Chapter 13 : Carnages comes to Rome –  On Probability and Skepticism

Carnages comes to rome

• Probabilistic thinking ในประวัติศาสตร์นั้นที่มีปรากฏในที่แรก คือ 600 BC ในเมือง Silicy ซึ่งมีนักปราชญ์ชื่อ Korax สอนให้ประชาชนคิดแบบความน่าจะเป็น – สอนการคิดใน the most probable notion เช่น การถกกันว่าใครเป็นเจ้าของที่ดิน โดยไม่มีข้อมูลที่แน่นอน ที่ดินมันก็ควรเป็นของคนที่มีคนรู้จักมากที่สุด เป็นต้น
• ในช่วงกรีกโบราณนั้น แนวคิดเรื่อง Skepticism เป็นแนวคิดที่แพร่หลายมาก – คอนเซ็บหลักคือ ไม่มีอะไรที่เรายอมรับได้แน่นอน บทสรุปนั้น based on various degree of probability และมันเป็นแนวทางปฏิบัติที่ยาวนานจนถึงยุค Theology
• จนมาช่วงศาสนาที่ความเชื่อว่าความจริงมีเพียงหนึ่งเดียว แนวคิด skepticism ก็เจือจางไป แล้วค่อยกลับมาอีกครั้งในยุค renaissance

