決策最大的敵人，不是信息不足，而是拿過去計算未來

關注吳大爺二三事，一起共同成長

知識分享 丨生活感悟

學習思考，尋找自我。

大家好，我是滿肚子雞湯的吳大爺，一個天天在鍵盤上敲打心靈，喜歡給人講知識講故事的男人。

戰爭史里有一個很有意思的問題，

在遼闊的大西洋上，怎樣保護商船不被敵方潛艇襲擊？

一種思路是，把大量艦船編成護航隊，讓軍艦圍繞商船形成保護陣型。

另一種思路是，利用飛機和雷達主動尋找潛艇，一旦發現目標，就迅速發動攻擊。

表面上看，這是兩個軍事方案之間的比較，

但繼續往下看，就會發現它真正揭示的是一個更普遍的人性問題：

當技術條件已經改變時，人為什么仍然習慣用過去的經驗計算未來？

海軍長期以來圍繞水面艦艇建立組織、制度和榮譽體系。

在這套傳統中，軍艦是主角，

飛機只是提供空中掩護的輔助力量。

所以即使飛機航程擴大了，雷達出現了，潛艇的活動規律也逐漸變得可以分析，很多人依然很難從根本上改變自己的認知。

他們不是完全看不到新技術，而是只能在舊世界里理解新技術。

飛機可以幫助艦船，

但不能取代艦船成為攻擊潛艇的核心力量。

這與其說是技術問題，不如說是記憶、身份和情感問題。

一、人最習慣的決策方式，是用昨天解釋明天

很多人認為，經驗越豐富，判斷就越準確。

這句話只說對了一半，

經驗可以幫助我們認識規律，

但經驗也會讓我們把過去的條件，誤認為世界永遠不變的規則。

第一次世界大戰時期，護航制曾經有效保護商船。

于是幾十年后，當潛艇威脅再次出現時，人們自然會重新想起這套方案。

過去成功過，現在再拿來用，看起來很合理。

問題在于，這幾十年里，技術環境已經發生巨大變化。

飛機的能力提高了，

雷達被發明出來，

無線電通信變得普遍。

潛艇的行動也并非完全隱藏在無邊大海中。

它們要從特定海域進入大西洋，需要定期與指揮部門聯系，還要頻繁浮出水面。

從這個角度看，潛艇并不是散落在無邊大海中的一根針。

它的活動存在路線、規律、時間窗口和技術弱點。

問題已經變了，但人們腦子里的問題還沒變。

大家仍然在思考，

如何在大海中尋找潛艇？

而不是重新定義，

潛艇在什么條件下必須暴露自己？

這兩種問題看起來相似，答案卻完全不同。

一個會把人帶向大海撈針，

另一個會把問題變成一個可以分析的有限系統。

二、真正高明的解決方案，常常來自重新定義問題

所謂大海撈針，之所以困難，是因為它默認了兩個前提：

1.海洋是無限的。

2.潛艇是完全隱身的。

只要接受這兩個前提，人們自然會認為想靠飛機主動找到潛艇，幾乎不可能。

但如果繼續追問，就會發現這些前提并不完全成立。

潛艇從哪里出發？

通過哪些狹窄水域？

什么時候需要浮出水面？

怎樣與指揮部聯絡？

它的航程和補給能力如何？

飛機和雷達可以覆蓋哪些區域？

當這些條件被列出來以后，原本看似無限復雜的問題，就開始收縮。

它不再是整個大西洋，而是一些關鍵通道、通信記錄和高概率暴露區域。

這就是提出好問題的價值，

很多時候，我們不是沒有答案，

而是從一開始就在回答錯誤的問題。

比如一個人問：“我應該怎樣更加努力？”

這個問題默認了，他現在的問題是努力不夠，

但真實問題可能是方向錯了、反饋機制有問題，或者任務本身沒有價值。

一家公司問：“怎樣讓員工更快地填寫周報？”

