逃离乌托邦：数据科学就是个谎言

全文共2774字，预计学习时长9分钟

图源：unsplash

有人认为，数据科学就是创建可用来预测的模型。这句话可以这样理解：我们有了数据，探测发展模式，把这些再应用于预测未来，获得结果。这个逻辑说得通，其背后的理论，我们称之为统计。

 

整个历史长河中，有关预测的代名词先后涌现，比如数据挖掘、分析、商业智能、运筹学、新兴的数据科学。不过在这里我们没必要深究统计与数据科学之间是否能划等号，也大可不必对数据信息获取的无数流行词吹毛求疵。今天笔者想聊点儿别的。

 

你无法预测未来，这一点毋庸置疑，但你依然试图在用图表乐此不疲地做着预测。你认为数据中一定存在些信息，有偏差的“地图”总比没“地图”强吧。

 

在NassimTaleb最出名的一本书中，他借助隐喻说明人类之前对于预测未来的了解经不起推敲。多个世纪前，人们不相信这世上有黑天鹅的存在，因为从未有人见过。直到第一批探险队伍抵达澳大利亚，他们发现原来也会有黑色的羽毛。

 

单一只黑色家禽让多年存在的“白天鹅定律”不攻自破。哲学家Karl Popper（1902-1994）认为科学是彻底纠正理论的事业。Popper认为理论只可能是错的，我们会需要无数证据验证理论是否实事求是，但这不太可能。

 

黑天鹅事件不能被预测

 

你可能会说“这算个什么哲学，这也太糟糕了！”让实践来说明一切吧！看一下国际货币基金组织2020年1月份的GDP增速预测：

2020年1月IMF的GDP增速预测

 

这里是8月份的预测数据：

2020年8月IMF的GDP增速预测

 

他们怎么做到的短短几个月就可以迅速改变预测？2019年12月31日，中国报道了武汉“连续几件不明原因疫情”，几周后被称之为COVID-19，世界卫生组织将其升级为全球性流行病。由于该疾病会人传人，整个世界的经济会因此受到了影响。

 

国际货币基金组织是预测经济的一个前沿机构，它传达的信息变化非常快，会让你对任何预测产生怀疑。假如你碰巧是所谓的“数据科学家”，希望你在预测时也持有怀疑的态度。

 

你也许会认为IMF从来没打算准确预测未来，他们仅仅预测未来可能出现的情况从而帮助决策制定者。我同意你的说法，但关键是是稳增经济有过山车式发展的风险并未考虑在内。

 

图源：unsplash

IMF“单纯预估”会让决策制定者在未来几个月中错过最关键的信息。IMF并非没有能力预测或故意使坏，而是无法预测。这正是Taleb 想传达的：我们无法预测最重要的事件，因为没有消息指向。数据也不难获取，只是答案根本不在那！

 

对于黑天鹅事件，就算是数据也帮不了你。

 

为什么我还不富裕？

 

股市几乎完全预测了近期的五次衰退。如果你还在臣服于数据科学的魔力，赶紧停下来吧。把时间投资在更容易获利的领域：股市。

 

股市对数据科学家来说是一个再好不过的环境了。有无数需要计算的数据，这些不仅是公共的资源，格式也正确。实际上，一些机器学习的文字介绍会将股市作为主要对象，建立最好的模型。

 

如果你的预测准确，就会赢得一大笔钱。抛售下行股票，买上行股票。很不幸，这不太能实现，我打赌。

 

图源：unsplash

根据S&P 的观点（一家追踪全世界平均股价的企业），“从以往来看，主动式管理基金在短期核长期以来不如基准”。主动式管理基金需要工作人员预测市场趋势，告知大家要卖哪个或买哪个股票。即便如此，他们也无法超越基准，所以只购买每只股票的一小部分来获取平均回报的人会更占优势。

 

用历史数据预测股市是贸易中的传统，这种方法属于技术分析。这个话题存在争议，时至今日一些人非常信誓旦旦地认为这个方法奏效。他们认为市场中有这样的趋势，许多亿万富翁的财富都要归功于数据信号的利用。

