 滿足 5 到 6 個：繼續加碼。 滿足 3 到 4 個：小規模測試。 滿足 0 到 2 個：暫停或重做假設。 它的好處是簡單、透明、可覆盤。 這本書對你最有用的地方 我覺得它特別適合解決你最近反覆提到的一個問題： 市場和內容結果不確定，短期銷售不可預測，所以人會很無力。 這本書的答案不是讓你預測得更準，而是讓你先建立清楚的分類規則： > 哪些內容值得繼續投？ 哪些內容只是弱信號？ 哪些項目需要停？ 哪些客戶值得重點跟？ 哪些員工問題是能力問題，哪些是責任心問題？ 哪些數據差是正常試錯，哪些說明假設已經失敗？ 也就是說，它能把“感覺判斷”變成“透明分類”。 一個可直接使用的 practice 以後遇到一個複雜決策，可以按 6 步做一個分類器。 第一步：明確你要分類什麼 不要說“判斷這個項目行不行”。 要說清楚： > 我要把項目分成：加碼 / 繼續小測 / 暫停 / 放棄。 分類必須對應行動。 --- 第二步：定義每一類的動作 比如： 分類 動作 A 類 加預算、加人、放大 B 類 繼續測試一週 C 類 暫停，重做假設 D 類 放棄，不再投入 --- 第三步：選 3 到 7 個關鍵線索 不要選太多。 比如內容項目可以看： > 用戶問題是否強； 前 3 秒是否有停留理由； 是否有購買理由； 是否有信任證據； 是否能低成本生產； 是否有搜索/諮詢/收藏信號。 --- 第四步：設定簡單閾值 例如： > 6 個線索中滿足 5 個，進入 A 類。 滿足 3 到 4 個，進入 B 類。 滿足 2 個以下，進入 C 或 D 類。 不要一開始就搞複雜權重。 --- 第五步：用歷史案例回測 拿過去 20 個項目或內容測一下： > 按這個規則，當時會分到哪一類？ 後來的真實結果是什麼？ 有沒有明顯誤判？ 哪個線索沒用？ 哪個線索最有區分度？ --- 第六步：定期更新規則 分類規則不是永遠不變。 每個月或每季度覆盤一次： > 哪些規則有效？ 哪些規則過時？ 哪些誤判最貴？ 下一版分類器要刪掉什麼、增加什麼？ 它和機器學習/AI 的區別 這本書不是反 AI，而是提醒： 不是所有決策都適合黑箱模型。 如果一個決策需要： > 責任追溯； 團隊理解； 快速執行； 低數據量； 高不確定； 對外解釋； 那透明規則往往比複雜模型更合適。 比如司法、醫療、金融監管、組織管理，都不能只說“模型告訴我這樣”。這本書也討論了投票、HIV 篩查、地方法官決策等真實案例。 侷限 第一，它不是一本輕鬆讀物。 它比普通商業書更偏認知科學、統計建模和決策科學。 第二，它強調簡單規則，但不是說所有複雜模型都沒用。數據量足夠、環境穩定、變量關係複雜時，機器學習仍然有價值。 第三，它最適合“分類型決策”。如果問題是創造、戰略想象、品牌審美，它不能完全覆蓋。 一句話總結 《分類思維》講的是：在真實世界的不確定情境裏，很多決策不是靠算盡所有變量，而是靠少量關鍵線索，把對象快速、透明地分到正確類別，並採取相應行動。它最適合用來把模糊判斷變成可執行、可覆盤的分類規則。

