【#贈書活動】#當月選書
#如何活用行為經濟學 ✔日本亞馬遜網站 經濟類書第1名!
經濟學的傳統假設是,人們都是「經濟人」(homo economicus)——他們是自利的,擁有很強的計算能力,能運用所有已知的資訊,合乎邏輯地做出決定。
然而從1980年代開始,行為經濟學的研究指出,人類其實有各式各樣的偏誤(bias),因此人的行為並不總是合乎邏輯,經濟人的假設是有破綻的。而這些反常的、不合邏輯的行為,反映出人類的心理傾向,就成為行為經濟學的探討主題。
例如,大家都認為應該要儲蓄,為老後的生活做好準備,但實際上通常做不到;期限內必須完成的工作,常常拖到最後一刻才開始做……這些都是典型的行為經濟學的特性,也是人性的一部分。
如何解讀人性,運用推力,引導人們做出更好的行為,設計出更有效的政策.......,本書會介紹一些應用的實例,可以反思,如何將這些想法運用在自己切身的問題上,更有利於自身的發展與決定,也能在政策推展上更有效果。
📕看更多 #經濟新潮社《如何活用行為經濟學》http://bit.ly/3teVGQb
==============================================
現在只要在2021/02/09(二)下午15:00前,按讚「城邦讀書花園」,公開分享本文,並在本文下方留言:@_____ 「我想看《如何活用行為經濟學》解讀人性,運用推力,引導人們做出更好的行為,設計出更有效的政策」
🎁就有2位朋友可獲得《如何活用行為經濟學》1本哦!
※得獎名單將於2021/02/09(二)晚上20:00前公布於粉絲團:)
※得獎名單會直接在原贈書活動貼文上,以「留言」方式公布。
※贈書寄送限台澎金馬地區。
※城邦讀書花園粉絲團擁有變更活動內容的權利。
bias計算 在 廣告狂人 Madman Magazine Facebook 的最佳貼文
免費,從來最貴。這是Netflix新紀錄片《The Social Dilemma》主題。全人類,必睇。
社交成癮,就像媽媽的話,聽起來老土過時,風雨過後才發現它的價值。
更何況今次Netflix找來Facebook前業務拓展總監、 Like button設計師、Pinterest前總裁、Google前設計倫理學家及Twitter工程副總裁等才俊一同拆局。這群人,除了都是天才,還有個共通點:他們都禁止孩子用social media。
去片:https://madman-magazine.com/blog/social-dilemma/
因為上癮並不是結果,而是一眾社交媒體的設計原則。
眾所週知,社媒令無數KOLs及品牌受惠,拉近過不少人的距離,在今時今日的香港更成為言論自由所剩無幾的明淨角落。好處一堆,但用戶似乎對社媒的另一面(flip side),還很天真。
例如我們都天真地以為,看哪條片、收聽哪位KOL的偉論,都是自己的選擇。其實,這是YouTube、Facebook替你作出的選擇,你只是接受了它們的推薦。
“You pick a card they want you to pick.”
這是你YouTube feed跟你家書櫃的分別。一個人的書櫃能夠反映他是什麼人,同一道理,卻不能用在你的YouTube channel上。
因為書本是被動的。從你走進書局一刻,拿起哪本書、走哪個方向、看多久,一切都是你的選擇。沒有你想看的書,可以改去第二間、第三間……
當然,書櫃的書,某程度上都是書局為你預先選好。分別在於,書局不會因你的喜好而改變架上的書籍。蘋果和大公報都在左近,揀邊份隨你喜歡;亦可以兩份都唔揀,或者兩份都買。這才是選擇。
而YouTube卻主動幫你預先點好菜,你還以為自己在吃buffet,其實已餵到嘴邊。
更遑論Tik Tok,片接片自動播放,連「接受選擇」的動作都替你省略了,不需動腦,不必知道時日過,坐定定接受餵飼。全球竟有2億人甘願被洗腦,洗得開心。
如此一來,我們自以為的意見,有幾多是己見,有幾多是社媒「說服」我們相信的成見?
