逃離烏托邦：數據科學就是個謊話

圖源：unsplash

有人認爲，數據科學就是建立可用來預測的模型。這句話能夠這樣理解：咱們有了數據，探測發展模式，把這些再應用於預測將來，得到結果。這個邏輯說得通，其背後的理論，咱們稱之爲統計。

整個歷史長河中，有關預測的代名詞前後涌現，好比數據挖掘、分析、商業智能、運籌學、新興的數據科學。不過在這裏咱們不必深究統計與數據科學之間是否能劃等號，也大可沒必要對數據信息獲取的無數流行詞吹毛求疵。今天筆者想聊點兒別的。

你沒法預測將來，這一點毋庸置疑，但你依然試圖在用圖表樂此不疲地作着預測。你認爲數據中必定存在些信息，有誤差的「地圖」總比沒「地圖」強吧。

在NassimTaleb最出名的一本書中，他藉助隱喻說明人類以前對於預測將來的瞭解經不起推敲。多個世紀前，人們不相信這世上有黑天鵝的存在，由於從未有人見過。直到第一批探險隊伍抵達澳大利亞，他們發現原來也會有黑色的羽毛。

單一隻黑色家禽讓多年存在的「白天鵝定律」不攻自破。哲學家Karl Popper（1902-1994）認爲科學是完全糾正理論的事業。Popper認爲理論只多是錯的，咱們會須要無數證據驗證理論是否實事求是，但這不太可能。

黑天鵝事件不能被預測

你可能會說「這算個什麼哲學，這也太糟糕了！」讓實踐來講明一切吧！看一下國際貨幣基金組織2020年1月份的GDP增速預測：

2020年1月IMF的GDP增速預測

這裏是8月份的預測數據：

2020年8月IMF的GDP增速預測

他們怎麼作到的短短几個月就能夠迅速改變預測？2019年12月31日，中國報道了武漢「連續幾件不明緣由疫情」，幾周後被稱之爲COVID-19，世界衛生組織將其升級爲全球性流行病。因爲該疾病會人傳人，整個世界的經濟會所以受到了影響。

國際貨幣基金組織是預測經濟的一個前沿機構，它傳達的信息變化很是快，會讓你對任何預測產生懷疑。假如你碰巧是所謂的「數據科學家」，但願你在預測時也持有懷疑的態度。

你也許會認爲IMF歷來沒打算準確預測將來，他們僅僅預測將來可能出現的狀況從而幫助決策制定者。我贊成你的說法，但關鍵是是穩增經濟有過山車式發展的風險並未考慮在內。

圖源：unsplash

IMF「單純預估」會讓決策制定者在將來幾個月中錯過最關鍵的信息。IMF並不是沒有能力預測或故意使壞，而是沒法預測。這正是Taleb 想傳達的：咱們沒法預測最重要的事件，由於沒有消息指向。數據也不難獲取，只是答案根本不在那！

對於黑天鵝事件，就算是數據也幫不了你。

爲何我還不富裕？

股市幾乎徹底預測了近期的五次衰退。若是你還在臣服於數據科學的魔力，趕忙停下來吧。把時間投資在更容易獲利的領域：股市。

股市對數據科學家來講是一個再好不過的環境了。有無數須要計算的數據，這些不只是公共的資源，格式也正確。實際上，一些機器學習的文字介紹會將股市做爲主要對象，創建最好的模型。

若是你的預測準確，就會贏得一大筆錢。拋售下行股票，買上行股票。很不幸，這不太能實現，我打賭。

圖源：unsplash

根據S&P 的觀點（一家追蹤全世界平均股價的企業），「從以往來看，主動式管理基金在短時間核長期以來不如基準」。主動式管理基金須要工做人員預測市場趨勢，告知你們要賣哪一個或買哪一個股票。即使如此，他們也沒法超越基準，因此只購買每隻股票的一小部分來獲取平均回報的人會更佔優點。

用歷史數據預測股市是貿易中的傳統，這種方法屬於技術分析。這個話題存在爭議，時至今日一些人很是信誓旦旦地認爲這個方法奏效。他們認爲市場中有這樣的趨勢，許多億萬富翁的財富都要歸功於數據信號的利用。

