[轉帖]穿越男必看,1986年德國著名穿越模擬實驗
剛剛在末世黑暗纪吧看到,不過沒有原出處
以下是龍空的連結
http://www.lkong.net/thread-702492-1-1.html
------------我是分格線-----------------
1986 年年德國著名穿越類比實驗:如果你是路易十六時光回到1787 年年,如果你是法國
國王路易十六,您能否更好的管理這個國家?歷史是否因為一個現代人的管理能力而改變
軌跡,譬如,法國大** *也許不會爆發,路易十六也不用上斷頭臺了?這並不是一個穿越
問題,而是一個真實的社會實驗。
1986 年年德國心理學家Kuhle和Badke創造了一個類比實驗,受測者把自己當作國王
,任務是根據1787 年年路易十六面臨的困局,擬定一個戰略計畫。 1787年年法國處於大
**前夕,社會環境一塌糊塗。
最集中的矛盾體現為財政危機,路易十六要面對這些頭疼的財務問題:(1) 他娶了一個
超愛花錢的王后,著名的"赤字夫人"瑪麗安托奈特(2) 因捲入美國獨立戰爭,法國債務高
達20億法郎,瀕臨破產(3) 社會財富聚集于教士和貴族手中,他們享受特權,拒不繳稅
。
受測者根據這些情況設計了各種解決方案,例如有人說"我要從貴族那兒收一大筆錢,平
衡國庫預算",有人說"要集中精力擴大法國出口,換取外匯",還有人建議"消減王室開支
,王讓後少花點錢!",等等。
實驗結果顯示,雖然這些受測者具備現代人的眼界以及"後見之明"的優勢,他們的方案並
不能真正解決二百年前的問題。這些方案要麼抓錯了重點(王后的奢靡並非財政危機主因
),要麼缺乏執行的必備條件(向貴族收稅很難落實)。
比起現代人紙上談兵,當年法國財政大臣卡洛納的計畫也許更有價值。卡洛納的改革計畫
是一整套設想,包括用綜合稅代替人頭稅,取消國內關稅,沒收教會財產,設立省級會議
,減緩法國三個等級的對立,等等。
可是,真實歷史的走向,所有人都知道了:1787 年年,卡洛納方案因貴族反對而陷入僵
局,路易十六解雇卡洛納->兩年後,法國大** *爆發,王室推翻->六年後,路易十六上了
斷頭臺。
"路易十六實驗"對於一些穿越小說的主題設定提出了挑戰。人們經常讀到類似的情景是一
個平凡的男豬穿回古代,憑藉現代經驗作出成功的謀劃,最後獲得江山美人。很多人說這
也許是一個沒法驗證的問題,除非你真的讓他穿回去,證明給你看。
其實你不需要讓他們穿回去,因為有更簡單的辦法可證明,男豬十有八九是要失敗的。這
個證明方法就是利用電腦類比的規劃性遊戲。
上周我坐京滬高鐵,火車上讀了一本有趣的書講到類似的電腦實驗。此書名字是
《The Logic of Failure》,作者是德國的認知科學家Dietrich Dorner.Dietrich
創設了一些電腦類比的規劃性遊戲,這些實驗有各種各樣的設定,比如在一個遊戲裡
,你可能是一個市長,管理一個英國城市。在另一個遊戲裡,你可能變成一個酋長,
領導著西非的一個遊牧部落。
美國大學其實也有類似的課程用電腦類比商務工作,如Forad這種程式,學生們模仿首席
執行官對企業經營參數進行多輪調節和決策。這些類比角色,類似于一個人穿回1787年變
成路易十六,不論你是國王、市長、酋長,面對的都是一個"規劃家"的任務:如何在一個
複雜性系統裡收集資訊、研究問題、提出規劃、付諸實施?受測者可以不停調整他們的策
略,並把參數輸入電腦。電腦則對他們管理的社會進行類比運算,並在每一個規劃期結束
後,給出動態的社會演變結果。
