Tìm kiếm sự khôn ngoan từ Darwin tới Munger: Sự tin cậy của bằng chứng tình huống

TÁM

SỰ TIN CẬY CỦA BẰNG CHỨNG TÌNH HUỐNG

Các xác suất trước đó

Trên bàn ăn tối, John nói với Mary: “Một trong các nhân viên của chúng ta vừa bị bắt hôm nay vì ăn trộm, cô ta nói cô ta chưa bao giờ làm thế trước đây và sẽ không bao giờ tái phạm.”

Có bao nhiêu khả năng cô ta chưa bao giờ làm nó trước đây? Hãy nhìn vào xác suất ăn trộm trước đó, xem xét ví dụ, một sự kiện hay thuộc tính có tỉ lệ xuất hiện cơ bản là bao nhiêu hay cụ thể đến mức nào, có tính đại diện đến mức nào.

Charles Munger nói với chúng ta cách John nên suy nghĩ:

Nếu bạn dự định bắt 10 vụ tham ô một năm, bao nhiêu cơ hội để bất kỳ vụ nào trong số đó – áp dụng những gì mà Tversky và Kahneman gọi là thông tin về tỷ lệ xuất hiện cơ bản – có người chỉ đã làm điều đó một lần? Và những người đã từng làm điều này trước đó định tái phạm, họ muốn nói gì? Trong lịch sử của công ty, họ luôn luôn nói, “Tôi chưa bao giờ làm điều đó trước đây, và tôi sẽ không bao giờ tái phạm nữa.” Và chúng ta giữ tiền của họ lại. Đó có thể không phải là độc ác, nhưng hành vi kinh khủng đó sẽ lan rộng.

Việc xác định nhân chứng nhìn thấy hay bằng chứng DNA có nghĩa là người này có tội? Một xét nghiệm y học dương tính có nghĩa là người này đã mắc bệnh?

Trong thế kỷ 18, nhà toán học kiêm bộ trưởng Anh Thomas Bayes đã tạo ra một phương pháp đánh giá bằng chứng. Nhà toán học Pháp Pierre Simon de Laplace tạo cho phương pháp này một vỏ bọc hiện đại. Định lý Bayes khiến ta có thể cập nhật xác suất trước đó của một kết quả trong ánh sáng của bằng chứng mới. Nó rất dễ dùng nếu chúng ta thay đổi định dạng xác suất sang định dạng tần suất.

Hãy sử dụng định lý Bayes trong phiên bản đã sửa chữa của bài toán thuê xe cổ điển, nguyên bản được các nhà tâm lý học Daniel Kahneman và Amos Tversky phát triển.

John làm chứng trong phiên tòa: “Tôi đã chứng kiến vụ tai nạn và chiếc xe tham gia có màu xanh lá.”

Cái nhìn của John được kiểm tra độ tin cậy và các bài kiểm tra thiết lập thấy anh ấy có thể xác định đúng màu sắc xanh lá 8 trong số 10 lần. John đã nói “xanh lá” trong 8 trên 10 trường hợp khi có gì đó màu xanh lá và nói “xanh lá” 2 trong 10 trường hợp khi có thứ màu xanh da trời. Có nghĩa là John xác định sai màu 2 trong số 10 lần.

John làm nhân chứng chứng kiến sự việc thì đáng tin bao nhiêu? Bằng chứng nhân chứng luôn chứa mức độ không chắc chắn. Cũng nên nhớ rằng độ tin cậy của bất kỳ quan sát nào không chỉ phụ thuộc vào độ tin cậy của người quan sát – thậm chí nếu John có con mắt tốt – mà còn bởi có bao nhiêu khả năng quan sát của anh ta là đúng với các xác suất trước đó.

Trước hết chúng ta hỏi: Xác suất trước đó của đầu ra là gì? Một sự kiện trước đó chắc chắn bao nhiêu khi dùng để xem xét bằng chứng mới? Mức độ chắc chắn là bao nhiêu để một chiếc xe màu xanh lá tham gia vào vụ tai nạn trước khi ta xem xét bằng chứng của John? Giả sử tần suất tương đối (tỷ lệ các xe với một màu sắc nhất định trong một quần thể cụ thể tại một điểm cụ thể trong chuỗi thời gian) của những chiếc xe màu xanh da trời và màu xanh lá cho chúng ta thông tin về xác suất tham gia tai nạn trước đó. Tỷ lệ những chiếc xe màu xanh da trời và màu xanh lá trong tất cả các loại xe tại thời điểm của tai nạn là bao nhiêu? Giả sử có tổng số 100 chiếc xe trong thành phố. 90 màu xanh da trời và 10 xanh lá. Có nghĩa là xác suất trước đó để chiếc xe tham gia vào tai nạn có màu xanh lá là 10% (10 xe xanh lá trong số 100 xe).

Xác suất (sau đó – sau khi xem xét bằng chứng tình huống) chiếc xe xanh lá mà John đã nói nó màu xanh lá là bao nhiêu?

	Màu xanh lá đã cho	Màu xanh da trời đã cho	Tổng số
John nói “xanh lá”	8 xe (10 x 0.8)	18 xe (90 x 0.2)	26

Nếu 10 trong số 100 xe là xanh lá và John đúng 8 trong 10 lần, thì anh ấy đã xác định 8 chiếc có màu xanh lá. Nếu John nói chiếc xe màu xanh lá và nó không có màu xanh lá, thì anh ấy có lẽ đã xác định 18 trong số 90 chiếc xanh da trời thành xanh lá. Trong số 26 chiếc xe John đã xác định là xanh lá, chỉ có 8 chiếc có màu xanh lá. Có nghĩa là xác suất chiếc xe xanh lá mà John làm chứng trong “chiếc xe tham gia có màu xanh lá” là 31% (8/26). Vậy chiếc xe tham gia có nhiều khả năng là màu xanh da trời hơn.

Trước khi John làm chứng, xác suất trước đó để chiếc xe tham gia có màu xanh lá chỉ là 10%. Khi anh ấy làm chứng “xanh lá”, xác suất đã tăng lên 31%.

“Dựa trên các vụ tai nạn có xe tham gia trong 50 năm, với cùng tỷ lệ màu sắc đã cho, có 3 trên 4 lần chiếc xe tham gia có màu xanh lá.”

Độc lập với tần suất các chiếc xe màu xanh lá và xanh da trời, xác suất tương ứng trước đó là bằng chứng từ các vụ tai nạn trong quá khứ. Cái chúng ta  muốn là bằng chứng đúng để đại diện cho cái có thể xảy ra trước khi chúng ta xem xét bằng chứng mới.

Khi chúng ta có bằng chứng đại diện mới, chúng ta phải cập nhật lại xác suất đại diện trước đó. Hãy hỏi: Chuyện gì xảy ra với các trường hợp tương tự trong quá khứ? Có lý do nào để sửa lại xác suất này không? Hoàn cảnh hay môi trường đã thay đổi? Càng không chắc chắn bao quanh một trường hợp cụ thể, càng nhấn mạnh chúng ta phải tập trung vào xác suất trước đó.

Bằng chứng mạnh thế nào?

Một yếu tố khi đánh giá bằng chứng là tỷ lệ trùng hợp ngẫu nhiên. Nó trả lời cho câu hỏi: Xác suất là bao nhiêu cho một người khác chứ không phải người bị tình nghi này, ngẫu nhiên được chọn, phù hợp với hồ sơ này? Ví dụ, khi đánh giá bằng chứng DNA, sự phù hợp ngẫu nhiên xảy ra khi 2 người khác nhau có chung một hồ sơ DNA.

Sau 5 ngày tìm kiếm, cảnh sát đã tìm thấy người phụ nữ bị siết cổ đến chết. Anh của John, Bill, bị xét xử vì tội giết cô ấy.

