「風險：人類注定同棲同宿」

 

這是南方碩在2004年出版的「語言之鑰」一書中的第一篇文章。

 

我們從不同角度來看”風險” 是非常有趣的。南方碩是從語言的角度來看”風險”，他認為這個字已成了二十世紀末以迄二十一世紀的關鍵字。”風險”，這個字在西方是一個”古今異義字”。今天所謂的”風險”，是從古代的”無序”，變為現代”秩序”後的新”脫序”。

 

-          古代，”風險”乃是一種生命和事務的不確定性，在那個時代，人類求助於到處泛濫的迷信與巫術，讓人們至少在心理層次上更有接受和忍耐”風險”的力量。

-          18世紀以後，由於機率的發展，”風險”在某一程度上變成了可以推估，人們開始討論風險管理、風險投資這些關念，也意味著人們可以將不確定事務圍堵到一個可控制的範圍。

-          到了20世紀末，社會更為複雜，科技帶來巨變，”風險”已更加有了”凶險”的内涵，而成為更不可測，影響範圍也變的更大！

 

「語言之鑰」出版於2004年，南方碩當時看到的一個重大的凶險就是SARS!

 

Peter L. Bernstein的背景是在經濟與投資，他以機率的發展歷史為主軸在1996年寫成了「Against the Gods: The Remarkable Story of Risk」（這本書早年中譯本叫「馴服風險」，後來的版本稱為「風險之書」）。他雖沒有像南方碩一樣分成三個階段，但是基本的看法是接近的。

 

對於他們的見解，我大致是認同的，我想補充的是：

 

-          對於未來人類面臨的凶險的確是可能範圍更大，影響更為深遠。我們經歷了SARS, 沒想到又來了COVID-19！更不用說我們已經在面對的氣候變遷，全球暖化了。

-          對於這些未知的巨變，講的最清楚完整的莫非就是「黑天鵝理論」了。

-          Bernstein的書最後提出了”風險補償”的概念，雖然他沒有用這個詞彙，但概念是沒錯 – 我們對風險管理的信心鼓勵了我們冒本來不會去冒的險。

-          Bernstein出書在1996年，所以對人們對處理風險並沒有太大的信心，但近年來對電腦科技和機率研究，實在已非當時的情況可以同日而語！

 

總之，南方碩的「風險：人類注定同棲同宿」是一篇好文章，Peter L. Bernstein的「Against the Gods: The Remarkable Story of Risk」是一本好書，都很值得一讀。

 

#風險 #南方碩 #PeterLBernstein #AgainstTheGods

 

(這裡的所有文章都留存於Blogger中的「專業人士的自我修鍊」)

(風險管理:25）

「客觀」的機率與真實的世界

 

“The perception of probability, weight, and risk are all highly dependent on judgment … the basis of our degrees of belief is part of our human outfit.”

- John Maynard Keynes

 

我們稱為”Frequentist”的統計學家，堅信以頻率為基礎的機率才是客觀(objective)機率，早年完全排斥了以相信程度(degree of belief)為機礎的主觀(subjective)機率，也拒絕了我們稱為”Baysian” 的機率學家、統計學家所做的推論。顧名思義，Baysian就是接受主觀機率並且以「貝氏定理」（Bayes Theorem）做為推論的基本工具。

 

當還是主流的Frequentist對於主觀機率和貝氏推論還不能接受甚至相當鄙視的時候，由於在經濟、管理、工程和地質各個領域的專家們，有系統的研究貝氏定理，並應用在他們各自領域的問題，且都獲致了相當的成功，使得貝氏定理從幾乎湮沒到成為顯學。

 

1921年凱因斯完成了”A Treatise on Probability”這本著作。凱因斯反對依賴過去事件的發生機率做決策。他認為應該丟開理論家的觀念，追隨實務者的經驗。

他主張對於未來的事件，一個客觀的機率並不存在。他雖然沒直接提到貝氏定理，他所說的”When somebody persuades me that I am wrong, I change my mind”， 正是貝氏定理的精神。

 