這個問題默認了周報必須存在。

但真正的問題可能是管理者為什么無法及時獲得有效信息？

同樣是獲取信息，答案未必是讓所有人多填一張表。

人類很擅長對眼前的問題快速編造一個看起來可行的答案。

但我們并不擅長完整描述問題。

因為完整描述問題，意味著要挑戰默認前提，

而挑戰默認前提，會讓人感到不安全。

三、技術已經變化，組織身份卻還停留在過去

海軍為什么很難真正接受飛機成為重要攻擊力量？

因為這不僅是增加一種新武器，

它還會重新定義“什么才是海軍”。

長期以來，海軍的組織、訓練、晉升和榮譽，都建立在水面艦艇之上。

軍艦不僅是一種工具，它還是海軍文化的核心象征。

一名軍官的職業經驗、身份認同和價值感，都可能來自對艦艇體系的掌握。

這時候，如果有人說未來決定戰爭結果的，也許不再是你最熟悉的艦船，而是飛機、雷達和信息分析。

他聽到的可能不是一項技術建議，

而是你過去最引以為傲的東西，可能不再位于舞臺中央。

很多人堅守舊原則，并不只是因為他們思想保守。

他們還會從“捍衛者”的身份里獲得滿足感。

我在保護傳統，我在維護秩序，我沒有向潮流低頭，

我在堅守過去的榮光。

這種感覺會給人一種道德上的高尚感。

于是，技術路線之爭就不再只是效率之爭。

它逐漸變成身份之爭。

接受新技術，仿佛等于背叛自己的經歷，

而一旦一個觀點與身份綁定，數據就很難單獨改變它。

四、我們看到的歷史，往往是自己需要的歷史

小說家福斯特有一個很有意思的說法，

唯一真實的歷史，是一部人類的情感史。

這句話當然不是說經濟、戰爭和制度完全不重要。

而是在提醒我們歷史從來不是冷冰冰的數據自動排列出來的結果。

同一段歷史，不同的人會看到不同的東西。

有人看到英雄，

有人看到災難，

有人看到秩序，

有人看到壓迫，

有人看到技術進步，

有人看到普通人的生活被摧毀。

我們選擇記住什么，本身就與身份和情感有關。

一家曾經靠某種商業模式成功的公司，會反復講述那段創業歷史。

故事講得越多，舊模式就越容易被神圣化。

一個行業曾經憑借某種技術領先，也會把那段領先看作自身能力的永久證明。

最后，過去不再只是經驗，而會變成神話。

神話最危險的地方，是它無法被正常討論。

因為質疑方法，會被理解為否定歷史。

否定歷史，又會被理解為否定整個群體。

所以，人們嘴上討論的是技術，

心里保護的卻是情感記憶。

五、純粹理性的人，只存在于模型里

我們在討論決策時，常常假設人是理性的。

有了數據，就會調整觀點。

發現舊方法無效，就會采用新方法。

比較成本和收益，就會選擇最佳方案。

可真實的人不是這樣，

人的決定受到太多難以衡量的因素影響。

記憶、偏見、自尊、恐懼、歸屬感，

對身份的需要，對穩定的渴望，

甚至某一次受傷的經歷，都可能影響之后的判斷。

所以，你給一個人展示更好的數據，他未必接受。

不是因為他看不懂，

而是因為接受這個數據，會傷害他正在保護的某樣東西。

也許是職位，也許是面子，也許是過去幾十年的努力，

也許是他對自己“我是一個正確的人”的想象。

這也是為什么，很多組織改革不能只做理性計算。

如果只告訴員工，新系統效率更高。

員工可能只會聽見，你過去的工作方式已經沒有價值了。

如果不處理這種情感，改革就會遇到隱形抵抗。

尊重理智，并不意味著否定情感。

人之所以為人，不只是因為會計算，還因為會感受。

理智幫助我們分析世界，

情感讓我們知道什么值得分析，什么結果值得追求。

六、純粹理性，也可能成為另一種陷阱

有些人一看到情感影響決策，就會得出另一個極端結論，

應該排除所有情緒，只根據數據做決定。

這同樣有問題，數據可以告訴你哪種方案效率更高。

但數據無法單獨回答，

這個效率是為了什么？

誰會承擔代價？

什么東西不能被犧牲？

什么生活才是值得追求的？

比如一套系統可以最大化生產效率，卻讓所有人變得疲憊、焦慮和失去尊嚴。

從數字上看，它可能非常成功，從人的角度看，卻未必值得。

飛機、雷達和信息分析可以提高反潛效率，

但決定如何使用這些能力的，仍然是人。

技術提供的是可能性，

價值觀決定我們選擇哪種可能性。

所以，理智和情感不是非此即彼，

純粹情感會讓人失去判斷，

純粹理智則可能讓人忘記，判斷最終是為了人的生活。

真正成熟的決策，是讓理智幫助我們看清事實，讓情感幫助我們確認價值。

七、人類為什么不喜歡“螺絲釘式”的工作？

書中還提到一個有意思的判斷，

在教學過程中，人類的不確定性和反抗性，會造成巨大的知識浪費和效率損失，所以讓計算機教計算機，可能比教人容易。

這句話聽上去有些殘酷，卻指出了人與機器的根本差異。

機器可以按照規則重復執行，

不抱怨、不走神、不質疑，

不因為昨天心情不好，今天就換一種方式。

但人不是這樣，人會厭倦機械重復，

會懷疑規則是否合理，

會因為沒有意義感而降低投入，

也會在教學過程中突然走神，聯想到完全不相關的事情。

從效率角度看，這些都是缺陷，

但從創造力角度看，這些又是人的價值。

人類不喜歡當螺絲釘。

因為人會追問：

為什么要這樣做？

有沒有別的方法？