Có sự phù hợp trong hồ sơ DNA. Bằng chứng pháp y chống lại Bill là mẫu máu và mô lấy từ hiện trường vụ phạm tội, nó phù hợp với Bill. Có thể Bill hay ai đó khác đã để lại bằng chứng.

Xác suất trùng hợp ngẫu nhiên là bao nhiêu? Có bao nhiêu khả năng có sự phù hợp xảy ra giữa hồ sơ DNA tìm thấy tại hiện trường của vụ giết người và một người được chọn ngẫu nhiên? Có bao nhiêu khả năng hồ sơ của Bill phù hợp với hồ sơ của kẻ đã để lại bằng chứng tại hiện trường? Hồ sơ đó có hiếm không? Hồ sơ càng hiếm, xác suất hồ sơ của Bill phù hợp do ngẫu nhiên càng thấp.

Nhân chứng là chuyên gia y học của bên truy tố ước lượng (ước lượng về tần suất hồ sơ trong quần thể so sánh phù hợp nhất) xác suất để có sự phù hợp như vậy nếu Bill vô tội và sự phù hợp là trùng hợp ngẫu nhiên, chỉ bằng 1 trên 20,000. Có nghĩa là cứ mỗi 20,000 cá nhân, chỉ có 1 người có cùng hồ sơ DNA như cái đã tìm thấy tại hiện trường vụ giết người. Công tố viên biện hộ: “Chỉ có một trong 20,000 cơ hội ai đó khác Bill ngẫu nhiên có cùng hồ sơ với cái đã tìm thấy trong hiện trường vụ giết người. Xác suất do đó chỉ là 1 trên 20,000 để ai đó khác ngoài Bill bỏ lại bằng chứng.” Con số này có ảnh hưởng quan trọng tới phương tiện truyền thông và bồi thẩm đoàn. Bill bị cho là có tội và bị đề nghị án chung thân.

Phán xét đã sai ở đâu? Công tố viên làm mập mờ 2 khả năng. Xác suất Bill vô tội nhưng cho ra có sự phù hợp không giống với xác suất mà có sự phù hợp nhưng Bill vô tội. Công tố viên nên nói: “Xác suất là 1 trên 20,000 để ai đó khác Bill có thể bỏ lại cùng mẫu máu và mô như đã tìm thấy trong hiện trường vụ phạm tội.”

Bồi thẩm đoàn cũng cần xem xét các xác suất trước đó của tội phạm (trước khi đánh giá về bằng chứng pháp y được xem xét. Xác suất mà Bill là kẻ giết người không thể chỉ được tính từ duy nhất bằng chứng pháp y. Bằng chứng khác cần được xem xét. Sự rõ ràng của bằng chứng pháp y luôn phụ thuộc vào các bằng chứng khác. Cảnh sát có dữ liệu khác nào? Ai đó khác biết về Bill? Anh ấy có bằng chứng ngoại phạm không? Anh ấy có ở gần hiện trường vụ phạm tội không? Mỗi mẩu bằng chứng phải được xem xét với nhau, chứ không tách biệt. Có lẽ cũng có lời giải thích không liên quan đến phạm tội về lý do tại sao Bill bỏ lại mẫu máu và mô.

Dựa trên bằng chứng trước khi xem xét bằng chứng pháp y, bồi thẩm đoàn ước tính có 10% khả năng Bill là nguồn gốc của bằng chứng pháp y (90% anh ta không phải và do đó vô tội). Xác suất của sự phù hợp khiến Bill là tội phạm là 1 (con số nhạy cảm là 100%, ví dụ không có các kết quả sai âm tính) vì nếu Bill là nguồn của bằng chứng pháp y và kiểm tra trong phòng thí nghiệm là chính xác, hồ sơ DNA của anh ta sẽ phù hợp. Kết hợp nó với xác suất phù hợp ngẫu nhiên của một cơ hội trong 20,000 (hồ sơ DNA của anh ấy cho thấy ở hiện trường phạm tội chỉ do ngẫu nhiên) cho ra xác suất sau đó để Bill là nguồn gốc của bằng chứng pháp y là 99.96% (0.1/0.100045).

	Phạm tội	Vô tội	Tổng số
Phù hợp	0.1 (10% x 100%)	0.000045 (90% x 1/20,000)	0.100045

Một cách xác định xác suất trước đó là hãy hỏi: Kẻ giết người có thể đến từ cộng đồng nào? Chúng ta cần biết cộng đồng so sánh phù hợp để ước lượng con số này. Vụ giết người xảy ra trong một thành phố 500,000 người. Giả sử bất kỳ ai trong thành phố cũng có thể là tội phạm. Một trong số họ là kẻ giết người. Trong số 499,999 người vô tội, chúng ta có thể hi vọng khoảng 25 người có DNA trùng hợp ngẫu nhiên. Có nghĩa là 26 người (25+ kẻ giết người) có thể là tội phạm. Vì Bill là một trong 26 người này, xác suất để anh ta là tội phạm với bằng chứng pháp y đã đưa ra, là 3.8% (1/26).

Nhưng điều đó có thực sự đúng không? Chỉ đúng nếu tất cả mọi người có xác suất phạm tội là ngang nhau. Ví dụ, tất cả họ đều cùng đi vào hiện trường vụ phạm tội.

Lựa chọn cộng đồng so sánh phù hợp cũng gây ra vấn đề. Nhân chứng là chuyên gia ước lượng xác suất phù hợp ngẫu nhiên như thế nào? Tỷ lệ thực sự trong hồ sơ này là bao nhiêu? Xác suất phù hợp ngẫu nhiên có nghĩa là hồ sơ này chỉ xảy ra ở một người trong số 20,000 cá nhân? Không, tần suất được tính toán chỉ là một ước lượng có thể sai theo một hướng nào đó.

Bằng chứng DNA cũng dễ dàn dựng tại hiện trường vụ phạm tội hơn vân tay chẳng hạn (Bằng chứng DNA dễ sản xuất hay dễ bóp méo hơn). Trong cuốn Scientific Conversations (Đối thoại khoa học) của Claudia Dreifus, nhà toán học pháp y Charles Brenner nói về trường hợp O.J.Simpson và bằng chứng DNA: “Bên bị đã làm gì đó rất thông minh từ quan điểm DNA: Họ nói bằng chứng được ngụy tạo. Chiến lược cơ bản của họ là thậm chí nếu nó phù hợp, nó vẫn phải là sự ngụy tạo. Họ từ bỏ chiến lược không công nhận bằng chứng DNA. Rõ ràng có sự phù hợp trong máu. Họ không bao giờ từ chối nó.”

Trong phiên tòa O.J.Simpson, bên bị biện luận rằng ít hơn 1 trên 1,000 kẻ lạm dụng vợ giết chết vợ mình. Do đó bằng chứng lạm dụng là không hợp lý và không nên thừa nhận trong một phiên tòa xử tội giết người. Nhưng xác suất phù hợp không phải là xác suất một người lạm dụng vợ mình rồi sau đó giết cô ấy. Cộng đồng so sánh tương đương cần xem xét là các bà vợ bị chồng họ lạm dụng rồi sau đó bị ai đó giết. Do đó, câu hỏi tương đương sẽ là: Xác suất một người giết người vợ được cho là anh ta đã lạm dụng và cho là cô ấy bị ai đó giết là bao nhiêu? Và Nicole Brown Simpson bị giết, chứ không chỉ bị lạm dụng.

John Allen Paulos nói trong cuốn Innumeracy (Phi số học), cho trước các thực tế hợp lý về giết người và lạm dụng, nó cho thấy nếu một người lạm dụng vợ mình hay bạn gái mình và sau đó cô ấy bị giết, kẻ lạm dụng là kẻ giết người chiếm 80%. Nhưng nó không có nghĩa là xác suất một người chồng hay bạn trai phạm tội giết người là 80%. Nó chỉ là một phần bằng chứng giữa nhiều cái cần được xem xét.

