بسیاری از ما برای تبیین مفاهیم، از مدلسازی استفاده می‌کنیم. از تدوین استراتژی گرفته، که در آن از پورتفولیوهای متفاوت استفاده‌ می‌کنیم، تا هنگامی که برای تعیین معیارهای اصلی تغییر سهام در بازار بورس مدلسازی انجام می‌دهیم و یا حتی زمانی که برای درک مفاهیم فیزیکی از مدل‌ها بهره می‌بریم.

استفاده از مدل‌، برای ما انسان‌ها کاربرد بسیاری دارد. به ما کمک می‌کند تا اتفاقات پیرامون خود را وصف کنیم و از علم به حوادث و وقایع بهره‌مند شویم. در واقع، این مدل‌ها را می‌توان در دو رده‌ی بزرگ جای داد؛ ولی گه‌گاه رویکرد‌های دیگری هم پیدا می‌شوند. نخستین رده شامل مدل‌هایی از نوع دارا داراتر (بزرگ بزرگ‌تر) است. این مدل‌ها برای درک پویایی اعتبار دانشگاهی مناسب‌اند، یا برای توجیه اینکه چرا مردم در شهر‌های بزرگ کنار هم ‌می‌آیند یا چرا محصولات اپل بر بازار چیره شده‌اند، و مانند این‌ها. در رده‌ی دوم، مدل‌هایی جای گرفته‌اند که عموماً با نام “مدل‌های تراوشی” شناخته می‌شوند. این مدل‌ها، نه با رفتار اعضا، بلکه با ردپایی که از خودشان باقی می‌گذارند سر و کار دارند. وقتی دانه‌ی ماسه‌ای روی تلی از ماسه می‌افتد، ردی که می‌ماند تعیین می‌کند که آیا ریزشی رخ خواهد داد یا خیر.

پردازش توخالی

مشکل زمانی پدید می‌آید که ما از مدل‌ها بهره می‌بریم تا پیش‌بینی کنیم. بیشتر مدل‌ها می‌کوشند نه تنها توصیف‌گر، بلکه پیشگو باشند. به نظر نمی‌رسد که پدید آورنده‌ی واقعیت، چندان از مدل‌ها پیروی کند. همانطور که می‌بینیم بحران اقتصادی سال ۲۰۰۸ یا ۱۹۸۷، با وجود کثرت در مدل‌ها، پیش‌بینی ناپذیر بودند. برای آن‌که این مسئله بیشتر برایتان روشن شود، فرض کنید دو تیم فوتبال با یکدیگر مسابقه دارند. آیا نتایج قبلی دو تیم در نتیجه‌ی مسابقه‌ای که در آینده برگزار می‌شود تاثیر دارند؟ به تبع همینطور است اما آیا تنها همین مسئله بر نتیجه‌ی این مسابقه تاثیر گذار است؟ علاقه‌مندان به فوتبال می‌دانند که یک مسابقه‌ی فوتبال تا چه اندازه پیش بینی ناپذیر است. و به عنوان مثال، این مشکل زمانی پیش می‌آید که افراد هزینه‌ی زیادی را برای نتیجه‌ی آن متحمل شوند. البته در یک بازی فوتبال خیلی از عوامل، مشخص‌تر از عوامل مسئله‌ای مانند سرمایه‌گذاری در بازار بورس یا معیارهای یک استارت‌آپ موفق و امثال اینهاست.

مغلطه‌ی بازی‌پنداری

فرض کنید سکه‌ای متوازن داریم؛ منظور سکه‌ای است که وقتی آن را بالا انداختیم، احتمال شیر آمدن با خط برابر است. سکه را ۹۹ بار بالا می‌اندازیم و هربار شیر می‌آید. احتمال اینکه بار صدم خط بیاید چقدر است؟

کسانی که می‌گویند ۵۰ درصد، در تفکر قالبی درست عمل کرده‌اند. اما با توجه به اتفاقی که در واقعیت می‌افتد دچار اشتباه شده‌اند. بحثی که می‌بایست به آن توجه شود این است که در محیط واقعی، عدم قطعیت وجود دارد. در بسیاری از مسائل، ما نمی‌دانیم و نمی‌دانیم که نمی‌دانیم. این موضوع، منجر به پدید آمدن فاجعه خواهد شد. در مواردی که ما بتوانیم بفهمیم که نمی‌دانیم، شرایط به گونه‌ی دیگری رقم خواهد خورد. شاید اتفاقی رخ داده که ما نمی‌دانیم چرا ۹۹ بار شیر آمده است. اما این را می‌دانیم که نمی‌دانیم پس باید به این عدم قطعیت بها دهیم.