本書標準：過程最穩健、最可解釋、最適應我所在環境。即使結果未達最佳，我也能清晰回溯：“我根據當時最可靠的一條線索（如‘團隊誠信’），運用了預先驗證有效的簡單規則（‘誠信一票否決’）做出決策。” 這個選擇本身，就是在不確定世界中最理性的行爲。 我們常爲“未選擇的路”感到焦慮或後悔。本書賦予的“忽略審計”，給了我們放棄的科學理由：“我放棄那條路，不是因爲疏忽，而是因爲我戰略性地判定，‘行業短期熱度’這條線索的可靠性，遠低於‘我的核心能力是否匹配’這條線索。這是我基於環境結構做出的主動忽略。” 這極大地減輕了決策後的反芻和後悔。 這本書的價值，在於它提供了一套科學方法和哲學辯護，讓我們能在不確定的世界中，主動設計簡單而堅固的決策規則。憑藉這些規則，我們不僅能清晰堅定地選擇道路，更能理解每一份捨棄的戰略意義，從而在未知的叢林中，保持方向、減少內耗、並坦然前行。 但是這本書存在侷限，如下 適用範圍邊界：在數據豐富、環境穩定的領域（如棋類遊戲、圖像識別），複雜算法仍具優勢。本書可能低估了大數據和深度學習在部分領域的潛力。 量化精度不足：快速節儉法強調"足夠好"而非"最優"，在需要高精度定量預測的場景可能不適用。 線索選擇主觀性：如何確定關鍵線索及其排序，仍依賴領域專家的主觀判斷，缺乏客觀標準。

中文題目翻譯不好,實際上這本書解決的不是分類思維,單純就是說啓發式和更復雜更黑盒的模型之間的比較和差異. 這本書寫的不好的地方在於, 可解釋機器學習已經是目前顯學了, 迴歸模型實際上也是一個很簡單而且很好解釋的模型. 把這些東西過度複雜化或者吹的好像一個惡鬼以後, 模糊了研究目的和實用目的的邊界, 與其說是怎麼做分類, 不如說是分類成本效益的 trade-off. 這是這本書作妖的地方, 這本書沒有回答爲什麼啓發式的效果好, 爲什麼啓發式與模型之間有差別, 這部分認知心理上的差異反而被作爲了黑盒. 所以這本書既沒有達到"怎麼做分類"的宣教, 也沒有做到啓發式爲什麼優於第二大腦的爭辯. 沒必要細讀.

對確定性的需求是人類的天性，然而，這也是人類智慧的缺點。     ——伯特蘭·羅素 認知心理學和機器學習之間存在着另一個深刻的區別。心理學主要是描述性的，它回答人們實際上是如何進行分類的問題，而機器學習是規範性的，它回答的是人們應該如何進行分類的問題。 現實情境中的分類可以應對現存的情況，無須懷着實驗室最佳規則能夠推廣到現實生活的期望將其轉換爲受控的世界。現實情境中，簡單規則表現良好。 “規範性的”不應與“最佳的”相混淆。只有在一系列假設的條件下，一個分類規則纔是最佳的。這些假設的有效性可以在實驗室中得到保證和驗證，但在現實情境中很難做到。在現實情境中，人們可以找到比現有規則更好的規則，這是通過對規則的執行時間、是否便於記憶、成本、敏感度和特異度等標準來衡量的，也是根據可用數據來判斷的。在現實情境中試圖確定最佳分類規則可以說是一廂情願：不確定性（與風險相對的）是不會被概率論馴服的。不穩定世界原則表明，實驗室對最佳的探求，應該被現實情境中對簡單的探求所取代。 心理學研究表明，在充滿變化和分裂的情況下，人們依賴於近因。1838年，托馬斯·布朗(Thomas Brown)就已經構想出了近因定律，該定律指出，最近的經歷比遙遠的過去更容易浮現在腦海中，並且通常是指導人類決策的唯一信息。 透明度是一個相對的概念：規則可以對一個專家組而言是透明的，但對其他人是不透明的。簡單的啓發式支持透明度。相比之下，邏輯迴歸、嶺迴歸和套索迴歸對於大多數醫生和護理人員來說也遠非透明，神經網絡的工作原理甚至對其設計者也可能是不透明的。在這項研究中，我們把一個分類器提出的問題數量作爲其透明度的代表。 在第二章中，我們解釋了分類的兩種錯誤類型：漏報和誤報。在很多預測問題中，其中一種錯誤要比另一種更有害。而由於我們不知道在現實情境中這些錯誤的真實重要性，我們將漏報和誤報視爲同樣有害。和第三章一樣，我們不使用總分類錯誤作爲表現的衡量標準。這個錯誤是所有被錯誤分類的實例所佔的比例，如果一個類別比另一個類型要常見得多，則這個錯誤可能具有欺騙性。 