Lỗi xảy ra trong kiểm tra?

Vâng, một kiểu lỗi gọi là sai dương tính và sai âm tính. Sai dương tính giống như một cảnh báo sai. Sai âm tính là mất tác dụng thực tế. Ví dụ, vài yếu tố có thể ảnh hưởng đến độ tin cậy của kết quả kiểm tra y tế và gây ra sai dương tính là: độ chính xác lâm sàng của phương pháp kiểm tra (so sánh với vài “chuẩn vàng”), sự chuẩn bị của bệnh nhân, điều kiện y tế, phép trị liệu và lỗi thí nghiệm. Người ta cũng có thể gây ra lỗi khi chọn lọc và xử lý các mẫu, trong việc dịch các kết quả kiểm tra hay trong báo cáo kết quả kiểm tra một cách đúng đắn.

John kiểm tra dương tính với một bệnh hiếm có tỷ lệ tử vong 80%. Anh ấy đã sợ hãi biết bao.

Cơ hội để ai đó (một người được chọn ngẫu nhiên và thuộc về cùng nhóm rủi ro với John) thực sự bị bệnh này với kết quả xét nghiệm dương tính cho trước là bao nhiêu?

Giá trị tiên đoán của kiểm tra phụ thuộc vào độ chính xác lâm sàng của kiểm tra và các xác suất trước đó hay tỷ lệ các cá nhân có bệnh này trong quần thể chúng ta kiểm tra tại một thời điểm cho trước (tỷ lệ hiện hành). Độ chính xác lâm sàng được tạo bởi độ nhạy cảm (tần suất kiểm tra dương tính mà kết quả lại là các mẫu âm tính) và đặc tính (tần suất kiểm tra âm tính nhưng cho kết quả là các mẫu dương tính).

Giả sử quần thể có 100,000 người.

Tần suất những người mắc bệnh trong quần thể là 0.1%, ví dụ một trong 1,000 người bị bệnh đó. Trước kiểm tra, John có 0.1% cơ hội bị bệnh và 99.9% cơ hội không bị bệnh. Nếu kiểm tra 100% chính xác, 100 người nên kiểm tra dương tính và 99,900 người nên kiểm tra âm tính. Đó là những xác suất trước đó.

Kiểm tra có độ nhạy 97% hay đó là tỷ lệ dương tính đúng. Có nghĩa là 97 trong 100 người bị bệnh sẽ kiểm tra ra kết quả dương tính là đúng. Cũng có nghĩa là 3 trong số 100 người bị bệnh cho ra kết quả âm tính là sai (sai âm tính).

Kiểm tra có 95% đặc tính hay đó là tỷ lệ đúng âm tính. Có nghĩa là 95 trong số 100 người không bị bệnh sẽ cho ra kết quả âm tính đúng. 5% là không đúng. 5% số người không bệnh hay 4,995 người kiểm tra cho ra dương tính sai (sai dương tính).

Vì John được thông báo kết quả là dương tính, thông tin anh ta cần là tần suất những người kiểm tra dương tính và mắc bệnh (đúng dương tính) và tần suất những người kiểm tra dương tính nhưng không mắc bệnh (sai dương tính).

	Bị bệnh	Không bị bệnh	Tổng số
Kiểm tra dương tính	97 (100 x 0.97)	4,995 (99,990 x 0.05)	5,092

Trong số mỗi 1,000 người thuộc về một nhóm có cùng rủi ro như John, chúng ta có thể hy vọng rằng có 19 người bị căn bệnh chết người này với kết quả kiểm tra dương tính (97/5,092). Xác suất để John bị mắc căn bệnh chết người này khi kết quả kiểm tra của anh ấy là dương tính là khoảng 1.9% hay rất thấp. Trong số 5,092 cuộc kiểm tra, hầu hết là sai dương tính, cho thấy họ bị bệnh khi thực tế không có bệnh đó.

Chuyện gì nếu một người kiểm tra ngẫu nhiên cho ra kết quả âm tính? Có 3 sai âm tính và 94,905 đúng âm tính, có nghĩa là nhiều hơn 99.9% cơ hội người đó không bị căn bệnh này.

Nhãn “đã kiểm tra dương tính” có thể đáng sợ nhưng nên nhớ rằng kiểm tra không phải là bệnh. Kiểm tra có thể rơi vào một nhóm sai dương tính. Nhưng tình huống xấu nhất là gì? Là thuộc về nhóm sai dương tính – bị chuẩn đoán là mắc bệnh nhưng thực tế không mắc, hay sai âm tính – bị chuẩn đoán là không mắc bệnh nhưng lại mắc?

Xác suất trước đó càng cao, hay căn bệnh càng phổ biến, kết quả đầu ra của kiểm tra càng đáng tin cậy. Ngược lại, xác suất trước đó càng thấp hay căn bệnh càng hiếm, kết quả kiểm tra càng không đáng tin cậy. Thậm chí một kiểm tra có độ chính xác cao cũng cho ra một kết quả không đáng tin cậy nếu nó kiểm tra một căn bệnh không phổ biến. Điều này cho thấy cá nhân bị kiểm tra không thuộc về nhóm người có nguy cơ cao bị bệnh đó.

Hãy hỏi: Tần suất người mắc bệnh là bao nhiêu trong quần thể so sánh tương đương trước khi tôi xem xét bằng chứng tình huống cụ thể? Kiểm tra y tế có độ chính xác bao nhiêu?

Lý luận trên có thể dùng để hỗ trợ đánh giá độ tin cậy của các bài kiểm tra chuẩn đoán hay các thủ tục sàng lọc. Vài ví dụ được sàng lọc hay chuẩn đoán của bệnh ung thư vú, ung thư tuyến tiền liệt, ung thư đại trực tràng, HIV hay dùng ma túy.

Ước lượng tần suất sai dương tính và sai âm tính cũng quan trọng khi đánh giá độ tin cậy của các bài kiểm tra nói dối (sử dụng trong thẩm vấn tội phạm hay khi sàng lọc nhân viên) và hệ thống định danh.

Trong các bài kiểm tra nói dối, sai dương tính xảy ra khi những người vô tội bị cho là dối trá. Sai âm tính xảy ra khi kẻ có tội bị xác định là không dối trá.

Trong các hệ thống định danh, sai dương tính khi hệ thống chấp nhận phù hợp trong khi không có sự phù hợp nào. Sai âm tính khi hệ thống thất bại trong nhận diện sự phù hợp dù thực tế có 1 sự phù hợp.

Xác suất sai dương tính cũng là một yếu tố để xem xét khi đánh giá giá trị các bằng chứng DNA. Có nghĩa là bồi thẩm đoàn trong trường hợp của Bill cũng cần quan tâm tới tỷ lệ sai dương tính. Bồi thẩm đoàn cần hỏi: Xác suất bao nhiêu để phòng thí nghiệm báo cáo có sự phù hợp giữa 2 mẫu không phù hợp? Một sự phù hợp được báo cáo không nhất thiết là một sự phù hợp thực sự trong thực tế. Lỗi có thể xảy ra. Giải thích có thể với sự phù hợp pháp y có lẽ bị sai do ô nhiễm (ngẫu nhiên hoặc cố ý), xử lý sai bằng chứng, hay đổi mẫu. Ví dụ, trong một vụ hiếp dâm, các nhà kỹ thuật của phòng thí nghiệm tội phạm cảnh sát Houston nói với bồi thẩm đoàn rằng họ tìm thấy sự phù hợp về DNA giữa DNA của kẻ hiếp dâm với người đàn ông bị tình nghi. Người đó bị kết án năm 1999 và bị đưa tới nhà tù thụ án 25 năm. Năm 2003, Sở cảnh sát Houston nói rằng DNA đó không phải từ người đàn ông bị kết án.