從我做為一個大地工程師的角度來看：即使有同一組的實驗資料放在面前，不同的工程師可能用不同的機率分布來描述，即使用相同的機率分布來描述，也可能選用不同的參數，甚至在做Significant Test的時候，也可能與接受的誤差水準不同而得到不同的結果。所以我們認為的客觀機率，其實也包含了工程師的判斷。

 

Peter L. Bernstein 在”Against the Gods: The Remarkable Story of Risk”中提到，就因為凱因斯說過 ”一旦獲得決定我們知識的事實，每種情況的可能與否就有客觀的標準，不受個別意見影響”，所以Bernstein難下結論去確認凱因斯把機率視為一種主觀的信念。我認為凱因斯的話沒錯。但是我的解讀和Bernstein相反，我認為真實的世界中我們難以取得所有需要的資訊，所以，機率是反應了做決定的人的判斷，也正因為如此，真實的世界罕有完全客觀的機率，凱因斯是把機率視為一種主觀的信念。

 

如果你還不是像一個Baysian的思考, 現在是改變的時候了！

 

#DegreeOfBelieve #SubjectiveProbability #Baysian

 

(這裡的所有文章都留存於Blogger中的「專業人士的自我修鍊」)

(風險管理:24）

Unity in Diversity

 

我一向鼓勵專業人士參加專業的學會，不只是參加，還要積極參與，全力投入。參與學會工作不只是可以使我們自己獲益良多，也是我們回饋社會應盡的義務。

 

除了以個人為會員資格參與的學會，我也參加了兩個以各別學會為會員的組織：

 

一個是我自2018年起擔任主席的東南亞大地工程聯盟。（Association of Geotechnical Societies in Southeast Asia, AGSSEA）。AGSSEA由九個國家和地區的大地工程學會組成，我們一起舉辦研討會、出版期刊，我們也對區域和國際大地工程學會的重大議題開會討論，交換意見，凝聚共識。

 

國際工程聯盟（International Engineering Alliance, IEA）則是由29個國家的41個組織組成，大致分為兩組成員：Educational Accords 和 Competence Agreements,〝Accords〞（Washington, Sydney, Dublin）主要處理國際間工程學位的認證，而〝Agreements〞（IPEA, APEC, IETA, AIET）則是處理工程師、技師、技士等專業資格的相互認證。所以IEA的理事會主要是由Accords和Agreements的主席及副主席擔任，再加上Awards和Agreements各自選出的一位不分區理事（At-Large Member）。

 

日前我被中國工程師學會的亞太工程師監督委員會楊亦東主任委員推薦競選不分區理事。過程中除了要準備不少書面資料，最後幾天還被秘書處要求做一個五分鐘的視頻來介紹自己並表達對這個職務的看法。仔細考慮之後，我只提出一個主張，也是我對於聯盟、協會這些社團所一貫堅持的理念: Unity in Diversity - 要推動尚未參加的團體來加入；讓資源和經驗豐富的組織成員協助新進和缺乏資源的成員；盡量使所有的成員能參加所有的活動；絕不要讓任何一個會員脫隊而被被遺忘。

 

希望在這個繽紛的世界中IEA能協助全世界的工程師相互交流，攜手合作！

 

謝謝大家的支持，以後也請大家不吝賜教。

 

 

(這裡的所有文章都留存於Blogger中的「專業人士的自我修練」)

(專業人士:13)

 

從幾乎湮沒到成為顯學的貝氏定理

 

When the facts change, I change my opinion. What do you do, sir?

-          John Maynard Keynes

 

這是Sharon Bertsch McGrayne 在她科普著作 The Theory That Would Not Die的扉頁所引用凱因斯的一句話，這裡她所講的理論就是「貝式定理」 （Bayes Theorem）。而這本書的副標題就說明了書的內容：How Bayes’ Rule Cracked the Enigma Code, Hunted Down Russian Submarines & Emerged Triumphant from Two Centuries of Controversy.

