Nassim Taleb 在我眼中，是非文學領域的米蘭・昆德拉
Fooled by Randomness集中分析我們如何過度忽略運氣對現實的影響。有些人缺乏基本的數學及統計概念，採用錯誤的數學模型，忽略非線性、尺度、複雜性等觀念，導致他們經常作出完全不合理的預測。
The Black Swan則集中分析人們過度依賴常態分布（理解現實的問題。然而，對於財富、創造力、生產力等，其分布往往具有fat tails。在這些分布中，即使只有一個極端值，也可能對整體統計結果造成巨大影響，呈現出極大的不對稱性。風險與不確定性並非相同的概念，正因為有些風險無法被準確量化，所以風險分析在這些情況下，實際上更應該被視為不確定性分析。
Antifragile ，則說明有什麼情況，不確定性反而會令人得到有限的損失，理論上無限的效益。並且解釋應該要怎樣部署，令自己可以形成槓桿。 這本書則主要集中討論 Skin in the Game: Hidden Asymmetries in Daily Life。簡單而言，作者從誘因、風險、不妥協性等角度，分析各種不對稱性如何影響社會的運作模式。
第一，incentive。例如許多金融分析師，你賺錢，他們賺錢；你虧損，他們仍然賺錢，因為他們主要透過手續費獲取收入。又例如一些組織的高級職員與低級職員，當低級職員犯錯時，組織可以直接解僱他們，但高級職員卻未必需要承擔相應的後果。又例如醫生，可能傾向於透過提供更多醫療服務賺取收入，而不一定選擇最便宜、最能幫助病人的治療方案。
以上例子並非反映某些人特別卑劣，或者某些職業及工種的從業者在道德上存在問題，而是從博弈論的角度分析：大家同樣參與一場遊戲，遵循某些規則，但各自的利益條件並不相同，有時甚至互相衝突，而這種誘因上的差異往往並不容易從表面察覺。因此，在參考別人的意見或設計制度時，應該留意對方所面對的規則，以及其誘因是否與自己的利益一致。假如雙方的誘因越接近，則可以給予對方的意見較高程度的信任；相反，假如雙方利益存在明顯衝突，便應該保持更多懷疑，審慎思考。
作者亦從這個角度批評部分政府官員及教育界人士脫離現實。例如，他們沒有實際接觸貧窮人口，卻按照自己對貧窮的理解建立模型，再利用這些模型製作 PowerPoint、參與 conference，宣稱能夠解決貧窮問題。然而，當這些解決方案缺乏對現實情況的了解，便可能只是在自己建構的模型中進行一場遊戲。因此，作者認為，制定政策的官員應該與一般公民一樣，需要承擔政策帶來的部分後果，也就是具備 skin in the game。這顯然亦反映了制度設計的問題。
第二，rigidity。先考慮一個簡單的 simulation。假設系統中存在 A 球及 B 球，並且遵循以下規則：當 A 接觸 A，兩者維持 A；當 B 接觸 B，兩者維持 B；當 A 接觸 B，B 便轉化為 A，而 A 保持不變。簡單分析這套規則，便會發現隨着時間增加，系統中 A 球的比例只會越來越高。
這令我想到大學飯堂的素食者。素食者只會吃素食，但肉食者亦會吃部分素食。因此，為了遷就素食者，飯堂可能逐漸提供更多素食，因為素食者的選擇限制較大，而肉食者則具有更大的彈性。某些群體的行為亦存在類似的不對稱性。他們只重視情緒訴求，甚至以道德及情緒向其他人施加壓力，卻不願意妥協或接納不同聲音。在這種情況下，即使遵循民主規則，也可能因為不同群體的妥協程度存在差異，逐漸形成某種形式的獨裁。因此，這些情況存在明顯的不對稱性。作者提出，為了維護一個具有包容性的民主制度，對於不願遵守民主原則的行為，有時反而需要採取不寬容的態度。 第三，ensemble probability、time probability、non-ergodicity 以及 gambler's ruin。這一點我認為相當重要。作者指出，許多經濟學及社會科學的模型，往往根據大量個體在同一時間的統計結果，推斷同一個體在長時間內反覆參與的結果。然而，兩者並不必然相同，尤其當系統存在複利效應、不可逆轉的損失，以及破產等吸收邊界時，便可能出現non-ergodicity。
