５０＋５０＞１００＋０

大學時選修普通話課程，赫然發現班裡竟有兩名本來就是說普通話的大陸交換生也來“呃學分”，學期尾考試時證實了果然是“不公平競爭”，試卷很大部份內容是要求把“瞓嚟頸”這類廣東話用語用轉為普通話，連題目都搞不懂的交換生，眾望所歸地包辦了倒數一二名。

後來有一次看新聞，對於社會上批評香港大學生英文水平越來越低的論調，當時有一位大學校長挺身而出為學生辯護，認為語文作為溝通與交流的工具，不能單用英文科的分數來衡量，英文100分能力而中文0分能力的人，和中英文都是50分能力的人，雖然總分都是100分，但肯定是後者的綜合能力較高，因為前者可作溝通交流的範圍要狹窄得多。

對於這種說法，池某的理解是，如果一件事情需要兩門或以上的知識去完成，那麼，要達致最佳效益，不是偏重於某一門知識，也不是看加起來的總分，而是要看所需的多種知識的geometric mean，偏差嚴重的長短腳，走不快也走不穩。

據說，在民國年代，大學的入學試有類似“三角幾何三角，三角三角，幾何幾何”這樣的題目，看得懂的認為是送分，看不懂的罵不絕口。是難是易，正是在於理解的偏差。

最近收到不少blog友的email，詢及賽馬統計模型問題，池某已盡自己所能回覆，但有些技術問題確實是超出了池某的理解能力，池某只能是知之為知之，不知為不知，不會也沒必要扮無所不知的專家，未能回答的，請見諒。

譬如，有IT高手認為，可運用其高超的IT技術，以AI取代人手砌模型，像AlphaGo那樣，不斷自我學習、優化，最終將砌出完美無敵的模型。哇！AI，Artificial Intelligence，人工智能，池某呢個IT白痴識條鐵咩。

問題是AI如何憑空學習？據池某所知，AlphaGo也不是從零開始的，AlphaGo團隊裡的黃士傑博士，本來就是圍棋6段高手，即使是AI，也要先有了基礎，才能透過學習去優化、改良。那麼賽馬統計模型的基礎是什麼？當然就是賽馬知識和database了。

問題又來了，如果本身就有賽馬知識也有可用的database，用統計軟件做一次regression就能得到所需的參數了。賽馬模型和圍棋不一樣，圍棋每下一步都有新的、接近無限的可能和變化，故AI大有用武之地；賽馬模型則是越穩定越好，固定下來就很少變化，無所事事了。砌模型這種殺隻雞般的小事情，不斷舞動AI這把牛刀又有何效益呢？

從blog友們的來信來看，這種企圖發揮一技之長以取代其他知識，強行解決問題的思維不在少數。其中最多的傳統的賭馬高手，認為自己眼光獨到、命中率高，希望能掌握一些簡單的數學方法，每場剔除幾匹機會率低的馬匹，就能保持長線盈利云云。這樣的問題同樣令池某難以回答。我們使用統計模型代替主觀決策，就是因為承認自己眼光差，對機率的估算不是高估就是低估。若眼光好、命中率高，何必用程式制肘自己的發揮？

賭馬是一個系統工程，系統工程就是對多種知識和方法的有效整合，若如上述所言，整合的效益最大化就是各種知識geometric mean的最大化，顯然，補短比取長更重要。