類比的好處之一就是,不用苦等一個人當了20年國王才發現他是治國庸才,電腦只要幾個
小時就能證明這一點了。事實上,類比實驗發現,絕大多數受測者,不論其現實身份如何
,在應付人類社會演化或是自然生態這些複雜性系統時,他們的能力全都弱爆了。這些受
測者都很認真投入的進行分析、規劃、和決策,可他們若當了市長、酋長、甚至村長,在
類比環境裡,你將看到他們治下的社會走向各種失敗之局:人口不是爆炸就是滅絕、生產
不是畸形就是停滯、生態災難、全盤性大饑荒,等等。
值得注意的是,受測者面臨的問題有一些共同特徵:1)不透明:看不到一個系統的內部
機制,往裡扔一個石子,也聽不到及時的回聲。 2)關聯性:系統內有許多變數相互影響
,這些影響有的造成"正回饋",有的造成"負反饋",總之,這些內部關係超級糾結。 3)
動態性:你不理這個系統,系統自己也在不停的走動。你要觀察的不僅是一個時點上的系
統值,而是推測整個系統隨時間推移最終向何方演化。治理國家、管理企業、甚至清理池
塘,都要和一個類似上面特性的人類或自然系統在打交道。
用一個形象的比喻就是"黑盒子"。人們無法打開盒子,只能這兒戳一戳,那兒碰一碰,猜
這盒子到底藏著什麼玄妙。人類在規劃"黑盒問題"方面好像天生就找不到感覺。在
Dietrich創設的電腦遊戲中,受測者雖然掌握上帝視角,仍無法避免系統的屢屢失控。這
些結果並不令人意外。
人們總是高估自己,看不到失敗的普遍性。不過,這些實驗體現出一些值得留意的錯誤共
性,不妨多說幾句。譬如一個常見的認知錯誤,是因為系統不透明造成。人類大腦本能的
假定事情之間存在瞬間聯繫,比如當你擰開煤氣灶,火苗子騰的冒出來,這就是你的決策
立刻回饋結果。但複雜性系統往往沒這麼透明,最重要的是它有一個延後性,就象宏觀經
濟學經常講到的"政策時滯"效應一樣。
1988 年年,心理學家優特賴設計了一個巧妙的溫度調節實驗,考察人類能否對一個
不透明且有時滯的系統,作出正確的反應。任務是調節一個保鮮冷庫的溫度。冷庫裝有一
個溫度計,顯示現在溫度是15度,這太高了。受測者要對調節器進行校準,使室溫下降並
穩定到4度。實驗關鍵點有兩個:1)調節器的刻度是0-200,受測者不知道這些刻度與溫
度之間的對應關係。 2)冷庫對調節器的反應有5分鐘延遲,就是說,當室溫達到調節器
指定溫度時,系統將繼續被加熱或製冷5分鐘。
所以你觀測的溫度可能開始太高,接著太低,接著又太高,接著又太低......幣種隨著時
間不停收窄振盪,並最終趨於一個穩定值的系統其實並不少見,例如很多住宅的自動恒溫
器都是這樣的設計模式。對受測者來說,最好的策略就是把調節器隨機撥到0-200之間任
一刻度,保持不動,直到溫度穩定到一個常值。這樣,可以很容易算出溫度計和調節器之
間的對應關係,然後一步到位的校準到4度。
但是,受測者事先不知道存在5分鐘延遲反應。他們本能假定是,調節器和溫度之間存在
瞬間聯繫,於是他們過度頻繁的干預調節器,然後每一次都失望的發現,溫度要麼太低要
麼太高,總之,怎樣折騰都找不到4度在哪兒。底下這圖表是大多數受測者的典型反應過
程:橫軸是實驗時間,受測者在100分鐘的實驗時間內,調節出來一條不斷波動的溫度曲
線。您看得到,溫度從來就沒穩在4度上。右側刻度(0-200)是調節器,小三角形代表受
測者每一次調整調節器的記錄。實驗前50分鐘,受測者採取了試錯法,先調低調節器,當
溫度低過4度,他就升高調節器,如此反復不停。
實驗後50分鐘,受測者開始抓狂了,他開始絕望的亂調一通,調節器一下子開到200最高
