【H185】行动产生信息：微笑会让你感觉更好，即使它是假的

内容不断更新，建议购买会员永久查看

这篇文章探讨了决策过程中行动的重要性，指出传统的决策框架如期望效用计算和贝叶斯分析在现实世界中的局限性。作者强调，通过行动可以产生新的信息，从而做出更好的决策。文章通过实际案例，如职业选择和办公室政治，展示了行动如何帮助我们克服信息不足的挑战，并提出在不确定性高的情况下，快速行动比深入分析更为重要。作者还介绍了一些行动启发法，包括斯科特·伯肯的产品投注经验、加里·克莱因的“无差别区”概念，以及杰夫·贝索斯关于可逆与不可逆决策的观点，来说明在不同情况下如何平衡分析与行动。

正文：

如果你经常浏览关于决策的文章，可能会误以为做出好决策不过是运用正确的决策框架，然后坐享其成。

比如，假如你幸运地在三条职业道路中选一条，你或许会用期望效用计算来决定哪条最合适。或者，如果你发现自己成了办公室政治的围观者，你可能会借助贝叶斯分析来看清楚事情的真相。

（译者注：期望效用是用于评估在不确定性条件下的最佳选择。这个计算方法基于“效用”（utility）的概念，即一个人对结果的主观价值或满意度。贝叶斯分析是一种统计方法，它基于贝叶斯定理，用于更新对某一假设的信念或概率，这种更新是基于新证据或数据的。贝叶斯方法与传统频率统计学的主要不同在于，它允许在分析中直接使用概率来描述不确定性。由于这个概念难以理解，在此呢，举个例子，假如你是一个侦探，正在调查一起案件。在你开始调查之前，你有一些初步的猜测（这是先验概率）。随着调查的深入，你会收集到一些线索（新证据）。贝叶斯分析就像是你用来更新你的猜测的工具，让你根据新线索更准确地判断案件的情况。）

我在博客里多次提及这些理念，并对它们大加赞赏。但这次，我想换个角度，来聊聊这些技术的局限。你很快就会发现，这些局限几乎适用于所有判断和决策领域的技巧。如果你曾经尝试把这些理论付诸实践，或者深入探究过它们的根源，就会明白它们的局限所在。

有趣的是，这些批评大多可以用一句话概括：“行动产生信息。”请记住这句话，它很快就会有用处。

一、一些实例

为了理解经典决策框架的局限，不妨看看几个现实中的例子。以下是两个例子。

1.职业选择

一位朋友最近给我打电话，讨论即将做出的一个重大职业决策。他快大学毕业了，面临着许多选择。

他说：“我想创业。”然后，他又考虑是否加入FAANG中的一家公司，或者一家自营交易公司（prop trading firm）。

（译者注：“FAANG”是一个缩写，代表了五家在技术和互联网行业中非常有影响力的美国大型公司：Facebook（现在称为 Meta Platforms）、Apple、Amazon、Netflix 和 Google（属于 Alphabet Inc.））

（译者注：自营交易公司指的是主要进行自营交易的公司。这种类型的公司使用自己的资金进行交易，而不是客户的资金。他们的目的是从市场交易中直接获利，而不是通过为客户提供服务赚取佣金或费用。）

我问他：“为什么选择自营交易公司？”

他回答：“那里钱好赚。”

我又问：“你在那里工作过吗？”

他说：“没有，但我们有共同的朋友在那里工作。”（确实如此）。

聊了一会儿后，我们了解到他：

1.曾在两家大型科技公司实习。

2.曾在两家较大的创业公司实习（分别超过50人和150人）。

3.没有在早期创业公司（小于10人，或产品市场适应性不足）工作过，也没有在自营交易公司工作过。

我的朋友真的很聪明，显然我们完全可以运用一种类似期望效用的计算方法来权衡他的选择。这种期望效用计算，其实就是我们熟知的“利弊分析”法的花里胡哨版。

区别在于，我们不仅仅是简单地列出利弊，而是罗列出一系列我们所看重的“效用”——比如金钱、有头脑的伙伴、富有挑战性的问题等等。

接着，我们针对每个选择（比如是选择创业、FAANG公司还是自营交易公司）对名单上的每一项进行评分。最后，我们还要估算实现每个选择中的效用的可能性。

但事实上，我们并没有这么做。因为期望效用计算基于一个假设——每个选项的信息都是完整无缺的。而这个前提在我们这个情况下并不成立。

通话即将结束时，我说：“看起来，你掌握的信息还不够充分。你已经知道在FAANG公司工作是怎样的体验，目前你还在一家中后期创业公司实习。但你对早期创业公司的运作一无所知，而且你现在也没有一个靠谱的创业想法，所以不太容易去了解。再加上，你也不了解在自营交易公司工作会是怎样。那么，为什么不花上一两年时间去尝试这些道路，哪怕是为了获取这些信息呢？”

“嗯。”我的朋友想了想说。

“我之所以这么说，是因为我认为几年之后，一旦你掌握了更多的信息，做出决定就会容易得多。考虑到普通职业生涯的漫长弧线，一两年并不算长。”

