Topic: 国际思想周报｜特朗普的流氓美国，大数据时代如何拆穿胡扯 (Read 86 times)

特朗普的流氓美国
近日，美国总统特朗普宣布退出《巴黎气候协定》，在国内外引起广泛不满。诺贝尔经济学奖获得者、哥伦比亚大学教授约瑟夫·斯蒂格利茨（Joseph E. Stiglitz）在Project Syndicate以“特朗普的流氓美国（Trump’s Rogue America）”为题撰文，对特朗普的这一举动进行了猛烈抨击。

斯蒂格利茨。
斯蒂格利茨称，特朗普此举是在二战后艰难建立的世界经济体系中投掷了一枚手榴弹，而这一试图破坏建立在规则之上的全球治理体系的举动只是这位美国总统攻击当今基本价值观和制度的最新表现。接着，他列举了特朗普上任以来的劣行劣迹：攻击美国媒体，将这个对于保护美国人民的自由、权利和民主至关重要的机构称为“人民的敌人”；通过把和他们的目标和论调不符的一切说成“伪造的（fake）”，甚至排斥科学本身，试图颠覆我们的知识、信仰的基础——我们的认识论。特朗普对退出《巴黎协定》所做的虚伪辩护就是新的证据。
斯蒂格利茨指出，在18世纪中期之前的一千年，人们的生活水平是停滞不前的。直到拥抱理性论述和科学探索的启蒙运动，才为之后两个半世纪生活水平的巨大提升打下了基础。启蒙运动还带来了发现和处理偏见的责任感。人人平等的理念和作为其必然结果的对所有人的个人权利的强调快速传播开来，社会开始挣扎着去除建立在种族、性别和其他包括残疾、性取向在内的身份特征之上的歧视。
斯蒂格利茨批评道，特朗普却想要逆转这一切。他对科学尤其是气候科学的拒斥对科技进步造成了威胁。他对女性、西班牙裔、穆斯林的偏执态度侵蚀了人们对于社会公平的信任，对美国社会和经济的运作造成了威胁。近年来很多美国人不平等急剧拉大的社会中向下滑落，作为一个民粹主义者，特朗普利用了这种确实广泛存在的经济上的不满，而真实目的却是以牺牲其支持者的利益为代价为他自己和其他的寻租者谋求利益，这已经被他的税收和医疗计划所揭示。特朗普提出的税改方案的累退程度（即收益被分配给高收入阶层的部分）超过了小布什时期。在一个预期寿命已经在降低的国家，他的医疗改革将使2300万人失去医保。
斯蒂格利茨认为，特朗普和他的内阁可能知道怎么做生意，但对于作为整体的经济系统如何运作一无所知。如果这届政府的宏观经济政策得到贯彻，结果将是更大的贸易逆差和制造业的进一步衰落。美国会在特朗普手下受苦，而早在特朗普退出《巴黎协定》失信于190个国家之前，美国的全球领导者地位已经遭到了破坏。在这样的时刻，重建领导力需要真正坚决不懈的努力。我们分享同一个地球，世界已经是吃了苦头才学到我们必须好好相处共同努力，也学到了只有合作才能使所有人受益。
他提出的问题是，世界该怎么面对一个沙盒里的、像婴儿一样幼稚，想要什么都归他又不讲道理的恶霸？世界该怎么应对一个“流氓”美国？在他看来，德国总理默克尔在上月的G7峰会见过特朗普之后给出了正确的回答，她说欧洲不能再“完全依靠别人”，而是将不得不“为我们自己的未来而战”。这是欧洲团结起来再次致力于启蒙价值从而对抗美国的时刻。与此同时，欧洲也应该看到，无论美国的工业军事综合体多么不情愿看到，冷战已经结束了。尽管反恐十分重要，花费也很大，但建造航空母舰和超级战斗机不是问题的答案。欧洲应该重新决定所需要的军费开支，而不是接受GDP2%的强制规定。再次致力于社会民主的经济模式更能让欧洲获得政治稳定。
斯蒂格利茨还指出，我们也了解到了在应对气候变化带来的生存威胁上无法指望美国，而欧洲和中国进一步承诺于绿色未来的决定是正确的，对于地球和经济皆然。就像德国对科技和教育的投资使得其制造业显著领先于被共和党意识形态拖了后腿的美国一样，欧洲和亚洲将在未来的绿色科技中远远地把美国甩在身后。
他最后强调，世界上的其他国家不能让流氓美国毁掉地球，也不能让这个流氓美国利用反启蒙的“美国优先”政策牟利。如果特朗普想退出《巴黎气候协定》那么其余的国家应该以未达全球标准为由对美国出口的商品征收碳调整税。尽管美国大多数民众并不认可特朗普，大多数美国人仍然相信启蒙价值，接受全球变暖的事实并且愿意采取行动，但很显然在特朗普那里理性辩论是不起作用的。所以，行动的时候到了。
大数据时代如何拆穿胡扯
上周，华盛顿大学开设了一门新课：在大数据时代拆穿胡扯（Calling bullshit in the age of big data）,由信息科学家杰文·韦斯特（Jevin West）和生物学家卡尔?伯格斯特龙（Carl Bergstrom）联合授课。这门课程一月公布课程大纲后在网络上引起轰动，开放选课后不到一分钟就被选满，《纽约客》近日刊文对其进行了介绍。