片中舉例,同一個搜尋,全人類在Wikipedia上讀到的內容都一樣。但在不同地區用Google搜尋,卻會出現不一樣的結果。同樣,每個Facebook、YouTube帳戶上出現的內容都依靠演算法(algorithm)憑著用戶的喜好tailor-made而成。每個account都變成一個獨立的楚門世界,有著不同版本的事實,而且並不客觀。
大費周章想你所想,目的很簡單,就是把你的注意力留在平台上,越耐越好。越耐,利潤就越高。
「當你用的産品是免費時,你就成為了產品本身。」
紀錄片指,科技巨企都有三個共同目標:1. Engagement (你流連在平台上的時間)2: Growth (帶到幾多朋友入坑)3. Revenue (如何藉此吸引更多廣告商)。
你以為,你的個人資料是最值錢的商品。被拿來賣,拿來trade,你都肯首,因為自覺沒什麼不見得光,對生活又沒太大影響。才不是。
最值錢的,是它們利用這些資料(包括你看的相片,以至你在相片上停留的時間),對你的喜好進行分析,從而不斷優化演算法對你網上行為的prediction,繼而投其所好,不斷向你餵食「他們認為」你會喜歡的資訊,默默改變著你的行為思想,這才是社媒賴以生存的方式。
例如可怕的Notification。此一功能極為進擊,不只為你代勞,更主動提醒你它的選擇。紅點雖小,偏偏叫你忍不住點開;關了熒幕同樣引誘,因為你知道打開手機就可能有新資訊彈出,心癢癢的你總想碰一碰運氣。你根本離不開它。
"That's not by accident. That's a design technique."
而萬惡之源Like button的出現,原本確實只為宣揚愛,片中設計師指。可惜它生於一台賺錢機器上,成為了延長 attention span的手段。被Like帶來的快感太吸引,剛出完一個post就開始構思下一個post,因為人總是渴望被認同。抓住人性的弱點,加以利用、monetise。我們的依賴,是它們的致勝關鍵。
就連WhatsApp上的“typing‘’顯示功能,都為了抓注意力。我們眼中的小把戲,其實背後一番計算,準確捕捉了用家心理。
這種對社會行為以至思想的操控,威力就像上一代的TVB。它不單改變了一代人茶餘飯後的話題、塑造了對佳麗的定義,甚至決定了人們放工後的timetable、飯前飯後的活動。所以在TVB 落廣告幾乎保證有效果。 當年TVB Sales地位之崇高,無可比擬,數,會自動跑過來。就像現在的一眾社媒。
“They sell certainty.”
你會問,難得有人懂你,廣告可以skip,大家win-win,何罪之有?
紀錄片認為,近年越來越嚴重的社會分化、兩極化,由香港的黃藍營,以至美國的民主共和兩黨分歧、black lives matter,社媒都是幕後推手。片中更提到俄羅斯對美國選舉的操控,也與社媒這種運作模式不無關係。
而兩極化現象,正是YouTube用來令用家持續看片的最有效方法。推薦影片功能令YouTube成為最有說服力的平台。
這種導向式內容供應,順著你的喜好而生,漸漸構成你對世界的認知,甚至你的世界。當中有幾多是fake news,有幾多bias,演算法不會知道。正因如此,fake news比真相更具天然優勢,因為假新聞通常比較有趣,更能吸引眼球,提升廣告利潤。所以有人一口咬定地球是平的;有人堅信COVID-19並不存在。
影片強調“There’s no one bad guy”。科技巨頭的初心原是好的。只是在各種經濟誘因驅使下,令這種科技“brings out the worst in society”,而創造者本身卻沒有能力解決。
Mark Zuckerberg曾表示人工智能(AI)能解決fake news問題。但影片並不同意。
所謂人工智能,指的是海量的電腦互相交織而成的一個網絡,無間斷互傳data。但由於結構太複雜,實際上如何運作,每家公司只有一小撮人真正理解。換言之,某程度上,人工智能已經在操控人類。
“They are controlling us, more than we are controlling them.”