2.办公室中的贝叶斯定理（Bayes’ theorem）

【M021】贝叶斯定理

1个月前

022250

贝叶斯更新法，即“持有一个信念，并随着新信息的出现而更新这个信念”的方法，在作出对世界的判断时是一种极佳的技术。

然而，优秀的分析和预测并不等同于有效的行动。比如说，假设你的一位同事经常迟到，但老板对此视若无睹。你对这一现象感到困惑，觉得没人讨论这个问题很奇怪。你的结论是，这位同事可能有些懒散，但背后也许有些政治因素，使得他迟到可被容忍，而你则不行。

贝叶斯模型会指导你去审视你的先验假设，去计算你所持有解释的正确概率。它还会告诉你要留意可能改变你对这个信念信心度百分比的新信息。这些都很好，但请注意，贝叶斯更新的设计初衷是为了整合新信息，而并非用来生成新信息。

决策实验中的参与者可能会坐等信息在实验过程中逐渐浮现。而地缘政治预测者也不能期望影响他们所预测的事件。但如果你是现实世界中的决策者，你的情况就和这些人不同。你可以选择进行分析，也可以选择采取行动。换句话说，这里存在一个实际的权衡：在贝叶斯分析上花费的时间，可能更好地用于行动，以便挖掘新信息！

再回到那个总迟到的同事的例子。你能做些什么来获得新信息吗？答案是肯定的。例如，你可以安排和这个人共进午餐，然后通过提出一些巧妙的问题来了解他的生活状况。可能这样做会带来更多问题而非答案，这种情况下你可能需要重新回到贝叶斯分析。但也许这会得到一个非常明确的答案，让你省去了不少麻烦，他可能会说：“哦，我最近刚当了父亲，我选择来办公室是因为乔恩希望我参与这次项目部署；一旦这个项目完成，我就会休陪产假，消失一个月。”

二、决策分析的成本

你在书本和博客文章中读到的决策框架，主要问题在于它们都源自于判断与决策学领域，而这个领域又根植于经济学中的理性选择理论。在这些学术领域里，理性选择的基本假设是，你面前有一系列选项，你必须从中挑选一个。而这种选择通常是在拥有完整信息的环境下进行的。

如果你的选择使得你的“效用”达到最大化，那么就被认为是“理性行为”。反之，如果选择不佳，则被视为“非理性”。

这些研究成果很容易让人误以为这些框架和模型可以直接应用于现实世界。但实际上，由于现实世界并不完全符合这些模型的所有假设，这些模型在现实应用中的效用是有限的。

首先，你实际上可以做出的选择通常远超过摆在面前的那些。有些选择可能因不确定性而隐匿，或者只能通过创造性的解决问题方式才能达到。有时，由于信息的缺失，某些选择被隐藏起来。比如，我的朋友可能有更好的选择，但他或许只是根据目前所掌握的信息，将自己限制在三种职业选择中。
其次，现实世界中的决策通常具有时间敏感性——你行动得越快，从中获得的价值就越大（但这个价值的确切数额往往也被不确定性所掩盖）。大多数决策框架都不会考虑到时间因素，因为在决策实验中没有必要模拟时间敏感性。然而，在现实世界中，每个选择的效用有时候可能取决于你根据分析结果果断采取行动的程度.
第三，也是最重要的，行动往往会产生新的信息，这些信息能够让你做出更好的决策。换句话说，进行决策分析通常是有代价的，但这些框架并没有考虑这一成本。

实际上，第三点——行动产生新信息，从而可以做出更好的决策——是一个非常有力的观察。

事实证明，判断与决策文献中的任何决策框架都不会告诉你何时应该停止分析，何时应该采取行动。原因是这些框架最初是为经济模型设计的。在决策实验中，通常不会期待参与者为了从环境中获取更多信息而采取积极行动，而是期待他们进行分析！

我要指出，这并不是一套特别新颖的观点。上文提到的三个批评是对判断与决策领域的老生常谈，心理学家乔纳森·巴伦在他的影响深远的教科书中也详细讨论了这些批评。

如果你知道从哪里着手观察，这些结论其实是显而易见的。比如，长期观察一群企业家，你就会发现，最优秀的企业家不一定是最佳的贝叶斯更新者或预期效用计算者。相反，最优秀的企业家往往既偏重行动，又能快速适应新信息。

（我曾与一位中国商人有过生意往来，他是这样告诉我的：“你想那么多干什么？先行动起来！然后观察，看看会发生什么。也许顾客不喜欢，或者你的竞争对手会因为你的行动而采取某种措施。但那样你至少比坐在这里纠结思考要了解得多！”）

为什么会这样呢？就像适应性强的捕食者一样，优秀的企业家能够调整自己的行为，以适应现实的多变。在商业领域，现实的轮廓似乎是这样的：

1.商业决策中有相当一部分是可逆的。

2.行动中获得的信息通常比分析中得出的洞察更有价值，尤其是在行业不确定性较高的情况下。

简而言之，分析是有其局限性的。预期效用计算可能告诉你在信息完善的环境中如何从有限选项中选择最佳方案。贝叶斯更新告诉你在面对新信息时如何更新你的信念。但这两种技术都无法告诉你应如何行动才能产生最佳选择或信息。因此，我们不应该感到惊讶，有时那些行动迅速并保持适应性的人比进行了世界上最佳贝叶斯分析的人更有可能取得成功。