感想：在已知的母數「之外」，如何去適應？
書中用了不少篇幅，說明所謂的模式、統計機率在有限的已知前提下，仍是「個人」觀點。
例如：要確認所謂的偏誤之前，要先知道什麼才是正確？
・在人們發現地球是圓形之前，普遍認為地球是平面的，像一個盤子或一張大餅。
・暗物質無法從電磁波探測到，卻又有質量存，是經由能量守恆定律與引力發現
（像是用100元散發給在場看到的10位，理應每位該拿到10元，但卻發現有人只拿到9.9元=＞其中的0.1跑去哪？）
《暗物質 失落的宇宙：介於「存在」與「不存在」之間，一本書讀懂21世紀最重大的天文學難題》
讓人想到《易經》架構
簡易（常態性）
變異（非常態性）
不變
現代話叫黑天鵝、外部衝擊事件；意即你沒看到的，不代表不存在。例如2020的肺炎疫情，造成全球死亡人數大增
====================
作者提到專家、學者們用模型的小世界並無法完全應對大世界的不確定性，有時候剛好可以，有時候不行
■模型的小世界：用假設的前提資料範圍內，去試著找出解答。像是用2個數值相加等於100，可以有幾種組合？
而真實的大世界似乎沒有「範圍內的侷限性」
書中提到面對極端不確定性，從人類的演化歴史來看，是尋求夠好而非最好，並提到敘事推理是面對極端不確定性最強大的機制！
作者寫到這裡時，正當想繼續看什麼叫敘事推理？就接著被作者用洪水般的舉例淹沒了敘事推理，看得有點模糊。標題寫著：為不可知的未來做決策，可能需要從滿滿的舉例中去拆解再組裝
以下是請ai解釋敘事推理為何是因應不確定性最好的解方
⬇️⬇️⬇️⬇️
「敘事推理」（narrative reasoning）確實在極端不確定性下，比單純數據推理更有優勢，原因主要有三層：
1. 在資訊不足時，人腦天然依賴故事來填補空白
在極端不確定的情況（例如新市場、新科技、黑天鵝事件），可用的數據往往零散、延遲或不具代表性。
數據推理（statistical reasoning）需要穩定樣本才能準確，但不確定環境下，樣本太少或偏差太大，公式就失靈。
敘事推理允許我們用因果假設、角色動機、時間順序，把不完整的資訊串成一條暫時可用的邏輯鏈，方便做決策。
2. 故事能夠同時整合定量與定性訊息
在高不確定性下，關鍵訊號往往來自軟資訊（rumors、訪談、文化觀察、政治動向），而非硬數據。
敘事推理能把「數字 + 情境」融合，形成可操作的情境劇本（scenario），讓你在不同走向下都有行動準備。
這也是為什麼軍事戰略、創投決策、災難應對都依賴「情境模擬」而不只依賴歷史數據。
3. 敘事推理讓人更容易預測與說服
人類更容易記住和理解故事，而不是一堆統計表。
在團隊決策時，故事可以迅速對齊共識（例：「如果競爭對手推出這項功能，我們會⋯」），而不是陷在數據解讀分歧。
這種對齊在極端不確定情況下特別重要，因為行動速度比精確度更關鍵。
一句話總結
在極端不確定性下，數據不足以提供穩定依據，敘事推理能用有限訊息構建因果故事，整合軟硬資訊，快速形成可執行的行動假設，並且方便團隊共享與調整——這使它成為最佳解方之一。
===============
自己看完後，覺得面對極端不確定性，需要保持什麼事「都有可能」的想像空間，盡量跟事實站在同一邊，而非堅持自己的看法。
（例如地球曾經被認為是盤子）
畢竟我們無法「全知」，也不可能為每個不確定性做好提前準備。
沒有留言:
張貼留言