Khi đánh giá bằng chứng tình huống, chúng ta phải xem xét xác suất trước đó, xác suất của sự phù hợp ngẫu nhiên, và xác suất sai dương tính.

<< Phần 3: Chương BẢY

Phần 3: Chương CHÍN >>

Tìm kiếm sự khôn ngoan từ Darwin tới Munger: Trùng hợp ngẫu nhiên và Phép lạ

BẢY

TRÙNG HỢP NGẪU NHIÊN VÀ PHÉP LẠ

Trùng hợp ngẫu nhiên

Sự trùng hợp ngẫu nhiên không thể tin được đáng ngạc nhiên nhất mà ta có thể tưởng tượng ra là sự vắng mặt hoàn toàn của tất cả những sự trùng hợp ngẫu nhiên.

-          John Allen Paulos (từ Beyond Numeracy)

Chúng ta nhận ra vài thứ và phớt lờ những cái khác. Chúng ta lựa chọn và nói về sự kiện vui vẻ, chứ không phải cái tầm thường. Chúng ta nhận ra các sự trùng hợp ngẫu nhiên sau khi chúng xảy ra. Chúng ta không nhìn thấy chúng trước khi chúng xảy ra.

Chúng ta đánh giá thấp việc có bao nhiêu cơ hội những sự kiện “không chắc chắn” sẽ xảy ra. Các sự kiện ngạc nhiên và không thể xảy ra sẽ xảy ra nếu chúng có đủ cơ hội để xảy ra. Có rất nhiều con đường để các sự kiện liên kết với nhau.

Việc nhận 5 mặt sấp trong một vòng tung xúc xắc có thể xảy ra ở nơi nào đó, lúc nào đó với ai đó. Cơ hội có lẽ nhỏ để một sự kiện xảy ra tại một nơi đặc biệt, thời điểm đặc biệt hay với một người cụ thể. Nhưng với nhiều nơi, trải qua một thời gian dài hay với nhiều cá nhân, điều không thể xảy ra có vẻ như sẽ xảy ra. Như Aristotle nói: “Có khả năng những điều không có khả năng sẽ xảy ra.”

Ai đó lật được mặt sấp 20 lần trong một vòng.

Thật thú vị, phải không? Bị coi là một sự kiện biệt lập, nó có vẻ như không có khả năng xảy ra. Nhưng với một nhóm đủ lớn và chọn từ đó, có thể nó sẽ xảy ra với ai đó. Trong một nhóm 1,048,576 người, nó sẽ xảy ra với ai đó. Thực tế, ở Mỹ, một nước khoảng 280 triệu người, sự kiện có cơ hội 1 trên 1 triệu có khả năng xảy ra 280 lần một ngày.

Có bao nhiêu khả năng hai người sinh cùng một ngày?

Có nhiều cơ hội đối với sự trùng hợp ngẫu nhiên. Ví dụ, trong một nhóm 23 người, xác suất là 50.7% để hai người có cùng ngày sinh nhật. Có vẻ như các sự kiện như thế này xảy ra khi có nhiều cách để 2 người có chung một ngày sinh nhật không xác định. Hãy quan sát, câu hỏi này không phải là có bao nhiêu khả năng để 2 người có chung một ngày sinh nhật cụ thể nào đó. Câu hỏi ở đây là liệu có khả năng 2 người có cùng một ngày sinh nhật bất kỳ không.

Bao nhiêu người hiện diện tại bữa tối sinh nhật của Mary để có nhiều hơn 50% cơ hội mà một trong số khách khứa có cùng ngày sinh với Mary? 183, vì chúng ta bây giờ làm việc với ràng buộc “2 người phải có chung một ngày sinh nhật cụ thể nào đó.”

Qui mô gây ra vấn đề. Khi các con số đủ lớn, những thứ không thể xảy ra sẽ xảy ra. Càng nhiều cơ hội có sẵn hay thời gian càng dài, các sự kiện không chắc chắn sẽ xảy ra. Hãy hỏi: Tất cả các kết quả có thể là gì và khả năng xảy ra của chúng? Còn gì nữa có thể xảy ra?

Xây dựng nguyên nhân cho các sự kiện ngẫu nhiên

Loài người đang tìm kiếm các mẫu, đang kể chuyện về các con vật. Chúng ta tìm kiếm và tìm ra các mẫu trong thế giới và cuộc đời của chúng ta, rồi dệt nên những câu chuyện xung quanh các mẫu đó để mang chúng vào cuộc sống và đưa cho chúng ý nghĩa.

-          Micheal Shermer (Nhà xuất bản của cuốn Skeptic (Sự hoài nghi))

John tung một con xúc xắc 6 lần và kết quả là (A) 623514 và (B) 666111.

Lựa chọn thay thế nào cho kết quả đúng? Thậm chí nếu (A) trông có vẻ ngẫu nhiên và (B) trông như một mẫu, trong các sự kiện độc lập, cả A và B đều có xác suất xuất hiện hay không xuất hiện ngang nhau. Các sự kiện ngẫu nhiên có thể trông không ngẫu nhiên. Trình tự độc lập thường chỉ ra thứ tự hoặc đường rạch. Ví dụ, trong chiến tranh Thế giới thứ Hai, người ta thấy một mẫu trong các vụ đánh bom của Đức ở London, hy vọng rằng vài nơi khác sẽ nguy hiểm hơn nơi này. Nhưng chúng được phân bố ngẫu nhiên ở London.

Chúng ta muốn tìm ra các lý do cho mọi loại sự kiện – ngẫu nhiên hay không. Chúng ta tìm kiếm các mẫu thậm chí ở nơi chúng không tồn tại. Ví dụ, phải có cái gì đó quan trọng đã xảy ra nếu một con số cụ thể cứ xuất hiện đi xuất hiện lại. Nhưng luôn luôn có thể tìm thấy các mẫu và ý nghĩa trong một sự kiện nếu chúng ta tìm kiếm chúng tích cực và nhặt bất kỳ cái gì một cách có chọn lọc mà nó phù hợp với mẫu và bỏ qua mọi thứ khác không phù hợp. Nhưng chúng ta không thể tiên đoán mẫu trước đó.

John tung 5 con xúc xắc và nhận 5 mặt 6 chấm.

Xác suất để việc tung chứa một con số cụ thể là rất nhỏ, ở đây là 1 trong 7,776 (ví dụ, 6x6x6x6x6x6). Khi ta tung 5 con xúc xắc, có chính xác 7,776 kết hợp khác nhau của các số có thể xuất hiện. Mỗi sự kết hợp đều có xác suất tương đương và một trong số chúng sẽ xảy ra mỗi khi chúng ta tung 5 con xúc xắc. Thậm chí nếu một sự kết hợp cụ thể nào đó (5 mặt sáu chấm) là không chắc xảy ra, không có sự kết hợp đơn lẻ nào là không thể. Bất kỳ kết hợp nào xảy ra đơn giản là một trong số các kết quả có khả năng xảy ra tương đương nhau. Có lẽ không chắc việc John tung được 5 mặt sáu chấm, nhưng không phải là không thể.

Bất kỳ cái gì có thể xảy ra nếu số lượng các khả năng đủ lớn. Con người đã nhìn thấy một mặt người trên Sao Hỏa, những gương mặt trên đá, mây hay thậm chí trên miếng sandwich kẹp pho mát. Nhưng đó không phải là sự bí ẩn. Cho một số lớn các hòn đá, mây, và sandwich, ngay hoặc sau đó chúng ta sẽ tìm ra một cái trông giống như một gương mặt, thậm chí một gương mặt cụ thể.

Tin vào phép lạ

Thanh tra Gregory: “Có điểm nào anh hi vọng khiến tôi chú ý không?”

Sherlock Holmes: “Sự việc tò mò của con chó trong đêm.”

Thanh tra Gregory: “Con chó chả làm gì trong đêm.”