 

貝式定理在250年前被提出來，經過了幾個‘關卡’，倖存下來，才有今天的發展推廣，被普遍的應用在各個領域：牧師 James Bayes 把他的發現束之高閣；他的朋友Price發表出來卻完全被忽視；Laplace後來發現了他自己的版本但最後又回歸到以頻率為基礎的客觀機率；堅信以頻率為基礎和客觀機率的統計學家完全排斥了主觀機率的推論；甚至當Alan Turin破解了Enigma密碼，軍方還是一直把Alan Turin的研究列為機密。

 

一個關鍵的時期是1960/70年代，當主流的數學家、統計學家對於主觀機率和貝式推論還不能接受甚至相當鄙視的時候，其他如經濟、管理、工程和地質各個領域的專家們，有系統的研究貝式定理，並應用在他們各自領域的問題，且都獲致了相當的成功。

 

1980年代是貝氏方法爆發的時代，主要是歸功於電腦的快速發展，能夠快速的、大量的處理資料！至此主觀機率和貝式推論已經毫無疑問的被普遍接受了。

 

到了這個世紀，隨著其他理論配合的發展(例如Markov chain Monte Carlo)，在人工智慧的領域中，貝式定理成為了重要的一根支柱！

 

為什麼貝式定理可以發展成為這麼重要的決策工具？其實可以回歸到凱因斯的那一句話，我們做決策時，不正是應該以自己的經驗知識做出判斷，隨著資料的補強更新，修正最初的看法，然後評估是否需要更進一步的資料嗎？當這個程序有了強大的工具來執行，自然也就能幫我們做出更好的決策了！

 

 

(這裡的所有文章都留存於Blogger中的「專業人士的自我修鍊」)

(風險管理:23）

統計數字沒有騙人 是人的解讀出了問題

  

如果我們每天認真的讀報紙和媒體上的報導和評論，就會了解無怪乎Darrell Huff 在1954年前寫的〝How to Lie with Statistics〞到今天還有很高的實用價值。

 

最近有一篇報紙的評論，認為有一個市長的「連任危機浮現」。如果這個結論是許多觀察得到的判斷，那就另當別論。可是他的論述很奇怪，他先說市民對這位市長的施政滿意度超過七成 - 看到這裡大家會認為連任的機會很大啊！但是他說這個滿意度是所有市長排名的後段班，所以「絕對是一個重大警訊！」

 

Huff提出不要被統計數字欺騙，要問五個問題：

 

1.        誰說的？（Who says so？）：尋找蓄意的偏差，更要仔細的去探尋不自覺的偏差。

2.        他怎麼知道的？（How does he know？）：樣本是否足夠，使得結論可靠？關聯性夠大到有實質意義嗎？

3.        漏了什麼？（What’s missing？）：有很多時候缺少與其他事件的比較，很多數字會失去意義。

4.        是否有人改變了主題？（Did someone change the subject？）：從原始數據推導到結論的過程中，有沒有什麼地方被改掉了？

5.        這有道理嗎？（Does it make sense？）：固然很多數字一看就知道有問題，也有些數字精確的令人訝異！而根據過去的趨勢對未來作預測，有很多時候也是沒有道理的！

 

第四個問題可能不是那麼直接了當，但是上面的例子恰好提供了一個案例。把一個統計的結果，移轉到另一個議題上去做結論。

 

媒體上充斥了「機率」、「統計」、「風險」…這些看似科學又有根據的字眼，但是有很多實在是經不起考驗的！

 

 

(這裡的所有文章都留存於Blogger中的「專業人士的自我修鍊」)

(風險管理:22）

重新認識機率 - 貝氏定理 (Bayes Theorem)

 

最近在讀Robert Matthews寫的「機率思考」（英文原名：Chancing It：The Laws of Chance and How They Can Work for You ）。作者認為這本書的中心思想是:〝雖然我們永遠無法擺脫機率、風險和不確定性，但我們如今擁有掌握它們，最後勝出的工具。〞他雖然這沒有很明確的說這最後勝出的工具是什麼，我相信其中的關鍵就是「貝式定理」（Bayes Theorem）。

 

貝式定理是Thomas Bayes（1702-1761）發展出來的公式。他是一位牧師，一位業餘的數學家。然而他那看似簡單，又訴諸直覺的研究成果，這幾十年來卻震撼了機率研究，徹底改變了對機率的看法，並且被廣泛的應用在各領域中。