 

也许这是对的。或许股市中确有趋势，但80%的公司无法利用此途径，哪怕信息是真的，因为旧潮流后会有新的出现。事实证明世界是不断变化的，万事万物变化得飞快，所以任何预测都无济于事。

 

数据科学无法预测股市是真实情况。将“股市”变为“公司收益”、“客户选择”或其他老板让你预测的利益点，你还会认为自己预测的数字是好的吗？我们无法预测最重要的事情，哪怕这些事即将发生，小概率事件即使可以预测也提不出什么有价值的信息。

 

数字和叙述

 

未来无法预测，但可以被创造。

 

就像我之前提到的，商业环境下从数据中抽取信息的历史长达整整两个世纪。所以我们就该预测到所谓正常情况下发生的事情。一个人必须是其领域中是最好的预测者，我们才会称之为专家。

 

Philip Tetlock开展了调查，想了解专家是否真的需要预测未来重要的事情。没有成绩的人如何能称之为专家呢？我认为，就算这些人不擅长预测，也是善于编造故事的，只挑选最有用的信息然后另创一个故事，这足以让很多人信服。

 

专家们都很谨慎，不会做一些容易被推翻的预测，不会告诉你准确的时间。他们一般会说“未来的路很难走”，怎么个难法留给大众去自行解读。

 

我们可以用数字撒谎。在数据科学家眼中，这不是需要解决的重要问题，而是他们工作的一部分。他们是在讲故事，现在用数字说服人也是一种技巧。或者用我最喜欢的TED讲者的话说，“再添几行，我会给你提供更多的数字”。

 

图源：unsplash

任一家公司的员工都会被要求做出成绩。在特特洛克看来，数据科学家很容易成为“专家”。在企业政治游戏中，一些分析师会运用各种编故事的技俩呈现最佳预测，即便是错误的关联、没有预测的能力，而且比不过测试数据集。

 

如果你从数据科学家那里得到了预测的话，问问你自己：这些数字在告诉我一些重要的事吗？还是特定程序给你呈现想要的结果？

 

事实如此不便多说，学术研究登记之前是有协议的。研究人员需要先提出问题再寻找答案，否则数据提示的信息都有可能成为答案。至少你要知道这些数字可能什么也说明不了，哪怕是背后的模型设计得再精密。

 

总结

 

错误不代表完全没有价值，有用的东西蕴含在其中。在每天工作结束的时候，数据科学家给公司创造的价值就是：

 

·        没有预测重大事件或意外发生的事件——比如黑天鹅。

·        就算没有意外发生，数据中一定有一些重要的模式，这些模式可能无法继续利用，毕竟世界在变化——比如主动式基金。

·        即使某种方式会不断受用，预测结果可能只是个美好的谎言——比如“那些专家”。

 

不是说数据科学家没必要存在。我们会定决策，但得看是基于金钱还是数据，我倾向于后者。数据科学家越被鼓励进行实验，找到错误的速度就越快。

 

图源：unsplash

但如果你相信了宣传语投身数据的话，就大错特错了。独角兽企业这么做没问题，因为首先，关联并不代表因果；其次是无需为那些迷信数据圣经的公司的失败负责，用Taleb的话来说，这些公司深陷数字教条爬不出来了。

 

你可能觉得笔者有点儿偏激了，但我的目的在于：把你带离数据驱动的乌托邦世界。数据科学并非灵丹妙药，它也有许多缺点，需要抱有怀疑态度，请跳出迷信理解数据科学。

推荐阅读专题

留言点赞发个朋友圈

我们一起分享AI学习与发展的干货

编译组：孙梦琪

相关链接：

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

如转载，请后台留言，遵守转载规范

推荐文章阅读

ACL2018论文集50篇解读

EMNLP2017论文集28篇论文解读

2018年AI三大顶会中国学术成果全链接

ACL2017论文集：34篇解读干货全在这里

10篇AAAI2017经典论文回顾

长按识别二维码可添加关注

读芯君爱你