這件事與我有什么關系？

這種不服從會制造管理成本，

但很多創新，也恰恰來自這種不服從。

機器更擅長在已知規則里穩定執行。

人類的價值，則常常出現在規則邊界之外。

八、AI真正適合做的，是幫助我們擴展理性

如果人類能夠用好AI，AI會成為人的延伸。

它可以幫助我們處理大量數據，

計算概率，尋找規律，模擬不同方案，檢查邏輯漏洞，

發現人類容易忽略的關聯。

在潛艇戰這樣的有限系統中，機器可以快速整合航線、通信、天氣、雷達信息和歷史記錄，計算潛艇可能出現的位置。

這是機器的優勢，

它不會因為懷念水面艦艇的榮光，就故意忽略飛機的價值，

也不會因為某項技術由競爭部門提出，就本能地拒絕。

但AI也不會自動知道，人類最終想要什么。

它可以計算如何提高命中率，

卻無法獨立決定戰爭是否值得。

它可以幫助企業降低成本，

卻不會天然關心被裁掉的人如何生活。

它可以找到流量最大化的內容，

卻不會自動判斷這些內容是否正在破壞公共信任。

所以，AI應該擴展人的理性，而不是替代人的價值判斷。

讓機器幫助我們減少偏見，

但不能把人從決策鏈中徹底移除。

九、使用AI之前，先學會把問題說完整

大模型時代，很多人把注意力放在尋找答案上。

怎樣讓AI寫出更好的文案？

怎樣讓AI生成更漂亮的圖片？

怎樣讓AI幫我做商業計劃？

但真正決定結果的，往往不是模型知道多少，

而是使用者能否準確描述問題。

一個完整的問題至少要包括：

我們真正想改變什么？

當前情況是什么？

限制條件有哪些？

哪些因素可以調整？

哪些原則不能犧牲？

如何判斷結果好壞？

可能出現哪些副作用？

如果連這些都說不清楚，AI再強，也只能根據模糊意圖猜測。

人類最常犯的錯誤，是把一個局部目標當成完整問題。

比如：“幫我提高轉化率。”

但提高誰的轉化率？

通過什么方式？

能否犧牲用戶信任？

短期轉化和長期復購怎樣權衡？

如果利用焦慮和誤導提高轉化，算不算成功？

問題描述得不完整，答案越高效，風險反而越大。

所以未來真正重要的能力，不只是使用AI，

而是定義問題。

會提問的人，可以借助AI放大判斷，

不會提問的人，只會讓AI更快地執行自己的誤解。

十、真正的預測，不是復制過去，而是更新過去

“針對過去，計算未來”，聽起來像所有預測工作的基本原則。

我們當然要研究歷史數據，

了解過去發生過什么，尋找規律。

但過去只能作為起點，不能作為答案。

真正有價值的預測，必須同時完成兩件事。

第一，從歷史中提取可重復的部分。

第二，識別今天有哪些條件已經不同。

如果只做第一步，我們就會機械復制過去。

第一次世界大戰護航制有效，所以之后仍然只想著護航。

過去水面艦艇是核心，所以飛機永遠只是輔助。

過去某種商業模式成功，所以未來繼續加大投入。

這種做法看起來尊重經驗，實際上只是把記憶當成了規律。

真正的規律，不是過去發生了什么，

而是它為什么會發生。

只有找到因果條件，才能判斷這些條件今天是否仍然成立。

十一、普通人怎樣避免拿過去計算未來？

第一，先識別自己正在默認什么。

每一個判斷背后，都藏著一些沒有說出口的前提。

把它們寫出來，才有機會檢查。

第二，區分經驗和規律。

“過去一直這樣做”只能證明習慣存在，不能證明它仍然有效。

第三，主動尋找發生變化的條件。

技術、用戶、環境、組織和成本結構，有沒有已經不同？

第四，允許不同身份的人參與討論。

一線員工、用戶、技術人員和管理者看到的是不同世界。

單一視角很容易制造盲區。

第五，把觀點與自我價值分開。

承認舊判斷不再適用，不等于否定過去的自己。

過去的你，是在當時信息下作出的選擇。

今天更新判斷，是對過去經驗的升級，不是背叛。

第六，讓AI處理可以計算的部分。

數據整理、方案模擬、概率分析、模式識別，都可以交給機器輔助。

第七，把最終價值判斷留給人。

效率重要，

但人的尊嚴、信任、安全和幸福同樣重要。

結語：

人類總希望通過過去預測未來，這是我們的本能。

因為過去是已知的，未來是不確定的。

記憶會給人安全感，

但真正危險的是，我們常常忘了過去的答案，只適用于過去的問題和過去的條件。

技術會改變，環境會改變，對手會改變，人的需求也會改變。

如果我們只記住舊答案，卻沒有重新定義問題，就會出現一種荒誕局面。

明明飛機和雷達已經出現，我們仍然只把它們當成艦船的附屬品。

明明潛艇的活動可以被分析，我們仍然相信只能在大海中盲目搜索。

明明AI可以幫助我們處理龐大信息，我們卻只讓它更快地完成舊流程。

真正的進步，不是擁有更多答案，

而是敢于重新提出問題。

敢于承認過去的正確可能已經過期，

也敢于讓理智和情感共同參與決定。

理智告訴我們，現實發生了什么。

情感告訴我們，什么值得被保護。

機器幫助我們擴大計算能力。

人類則必須決定，這些能力最終要把我們帶向哪里。

如果能做到這一點，AI就不會只是另一臺替我們工作的機器。

它會成為人類認知的延伸，

而我們也終于不再只是針對過去，機械地計算未來。

歡迎點贊、轉發、評論。

我是吳大爺，夜風同學

愿一路陪你共同成長！