Sherlock Holmes nhấn mạnh: “Đó là điều đáng tò mò.”

-          Arthur Conan Doyle (trích từ cuốn Silver Blaze (Ngọn lửa bạc))

Mary đang nghĩ đến việc gọi cho bạn cô ấy Jill. Bỗng nhiên điện thoại reo và đó là Jill.

Có gì đó huyền bí đang diễn ra? Không, Mary đã quên tất cả những lần Jill không gọi khi Mary đang nghĩ về cô ấy, hay những lần ai đó khác gọi, hay những lần Jill gọi nhưng Mary không nghĩ về cô ấy, hay những lần Jill không gọi khi Mary không nghĩ về cô ấy. Khi Mary nghĩ về Jill và chuông reo, nó đã đăng ký như một sự kiện và cái gì đó để chúng ta ghi nhớ. Khi Jill không gọi, nó không phải là sự kiện. Không gì xảy ra hết. Không gì được đăng ký và do đó, không gì được ghi nhớ.

Chúng ta thường ít chú ý hay không chú ý tới những lần không có gì xảy ra. Chúng ta không nên nhìn vào những sự kiện quá khứ và tìm kiếm sự rõ ràng trong những sự kiện thú vị. Chúng ta cần so sánh giữa những trường hợp không nguyên nhân hay không tác động và nhìn vào những thứ khác có thể xảy ra thay thế.

“Tâm linh tiên đoán vòi rồng.”

Thật thú vị. Nghe có vẻ quá chắc chắn là do may mắn. Cái chúng ta không biết là tâm linh tiên đoán vòi rồng mỗi tuần. Như Marcus Tullius Cicero nói: “Dành cho những ai bắn cả ngày mà thường không trúng mục tiêu.” Chúng ta thường không thấy thông báo những tiên đoán không đúng, chỉ là những khoảng khắc hiếm hoi khi cái gì đó xuất hiện. Chúng ta quên khi họ sai và chỉ nhớ khi họ đúng. Và nhiều lần chúng ta muốn những cái đúng, vì thế chúng ta nghe thấy những gì chúng ta muốn nghe và điền đầy vào các khoảng trống.

“Nghệ thuật tiên tri rất khó, đặc biệt nếu tôn trọng tương lai.” Mark Twain đã viết như thế. Đó là tại sao việc giữ thái độ hoài nghi với “những nhà tiên tri” lại quan trọng. Những tiên đoán đúng của họ được công khai rộng rãi chứ không phải những tiên đoán sai. Như Giáo sư Harvard Theodore Levitt nói: “Rất dễ trở thành nhà tiên tri. Bạn làm 25 tiên đoán và những cái trở thành sự thực là những cái bạn nói về nó.” Michel de Montaigne thêm vào: “Bên cạnh đó, không ai giữ ghi chép về các nhà tiên tri sai lầm vì họ nhiều vô số và có mặt hằng ngày.”

Lời tiên đoán của các nhà tiên tri luôn đủ xa so với tương lai để họ không bao giờ phải đối mặt với kết quả khi họ sai. Hay họ tiên đoán rất chung chung để có thể áp dụng cho bất kỳ ai hay bất kỳ kết quả nào mà chúng không thể bị coi là sai.

“Không có bằng chứng ma tồn tại.”

Vài thứ không thể được chứng minh là sai. Thực tế không có bằng chứng nào về ma không tồn tại cũng như không có bằng chứng nào xác nhận có ma. Điều được coi là sự thật phụ thuộc vào số bằng chứng bổ sung cho nó, chứ không phải thiếu bằng chứng chống lại nó.

Mary về nhà từ trường học và nói với John: “Bạn em Alice đã chứng kiến một phép lạ.”

Nhà triết học Scotland thế kỷ 18 David Hume giả thiết một bài kiểm tra để phân tích những tuyên bố về những sự kiện màu nhiệm: “Không có bằng chứng nào đủ hiệu quả để tạo ra một phép lạ, trừ khi bằng chứng của cùng một loại như thế này, đó là sự dối trá của nó có lẽ màu nhiệm hơn thực tế mà nó được ưu ái thiết lập.”

Hume đề xuất bài kiểm tra như sau: Nếu cái đối lập với điều đã cho có khả năng nhiều hơn, điều đã cho có thể sai. Thế thì cái không có khả năng là cái đối lập, “Alice không chứng kiến phép lạ” sẽ đúng chứ? Không, bởi vì phép lạ là bất khả thi nhưng vì lời giải thích ảo tưởng thay thế có thể chắc chắn hơn. Bao nhiêu thứ bất khả thi phải xảy ra để một phép lạ thành sự thật?

Nhà thơ Đức Johann Wolfgang von Goethe nói: “Những điều kỳ diệu không nhất thiết là phép lạ.” Một sự kiện không thể giải thích được không có nghĩa nó là phép lạ. Không có giả thuyết nào có thể giải thích mọi thứ. Như Michael Shermer nói: “Suy luận của tôi là LAPD [Los Angeles Police Department – Sở cảnh sát Los Angeles] có thể giải quyết 90% các vụ giết người hằng năm. Chẳng lẽ chúng ta giả thiết rằng 10% còn lại là nguyên nhân siêu tự nhiên hay huyền bí ư? Không, tất nhiên là không, vì tất cả chúng ta đều hiểu rằng cảnh sát không thể giải quyết hết tất cả các vụ giết người huyền bí.”

Bertrand Russell nói trong cuốn A History of Western Philosophy (Lịch sử Triết học phương Tây): “Sự không chắc chắn, trong hình ảnh của những hy vọng sinh động và những sợ hãi, là đau khổ, nhưng phải được kéo dài nếu chúng ta muốn sống không cần sự hỗ trợ từ những câu chuyện thần tiên dễ chịu.”

<< Phần 3: Chương SÁU

Phần 3: Chương TÁM >>

Tìm kiếm sự khôn ngoan từ Darwin tới Munger: Kịch bản

SÁU

KỊCH BẢN

Xây dựng hệ thống và qui trình lập kế hoạch

Kẻ hành động ngu ngốc sẽ xây trước khi đếm chi phí;

Và kẻ đếm trước khi xây, sẽ thấy anh ta đếm không khôn ngoan.

-          Benjamin Franklin

Ngay khi John bắt đầu làm mới lại căn nhà của mình, TransCorp cũng bắt tay vào một dự án tỷ đô.

Tại sao các dự án xây nhà ở, những việc khởi đầu hay những khoản đầu tư mạo hiểm phát triển sản phẩm lấy đi nhiều thời gian, tiền bạc và công sức hơn chúng ta kỳ vọng? Ví dụ, một nghiên cứu cho thấy trong số 3,500 dự án được thực hiện, ngân sách dự án thường vượt quá 40-200%. Các nghiên cứu của Giáo sư Kế hoạch Bent Flyvbjerg thấy rằng khoảng 9 trong 10 dự án hạ tầng giao thông bị vượt quá chi phí. Các nghiên cứu của ông cũng cho thấy chênh lệch lớn giữa khối lượng yêu cầu giao thông dự đoán và thực tế. Ông đưa cho chúng ta vài ví dụ: Đường hầm nghệ thuật trung tâm Boston vượt quá 275% hay $11 tỷ so với ngân sách. Chi phí cho Sân bay quốc tế $5 tỷ ở Denver cao hơn gần 200% so với ước lượng và mật độ hành khách trong năm khánh thành bằng một nửa so với mục tiêu. Hầm đường sắt dưới nước Great Belt ở Thụy Điển vượt quá chí phí 110%. Các ví dụ về những dự án khác vượt quá chi phí và lợi ích giảm xuống như Tàu trên cao ở Bangkok, trung tâm tiện lợi ở Los Angeles, sân vận động Olympic ở Quebec, máy bay quân sự Eurofighter, đường hầm kênh đào Channel, chương trình gián điệp vệ tinh của Lầu Năm Góc, Olympic 2004 tại Athens.

