首頁 > 文章內容

經濟學家告訴你:為什么滴滴不給你派最近的車?

時常有人會問:為什么滴滴不給我派最近的車?這要從一個久遠的經濟學問題說起……

時常有人會問:為什么滴滴不給我派最近的車?這要從一個久遠的經濟學問題說起……

全局最優與局部最優有什么不同?

一些古典經濟學家認為,追求個人利益的最大化,就能累加成群體利益的最大化。但保羅·薩繆爾森指出,這是“合成謬誤”——誤以為在局部成立的事,就能在全局成立。

薩繆爾森的侄子、哈佛前校長勞倫斯·薩默斯舉過一個例子:會場里一個觀眾站起來,他看得更清楚了,能推廣到整體嗎?當所有觀眾都站起來,那誰也看不清了,還更難受。

在運籌學領域,“貪心算法”寄希望于,通過每一步選擇當前的最優,從而實現結局的最優。但這樣做難免有急功近利、貪小失大的問題。

一個雪球,面對一條很陡很短的賽道和一條很緩很長的賽道,該怎么選?貪心算法會選擇初期增長快的,然后早早陷入停滯。而巴菲特會說:人生就像滾雪球,重要的是發現很濕的雪和很長的坡。

人們漸漸發現,全局最優沒那么容易,甚至總結出了一些經典錯誤模型:

01 公地悲劇

一塊公有草地,人人有權利使用,卻無人有義務維護,結局是什么呢?每個牧羊人都會帶大群的羊來吃草(局部最優)——他們知道草地承受不住,就更不愿落后于人——最后公地不復存在(全局最劣),這就是“公地悲劇”。

公地悲劇有很多衍生情況,例如濫用抗生素:“抗生素的有效性”是一塊公共資源,自1928年發現青霉素以來,全人類都受益于此,但沒人需要對這種有效性負責。

于是,為了一次治病效果好,很多人大劑量使用抗生素。可是這樣做的人多了,就會產生耐藥性強的超級細菌,令抗生素逐漸失效。

每年,中國生產并消耗著全球近一半的抗生素,雖然其中多半用于飼養禽畜,但這并不改變濫用催生超級細菌的事實。

又如濫用形容詞:“形容詞的有效性”也是一塊公共資源,人人都用,無人管理。于是,為了一次表達效果好,很多人隨意使用最高級形容。可是這樣說的人多了,就會導致詞義弱化,原有的形容詞逐漸貶值。

多年以前,“美女”一詞表達了對女性容貌的贊美。但是逢人就喊“美女”的人越多,這個詞的效力就越弱。如今,“美女”一詞幾乎是對任何女性的日常稱謂,而贊美顏值需要“大美女”“超級大美女”“女神”等等。

有人會說,這些詞也沒用了。日本人又發明了一種辦法——加時間或空間限定詞。先是“十年一遇的逸才”松井珠理奈,后是“千年一遇的美少女”橋本環奈,中國的鞠婧祎被他們冠以“4000年一遇的偶像”,小栗有以是“20000年一遇的美少女”,百川晴香是“300萬光年一遇的美少女”……時空還在持續貶值中。

拉長時間尺度,更容易看出詞義的弱化。兩千多年前的《左傳》里,“餓”表示比饑更嚴重,已經無法自主進食的狀態,“餓死”表示真的餓死。兩千多年后的今天,下午四點就能聽到“我餓啦,餓死啦!”

除此之外,大到全球氣候、海洋資源、生物多樣性,小到人行道上的空間,都面臨著公地悲劇的問題。

02 搭便車問題

公地悲劇稍作變化,就成了搭便車問題:當一個公共品不付錢也能用的時候,每個人都傾向于不付錢(局部最優),但所有人都不付錢的話,就沒公共品可用了(全局最劣)。

搭便車問題也有很多衍生情況,例如公共防疫:

假如全國只有一個人沒打疫苗,那他和打了疫苗一樣,幾乎不可能染病,但是這樣的人多到一定比例,疫情就會爆發。

不同的傳染病,有不同的搭便車行為“崩塌邊界”。全球疫苗免疫聯盟負責人賽斯·伯克利曾說:“一旦麻疹疫苗覆蓋率低于95%,將不可避免地爆發大規模傳染。”

2000年,美國宣布消滅麻疹。2010年到2017年,美國有超過250萬兒童未接種麻疹疫苗,為高收入國家之最。結果2019年上半年,麻疹疫情在美國卷土重來,染病人數創下近25年新高。

美國衛生部官員表示:如果疫苗接種率不下降,這場疫情本來能夠完全避免。

又如網貸征信:一群網貸公司,為了提升風控水平、降低風控成本,決定共享用戶的信用和借貸記錄。然而,每一家都想著,我不用認真做征信,直接用平臺上別人家的數據就好……結果就是互相坑隊友,集中爆雷。

除此之外,大到聯合國事務,小到團隊作業,都少不了關于搭便車的爭論。

03 囚徒困境

甲乙合伙作案,被警方抓獲,但警方沒有足夠的證據指控,于是分開審訊兩人。這時,甲乙的命運面臨四種可能:

不難看出,“無論對方招不招供,自己都招”對每個囚徒來說都是最有利的選擇(局部最優),而雙方都這樣選,就會共同落入背叛結局(全局最劣)——這就是“囚徒困境”。

囚徒困境同樣有很多衍生情況,例如企業價格戰:

又如國家關稅戰:

人際關系、城際發展、國際政治、生物進化……隨處可見囚徒困境的案例。

04 全局最優?

那么,全局最優是什么樣呢?并不是所有場景都能實現全局最優,因為全局最優往往需要“上帝視角”和“頂層規劃”。

往大里說,氣候變化協定、關稅貿易協定、央行征信系統、全民防疫計劃、高鐵航運規劃就是追求全局最優;往小里說,滴滴的車輛調配方案就是追求全局最優。

很多人有過疑問,為什么明明附近有車,滴滴卻要派一個遠處的單?——為的就是全局最優。

滴滴本質上是一個協調者、撮合者,運用大數據算法和經濟學規律,在高峰期盡量讓更多乘客能打到車,讓低谷期司機能夠有單可接。

大數據算法意味著,讓更多的人更快打到車,未必是個別用戶打到最近的車,但所有人的整體等待時間縮短了。

經濟學規律則意味著,通過分時計價等方式,平衡、撮合供需雙方,實現市場均衡。在高峰期、惡劣天氣或熱點區域激勵更多司機出車,提升應答率,也激勵用戶選擇拼車、優享、專車等出行方式,緩解運力不足。

互聯網、大數據、人工智能,讓全局最優成為可能。滴滴就是這樣一個踐行者,為更多用戶更美好的出行而努力。

作者:貓有藥師;插圖:南柯一客;公眾號:吳曉波頻道(ID:wuxiaobopd)

來源:https://mp.weixin.qq.com/s/GjX0j4A0_fnaRm66SG5YTw

本文由 @吳曉波頻道 授權發布于人人都是產品經理,未經作者許可,禁止轉載。

題圖來自Unsplash,基于CC0協議

責任編輯:

相關推薦

相關新聞

回到首頁 回到頂部

網站簡介 - 廣告服務 - 誠聘英才 - 聯系我們 - 法律聲明 - 友情鏈接

加拿大快乐8作假吗