值,一下又調到最低0值。抓狂的決策導致溫度波動大幅加劇,直到實驗結束他也沒搞明
白:如果把調節器撥到23,保持不動,最終室溫將穩定為4度。這實驗很難嗎?實際上,
不算難。參與者任務簡單,且可按自己的意願隨時干預,何況還能不停收到溫度計隨時間
變動的資料記錄。
在真實世界裡,一個複雜系統很少有這麼短的反應延遲,也很少給人們提供一個完整的時
間序列資料去分析。另一個常見的錯誤源于系統內部的因數之間存在複雜關聯。所以決策
者找不到一個正確的著手方向,他們總是從一個目標跳到另一個目標,忘記了什麼才是最
重要的。
假如你現在就是一個城市的市長。這個城市叫格林韋爾,位於英國西北,有3700個居民,
主要工業是手錶製造、也有零售、銀行、餐館等。不過,地球上沒這地兒,這個城市完全
是電腦類比出來的。迪特裡希上海48個實驗者擔任市長,測試他們的執政能力和決策特點
。市長任期10年,實現獨裁統治。在遊戲的設定中,市長有一個總的目標,就是提高市民
對政府的滿意度。這就象中國政府總的目標是構建和諧社會一般。
這個目的又可以分解為許多具體的小目標:減少失業,擴大住房,改善福利、促進生產,
提高收入、等等。接管理一個小型城市就是管理一個連鎖性的複雜系統,市長不可能只做
一個事情,而且一個事情的行動對其他事情都要產生影響。
例如,如果你想擴大市民住房,這就要市政投入,市政投入需要加稅,加稅可能導致居民
遷到其他城市,人口遷走導致消費趨冷,消費趨冷導致市政收入下降,市政收入下降又導
致無錢擴大住房。
48個實驗參與者有普通人也有經濟學家或物理學家,市長們個個很忙的樣子,但大多
數都不成功,市民滿意度直線下降。雖然每個人的執政理念差異懸殊,但有一項錯誤是最
普遍的:盯錯目標。
譬如在一個類比遊戲中,一個市長把自己放到移動到超市門口,問市民對政府有什麼不滿
意的地方。有人抱怨老年人打電話不方便,有人抱怨公務員效率低,有人抱怨圖書館不好
,等等。當這個隨機性的問題清單佔據市長大腦時,市長開始花費時間關注一些相對次要
的問題,而忽視了真正重要的問題。
某一個參加實驗的市長,在任內用掉不少時間測量老年人的走路速度和電話亭的關係,以
求精准解決市民對打電話不滿意的抱怨,但是這樣的一些問題到底是不是當務之急呢?
在國內的一些官場小說中,我經常讀到所謂的清官人物,他們做事方式就像是格林韋爾類
比遊戲中的那些市長,根據問題的"明顯性"來分配問題的"優先性"。
一個典型例子,也是我挺喜歡的小說《新星》中,寫到李向南到古陵縣作書記,上任一個
月抓的幾個大事都是解決"明顯性"的問題:幹部懶散、違章報銷、積壓冤情。側重"明顯
性"問題的書記很容易被稱作青天大老爺,但是管理一個複雜性系統,滅火隊長式的書記
也許是很不夠的。
另一個典型現象是迪特裡希遊戲的一個參與者,此人之前做過一些公益活動,有很多經驗
。在扮演市長時,他發現在校兒童面臨不少困難,而這正是他熟悉領域,於是他自動的忽
略了別的市政事情,專心埋頭于學校問題。在學校裡他成功的找到了問題班級,甚至追蹤
了具體的問題兒童。
這個市長實際上是根據自己的能力來選擇問題的。這樣做的後果也是非常值得注意的:他
沒有解決他"必須"解決的問題,而只是解決了他"知道"如何解決的問題。套用這個模式去
觀察政府官員,你也許能發現:政府的政策雖然糾正了一些弊端,但是往往這些弊端不是
"優先的"和"必須的"問題,而湊巧只是"明顯的"問題或是他們知道怎麼解決。
不過,對於部分中國官員,人們必須降低要求:能糾正一些弊端,已經比什麼都不做,要
好了!