Monsieur De Norpois’ opinions

• Modern time นั้นบอกเราว่า Self-contradiction (การเปลี่ยนใจจากสิ่งที่เคยเชื่อ) มันน่าอาย ในนิยายของ Marcel Proust ชื่อ In search of time lost มีนักฑูตใกล้เกษียนชื่อ Marquis de Norpois – ที่แสดงในเรื่องว่าได้เปลี่ยนจุดยืนไปมา ผู้เขียนนิยายเชื่อว่านักการฑูตนั้นควรจะเชื่อมันในความเห็นของเขา มิฉะนั้นก็เป็นพวกทรยศ ทีนี้ลองสมมติว่านักการฑูตคนนี้เป็น Trader 
• Trader ที่เก่งที่สุดคนหนึ่งที่ Taleb เคยเจอคือ Nigel Babbage ซึ่งสามารถปล่อยใจให้อิสระจากทุกความเชื่อที่ผ่านมา เขาไม่อายที่จะซื้อขายสิ่งที่เมื่อชั่วโมงก่อนพึ่งให้ความเห็นว่ามันไม่ work อะไรทำให้เขาเปลี่ยนใจง่ายๆ เขาคิดว่ามันไม่จำเป็นต้องอธิบายให้ใครรับรู้
• บุคคลสาธารณะที่แสดงลักษณะ self-contradiction โดดเด่นที่สุดคือ George soros – ความแข็งแกร่งคือเขาเปลี่ยนความเห็นได้อย่างรวดเร็ว โดยไม่ได้รู้สึกอับอายอะไร ตัวอย่างเหตุการณ์นั้นมีในหนังสือ autobiography ของtrader ชื่อ Jean-manuel rozan – ตัวเอกของเล่ม (Rozan) เคยเล่นเทนนิสกับ George Solos โดยตอนนั้นยังไม่รู้ว่าเขามีอิทธิพลแค่ไหน มีสัปดาหนึ่ง Soros บอกว่าเขาคิดว่าหุ้นจะลง โดยยกเหตุผลต่างๆนานาที่ผู้เขียนฟังไม่รู้เรื่อง
• ทฏษฎีเทพๆต่างๆจาก Soros นั้นบอกว่าตลาดกำลังจะลงแน่ๆ และเขาได้ short market รอไว้แล้ว ….แต่ไม่กี่วันต่อมา ตลาดหุ้นกลับพุ่งกระฉูดและทำ new high! Rozan เลยคิดว่า Soros โดนดีเข้าแล้ว และสงสัยว่า Soros เจ็บตัวแค่ไหน ปรากฏ Soros ว่าไหวตัวทันและทำกำไรได้งดงาม!
• นิสัยนี้เองของ soros ที่ไม่กี่ปีต่อมาทำให้ Rozan เจ็บหนักเกือบจบอาชีพ , Soros ให้เงิน Rozan มา 20 m USD ซึ่งมากพอจะก่อตั้งบริษัทลงทุนได้ ไม่กี่วันต่อมา Soros ไปเยือนปารีส พวกเขาถกกันเรื่องตลาด แล้วหลังจากนั้นไม่นาน Soros ก็เอาเงินกลับมาหมดโดยไม่อธิบายอะไรเลย! สิ่งที่แยกเหล่านักเก็งกำไรทั่วไปออกจากตัวจริงอย่าง soros ก็คือ soros ไม่สนเรื่อง path dependence , ไม่สน past action , ทุกๆวันคือการเริ่มต้นใหม่!
• Path dependence of beliefs มีชื่อทางเศรษศาสตร์ว่า Endowment effect – สมมติคุณซื้อรูปวาดมาในราคา 20,000$ แล้ววันดีคืนดี ราคามันขึ้นมา 40,000$ คำถามคือถ้าคุณไม่ได้มีรูปนี้อยู่ คุณจะซื้อมันที่ราคาแพงขึ้น1เท่านี้หรือไม่? ถ้าตอบว่าไม่ แล้วคุณยังไม่ขาย มันแสดงว่าคุณ Marry to your position – มันไม่มีเหตุผลที่คุณจะเก็บรูปวาดนี้ไว้ รูปภาพที่คุณไม่คิดจะซื้อในราคาตลาดปัจจุบัน สิ่งที่ทำอยู่นี้คือ emotional investment – หลายๆคน marry their idea จนตาย
• มีเหตุผลมากมายในทางวิวัฒนาการที่เราอาจจะถูก programmed มาให้มีความจงรักภักดีต่อ idea ที่เราทุ่มเทกับมันมาเนิ่นนาน – ลองคิดถึงผลที่จะเกิดขึ้น หากเอานิสัย trader ที่ดีมาใช้กับชีวิตประจำวัน ว่าจะฉิบหายแค่ไหน เช่น ตื่นมาคิดทุกวันว่าควรจะอยู่หรือไปกับคู่ชีวิตปัจจุบันนี้ เพื่อไปหา emotional investment ที่ดีกว่า หรือ นักการเมืองที่มีเหตุผลสุดๆและพร้อมจะเปลี่ยนแนวคิด เปลี่ยนพรรคการเมือง ตลอดเวลาตราบใดที่มีหลักฐานใหม่ๆมาสนับสนุน 
• มันจึงเป็นไปได้ว่า trader ที่หักห้ามอารมณ์และมีเหตุผลสุดๆนั้นเป็นของแปลก อาจเพราะเขามี rare mutation บางอย่าง นักวิจัยพบว่าคนที่มีเหตุผลสุดๆนั้นสามารถเกิดได้จาก defect of amygdala ซึ่งทำให้คนๆนั้นปราศจาก emotion of attachment -> ซึ่งบางครั้งเราเรียกคนที่ไม่มีความรู้สึกผิดชอบชัวดีว่า psychopath นั่นเอง! เป็นไปได้มั้ยที่ Soros มีความผิดปกติทางพันธุกรรมที่ทำให้เขาเป็นคนโคตรมีเหตุผล ?
• นิสัยที่จะปราศจาก marry to idea นั้นเป็นสิ่งหายากในเหล่าผู้คน – นักวิชาการผู้โด่งดังคงไม่หาเรื่องป่าวกระกาศสิ่งที่ทำให้ idea ของเขามันด้อยค่า หรือทำลายล้างสิ่งที่เขาได้ลงทุนมาเนิ่นนาน ตั้งแต่เนิ่นนานแล้ว ที่ภาพลักษณ์ของผู้คนที่ย้ายพรรค คือผู้ทรยศ เป็นปีศาจ เป็นพวกนอกรีต