應用最佳擬合法從計算方面上講可能是非常費時費力的，尤其是在有着很多數值線索的數據集中。我們採用交叉熵方法來做粗略估算，請參見Reuven Rubinstein，“The Cross-Entropy Method for Combinatorial and Continuous Optimization，”Methodology and Computing in Applied Probability 1,no.2(1999)：127-190。這個方法並不能保證找到最適合的快速節儉樹，但它通常產生準確度高的快速節儉樹。 如果沒有概念，精神生活將一片混亂。                     ——愛德華·L.史密斯與道格拉斯·L.梅丁 人類使用的線索和分類規則大多是無意識的，因此對孩子或成人進行訪談以發掘這些規則本身並不能爲我們提供一套滿足我們所需的方法論。人們憑直覺知道一個對象屬於哪個類別，但他們並不總是能清楚地表達他們是如何知道的。 認知一詞是指將感覺輸入轉化爲行爲的心理過程。這些過程包括分類，並牽涉到存儲、恢復以及整合信息。自19世紀實驗心理學開端以來，人們一直在研究認知過程，20世紀上半葉，對認知過程的研究在美國短暫中斷，那一時期，行爲主義盛行。行爲主義研究的是感覺輸入和輸出之間的關係，例如習慣和技能的學習，而不是研究認知過程的“黑匣子”。它禁止諸如意識和思想之類的心理術語或任何其他無法直接觀察到的東西。20世紀60年代的“認知革命”最終推翻了行爲主義，重新確立了對心理概念的研究。 這場革命改變了認知過程本質的意義。受到20世紀50年代和60年代開始出現於心理實驗室的新的統計方法和計算機的啓發，一種將認知描繪爲計算（包括統計計算）的新語言出現了。令人驚訝的是，在認知革命之前，認知過程理論中幾乎沒有出現過計算和統計推斷等概念。 自然類別對由邏輯或概率規則定義的人工類別的研究提出了挑戰：人們無法得知人類所依賴的對人工對象進行分類的過程是否與他們用於對自然對象進行分類的過程相似。 另一種文化是直接研究人們如何對自然物體而不是人造物體進行分類。我們將這種文化稱爲對現實情境中的分類的心理學研究。它起源於羅施的研究，也起源於赫伯特·西蒙關於有限理性的著作。西蒙認爲，在不確定性的情境下，正如第一章所討論的，不確定性是現實情境的一個最典型的特徵，人們必須滿足而不是優化。滿足意味着在無法知道最佳解決方案時找到一個好的解決方案。在這些情況下，人們依賴快速節儉啓發式和其他一些心理工具。這與實驗室文化之間的重要區別在於，實驗者不會從一個已知的基於人造物體定義的分類規則開始研究。相反，我們的目標是，發現人們在現實情境中分類時實際使用的規則，這個規則可能是計數法、快速節儉樹或其他方法。 自適應工具箱的概念類似於一個客觀存在的工具箱，多個分類規則存在其中，人們需要特定的工具來解決不同的任務，例如用錘子將釘子釘在板上。它被稱爲“自適應”以強調功能，這有助於我們理解認知，記住大腦的進化是爲了解決生存和繁殖問題。這個概念應用於分類時，要求規則既快速又節儉，也就是說，在有限的信息下快速運轉，而不是依賴於詳盡全面的信息搜索和耗時且難駕馭的算法。 我們已經對心理學有關分類的研究的兩種文化進行了區分。在實驗室分類中，實驗者設計人造物體和分類規則，然後使用這個框架來研究人們的行爲。在現實情境中的分類中，研究人員選擇的是自然物體，對於這些自然物體，分類規則未知，然後研究人們如何將這些物體分配到自然類別中。 