本文转自：文汇报 编译/黎文

即便拥有越来越多的数据，许多人对世界的看法也相当偏离现实。总部位于牛津的研究机构“我们的数据世界”数据主管爱德华·马蒂厄（Edouard Mathieu）近日接受fivebooks.com网站的采访，介绍要利用数据了解世界，有哪些可靠的指南。他推荐的五本书里，有两位作者是扑克牌手，还有三位分别是医生、政治学家和数学家。

马蒂厄首推《事实》，由已故的瑞典医生、学者汉斯·罗斯林与子媳合著。这本书胜在简单直观，“无关那些花哨的机器学习技术。它是关于现有的数据——我们已经有了几十年的数据——能告诉我们的世界状况”。罗斯林曾调查瑞典的学生、政治家和记者，发现许多人对世界的看法要么偏颇要么扭曲，对已取得的进步没有准确认识，无论是儿童死亡率，还是当前世界的女童入学率。人们普遍认为世界处于一种可怕的状态。但实际上，数据显示，在过去的几十年和几个世纪里，我们取得了巨大的进步，人类不应如此悲观。马蒂厄建议大家都登陆Gapminder网站做个测试，通过可视化数据，看看自己是否真的掌握世界现状。

(资料图片)

在更好地了解世界之外，数据也可以帮助我们在日常生活中做出更好的决定。马蒂厄说，其实他选的每本书都在描述贝叶斯定理。托马斯·贝叶斯是18世纪的统计学家和哲学家。他提出了关于如何理解世界的重要理论——根据一段时间内可获得的证据进行反复推论，不断微调。这个定理的方程式不重要，人们一旦掌握了其中蕴含的方法，就可运用到几乎每件事情上。

以我们想知道自己感染一种传染病的几率为例。很多人都会在两极之间摇摆：开始总是认为不可能得（近乎0%的几率），某天突然有了症状，就立马会想，哎呀，我中招了（100%）。

根据贝叶斯定理，正确做法是从一个基线概率开始。这可以是对本城目前感染人数的估计，如官方数据给出的3%。然后，当你获得一个新信息——例如，有了症状，就应该根据这个新信息去调整染病概率（或调至20%）。然而症状也可能是其他原因所致，因此不要直接作出最坏的判定。在贝叶斯定理下，凡事都不是直接进入最坏的状况。随着每个新信息的出现，你不断调整，直到得到对事件概率的最新最准确估计。不要见风就是雨。

马蒂厄说，在利用数据这方面，纳特·西尔弗的《信号与噪声》虽是十年前的旧作，但可能至今仍是数据科学、概率思维、机器学习及所有这些方面读物的集大成者。西尔弗做过扑克牌手、棒球分析师，还成功预测了两次美国大选。他认为区分海量数据中何为噪音、何为信号，至关重要。在贝叶斯定理之外，西尔弗强调在统计中要正确表达不确定性，还应考虑一系列可能的结果。

《对赌》的作者安妮·杜克也是一名扑克牌手。她对认知行为决策科学非常感兴趣。在书中，她比较了扑克和国际象棋。以博弈论的术语来说，国际象棋是一种“完全信息”博弈。棋盘在前，两个玩家掌握所有的信息，他们知道眼前这个世界的全貌。在扑克中，情况恰恰相反，大部分信息是隐藏的。你只知道自己手中的牌，不知道牌桌上其他玩家手里有什么，也不知道接下来揭开的是什么牌。

杜克认为，生活更像扑克，而不是国际象棋。在生活中，并没有一幅完整画面展现你希望拥有的所有信息。你在很大程度上都是在猜测——猜测人们的意图，猜测事情如何发展。那么，既然生活更像扑克，你就得像一个扑克玩家那样去生活。你要“赢”，就须凡事都从概率角度思考，用扑克牌手的技巧做出更好的决定。

她还提醒人们千万要避免“结果”导向的思维，即以最后的结果来判断考虑过程的质量。举例来说，在任何一场足球比赛后，你都会听到专家们花几个小时分析场上发生的一切，并从中得出惊人的结论。他们激动地宣称教练应该被解雇，某球员不值得挖，某球员在什么时刻应该被换下。但他们忘记了，足球是一项随机性相当大的运动；也许教练做出了所有正确的决定，可即便如此，结果也未必更好。

马蒂厄推荐的第四本书是政治学家菲利普·泰特洛克与记者丹·加德纳合著的《超级预测》。泰特洛克依附美国情报高级研究计划局（IARPA）进行的“良好判断计划”就发现，一些“超级预测者”远胜某特定领域的专家，例如他未必懂球，却猜得更准。泰特洛克还发现，这些“超级预测者”组队的表现更优于单打独斗，他们的共同点是，都习惯于将大问题分解成更小的问题，并且会先定下基准概率，考量手中所有信息而不只是新证，思考概率而不仅仅是某件事的真假，等等。

数学家汉娜·弗莱的《你好，世界》深入浅出地展现了算法和计算模型的工作原理，也出现在马蒂厄的推荐中。她举出大量现实案例，具体客观地评价算法的作用。例如，她探讨了COMPAS（美国地方司法体系中使用的机器学习系统，旨在为法官提供量刑建议）存在的局限与偏见，但仍对数据科学的应用前景表示乐观。

关键词：