Computing Instead of Thinking

• Probability เกิดขึ้นมาในคณิตศาตร์จาก Gambling Theory และเป็นที่แพร่หลายด้วยอุตสาหกรรม Risk Measure – ที่เชี่ยวชาญในการใช้หลักความน่าจะเป็นในการมาประเมินความเสี่ยงต่างๆ ซึ่งมันต่างกันระหว่างที่ใช้ในคอมพิวเตอร์กับโลกความเป็นจริง
• ธรรมชาติไม่ได้ให้กฏเกณตายตัว แต่ผู้คนก็ยังยืนยันจะพยายาม “measure risk” อยู่ดี
• ตัวอย่างก็คือ Harry Markowitz นักเศรษศาสตร์ผู้โด่งดังที่ได้คิดวิธีหรูหราในการประมวลผล future risk (ราวกับว่าโลกนี้มีกฏที่ตายตัว) ผลที่ตามมาคือทฤษฎีของเขานั้นเกือบทำระบบการเงินล่มสลายลงไปในปี 1998 จากการล่มสลายของกองทุน Long term capital management – กองทุนที่มีเพื่อนร่วมงานของ dr Markowitz ซึ่งได้รางวัลโนเบลเช่นกัน คือ dr Robert Merton และ Myron Scholes – พวกเขาคิดว่าสามารถ measure risk ได้ และมั่นใจสุดๆว่า วิธีลงทุนใน LTCM นั้นไม่ผิดแน่นอน (หลังเหตุกาณ์ล่มสลาย Taleb ก็โด่งดังมากขึ้น)
• แม้กระนั้น ผู้เชี่ยวชาญดีกรีรางวัลโนเบลยังแก้เขินบอกว่า ความหายนะนี้คือ Ten sigma event (โอกาสเกิด 1/พันล้าน x พันล้าน) ก็คือจะอ้างว่าทฤษฎีที่ได้รางวัลนั้นถูกแล้ว แต่พวกเขาโชคไม่ดีนั้นเอง – Taleb บอกว่า เวลาที่ได้ยินคนที่พูดคำนี้ เราต้องคิดถึง Wittgenstein ruler problem ทันที เพราะมันคำพูดเขาขัดแย้งกันอย่างมาก นั่นคือ
  • 1.คำว่า ten sigma ที่เขาเปล่งออกมานั้น มันก็แสดงว่าเขารู้นี่ ว่ามีโอกาสที่ทฏษฎีมันไม่ถูก เพราะถ้าถูกมันต้อง 100% มันต้องไม่มี Ten sigma และเมื่อรู้ว่าโอกาสที่จะล่มสลายนั้นมีอยู่ ทำไมไม่อุดรอยรั่วเสีย? หรือ
  • 2. คนที่พูดนั้นไม่รู้เรื่องอะไรเกี่ยวกับความน่าจะเป็นเลย และความจริงมันเป็นเหตุการณ์ที่มีโอกาสเกิดได้มากมายกว่านั้น
• เราอาจคาดหวังว่า เมื่อนักวิทย์พลาดขึ้นมา พวกเขาจะสร้างวิธีใหม่ที่ผนวกรวมกับสิ่งที่เขาได้เรียนรู้มา ดังนั้น เมื่อนักวิชาการเจ๊งไม่เป็นท่าจากทฤษฎีที่เขาคิดว่าเพอเฟ็ค เขาก็น่าจะเอาสิ่งที่ได้เรียนรู้จากโลกความเป็นจริงมาผนวกกับสิ่งที่เขามีอยู่ และกล้าที่จะบอกว่าสิ่งที่คิดมานั้น มันผิด!
• แต่โลกความจริงก็อย่างที่เราๆรู้ มันไม่เป็นแบบนั้น ในกรณีของ Long Term Capital investment – ผลคือ ไม่มีใครบอกว่าสิ่งที่ตัวเองคิดมามันผิด มีแต่บ่นว่าถูกศัตรูคู่แข่งโจมตี และทำให้พวกเขาเจ๊งไม่เป็นท่า – การยอมรับในสิ่งที่เกิด มันเป็นความกล้าหาญ แต่มันจะทำให้สิ่งที่เขาใช้เวลาทั้งชีวิตคิดมาเปล่าประโยชน์ – เหล่าผู้เชี่ยวชาญต่างให้คำอธิบายภายหลังต่างๆนานาว่ามันเป็นผลจาก rare event (ซึ่งก็เป็น problem of induction ว่าพวกเขารู้ได้ไงว่ามันเป็น rare event?) พวกเขาทุ่มไปกับการหาเหตุผลมาปกป้องตัวเอง มากกว่ายอมรับว่าได้เรียนรู้อะไรมาบ้าง เช่นกัน เปรียบเทียบกับ Soros ที่ป่าวประกาศชัดแจ้งว่าตัวเขาผิดได้ทุกเมื่อ
• บทเรียนจาก Soros คือ ก่อนจะเริ่มประชุมอะไรให้บอกทุกคนเสมอว่า พวกเราเป็นกลุ่มคนโง่ที่ไม่ได้รู้ห่าอะไร และพร้อมจะทำพลาดทุกเมื่อ แต่นั่นก็โชคดีที่เราตระหนักถึงมันได้
• พฤติกรรมของเหล่านักวิทย์ที่เกิดขึ้นเวลามีคนมาปฏิเสธหรือแย้งไอเดียพวกเขานั้น มีการศึกษาและจัดอยู่ในชื่อ Attribution Bias – เวลาประสบความสำเร็จ คุณบอกว่านั่นเพราะคุณเก่ง คุณมีทักษะ แต่พอล้มเหลวขึ้นมา ก็ชอบบอกว่าเกิดจาก randomness (ดวงไม่ดี)  – สิ่งนี้อธิบายว่านักวิทชอบบอกว่าความล้มเหลวนั้นเกิดจาก ten sigma rare event เป็นการบอกว่า พวกเขาถูกนะ แต่โชคไม่เข้าข้าง มันเป็น Heuristic ของมนุษย์ที่จะหาทางออกให้เราไม่โดน self esteem แผดเผาไปหมดและพร้อมจะเดินหน้าต่อ
• Attribution bias ยังมีeffect อีกอย่างคือทำให้คนนั้นหลงคิดว่าตัวเองเก่งกว่าคนอื่น การศึกษาพบว่าคน 80-90% คิดว่าตัวเองเหนือกว่าค่าเฉลี่ย (ซึ่งมันเป็นไปไม่ได้)