而且不知不覺間已對社會構成十分真實的威脅。這是紀錄片希望帶出的訊息。
可惜,全片只提出了問題,並未深入探討解決方法。在片尾粗略提出了幾個抗衡社媒操控的方法:
1:關掉notification
2:不要點擊推薦影片,盡量自行選擇
3:follow跟你持相反意見的人
要完全脱離社交媒體是不可能的。雖然註定被操控,也得盡量保持清醒。你同意與否,Jeff Orlowski的這部《The Social Dilemma》,絕對值得參考。
(《The Social Dilemma》截圖)
----------
Follow 我們的IG:
https://instagram.com/madmanmonogram
bias計算 在 Eddie Tam 譚新強 Facebook 的最讚貼文
譚新強:武漢應馬上進行 大規模COVID-19隨機測試
昨天湖北突然公布COVID-19新增確診個案14,840宗,死亡人數242。全球總人數已逾6萬,死亡人數超過1300。之前數天,新增個案已跌至約2000宗水平,死亡人數則約100。為何個案突然急速上升?官方解釋是確診定義略有修改,所以就大幅上升。死亡人數的上升較易理解,因為在湖北被列為病重和病危個案仍高達7000多宗,所以仍將有不少病人陸續不幸離世。
COVID-19是一種全新病毒,不確定性仍很大,包括傳染率(R0),感染和死亡率等等。當然令人更擔心的是暫時仍未有疫苗,和有效藥物。慶幸基因排列工作很快就完成了,中外藥廠已在努力研發疫苗和藥物,包括Gilead的新藥Remdesivir,已在臨牀測試階段。但估計完成測試仍需數個月,疫苗需時更長。
傳染率與死亡率 多呈反比例
隨着時間的過去,和病例的累積,可以總結一下我們已知道關於這病毒的一些事,和仍未有答案的疑問。首先這個病對長者影響最大,如到了肺炎階段,確有頗大生命危險。但對年輕人,包括小孩,反而得病率和嚴重性都較低。傳播主要途徑包括近距離接觸、飛沫、糞便,手碰到口鼻和眼等。比較可怕的是潛伏期可長達24天,可能因為病毒太新,被感染後初時身體沒有任何抗體和抵抗能力。
病毒固然有一定傳染力,但R0是不穩定的,可隨着公共預防和隔離政策,和個人衛生措施而改變。COVID-19的R0仍存在很大的不確定性,世衛(WHO)的估計是1.4至2.5,但某些專家估計可能高達5或以上。R0高於1代表疫情仍在擴散,平均每位病人把病毒傳播到超過1個人以上。若R0是1.4,傳染度跟一般季節性流感相若,但如果R0是2.5,就跟SARS和MERS的區域(2至5)差不多。但如COVID-19的R0真的是5以上,傳染度就到了天花的級數(5-7)。
最重要的不確定性是這個病的「真正」死亡率。首先我們要了解,跟R0一樣,死亡率也是不穩定的。死亡率跟醫護水平,藥物的有效性,和病毒本身的變種過程等因素,都有關係。我跟一些胸肺科醫生和傳染病專家談過,不一定,但一般來說,R0跟細菌的virulence(毒性)呈反比關係,即較輕的病菌,例如麻疹,死亡率只約0.2%,但R0就高達12至18。較嚴重的病菌,例如伊波拉,死亡率高達90%,但R0則為較低的2左右。這反比原因可能是如病菌太厲害,被感染的主體太快病危和去世,就根本不夠時間把病菌傳播出去給很多人。
湖北內外 死亡率差距大