分類最基本的形式是枚舉，在這種形式裏，某一類別本質上是其成員的集合（例如“我的家人”），不需要分類規則。當孩子們從一個不熟悉的類別接觸到少量新事物時，通過記住個別範例，他們就做到了分類。然而，範例更多以後，枚舉就不再起作用，人們就需要基於線索的分類規則。分類，在本質上是不確定性推理。 我們去指責建模者太容易了。從更全面的角度來看，我們可以觀察到一種主導趨勢，即人們建立過於複雜和不透明的金融體系，又配上過於複雜和不透明的金融監管框架。然而，事情不一定要這樣。事實上，事情並非總是這樣。爲了更好地理解監管框架不斷提升的複雜性，讓我們數一下最著名的國際金融監管框架，即《巴塞爾協議》的三個版本都有多少頁：《巴塞爾協議》第一版(1988)爲較爲適中的30頁，《巴塞爾協議》第二版(2004)爲347頁，《巴塞爾協議》第三版(2010)達到了616頁。 《巴塞爾協議》規定了什麼？與我們討論的內容有關的是，如何確定一家銀行的資本需求量。在《巴塞爾協議》第一版中，條例都非常簡單，關注的信用風險有限，條例適用於所有銀行。然而，人們逐漸認爲《巴塞爾協議》第一版對風險缺乏敏感性。在《巴塞爾協議》第二版中，銀行可以使用自己的內部模型，這些模型根據每家銀行的風險敞口設計，允許越來越高的風險。同樣地，這些模型變得在數學上更加靈活。朝向複雜性發展的趨勢持續了近三十年。基於《巴塞爾協議》第三版，一家大型銀行需要估算數以千計的風險值。由於這些風險相互關聯，需要估算的參數數量可能達到數百萬。 人們對霍爾丹演講的反應好壞參半。《衛報》(Guardian)一篇題爲《金融與風險：我們知道的太多》的社論滿懷希望地評論說“金融經濟學正退回到凱恩斯(Keynes)和哈耶克(Hayek)所熟悉的世界，即經濟不確定性就是它本身，而不是被人數學化還當作可控風險錯誤地兜售”。然而，經濟學是否快要放棄不必要的複雜模型，我們還是完全不清楚。芬蘭銀行前行長埃爾基·利卡寧(Erkki Liikanen)在傑克遜霍爾對這篇演講評論時，引用了這一說法：對於每個複雜的問題，都有一個明確、簡單和錯誤的答案。利卡寧不過是和很多人的觀點一樣，還是將簡單性和錯誤等同對待。 事實上，現有的複雜規則已經被銀行玩弄了：監管條例日益複雜，這使得人們更容易發現漏洞、曲解風險評估。所有這些都導向非生產性的活動，比如銀行家和監管者變相增加複雜性。與複雜的監管不同，人們更容易發現對簡單規則的玩弄並予以反擊。 檢查站決策樹和銀行監管，它們是我們試圖在現實情境中保持安全的例子。在真實的情境中，複雜的情況需要的是十分簡單的規則，而不是過於複雜的規則。對於士兵們來說，快速節儉樹爲他們的行動提供了一個系統性指南。這個檢查站決策樹很容易就能教會大家，也容易記憶，情況危急時可迅速地照着做。它將士兵造成的傷亡減少60%，甚至更多，從而挽救許多平民的生命。銀行監管案例的不同之處在於，現行已有監管框架，然而該框架過於複雜，它還允許銀行使用內部模型來估算成千上萬的風險係數和數百萬個相關量來計算其風險價值，從而確定其所需資本。鑑於這種複雜性，監管機構幾乎不可能評估這些估算是否正確，銀行也有動機去曲解這些估算，以便它們只需要擁有儘可能少的資本。儘管監管機構和政客們等等未能阻止2008年的金融危機，但他們仍然堅持這樣的信念，即複雜局勢需要複雜的解決方案。然而，正如我們所看到的，微調和優化方法在現實情境中並不奏效；相反，使用它們讓系統變得脆弱，給人一種確定性的幻覺。 我可以與不確定、不知道共存。我覺得比起知道可能是錯的答案，不知道反而更加有趣。         ——理查德·費曼