逃離烏托邦:數據科學就是個謊言


全文共2774字,預計學習時長9分鐘

圖源:unsplash

有人認爲,數據科學就是創建可用來預測的模型。這句話可以這樣理解:我們有了數據,探測發展模式,把這些再應用於預測未來,獲得結果。這個邏輯說得通,其背後的理論,我們稱之爲統計。

 

整個歷史長河中,有關預測的代名詞先後湧現,比如數據挖掘、分析、商業智能、運籌學、新興的數據科學。不過在這裏我們沒必要深究統計與數據科學之間是否能劃等號,也大可不必對數據信息獲取的無數流行詞吹毛求疵。今天筆者想聊點兒別的。

 

你無法預測未來,這一點毋庸置疑,但你依然試圖在用圖表樂此不疲地做着預測。你認爲數據中一定存在些信息,有偏差的“地圖”總比沒“地圖”強吧。

 

在NassimTaleb最出名的一本書中,他藉助隱喻說明人類之前對於預測未來的瞭解經不起推敲。多個世紀前,人們不相信這世上有黑天鵝的存在,因爲從未有人見過。直到第一批探險隊伍抵達澳大利亞,他們發現原來也會有黑色的羽毛。

 

單一隻黑色家禽讓多年存在的“白天鵝定律”不攻自破。哲學家Karl Popper(1902-1994)認爲科學是徹底糾正理論的事業。Popper認爲理論只可能是錯的,我們會需要無數證據驗證理論是否實事求是,但這不太可能。

 

黑天鵝事件不能被預測

 

你可能會說“這算個什麼哲學,這也太糟糕了!”讓實踐來說明一切吧!看一下國際貨幣基金組織2020年1月份的GDP增速預測:

2020年1月IMF的GDP增速預測

 

這裏是8月份的預測數據:

2020年8月IMF的GDP增速預測

 

他們怎麼做到的短短几個月就可以迅速改變預測?2019年12月31日,中國報道了武漢“連續幾件不明原因疫情”,幾周後被稱之爲COVID-19,世界衛生組織將其升級爲全球性流行病。由於該疾病會人傳人,整個世界的經濟會因此受到了影響。

 

國際貨幣基金組織是預測經濟的一個前沿機構,它傳達的信息變化非常快,會讓你對任何預測產生懷疑。假如你碰巧是所謂的“數據科學家”,希望你在預測時也持有懷疑的態度。

 

你也許會認爲IMF從來沒打算準確預測未來,他們僅僅預測未來可能出現的情況從而幫助決策制定者。我同意你的說法,但關鍵是是穩增經濟有過山車式發展的風險並未考慮在內。

 

圖源:unsplash

IMF“單純預估”會讓決策制定者在未來幾個月中錯過最關鍵的信息。IMF並非沒有能力預測或故意使壞,而是無法預測。這正是Taleb 想傳達的:我們無法預測最重要的事件,因爲沒有消息指向。數據也不難獲取,只是答案根本不在那!

 

對於黑天鵝事件,就算是數據也幫不了你。

 

爲什麼我還不富裕?

 

股市幾乎完全預測了近期的五次衰退。如果你還在臣服於數據科學的魔力,趕緊停下來吧。把時間投資在更容易獲利的領域:股市。

 

股市對數據科學家來說是一個再好不過的環境了。有無數需要計算的數據,這些不僅是公共的資源,格式也正確。實際上,一些機器學習的文字介紹會將股市作爲主要對象,建立最好的模型。

 

如果你的預測準確,就會贏得一大筆錢。拋售下行股票,買上行股票。很不幸,這不太能實現,我打賭。

 

圖源:unsplash

根據S&P 的觀點(一家追蹤全世界平均股價的企業),“從以往來看,主動式管理基金在短期核長期以來不如基準”。主動式管理基金需要工作人員預測市場趨勢,告知大家要賣哪個或買哪個股票。即便如此,他們也無法超越基準,所以只購買每隻股票的一小部分來獲取平均回報的人會更佔優勢。

 

用歷史數據預測股市是貿易中的傳統,這種方法屬於技術分析。這個話題存在爭議,時至今日一些人非常信誓旦旦地認爲這個方法奏效。他們認爲市場中有這樣的趨勢,許多億萬富翁的財富都要歸功於數據信號的利用。