有關COVID-19的最重要疑團是為何湖北以外跟湖北之內的死亡率,相差那麼大?在大陸湖北省以外地區的個案已超過11,000宗,已具代表性,死亡率現約為0.38%,大陸以外,包括港、澳、台地區,和全球其他20多個國家,個案數目近570宗,兩人死亡,死亡率約0.35%。但在湖北的死亡率則奇怪地高達2.7%,其實已有輕微下跌趨勢,但跟湖北以外和大陸以外的數據,仍高出7倍以上,是一個非常大的差距。即使從病重加病危率來看,湖北跟其他地區的差距亦極大,在湖北的病重病危率高近15%,湖北以外大陸地區為不低的8.5%,但在大陸以外,病重病危率則只有4%。
通常在一個新病毒出現時,存在各種不確定性,包括死亡率是非常正常的,假以時日,大家終會自然知道真正的情况。以SARS為例,按澳洲病理學家李超浩的解釋,初時的死亡率高達45%至50%,但後來逐漸發現一些病情較輕個案,治療水平也逐漸提升,到最後,SARS的死亡率跌至9.5%,當然仍非常高,但已比最初的估計跌了八成。他估計同樣情况將出現在今次COVID-19疫情,陸續將發現大量輕微病例,死亡率亦將逐漸下降。
愈來愈多大陸以外的傳染病專家都有同樣觀察。上周我已提過港大的梁卓偉教授,以他的電腦模型推算,早在1月25日,在武漢的感染個案可能已高近76,000宗。從撤離武漢後的外僑測試,感染率約1.4%,而他相信留在武漢的人的感染率,更可能高達3%至5%,以人口約1000萬來計算,即宗數可能高達30萬至50萬。
近日英國MRC Centre for Global Infectious Disease Analysis主管Neil Ferguson教授估計,COVID-19在中國的真正感染宗數,可能比報道高10倍,即使在中國以外,他認為實際個案亦比報道高出4倍!
表面聽來,似乎是非常壞的消息,但其實未必一定是,因為死亡人數和病重病危數目,都肯定遠比整體個案數目準確,尤其在大陸以外,所以如這些推測屬實,亦即是說COVID-19的死亡率應遠低於現時湖北顯示的2.7%。甚至海外的約0.35%死亡率,都可能被高估,真正死亡率可能較接近0.1%。
死亡率不可能完全準確,但如何處理一場死亡率高近3%的疫情,跟如何處理一個死亡率只有0.35%或更低的疫症,應該是完全兩回事!所以極需要盡快以科學方法來查證此疫症的真正感染和死亡率。
湖北剛撤換了省委書記,抗疫政策似乎也有所改進,昨天就突然宣布新增個案大增。之前亦有報道指,當局在武漢進行疫情排查,已完成99%以上工作,亦因此而發現3000多個新增個案。
落區抽樣統計 計算較準確感染率
做法似乎是打電話到武漢的每家每戶,查詢家中有沒有人發燒或其他症狀。如果有就派人到那處做病毒測試,但因測試並非太準確,所以經常需要做多次才能確診。此做法對找出病患者有點幫助,但對查證真正感染率則幫助不大,因為這做法有sample bias(樣本偏差)。
我建議武漢政府應馬上去社區進行真正的隨機抽樣統計,計算出較準確的感染率。假設被感染者的分佈頗平均,亦希望即使病癒者仍會顯示陽性反應,以武漢約1000萬人口為例,如只需達到95% confidence level(置信水平),±1% margin of error(誤差範圍),隨機抽樣約9600人來做統計已足夠,但每位可能需要做數次測試。但如預期感染率只約3%至5%(希望如此),±1%誤差範圍或許太濶,如要收窄至±0.5%,就需要擴大至約38,000個樣本。如需要更準確的99%置信水平,±0.5%誤差範圍,則需要約66,000人數樣本。
我知道湖北的醫護人手和測試儀器都非常緊張,首要任務仍是救急扶危,不容易騰出資源來進行此頗大規模隨機測試。但我認為政府應往前想多幾步,首先查證感染率的真相,然後計算出較準確的死亡率,才可計劃未來應付疫情的正確策略,對全國人民健康和中國經濟都有極大影響。不容易,但如明白此舉的重要性,只要立志去做,也不算太困難。