在韦斯特和伯格斯特龙看来，人们事实上很擅长识别语言上的胡扯。毕竟人类说胡话已经说了上千年，人们已经很好地掌握了这种胡扯的警告标志。但另一方面，以数据的形式表达的胡扯在科学圈之外是新现象，多变量图表直到上世纪八十年代才流行于媒体，而随着智能手机和其他信息收集装置加速大数据的收集，大众经常性地看到复杂的可视化图表不过是近十年的事。
伯格斯特龙认为，尽管数据可以用来讲述非常深刻和令人难忘的故事，其表面的复杂性和准确性可以高效地伪装很多胡扯。在他看来，拆穿以数据表达的胡扯不需要统计学学位，需要的只是常识和一些思维习惯。他和韦斯特为此提供了一系列建议：
1.认识到胡扯的人和说谎的人不同，对两者都要保持警惕。正如哲学家哈里·法兰克福(Harry Frankfurt)所说，说谎的人知道真相却把其他人往相反的方向带，而胡扯的人要么不知道要么不在乎真相，感兴趣的只是炫耀自己的优势。
2.看到一则信息时问三个问题：谁告诉我的？他／她怎么知道的？他／她想向我兜售什么？
3.记住，如果一个基于数据的主张看起来好得不像是真的，那很可能就不是真的。那些戏剧性地和你的个人观点或经历相一致的结论尤其可疑。
4.使用意大利物理学家恩里科·费米（Enrico Fermi）的粗略估计法来检查基于数据的主张的合理性。1945年，费米在新墨西哥沙漠观看了三一核爆，通过落下的小纸片对爆炸的效果进行观察，从而准确估计了爆炸威力的数量级。
5.警惕不公正的比较。例如，声称观看特朗普就职典礼视频直播的人数超过奥巴马的第一次就职典礼的主张，忽视了在2017年视频直播要比当时容易获取太多的事实。
6.记住相关性并不意味着因果关系。冰淇淋的消费和鲨鱼袭击事件的数据成正比，但真正的原因是第三个变量——夏天的天气。
7.小心大数据的傲慢。谷歌流感趋势项目号称通过追踪用户对流感相关词汇的搜索来预测季节性流感的爆发，结果被证明还不如基于当地温度这样的简单模型预测得准确。
8.要知道机器也可以是种族主义者（或者性别歧视者或带有其他偏见的人）。用来预测个人犯罪行为的计算机模型显示对少数族裔存有偏见，可能是因为用来“训练”其算法的数据反映了现存的文化偏见。机器和给他们编程的人一样容易犯错，而且不会因为感到内疚而纠正自己的行为。
9.注意由意大利软件工程师Alberto Brandolini在2013年提出的“胡扯不对称原则”：驳斥胡扯所需要付出的能量要比制造胡扯所需的能量多一个数量级。