自分が推論の基盤にしているカテゴリーが本当に当てはまるかを問う
モデルや枠組みを適用する前に、それが構築された基盤となるカテゴリーが自分の状況に本当に一致しているかを確かめる。
Why it works
ルーディック・ファラシーは根本的にカテゴリー錯誤である。ゲームの論理を非ゲームの状況に適用してしまうことだ。どんなモデルや枠組みも、特定のカテゴリーの経験の上に構築されている。それを新しい状況に適用するとき、問われるべきは、そのカテゴリーが実際に当てはまるかどうかである。もし自分の状況の仕組みが、予測にとって重要な点でそのカテゴリーの仕組みと異なるなら、モデルは予測可能な形で間違う — モデルのカテゴリー上の前提は自ら報告してくれない。
How to do it
- 新しい状況に何らかの枠組みやモデルを適用する前に、それが要求する主要な前提を列挙する。
- 自分の状況がそれぞれの前提を満たしているかを確認する。
- 重要な前提を2つ以上満たさない場合は、別の枠組みを探すか、予測を低い信頼度で扱う。
エビデンス
構成概念妥当性の研究や「参照クラス予測」の文献と整合的である。モデルの適用可能性は正しいカテゴリー分類に依存し、カテゴリー錯誤は体系的な誤予測を生む。タレブの貢献は、これをランダム性の体制のレベルで特定したことである。 (mechanistic)
よくある間違い
枠組みの実際の予測を左右する前提ではなく、その枠組みの考案者が強調したカテゴリーだけでカテゴリーの適合を確認すること。
IX Coach でこれを実践する
More practices for ルーディック・ファラシー:現実をゲームと勘違いするとき
- 自分の領域のルールが本当に安定しているか確かめる
確率モデルを適用する前に、結果を左右するルールがゲームの途中で変わりうるかを問う。
- 自分のモデルの外にある結果のための余裕を持って計画を立てる
リスクモデルに含まれていない出来事のために余力を確保する — なぜなら最も大きな被害をもたらす出来事は、たいていモデルに含まれていないからだ。
- 過去の範囲を超えた結果に対して計画をストレステストする
最悪の結果が過去に観測されたどんなケースよりも2倍悪かったら、自分の計画がどう持ちこたえるかを問う。
- 精密さより選択肢の幅を優先する
不確実な環境では、最適化された固定ポジションよりも方向転換の余地を優先する。
- 予測やモデルにおける偽りの精密さに注意する
精密な確率や定量的予測には、そのモデルが領域に適合しているかどうかについて明確な疑いを持って接する。