Một dự án gồm một chuỗi các bước trong đó tất cả phải đạt được thành công. Mỗi bước đơn lẻ có vài xác suất thất bại. Chúng ta thường đánh giá thấp lượng lớn những thứ có thể xảy ra trong tương lai hoặc các cơ hội thất bại, và khiến dự án thất bại. Con người làm ra sai lầm, trang thiết bị sai, công nghệ không làm việc như kế hoạch, những kỳ vọng phi thực tế, thiên kiến trong đó có hội chứng chi phí chìm, thiếu kinh nghiệm, khích lệ sai lầm, thất bại thầu, công nghệ không được thử nghiệm, trễ, phân phối sai, thay đổi yêu cầu, các sự kiện ngẫu nhiên, phớt lờ các dấu hiệu cảnh báo sớm là những lý do cho chậm trễ, vượt quá chi phí và sai lầm. Chúng ta thường tập trung quá nhiều vào một tình huống dự án cụ thể và bỏ qua những cái bình thường xảy ra trong những điều kiện tương tự (tần suất xuất hiện cơ bản của kết quả - cá nhân và những cái khác). Tại sao một số dự án rất khác so với những ghi chép dài hạn của những dự án tương tự? George Bernard Shaw nói: “Chúng ta học được từ lịch sử rằng con người không bao giờ có thể học bất cứ thứ gì từ lịch sử.”

Các bước để đạt được kịch bản càng độc lập, cơ hội thất bại càng nhiều và càng ít khả năng kịch bản sẽ xảy ra. Chúng ta thường đánh giá thấp số bước, con người và các quyết định có trong đó.

Thêm vào đó, chúng ta thường quên độ tin cậy của một hệ thống là một chức năng của toàn hệ thống. Kết nối yếu nhất tạo ra giới hạn trên cho toàn bộ chuỗi.

TransCorp muốn phát triển một sản phẩm mới.

Để tiên đoán xác suất phát triển sản phẩm mới, chúng ta cần biết tất cả các bước trong chuỗi phát triễn sản phẩm và xác suất của từng cái. Dự án tạo ra có 6 bước và mỗi bước độc lập với các bước khác. Mỗi bước có 80% khả năng thành công. Dựa trên các chương trình phát triển tương tự vận hành trong cùng điều kiện, TransCorp ước lượng có 8 trên 10 lần mỗi bước sẽ thành công. Trong 2 lần của 10 lần đó xảy ra vài thứ ngăn cản mỗi bước thành công. Nhưng vì mỗi bước là độc lập, xác suất của chúng phải được nhân với nhau. Xác suất mà cuối cùng công ty cũng thành công để phát triển sản phẩm là 26% - có nghĩa là TransCorp nên kỳ vọng sẽ thành công 1 lần trong 4 lần phát triển. Vì vậy, ngay cả khi mỗi bước xác suất thành công là 80%, khi kết hợp lại, xác suất thành công của sản phẩm cũng giảm xuống còn 26%.

Mỗi lần ta thêm vào một bước trong một hệ thống, xác suất hệ thống vận hành được sẽ giảm xuống.

John đang suy nghĩ về việc đầu tư khởi nghiệp trong lĩnh vực công nghệ sinh học.

Giáo sư và nhà đào tạo khởi nghiệp John Nesheim, người đã tham gia vào trên 300 cuộc khởi nghiệp, nói với chúng ta trong High Tech Startup (Khởi nghiệp trong  lĩnh vực công nghệ cao), rằng chỉ 6 trong số 1 triệu ý tưởng công nghệ cao trở thành một công ty đại chúng. Tần suất xuất hiện cơ bản này nói với chúng ta rằng có một xác suất thấp trước đó trong việc trở thành một công ty đại chúng.

Lấy đầu tư mạo hiểm trong lĩnh vực công nghệ sinh học làm ví dụ. Các nghiên cứu cho thấy mỗi 10,000 tới 30,000 ứng cử viên thuốc được khám phá, chỉ 250 có đánh giá tiền lâm sàng; chỉ 5-10 là lâm sàng; và chỉ 1 được công nhận. Có quá nhiều thứ phải làm đúng trước khi nó trở thành một việc kinh doanh sinh ra tiền. Các yếu tố như đạo đức công nghệ, an toàn sản phẩm, hiệu quả chi phí, sản xuất, vấn đề bản quyền, các vấn đề pháp lý, đánh giá thị trường, vị trí cạnh tranh, nhu cầu tài chính (và mức độ sẵn sàng về tài chính), v.v…Chúng ta đặt con số xác suất cho những yếu tố này như thế nào? Và ngay cả nếu chúng ta có thể, những yếu tố này phải làm việc để đạt được một kịch bản mong muốn. Hãy hỏi: Xác suất thành công trước đó của loại đầu tư mạo hiểm này là bao nhiêu trước khi tôi quan tâm đến trường hợp cụ thể này?

Warren Buffett nói về công nghệ sinh học:

Bao nhiêu trong số những công ty này kiếm được vài trăm triệu đôla một năm? Không chỉ là “xảy ra”. Không dễ kiếm nhiều tiền từ kinh doanh trong một xã hội tư bản chủ nghĩa. Có nhiều người đang nhìn vào những gì bạn làm hằng ngày và cố gắng vẽ ra một con đường để làm tốt hơn, giá rẻ hơn bạn, mang đến một sản phẩm tốt hơn hay bất kỳ cái gì có thể.

Khoản bồi thường chúng ta cần để nhận rủi ro thực sự là một chức năng của đầu ra mong muốn, liên quan đến tất cả các đầu ra khác có thể. Lấy việc tung xúc xắc làm ví dụ. Bao nhiêu khả năng chúng ta nhận được mặt 6 chấm bốn lần một vòng? Nếu chúng ta phải đầu tư $1 để chơi trò này một lần, chúng ta cần lấy $1,296 để chơi. Có 1,296 kết quả mà chỉ có 1 trong số chúng là thỏa mãn (6,6,6,6).

Thứ có thể xảy ra càng tiêu cực – hay thứ tích cực phải xảy ra – ta phải được bồi thường tốt hơn để gánh lấy rủi ro. Hãy hỏi: Điều gì có thể xảy ra và hậu quả là gì? Hãy dự đoán những trở ngại không nhìn thấy trước.

Nếu bạn tham gia đầu tư mạo hiểm, hãy nghe theo lời khuyên của Warren Buffett:

Bạn có thể mua vụ đầu tư đầy rủi ro một cách có ý thức – nó thực sự có một xác suất gây ra lỗ hay tổn thương rõ ràng – nếu bạn tin vào thành quả bạn đạt được, tính trọng số cho các xác xuất, cân nhắc những gì vượt quá khoản lỗ của bạn, trọng số nên có tính so sánh, và nếu bạn cam kết một con số tương tự, nhưng cho những cơ hội không liên quan. Hầu hết các nhà tư bản mạo hiểm đi theo chiến lược này. Bạn nên lựa chọn theo đuổi cách này, bạn nên thích nghi với viễn cảnh của một casino sở hữu bánh xe roulette, nó sẽ muốn nhìn thấy nhiều hành động vì nó ưu ái các xác suất, nhưng sẽ từ chối chấp nhận một vụ cá độ lớn và đơn lẻ.

Chúng ta có thể minh họa lời khuyên của Warren Buffett bằng toán học. Giả sử một cuộc khởi nghiệp có xác suất thành công là 40%. Xác suất trong đó 10 cuộc khởi nghiệp độc lập lẫn nhau (với cùng một xác suất thành công) tất cả đều thành công là 0.01% nhưng xác suất để ít nhất một cái thành công là 99.4%. Ở đây chúng ta giả thiết rằng số phận của mỗi vụ đầu tư mạo hiểm độc lập với số phận của những cái khác. Một thất bại khời nghiệp không còn tạo ra khả năng khởi nghiệp khác cũng thất bại.