如果統計結果顯示武漢的感染率真的只約0.3%,即是死亡率可能高達4%以上,那麼這病毒的殺傷力真的很大(雖仍遠低於SARS)。那麼封城、封關、隔離,和其他緊急措施都確有繼續維持下去的必要,直至新增個案跌至非常接近零,和研發出有效疫苗和藥物為止。即使這做法等如犧牲經濟,也幾乎沒有選擇。
但如統計結果證明真正感染率高很多,較接近不少外國專家猜測的3%至5%,雖然公眾最初聽到時,可能會有點恐慌,但如當局能解釋清楚,其實這亦等如病重病危和死亡率,都遠比現在計算出來的低,可能死亡率只約0.1%至0.3%,病重病危率約2%至4%左右。如果是這樣,公共衛生和健康政策上,當然仍需非常小心,亦需繼續努力研發藥物,但如此低的死亡率,實該可以放心逐步解除部分封城、封關等緊急措施,人民生活和經濟活動可以回復正常。這亦正是早前新加坡總理在對國民演說中的要旨。
如最終情况是此病毒的R0維持在頗高水平,無法把新增案例降至零,但死亡率確頗低,那麼全球人類無奈只可接受這是類似傷風的一種新型風土性(endemic)傳染病。但如預期此病將每年帶來數千以至上萬宗的嚴重病毒性肺炎,那麼全國各大城市,就必須未雨綢繆,預先建造多座如火神山般的特別設施隔離醫院。
即使流感和傷風等疫情都可以很嚴重,每年全球死亡人數可高達數十萬,但正因死亡率低,大家亦熟悉病情和有些醫藥疫苗,所以全球各國,極少有任何限制旅遊、人口移動、停止經濟活動等應變措施,最多只會鼓勵人民去打免疫針。
以數據說服人民國際社會
較差的做法是繼續讓這個武漢和湖北感染和死亡率的疑團延續下去,不企圖找出答案。但當新增個案再次見頂,逐漸回落至譬如每天數宗至數十宗水平,就基於經濟和其他原因,即開始解封武漢,湖北和其他地區。到時如表面計算出來的湖北死亡率仍高企在2%以上,我擔心將製造更大公眾恐慌。當局可能會以湖北醫療設施不足為死亡率偏高的理由,但很多人未必接受。
在這情况下,美國、澳洲和其他國家,更幾乎無可能會解除針對中國人的旅遊禁令或回復航班次數。在香港,民粹高漲,任何事情都被嚴重政治化,如嘗試在這情况下重開所有關口,面對的阻力有多大,可想而知。
所以唯一的可行辦法就是以科學方法查找出湖北感染和死亡率的真實答案,以完全透明,高置信水平的統計數據為基礎,用來訂出最合理政策,藉此說服人民和國際社會。
中環資產投資行政總裁
bias計算 在 物極必反原理,看懂BIAS乖離率,時刻洞察趨勢起始和轉換 的推薦與評價
指標地址https://www.tradingview.com/script/SpnrMYmT-乖離率三線版-老 ... ... <看更多>
bias計算 在 Tensorflow GRU 權重計算2.X 與1.X 計算方式不同(詳解) 的推薦與評價
最後才發現原來GRU 在Tensorflow 2.X 中將 reset_after=True 做為預設,因此每個計算過程中會有獨立出來的偏權值(bias)。這個屬性是做什麼的?下面就來幫 ... ... <看更多>
bias計算 在 [問題] 類比電路的bias計算- Mo PTT 鄉公所 的推薦與評價
最近在修一些有關類比電路設計的課常常要用Hspice Run 第一步就是要Run到全部MOS在Saturation 但是每次做作業就是"Try and error "= = 真正在Hspice… ... <看更多>