舉一個簡單的例子，假設一項投資有50%的機率獲利50%，另外50%的機率虧損50%。從ensemble average而言，單次投資的預期回報是零，似乎是一個公平的遊戲。然而，假如同一個人連續進行兩次投資，一次獲利50%，一次虧損50%，他的資產便會由100變成150，再變成75，最終虧損25%。原因在於投資的收益是乘法而非加法，資產變化具有路徑依賴性。因此，即使單次回報的算術平均值為零，長期的時間平均增長率仍然可能小於零。這說明ensemble average與time average不能夠隨意交換。
另一個更極端的例子是gambler's ruin。假設某個行為每次只有1%的機率導致死亡，其餘99%的情況都能夠安全完成。單純從一次試驗而言，這似乎是一個低風險行為。然而，假如同一個人不斷重複參與，而且每次死亡事件互相獨立，那麼進行 \(n\) 次後，至少死亡一次的機率便是：
\[ P(\text{死亡})=1-(0.99)^n \]
當 \(n=100\) 時，死亡機率已經達到約63.4%；當參與次數趨近無限，死亡機率亦會趨近於一。這裏並非每一次參與的死亡機率隨時間提高，而是即使每次的風險保持不變，重複暴露於不可逆轉的風險，仍然會令累積遭遇災難的機率不斷增加。
這個概念與一般投資中的破產問題非常接近。即使一項策略具有正的期望回報，只要存在一定機率令投資者完全破產，便不能夠單純根據期望值判斷這是否一項好的策略。因為一旦破產，投資者便無法繼續參與往後的遊戲，亦無法透過未來的正回報彌補損失。
我原本以為作者只是批評部分社會科學家過度使用靜態模型，忽略變數之間的因果關係及不同的時間尺度。然而，現在我認為更根本的問題，是同一時間觀察大量個體所得到的統計平均，未必能夠反映一個個體在長時間內反覆承擔風險的實際結果。尤其當系統涉及複利、路徑依賴及不可逆轉的損失時，單純最大化期望值，可能並非最合理的決策方式。
因此，作者強調的不只是如何提高回報，更重要的是如何避免那些即使發生機率很低，卻足以令自己永久退出遊戲的風險。生存是繼續參與遊戲的必要條件；假如一次失敗便無法重新開始，那麼即使長期平均回報看起來非常吸引，這項策略仍然可能極不合理。
另外一點，任何模型都必須經過現實的檢驗。無論數學模型多麼優美，只要不符合現實數據，便是錯誤。若一個人只活在意識形態之中，卻不需要面對現實，便可以在自己建構的模型中自給自足，甚至在問題真正出現之前離開，毋須承擔後果。因此，作者認為，任何參與制定政策或策略的人，都應該承擔其決策帶來的部分後果。這令我想到黃子華曾經在棟篤笑中說過，大意是任何人只要能夠在不帶保鑣的情況下走進公共屋邨，再安全地走出來，他便會支持那個人擔任特首。
最後一點，overfitting，以及過度增加安排所造成的脆弱性。對某些系統而言，相比起不斷增加安排或措施，減少不必要的安排反而可能帶來更好的結果。例如，假如將自己的日程安排得只容許一分鐘的誤差，往往會因為一些意外事件，而導致整個時間表無法正常運作。又例如，在某些情況下，增加額外的藥物或醫療程序，未必比單純維持健康飲食、充足休息及適量運動更有益。我認為這一點自己亦有所留意。要取得成功，除了考慮應該增加甚麼，有時更重要的是思考應該減少甚麼。例如減少注意力流失、減少把時間及精力投入沒有價值的事情，以及減少可能導致失敗的因素。
作者認為skin in the game 除了是一種改善博弈論誘因的機制，更是一種合適的市場機制，以及更好學習知識的feedback loop。簡單而言，假如決策者不需要承擔決策帶來的後果，便不能夠透過後果學習並改善自己，現實是最好的教學。但是，例如當公司有過分投機的行為，遇到泡沫爆破，政府去拯救他們，除了會產生moral hazard ，更類似父母溺愛，令他們不會需要承受自己的後果，而失去的學習，更加立了壞的榜樣。