 

也許這是對的。或許股市中確有趨勢,但80%的公司無法利用此途徑,哪怕信息是真的,因爲舊潮流後會有新的出現。事實證明世界是不斷變化的,萬事萬物變化得飛快,所以任何預測都無濟於事。

 

數據科學無法預測股市是真實情況。將“股市”變爲“公司收益”、“客戶選擇”或其他老闆讓你預測的利益點,你還會認爲自己預測的數字是好的嗎?我們無法預測最重要的事情,哪怕這些事即將發生,小概率事件即使可以預測也提不出什麼有價值的信息。

 

數字和敘述

 

未來無法預測,但可以被創造。

 

就像我之前提到的,商業環境下從數據中抽取信息的歷史長達整整兩個世紀。所以我們就該預測到所謂正常情況下發生的事情。一個人必須是其領域中是最好的預測者,我們纔會稱之爲專家。

 

Philip Tetlock開展了調查,想了解專家是否真的需要預測未來重要的事情。沒有成績的人如何能稱之爲專家呢?我認爲,就算這些人不擅長預測,也是善於編造故事的,只挑選最有用的信息然後另創一個故事,這足以讓很多人信服。

 

專家們都很謹慎,不會做一些容易被推翻的預測,不會告訴你準確的時間。他們一般會說“未來的路很難走”,怎麼個難法留給大衆去自行解讀。

 

我們可以用數字撒謊。在數據科學家眼中,這不是需要解決的重要問題,而是他們工作的一部分。他們是在講故事,現在用數字說服人也是一種技巧。或者用我最喜歡的TED講者的話說,“再添幾行,我會給你提供更多的數字”。

 

圖源:unsplash

任一家公司的員工都會被要求做出成績。在特特洛克看來,數據科學家很容易成爲“專家”。在企業政治遊戲中,一些分析師會運用各種編故事的技倆呈現最佳預測,即便是錯誤的關聯、沒有預測的能力,而且比不過測試數據集。

 

如果你從數據科學家那裏得到了預測的話,問問你自己:這些數字在告訴我一些重要的事嗎?還是特定程序給你呈現想要的結果?

 

事實如此不便多說,學術研究登記之前是有協議的。研究人員需要先提出問題再尋找答案,否則數據提示的信息都有可能成爲答案。至少你要知道這些數字可能什麼也說明不了,哪怕是背後的模型設計得再精密。

 

總結

 

錯誤不代表完全沒有價值,有用的東西蘊含在其中。在每天工作結束的時候,數據科學家給公司創造的價值就是:

 

·        沒有預測重大事件或意外發生的事件——比如黑天鵝。

·        就算沒有意外發生,數據中一定有一些重要的模式,這些模式可能無法繼續利用,畢竟世界在變化——比如主動式基金。

·        即使某種方式會不斷受用,預測結果可能只是個美好的謊言——比如“那些專家”。

 

不是說數據科學家沒必要存在。我們會定決策,但得看是基於金錢還是數據,我傾向於後者。數據科學家越被鼓勵進行實驗,找到錯誤的速度就越快。

 

圖源:unsplash

但如果你相信了宣傳語投身數據的話,就大錯特錯了。獨角獸企業這麼做沒問題,因爲首先,關聯並不代表因果;其次是無需爲那些迷信數據聖經的公司的失敗負責,用Taleb的話來說,這些公司深陷數字教條爬不出來了。

 

你可能覺得筆者有點兒偏激了,但我的目的在於:把你帶離數據驅動的烏托邦世界。數據科學並非靈丹妙藥,它也有許多缺點,需要抱有懷疑態度,請跳出迷信理解數據科學。


推薦閱讀專題

留言點贊發個朋友圈

我們一起分享AI學習與發展的乾貨

編譯組:孫夢琪

相關鏈接:

https://towardsdatascience.com/data-science-is-a-lie-d9157b9ed29c

如轉載,請後臺留言,遵守轉載規範

推薦文章閱讀

ACL2018論文集50篇解讀

EMNLP2017論文集28篇論文解讀

2018年AI三大頂會中國學術成果全鏈接

ACL2017論文集:34篇解讀乾貨全在這裏

10篇AAAI2017經典論文回顧

長按識別二維碼可添加關注

讀芯君愛你

 

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章