让你的决策经济一点 (第1/1页)

    沉没成本指的是那些已经付出而且无法回收的成本，就像是已经沉到你无法打捞之处的东西；在未来进行决策时，多去想它们其实没有帮助，只是又多花了一堆时间（这马上又变成新的沉没成本）在伤春悲秋或捶x顿足而已。理X的作法是只考虑还可以被改变的可变成本（prospectivecosts）。

    举例来说，今天你买了一张电影票，假设无法退票，因此票价就等於是沉默成本。到了实际观影当天，电影片长两小时，才看了半小时你就觉得很想走人，这时候怎麽办？如果你的想法是「都已经花钱买票了，又大老远跑来，还是看完吧。」那你就是考虑了沉没成本，在经济学家眼中是一个不理X的人类，因为你不只花掉了电影票的钱、从家里来电影院的时间、开演的前半小时，还将继续浪费掉接下来的九十分钟，而这九十分钟在沉没之前，就是可变成本。

    理X的做法是，在觉得电影不好看想要离场时，不去想已经花掉的钱和浪费的时间，而是只考虑未来的时间该如何运用才是对自己b较好的。以时间线的观念来说，这样的思考方式是立基於现在以及未来，不被过去所g扰，才能做出理X的决策。

    AlphaGo或是其他的人工智慧在进行决策的时候，也是仅以当下的局面来做分析与思考，然後从庞大的资料库里面统整出对目前来说最佳的下一步，等到局面更新，就再以那个当下去做分析与决策，接续不断。这与人类在认知运作过程中最大的一点差异在於人工智慧不会有「早知如此，何必当初」的喟叹（过度被过去卡住），或是担心这一步下去，万一之後怎样怎样又来後悔，Ga0得那完美的一步永远出不了手（太被未来纠缠）。

    狭义地说（不要惊动物理学家和哲学家的说法），人工智慧在思考时的时间线应该是只着眼於当下以及不远的未来，屏除会造成额外时间成本的情感因素、不断地将局面的变动视为回馈（不是失败）来更新即时状况、迅速地做出下一步……如此反覆循环。

    或许是源自於人类对自身存在之高贵X的莫名坚持，古典经济学认为人类在做决策时总是理X的，会根据外部线索来做出合理的推论，即使日常生活中就存在着一堆反例（为了省5元而开车到一公里外的大卖场去买卫生纸，而不是在住家对面的超商买），但要一直到2002年的诺贝尔经济学奖之後，人们的心态才真正有了改变（至少在研究领域）。当年的得主丹尼尔·卡纳曼（DanielKahneman,1934-)结合了心理学和经济学的研究，特别是去探讨人类在不确定状况下的决策制定过程，把人类内在那些诡谲难测、道理说不通的内在因素也引入了决策模型之中，带动行为经济学的热cHa0。

    人类确实无法像机器或程式那麽理X，但是自认b飞禽走兽聪明一些的我们，不妨回过头来想想，在理X与感X皆存在的状况下，是不是可以做一点点调整，调整的目的是为了让你对时间的运用更有效率。该休息的时候不勉强，以免因小失大；未雨绸缪是生存本领，但也要适可而止；在面对沉默成本时，想想我们常用的成语「覆水难收」或是西方人讲的「不要为打翻的牛N哭泣」（Don''''tcryoverspilledmilk）。

    最後补充说明，立足现在去决策未来，并不是要你全然忽略过去的记忆或伤痛，毕竟前几段才讲完创伤疗癒的重要X。而是要你在此时当下放眼未来时，想清楚下一步要做什麽会对自己最有帮助？在时间的运用上会最为经济有效率？

    是要为了以後能更全力奔跑而先暂停下来好好疗伤？是要为了走更长远的路而先休息一下？还是要继续迈开脚步往前行？

    只要现在的你觉得那样做对於下一刻的你有帮助，当然都可以。