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……
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??墒沁@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??墒沁@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:
- 如果兩人都不招供,各判1年;
- 甲招供并檢舉對方,而乙沉默,則釋放甲,判乙10年;
- 甲沉默乙招供,則判甲10年,釋放乙;
- 如果甲乙都招供,各判5年。
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:
- 甲乙公司都不打價格戰,則維持現狀;
- 甲打乙不打,甲會搶到更多的市場;
- 甲不打乙打,乙會搶到更多的市場;
- 甲乙都打,非但市場份額不變,雙方的營收壓力還大幅增加。
又如國家關稅戰:
- 甲乙兩國都不打關稅戰,好好開門做生意;
- 甲打乙不打,甲國企業的競爭力增強;
- 甲不打乙打,乙國企業的競爭力增強;
- 甲乙都打,就是我們正在經歷的事,中美兩國的貿易關系受損,各國經濟也受影響。(當然,我們是不得不打)
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
博弈論~
記得去上樹的時候,滴滴大咖就分析過這個。
案例都明白了,但是感覺滴滴這個沒有解釋透徹
打疫苗哪一個比喻應該是從國家層面出發,如果從個人層面出發,剩下那一個人自己突發疫情,他沒有打疫苗很大幾率只有等死。
正如每天很多車禍一樣;具體到每個人自己突發疫情的機率肯定比他出車禍機率小很多很多??!
在機率意義上,打疫苗避疫情就與不出門避車禍是一樣的策略
全局最優固然有道理,但盈利是他們的長遠目標
解答了我的疑惑~
分析的很好
作為一個研究調度技術的研究者,我覺得這不是所謂的全局最優和局部最優的問題,這應該是任務分配以求得資源利用率最大NP問題吧
很多案例說的很好,但怎么確定滴滴的初衷就是這個,不存在讓盈利增加的可能?
會不會是想提高交通成本
受益匪淺
光年是長度單位
看到這里想就想來發評論了hhhh
“甲打乙不打,甲國企業的競爭力增強”,是嗎?薛兆豐老師在其經濟學課里講到比較優勢,結論和您的不一樣。
我很想知道這種全局算法是這么實現的
這是迄今為止, 在老曹這邊看到的最深入淺出講道理的一篇文章。 給小丸子加雞腿 @老曹。
不是我杠
“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?”這種不明確目標的選擇示例就是耍流氓,是病句!
“貪心算法會選擇初期增長快的,然后早早陷入停滯?!奔词箍茖W理論得出長的路徑比短的路徑先到達,這個結論也只是在賽道坡度和長度限定集合下的某一些點被支持,絕大部分場景還是短的(初期增長快)的更先到達。
他證明的是未必有效。不是一定無效