From Funeral to funeral

• ผู้คนสับสนระหว่าง Science และ Scientist – Science คือสิ่งที่ดี แต่ Scientist นั้น หลายๆครั้งอันตราย เพราะเขาเป็นมนุษย์ และมี Bias เฉกเช่นมนุษย์ทั่วไป อาจจะเยอะกว่าปกติด้วยซ้ำ ไม่งั้นพวกเขาจะไม่มีแรงใจพอที่จะทำงานอันน่าเบื่อและยาวนานได้(เช่น ใช้เวลา 18ชม. ต่อวันเขียน thesis งานวิจัย!)
• ก่อนจบปริญญาเอก นักวิทย์ก็ต้องมีการ Defend Thesis ลองคิดดูว่ามันคงแปลกมากที่อยู่ๆจะมีนักเรียนเปลี่ยนใจกระทันหันเมื่อได้ฟังสิ่งที่ดูเข้าท่าในระหว่างdefend งานตัวเอง แล้วบอกว่าสิ่งที่ทำมาหลายปีนั้นเปล่าประโยชน์ทันที! – ในกาลนี้เหล่านักวิทย์จึงอาจเป็นเหมือน Defense lawyer มากกว่า Truth seeker
• แต่วิทยศาสตร์ดีกว่านั้น มีคำกล่าวว่า วิทยาศาสตร์วิวัฒนาการจากความตาย สู่ความตาย เมื่อ LTCM ล่มสลาย ก็มีนักเศรษศาสตร์คนใหม่เกิดขึ้น และเอาความผิดพลากนั้นมาผนวกกับความรู้ใหม่ๆ แม้พวกเขาอาจถูกผู้เชี่ยวชาญรุ่นเก่าต่อต้าน แต่ก็จะห่างไกลงานศพมากกว่าเช่นกัน