回顧上面的問題,出現這麼多的錯誤和失敗,追溯根源,也還是由於人類的認知能力有限
。我讀過一些書籍經常看到的說法是,雖然人類生活在工業時代和資訊時代, 但是人類
大腦的加工能力仍然停在"史前大腦"的時代。所以,我們面對類似"黑盒問題"這種複雜系
統時,頭腦遇到極大困難,遭受各種認知誤區的困擾。亦有人說,大腦巨大潛能尚未開發
,繼續進化下去,每個人都有潛能變成一個出色的戰略家。我對此是悲觀看法。設想,自
然界有沒有一種動物,用三條腿奔跑,而拖著第四條完好的腿不用?在發掘認知能力和應
付複雜性系統方面,我們使用大腦也許就像動物使用它們的腿,能用上的早都用到了。
所以,在此意義上,如果一個人穿回1787 年年變成路易十六,哪怕他是一個當代市委書
記,那麼恭喜這位男豬,最可能的歷史軌跡就是:他將把自己提前送上斷頭臺,順便把法
國古代人民多玩死幾個。
--
(  ̄ c ̄)y▂ξ
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 123.192.224.160
※ 編輯: gimyhsiou 來自: 123.192.224.160 (10/22 10:09)
※ 編輯: gimyhsiou 來自: 123.192.224.160 (10/22 10:12)
推
10/22 10:14, , 1F
10/22 10:14, 1F
推
10/22 10:17, , 2F
10/22 10:17, 2F
→
10/22 10:18, , 3F
10/22 10:18, 3F
→
10/22 10:18, , 4F
10/22 10:18, 4F
→
10/22 10:20, , 5F
10/22 10:20, 5F
推
10/22 10:26, , 6F
10/22 10:26, 6F
→
10/22 10:26, , 7F
10/22 10:26, 7F
推
10/22 10:27, , 8F
10/22 10:27, 8F
→
10/22 10:27, , 9F
10/22 10:27, 9F
→
10/22 10:27, , 10F
10/22 10:27, 10F
→
10/22 10:27, , 11F
10/22 10:27, 11F
→
10/22 10:30, , 12F
10/22 10:30, 12F
→
10/22 10:31, , 13F
10/22 10:31, 13F
推
10/22 10:31, , 14F
10/22 10:31, 14F
→
10/22 10:31, , 15F
10/22 10:31, 15F
推
10/22 10:33, , 16F
10/22 10:33, 16F
推
10/22 10:35, , 17F
10/22 10:35, 17F
→
10/22 10:36, , 18F
10/22 10:36, 18F
推
10/22 10:39, , 19F
10/22 10:39, 19F
→
10/22 10:40, , 20F
10/22 10:40, 20F
→
10/22 10:40, , 21F
10/22 10:40, 21F
推
10/22 10:45, , 22F
10/22 10:45, 22F
推
10/22 11:04, , 23F
10/22 11:04, 23F
推
10/22 11:25, , 24F
10/22 11:25, 24F
→
10/22 11:31, , 25F
10/22 11:31, 25F
→
10/22 11:33, , 26F
10/22 11:33, 26F
→
10/22 11:34, , 27F
10/22 11:34, 27F
→
10/22 11:36, , 28F
10/22 11:36, 28F
推
10/22 11:56, , 29F
10/22 11:56, 29F
→
10/22 11:57, , 30F
10/22 11:57, 30F
推
10/22 12:16, , 31F
10/22 12:16, 31F
推
10/22 12:56, , 32F
10/22 12:56, 32F
推
10/22 13:18, , 33F
10/22 13:18, 33F
推
10/22 13:28, , 34F
10/22 13:28, 34F
推
10/22 13:29, , 35F
10/22 13:29, 35F
→
10/22 13:29, , 36F
10/22 13:29, 36F
→
10/22 13:30, , 37F
10/22 13:30, 37F
推
10/22 13:33, , 38F
10/22 13:33, 38F
→
10/22 13:33, , 39F
10/22 13:33, 39F
→
10/22 13:41, , 40F
10/22 13:41, 40F
→
10/22 13:41, , 41F
10/22 13:41, 41F
→
10/22 13:41, , 42F
10/22 13:41, 42F
推
10/22 16:54, , 43F
10/22 16:54, 43F
→
10/22 16:54, , 44F
10/22 16:54, 44F
推
10/22 16:54, , 45F
10/22 16:54, 45F
→
10/22 17:31, , 46F
10/22 17:31, 46F
→
10/22 17:31, , 47F
10/22 17:31, 47F
推
10/22 17:36, , 48F
10/22 17:36, 48F
→
10/22 17:37, , 49F
10/22 17:37, 49F
推
10/22 17:51, , 50F
10/22 17:51, 50F
推
10/22 18:00, , 51F
10/22 18:00, 51F
→
10/22 18:01, , 52F
10/22 18:01, 52F
推
10/22 18:21, , 53F
10/22 18:21, 53F
→
10/22 20:42, , 54F
10/22 20:42, 54F
推
10/23 00:30, , 55F
10/23 00:30, 55F
推
10/23 10:21, , 56F
10/23 10:21, 56F
→
10/23 10:22, , 57F
10/23 10:22, 57F
推
10/27 10:53, , 58F
10/27 10:53, 58F
推
10/27 13:38, , 59F
10/27 13:38, 59F
推
04/09 18:19, , 60F
04/09 18:19, 60F