 

用白話來說，貝式定理就是說對事件新的相信程度是由過去的相信程度和新產生的證據所決定。

 

傳統上認為機率是處理隨機的、以發生頻率為基礎的不確定性（aleatory），也有人稱為「客觀機率」。但是，也有出於知識不足的不確定性，這種認知上不確定（epistemic）的機率，也稱之為「主觀機率」。這種以相信程度為基礎的機率和以發生頻率為基礎的機率完全不同，從原理上來說，只要利用新的證據就可以減低不確定性，這也正是貝氏定理的研究焦點。

 

John Christian有一個很好的例子來說明兩種機率的不同：擲骰子的不確定性是aleatory，每次擲一粒骰子出現6的機率是1/6；然而有一疊撲克牌，取出黑桃Ａ的機率是epistemic的不確定性，第一張牌就是黑桃Ａ的機率是1/52，但拿走一張不是黑桃Ａ的牌後，取出黑桃Ａ的機率就成為了1/51。

 

貝式定理被提出之後沒有被廣泛接納的一個原因是如何建立起對事件發生的初始相信程度。這就是所謂的「事前難題」（Problem of Priors）。事實上這個初始相信的程度可以根據判斷，也可以根據過去的統計，但是重要的是隨著證據積累，無論一開始用什麼值，在貝式定理中都會愈來愈不重要。這是真正的讓證據自己會說話。

 

英國政府在2012年解密了當初Alan Turing破解納粹Enigma密碼的技術文件，最核心的概念就是貝式定理。今天貝式定理被廣泛的應用在各領域救難搜尋、基因解碼、國土安全等各個領域。

 

短短一行的貝式定理，掀起了機率研究的瀰天巨浪！雖然「機率思考」這本科普書並不是那麼易讀有趣，但是他花了近1/3篇幅談貝氏定理和相關的應用，也不失為重新解讀機率的一本入門參考書！

 

 

(這裡的所有文章都留存於Blogger中的「專業人士的自我修鍊」)

(風險管理:21）

第五項修練 — 系統思考

 

Peter Senge的這本書「第五項修練」（The Fifth Discipline）1990年出版以來，全球暢銷，也得到很高的評價。他這本書主要講的就是副標題所說的「學習型組織的藝術與實務」（The Art & Practice of the Learning Organization）。有意思的是他的書名卻不直接講學習型組織，反而用的是「第五項修練」，顯然是另有深意。而打造學習型組織的這五項修練，依他的講法是：

 

第五項修練：系統思考

第一項修練：自我超越

第二項修練：改善心智模式

第三項修練：建立共同願景

第四項修練：團隊學習

 

他強調的第五項修練就是系統思考，而我認為系統思考在他書中有雙重的作用：

 

一、如他所說是〝整合其他各項修練成一體的理論與實務，防止組織在真正實踐時，將各項修練列為互不相干的名目或一時流行的風尚〞。

 

二、他用系統動力學的觀念，架構和術語來說明其他四項修練的一些特性與現象。

 

但是我總覺得在討論學習型組織時，他系統思考放在這麼特殊的地位，還是有些牽強。我的看法是：

 

一、即使把系統動力學/系統思考，從這本書中完全抽離，對於討探討學習型組織的影響恐怕也沒他講的這麼嚴重。

 

二、他雖然是以系統動力學為基礎，也用了許多系統動力學研究的成果，但是他只使用了三個元件〝不斷增強的回饋〞、〝反覆調節的回饋〞，和〝時間滯延〞與一般系統動力學所使用的圖形架構不同，在有些地方也顯得失之簡略。

 

這本書暢銷書的確讓很多人在系統動力學發展了50年之後又認識到了系統動力學，甚至被推薦是了解系統動力學的入門。但是我覺得真正了解系統動力學和系統思考的入門書，恐怕還是Donella H. Meadows的「Thinking in Systems – A Primer」。

 

#第五項修練 #學習型組織 #系統動力學 #系統思考

 

(這裡的所有文章都留存於Blogger中的「專業人士的自我修鍊」)

(系統思考:11）