در بسیاری از مسائل نیز همینگونه است. ما از شرایط سیاسی چیزی نمی‌دانیم، بنابراین بهتر است به جای پیشبینی چنین مسائلی، به قسمت هایی رو بیاوریم که می‌دانیم آن‌ها را نمی‌دانیم. در بسیاری از موارد، ما برای توجیه مسائل مختلف، به مدلسازی روی می‌آوریم. اما این مدلسازی‌ها نه از تجربه‌ی بالا به پایین، بلکه از پایین به بالاست و این چیزی است که ما باید به آن توجه کنیم. برای مثال، ما ۱۰ معیار برای آنکه کسب‌وکاری را موفق بنامیم ارائه می‌دهیم. اما واقعیت این است که ما به صورت استقرا به این معیارها رسیده‌ایم و ممکن است این فرمول‌ها و معیارها، به راحتی تاثیر خود را از دست بدهند. خیلی از افراد ممکن است کازینو را برای این اتفاق مثال بزنند که همواره برنده است. حقیقت این است که جهان واقعی هیچ شباهتی به کازینو ندارد. در دنیای کازینو، هیچ شرط گزافی بسته نمی‌شود، بلکه بیشتر کارکنان کازینو دوست دارند ببینند افراد زیادی، با مبالغی محدود پا پیش می‌گذارند. جمع مبلغ این افراد ممکن است بیست میلیون دلار باشد، ولی کازینو نیازی ندارد نگران باشد، زیرا هربار که بازی انجام می‌شود، با این فرض که میانگین مبلغ بیست میلیون دلار باشد، کازینو سقف را آنجایی می‌بندد که صاحبانش شب بتوانند راحت بخوابند. بنابراین، جمع مبالغ هرچه که باشد، تفاوت در بازپرداخت‌های کارینو به شیوه‌ی مضحکی اندک است. شما در تمام عمر این کائنات هرگز نخواهید دید که کسی با یک میلیارد دلار بُرد پا از کازینو بیرون بگذارد

 

قانون اعداد بزرگ

با افزایش شمار نمونه‌ها در جامعه آماری نمودار گوسی، میانگین مشاهده شده با پراکندگی هرچه کمتر رخ می‌نماید، و چنان که می‌بینید، نمودار باریک و باریک‌تر می‌شود.

 

این قانون در واقع بر جایی حاکم است که یک جز کوچک، نمی‌تواند تاثیر زیادی بر کل بگذارد. قانون اعداد بزرگ.

اما دنیای واقعی اینگونه نیست. دنیای واقعی پر از عدم قطعیت‌هاست و حتی جز های کوچک می‌توانند تاثیر زیادی بر اتفاقات بگذارند، چرا که نمودارها دیگر توزیع گوسی نیستند، ماندلبرویی هستند. حتی هنگامی که سعی می‌کنیم بنابر داده‌ها تصمیم گیری کنیم، باید دقت داشته‌باشیم تا از مغلطه‌های دیگر مثل تاییدجویی پرهیز کنیم. واقعیت آن است که نمودارهای گوسی تطابق بیشتری با توزیع چیزی مانند وزن و قد در میان جامعه داشته و با مسائلی مانند توزیع ثروت فاصله‌ی بسیاری دارند. دنیایی که ما در آن زندگی می‌کنیم بیش از آن‌که گوسی باشد، ماندلبرویی است.

نقشه همان قلمرو نیست

آلفرد کورزیپسکی، فیلسوف لهستانی-آمریکایی، پایه‌گذار اصول معناشناسی عمومی بوده، و خدمات بسیاری را در جهت توسعه رفتارشناسی ارائه نموده است. او با بیان آنکه مدل‌ها در دقیق‌ترین توصیف نیز با واقعیت فاصله دارند و محدود به سیستم انتقال عصبی، درک ذهنی و انتقال مفهومی و کلامی انسان هستند، بیان کرد که الزاما مدل‌ها با واقعیت یکی نیستند. برای مثال، در پلتفرم ویش ورک، از مدلسازی پروژه استفاده شده است که یک پروژه چه المان‌ها و ویژگی‌هایی ممکن است داشته باشد، اما الزاما نیاز انسان‌ها با این مدل تطابق نداشته و ما باید سعی کنیم همواره این مدل را بهبود ببخشیم. بحثی که در این مقاله به آن پرداخته شد، نه روی برگردانی از مدلسازی، بلکه پرهیز از پیش‌بینی براساس این مدل‌ها می‌باشد چون مدل‌ها ساخته و پرداخته‌ی خود ما هستند و نباید بر روی آن‌ها قسم خورد.

کلام آخر

در صورتی که انسان بخواهد در زمینه‌هایی فعالیت کند که سرشار از عدم قطعیت‌های فراوان است و پیش‌بینی اشتباه در آن‌ها حکم، مرگ و زندگی را دارد، باید تلاش کند تا ندانسته‌های خود را بیشتر جلوه دهد و بداند که نمی‌داند. همین امر منجر خواهد شد تا تصمیماتی که اتخاذ می‌کند، نه بنابر خرد جمعی، بلکه با تحقیق و تفحص باشد. قطعا اگر همه پیش‌بینی کنند که کالای مشخصی سال دیگر گران می‌شود، این اتفاق نخواهد افتاد (مگر آنان که اطلاعات بیشتری از منابع معتبر دارند، به عبارت دیگر، مدل‌های دقیق‌تری دارند) چرا که نهاد “همه”، همواره در تضاد با پیش‌بینی خواهد بود و آنوقت همه سود خواهند کرد که متناقض با  اقتصادیست که رشدی ندارد. زمانی که خرد رایج حرفی را دائما تکرار می‌کند، می‌توان به آن شک کرد. چرا که خرد رایج در (عموم مسائل) نمی‌داند که نمی‌داند و همین محرکیست بر شروع بحران‌های تازه.

دیدگاهتان را بنویسید