Discuss Data

诺贝尔经济学奖得主保罗·克鲁格曼因其经济模型之美而闻名，他曾说过：“有充分的理由表明，我在模型中强调的内容，不如我因无法建模而遗漏的内容重要。”

这是一句随口说出的爆炸性评论，因为我们一直在使用模型。商业模型、经济模型、科学模型旨在将世界的复杂性降低到可控状态，是我们用来测试假设和决策的工具。

但其简化和实用性却是个陷阱。因为它们必须省略掉很多东西——否则模型就会变得难以操作——当我们误以为它们就是现实时，我们就会陷入危险。

然而，模型的修辞力量是持久的，因为它们为未来的陈述注入了必然性的气息。在充满不确定性的时代，它们似乎承诺了确定性。

它们也不像数字所暗示的那样客观。美联储主席艾伦·格林斯潘承认了这一点。在国会作证解释为何未能预测到 2008 年银行业危机时，他称自己的概念模型是一种意识形态。“每个人都有自己的意识形态，”他说。“你必须有自己的意识形态。要存在，你就需要一种意识形态。”

他自己的意识形态认为不受监管的市场是最安全的，现在他将其视为“缺陷”。但这一缺陷——以及随后的经济危机——无意中证明了模型是多么容易为偏见和信念提供权威。

以历史为范本也存在类似的危险。历史会重演的信念广为流传，但专业历史学家却很少认同这一点。大多数情况下，我们看到的重演的是我们自己的历史，而不是其他人的历史。

当阿拉伯之春爆发时，俄罗斯人看到了俄 阿塞拜疆电话号码数据 罗斯的历史，政治家德米特里·梅德韦杰夫担心，就像柏林墙倒塌一样，这些示威活动会给俄罗斯带来不稳定。

与此同时，奥巴马总统将突尼斯和埃及的起义比作波士顿倾茶事件和美国独立战争的开始，并将其与罗莎·帕克斯的民权抗议活动进行比较。这样的类比让两位领导人都看不到正在发生的事件的危险性和复杂性。

在人工智能的背景下，从过去预测未来尤其困难。基于数据集（必然来自过去，而且往往不完整且有偏见）进行研究可能会产生看似客观的结果，但一旦受到质疑，可能会被证明存在严重缺陷。

在宾夕法尼亚州，当阿勒格尼儿童保护服务机构试图通过使用人工智能评估风险最高的儿童来削减成本时，它使用了自己的数据。但这种方法存在两个问题。

首先，数据集不包括 ACPS 从未接触过的家庭：主要是中产阶级或上层阶级的白人家庭。它还过高估计了经常被转诊的大龄儿童的风险，以及他们从未听说过的体重不足的婴幼儿的风险。被遗弃在雪地里的婴儿的风险似乎比夜间外出的青少年要小。该技术应用的规模意味着出现了数千个这样的错误。

但模型最大的隐形成本或许在于它们强烈地抑制了我们的想象力。当我们对不确定性感到不适时，它们对现实的简化版本提供了诱人的安慰。

今天我们看到了这样的情况，评论家们认为普京已经失败了。因为过去的经验表明，控制一个国家比入侵一个国家更困难，所以俄罗斯已经输掉了这场战争。

无论是故意视而不见还是一厢情愿，在我们拼命争取政治想象力和创造力的时候，这种姑息性的确定性既不能提供灵感，也不能提供洞察力。它们只是让我们确信我们只需要等待。

即使对模型最严厉的批评者也承认它们的用处；如果没有它们，我们将无法洞悉气候危机。但我们最好将它们视为可能性——挑战我们设想替代方案的刺激，而不是让我们屈服于它们的叙事力量。