“Chúng ta bỏ tiền vào vụ mạo hiểm này thế nào nếu chúng ta không được tặng một tương lai tuyệt vời?”

Hãy xem xét thiên kiến từ những lời khích lệ. Để bán một vụ mạo hiểm, lợi nhuận kỳ vọng thường được đánh giá quá cao. Warren Buffett nói: “ Chúng tôi hy vọng tất cả các việc kinh doanh của chúng tôi từ giờ trở đi sẽ lên hoặc xuống. (Chỉ trong các buổi giới thiệu bán hàng của các ngân hàng đầu tư, lợi nhuận mới đi lên mãi mãi.)”

Thất bại hệ thống và tai nạn

Vào ngày 25 tháng 7 năm 2000, một chiếc Concorde từ Paris tới New York đã bị rơi ngay sau khi cất cánh. Toàn bộ 109 người trên khoang thiệt mạng, cùng với 4 người trên mặt đất.

Một thanh kim loại thất lạc trên đường băng bị mất từ một chiếc máy bay khác là nguyên nhân gây ra tai nạn. Kết quả là một lốp bị nổ. Vụ nổ này đẩy những mẩu cao su vào thùng nhiên liệu, khiến rò rỉ nhiên liệu và hỏa hoạn.

Chúng ta đánh giá thấp khả năng một sự kiện xảy ra khi nó có thể xảy ra cách này hay cách khác. Các vụ tai nạn xảy ra nếu chúng có cơ hội để xảy ra.

Giáo sư thiên văn học Carl Sagan nói trong cuốn Carl Sagan: a life in the cosmos (Carl Sagan: sự sống trong vũ trụ): “Thảm họa Chernobyl và Challenger nhắc nhở chúng ta rằng những hệ thống công nghệ cao dù có uy tín quốc gia to lớn đã đầu tư, cũng có thể nếm trải thất bại thảm khốc.”

Sự an toàn của hệ thống không nằm trong một thành phần mà trong tương tác của tất cả các thành phần. Nếu thành phần quan trọng thất bại, hệ thống có thể thất bại. Giả sử một tàu vũ trụ con thoi được tạo bởi 2,000 phần độc lập hay hệ thống nhỏ hơn, mỗi cái làm việc với xác suất 99.9%. Tất cả các phần cần phải làm việc để tàu con thoi làm việc. Xác suất ít nhất một phần không làm việc khiến tàu con thoi dừng hoạt động là 86% (nhiều phần có nghĩa là nhiều cơ hội để thất bại).

Vụ mất điện bắt đầu lúc 10:30 p.m trong khu vực Omaha, và hiệu ứng domino khiến một dòng thác bị cúp điện xuất hiện trên toàn nước Mỹ.

Vài hệ thống dễ bị xoáy vào các vụ tai nạn hơn các hệ thống khác vì số lượng thành phần, kết nối và các tương tác của chúng. Chúng ta thêm vào càng nhiều biến số trong một hệ thống, chúng càng tương tác nhiều, ta càng làm nó trở nên phức tạp, càng nhiều cơ hội hệ thống gặp thất bại. Cải tiến vài phần trong hệ thống tương tác cao có lẽ ít loại bỏ được các vấn đề trong tương lai. Luôn luôn có xác suất để nhiều thất bại đồng thời và hệ thống càng phức tạp, càng khó tiên đoán mọi thất bại có thể xảy ra. Ngoại lệ của nó là hệ thống phục vụ như một hệ thống thay thế khi hệ thống hiện tại hỏng hóc. Chúng ta phải chắc rằng các hệ thống dự phòng không gây ra những hiệu ứng không mong muốn hoặc vài phần chia sẻ cùng một lỗi.

Phân tách các sự kiện độc lập và phụ thuộc. Xác suất một hệ thống điều hướng máy bay làm việc là 99% và xác suất một hệ thống điều hướng dự phòng làm việc là 90%. Xác suất hệ thống dự phòng thất bại không bị ảnh hưởng bởi hệ thống chính có hoạt động hay không. Xác suất để không có hệ thống điều hướng nào hoạt động là một phần mười phần trăm (0.01 x 0.1). Độ tin cậy của hệ thống điều hướng do đó là 99.9% (ít nhất một hệ thống điều hướng sẽ làm việc).

Nhưng nếu các hệ thống phụ thuộc – xác suất dự phòng thất bại tăng lên nếu hệ thống chính thất bại – xác suất thất bại của toàn bộ hệ thống tăng lên. Chúng ta không thể giả thiết các sự kiện độc lập lẫn nhau. Cái xảy ra tiếp theo trong chuỗi sự kiện có lẽ không độc lập với kết quả trước đó. Các hệ thống con có thể chia sẻ cái gì đó chung. Ví dụ, các động cơ máy bay lấy nhiên liệu từ một nguồn cung chung và một ống bơm chung. Sự phụ thuộc cũng có thể do thực tế các phần đều từ cùng một thiết kế, được sản xuất bởi cùng một công ty.

Những thứ không chắc chắn xảy ra nếu đủ thời gian. Một sự kiện có một cơ hội trong 20 xảy ra vào một năm nào đó (giả sử xác suất giữ không đổi theo thời gian) là gần như chắc chắn xảy ra trong vòng 50 năm (92.3%). Nếu chúng ta giảm xác suất xuống 1 cơ hội trong số 40, xác suất xảy ra sự kiện ít nhất một lần trong 50 năm giảm xuống còn 71.8%.

Giả sử có 40 cách độc lập để một tai nạn hạt nhân xảy ra trong một năm nào đó, mỗi cái có xác suất là 1 trong 1000. Xác suất để ít nhất một vụ tai nạn hạt nhân xảy ra trong 10 năm tới là 33%.

Chúng ta có thể giảm con số xác suất của các tai nạn, nhưng không loại bỏ được chúng.

Lúc 3:42pm, San Francisco bị rung chuyển bởi một trận động đất lớn.

Dựa trên tần suất và các dữ liệu khoa học, các nhà khoa học ước tính năm 2003 rằng có 62% xác suất (dải lỗi có thể là bất kỳ đâu từ 38% tới 87%) để ít nhất một trận động đất 6.7 richter hoặc hơn tấn công vào đâu đó trong vùng Vịnh trước năm 2032. Xác suất của một trận động đất lớn xảy ra trong một năm nào đó do đó là 3.2% (giả thiết xác suất xảy ra động đất lớn trong một năm là như nhau). Xác suất để một trận động đất lớn sẽ xảy ra ít nhất một lần trong 5 năm kế tiếp là 15%.

Bất chấp các yếu tố được xem xét trong tiên đoán động đất, may mắn vẫn đóng vai trò trong việc một trận động đất lớn có xảy ra hay không.

Chúng ta có thể tiên đoán thời gian, vị trí, độ lớn của một trận động đất trong tương lai chứ? Giáo sư thống kê ở Berkeley David Freedman và Philip Stark nói trong báo cáo của họ What is the chance of an earthquake (Khả năng động đất), rằng một trận động đất lớn hơn ở vùng Vịnh là không thể tránh khỏi, và xảy ra theo thời gian địa chất: “Các xác suất là một trò giải trí. Thay vào việc dự báo, USGS [Cục điều tra Địa lý Mỹ] có thể giúp đỡ cải tiến xây dựng các mã và lập kế hoạch phản ứng của chính phủ với trận động đất lớn kế tiếp. Các cư dân vùng Vịnh nên có những biện pháp phòng ngừa hợp lý, trong đó có việc giằng buộc lại hay bỏ lại nhà cửa cũng như bảo đảm an toàn nguồn nước, giá sách và các vật nặng. Trước hết họ nên giữ các nguồn trợ giúp, nước và thức ăn trong tầm tay. Họ cũng nên bỏ qua các dự báo của USGS.”