也許這是對的。或許股市中確有趨勢，但80%的公司沒法利用此途徑，哪怕信息是真的，由於舊潮流後會有新的出現。事實證實世界是不斷變化的，萬事萬物變化得飛快，因此任何預測都無濟於事。

數據科學沒法預測股市是真實狀況。將「股市」變爲「公司收益」、「客戶選擇」或其餘老闆讓你預測的利益點，你還會認爲本身預測的數字是好的嗎？咱們沒法預測最重要的事情，哪怕這些事即將發生，小几率事件即便能夠預測也提不出什麼有價值的信息。

數字和敘述

將來沒法預測，但能夠被創造。

就像我以前提到的，商業環境下從數據中抽取信息的歷史長達整整兩個世紀。因此咱們就該預測到所謂正常狀況下發生的事情。一我的必須是其領域中是最好的預測者，咱們纔會稱之爲專家。

Philip Tetlock開展了調查，想了解專家是否真的須要預測將來重要的事情。沒有成績的人如何能稱之爲專家呢？我認爲，就算這些人不擅長預測，也是善於編造故事的，只挑選最有用的信息而後另創一個故事，這足以讓不少人信服。

專家們都很謹慎，不會作一些容易被推翻的預測，不會告訴你準確的時間。他們通常會說「將來的路很難走」，怎麼個難法留給大衆去自行解讀。

咱們能夠用數字撒謊。在數據科學家眼中，這不是須要解決的重要問題，而是他們工做的一部分。他們是在講故事，如今用數字說服人也是一種技巧。或者用我最喜歡的TED講者的話說，「再添幾行，我會給你提供更多的數字」。

圖源：unsplash

任一家公司的員工都會被要求作出成績。在特特洛克看來，數據科學家很容易成爲「專家」。在企業政治遊戲中，一些分析師會運用各類編故事的技倆呈現最佳預測，即使是錯誤的關聯、沒有預測的能力，並且比不過測試數據集。

若是你從數據科學家那裏獲得了預測的話，問問你本身：這些數字在告訴我一些重要的事嗎？仍是特定程序給你呈現想要的結果？

事實如此不便多說，學術研究登記以前是有協議的。研究人員須要先提出問題再尋找答案，不然數據提示的信息都有可能成爲答案。至少你要知道這些數字可能什麼也說明不了，哪怕是背後的模型設計得再精密。

總結

錯誤不表明徹底沒有價值，有用的東西蘊含在其中。在天天工做結束的時候，數據科學家給公司創造的價值就是：

· 沒有預測重大事件或意外發生的事件——好比黑天鵝。
· 就算沒有意外發生，數據中必定有一些重要的模式，這些模式可能沒法繼續利用，畢竟世界在變化——好比主動式基金。
· 即便某種方式會不斷受用，預測結果可能只是個美好的謊話——好比「那些專家」。

不是說數據科學家不必存在。咱們會定決策，但得看是基於金錢仍是數據，我傾向於後者。數據科學家越被鼓勵進行實驗，找到錯誤的速度就越快。

圖源：unsplash

但若是你相信了宣傳語投身數據的話，就大錯特錯了。獨角獸企業這麼作沒問題，由於首先，關聯並不表明因果；其次是無需爲那些迷信數據聖經的公司的失敗負責，用Taleb的話來講，這些公司深陷數字教條爬不出來了。

你可能以爲筆者有點兒偏激了，但個人目的在於：把你帶離數據驅動的烏托邦世界。數據科學並不是靈丹妙藥，它也有許多缺點，須要抱有懷疑態度，請跳出迷信理解數據科學。

留言點贊發個朋友圈

咱們一塊兒分享AI學習與發展的乾貨

編譯組：孫夢琪
相關連接：
https://towardsdatascience.com/data-science-is-a-lie-d9157b9ed29c

如轉載，請後臺留言，遵照轉載規範

推薦文章閱讀

ACL2018論文集50篇解讀
EMNLP2017論文集28篇論文解讀
2018年AI三大頂會中國學術成果全連接
ACL2017論文集：34篇解讀乾貨全在這裏
10篇AAAI2017經典論文回顧

長按識別二維碼可添加關注

讀芯君愛你