“Công nghệ của chúng ta không thể hỏng được. Điều đó có thể xảy ra như thế nào chứ?”

Nhiều hệ thống thất bại vì chúng tập trung vào máy móc, chứ không phải con người sử dụng chúng. Ví dụ, một nghiên cứu của các bác sỹ gây mê thấy rằng lỗi của con người có trong 82% các vụ tai nạn có thể phòng tránh được. Phần còn lại thuộc về lỗi trang thiết bị.

Ngay cả nếu xác suất công nghệ nào đó làm việc là 99.99%, sai lầm của con người cũng khiến hệ thống ít tin cậy hơn chỉ có riêng độ tin cậy công nghệ. Con người tham gia vào thiết kế, thực hiện và sửa chữa. Bỏ qua sự thiếu hiểu biết và không đủ kiến thức, với độ phức tạp của các yếu tố con người và không phải con người tương tác với nhau, có vô số cách để nhiều thứ có thể hỏng.

Vào năm 1983, chuyến bay 007 của hãng Korean Airlines bị bắn hạ cách xa bên lãnh thổ Nga vì vi phạm không phận Nga. Toàn bộ 269 người trên khoang thiệt mạng.

Chiếc máy bay đi chệch gần 360 dặm so với tuyến đường định trước. Sau đó cho thấy, một chuỗi các sự kiện ngẫu nhiên dẫn đến việc máy bay đi trệch đường. Nó bắt đầu khi chiếc máy bay rời khỏi Anchorage, Alaska. Cơ trưởng và phi hành đoàn mệt mỏi khi chiếc máy bay cất cánh. Một chuỗi các sự kiện nhỏ, mỗi cái đều không đáng kể, kết hợp lại thành một thảm họa.

“Xin lỗi, tôi đã để lại một dụng cụ kim loại trong bụng anh.”

Các bác sỹ đôi khi mắc sai lầm – cả trong chẩn đoán và điều trị cho bệnh nhân. Ví dụ, một bác sỹ phẫu thuật quên một dụng cụ kim loại trong bụng bệnh nhân, bệnh nhân bị cắt cụt sai chân, bác sỹ phẫu thuật tim bỏ qua động mạnh có vấn đề, một bác sỹ kê đơn sai thuốc, chuẩn đoán nhầm bệnh tim, ung thư đại tràng bị nhầm, chuẩn đoán sai chứng tắc phổi, hay một sản phẩm máu bị dán nhãn nhầm.

Trong Nghiên cứu Thực hành Y học Harvard (1991), một mẫu ngẫu nhiên của 30,000 bệnh nhân từ 51 bệnh viện trong bang New York được chọn. Các bản ghi y tế được kiểm tra để phát hiện bằng chứng tổn thương do quản lý y tế sai. Nghiên cứu cho thấy 3.7% số bệnh nhân (kế toán cẩu thả chỉ ghi 1%) bị biến chứng khiến kéo dài thời gian nằm viện hay gây tàn tật. Các nghiên cứu sau đó cho thấy các sai lầm y tế gây ra khoảng 44,000 tới 98,000 cái chết ở Mỹ mỗi năm và lỗi y tế là một trong tám nguyên nhân hàng đầu dẫn đến tử vong.

Một nghiên cứu về 100 trường hợp mắc lỗi chuẩn đoán nội khoa cho thấy các yếu tố liên quan đến hệ thống đóng góp 65% các trường hợp và các yếu tố nhận thức có trong 74%. Các yếu tố liên quan đến hệ thống và nhận thức thường đồng thời xảy ra. Nguyên nhân phổ biến nhất của các lỗi dựa trên nhận thức là xu hướng dừng xem xét các lý giải có khả năng xảy ra khác sau khi vừa chuẩn đoán.

Các nghiên cứu về khám nghiệm tử thi cho thấy một cuộc điều tra ở Mỹ có tỷ lệ khám nghiệm tử thi là 5%, có thể hi vọng bị chuẩn đoán sai một căn bệnh chính bên trong, hoặc nguyên nhân chính gây tử vong, khoảng 24% mỗi lần. Thậm chí một bệnh viện làm khám nghiệm tử thi trên mọi người cũng nên hi vọng tỷ lệ sai khoảng 8%.

Henry Ford nói: “Đừng tìm lỗi, hãy tìm biện pháp cứu chữa.” Đừng kết tội. Hãy tìm nguyên nhân và cách phòng tránh. Thông thường cách tốt hơn để ngăn chặn các sai lầm trong tương lai là thiết kế an toàn cho các hệ thống chứ không phải ngăn người khác mắc các sai lầm tương tự. Ví dụ, ngành hàng không cho rằng lỗi đánh giá xảy ra và tốt hơn là tìm kiếm nguyên nhân chứ không phải kết tội. Đó là tại sao Cục Quản Lý Hàng Không Liên Bang (FAA) có một hệ thống báo cáo an toàn bay (ASRS) để phân tích và lập báo cáo các sự cố hàng không. FAA tận dụng NASA như một bên thứ ba để nhận các báo cáo an toàn hàng không. Nhóm cộng tác này mời các phi công báo cáo cho NASA những thiếu sót thực tế và tiềm năng liên quan đến an toàn hàng không. NASA là bên nhận đảm bảo bí mật và vô danh cho người báo cáo và tất cả các bên liên quan trong sự cố. Không có vi phạm nào về tính bảo mật trong hơn 20 năm của ASRS dưới sự quản lý của NASA. Các phi công đã báo cáo sự cố trong vòng 10 ngày được tự động miễn bị trừng phạt.

Yếu tố an toàn

“Chúng ta luôn luôn xem xét sự biến thiên và tính không thể đoán trước khi thiết lập các yếu tố an toàn. Chúng ta hành động như thể chúng ta đang xây một cây cầu. Chúng ta rất bảo thủ.”

La Mã cổ đại sử dụng lời động viên trong thiết kế và xây dựng các cây cầu an toàn. Người thiết kế cây cầu phải đứng dưới nó sau khi hoàn thành trong khi các xe ngựa qua lại trên đỉnh. Điều đó đặt cả tính mạng của người thiết kế và người sử dụng cây cầu vào rủi ro. Nó làm tăng xác suất mà người thiết kế chắc chắn để cây cầu đứng vững.

Các kỹ sư và kiến trúc sư thêm yếu tố an toàn để trợ giúp sự không chắc chắn. Yếu tố này phụ thuộc vào hậu quả của thất bại, mức độ rõ ràng rủi ro được hiểu, các đặc điểm của hệ thống và mức độ kiểm soát.

Giả sử các vụ tai nạn sẽ xảy ra và hãy chuẩn bị cho khi con người và công nghệ không làm việc như kế hoạch. Các hệ thống nên được thiết kế để loại bỏ xác suất các sự kiện xấu hay giới hạn hậu quả của chúng nếu chúng xảy ra. Chúng ta có thể mượn một ý tưởng từ hàng không, nơi mà các sự cố được điều tra rõ ràng để học hỏi xem điều gì xảy ra sai lầm và cách làm tốt hơn lần tới – phân tích sự cố nghiêm trọng. Hãy hỏi: Các vụ tai nạn cụ thể xảy ra như thế nào? Các yếu tố chính nào tham gia? Chúng có mẫu chung nào không?

Chúng ta cần thêm yếu tố an toàn cho những rủi ro biết và không biết. Chúng ta phải quan tâm đến các điểm gãy, xây dựng các hệ thống bảo vệ và các kế hoạch dự phòng. Chúng ta cũng phải đơn giản hóa và chuẩn hóa trang thiết bị và các qui trình, sử dụng các danh mục kiểm tra để giảm khả năng xảy ra lỗi vận hành.

<< Phần 3: Chương NĂM

Phần 3: Chương BẢY >>