1704521350
1704521351
1704521352
图18–5
1704521353
1704521354
痛苦多于收益，或者收益多于痛苦。假设你从“你在这里”这一点开始，在第一种情况下，当变量x增加，即在横轴上向右移动，获得的收益（纵轴）将比变量x向左移动，即减少相同幅度时所遭受的损失更大。该图说明了正面不对称性（左图）会带来凸性效应（曲线向内），而负面不对称性（右图）会带来凹性效应（曲线向外）。再重申一遍，当变量在两个方向产生同等幅度的偏差时，凸性效应带来的收益会大于其损失，而凹性效应带来的收益则会小于损失
1704521355
1704521356
1704521357
1704521358
1704521359
图18–6
1704521360
1704521361
每个图中有两类风险，一种是线性的，一种是非线性的。左图显示的是负凸性，也就是凹性，右图是正凸性。突发事件会对非线性产生不成比例的严重影响。事件越严重，两类风险所致影响的差别就越大
1704521362
1704521363
接下来，让我们用这个非常简单的技术来识别三元结构中的脆弱性及其位置。
1704521364
1704521365
纽约的交通
1704521366
1704521367
让我们把“凸性效应”运用到我们身边的事物上。交通是高度非线性的。如果我要乘白天的航班从纽约飞到伦敦，我需要在早上5点左右（是的，我知道）离开我的住处，26分钟后可以到达美国肯尼迪国际机场的英航航站楼。在这个时间段，纽约几乎是一座空城，仿佛这里根本不是纽约。如果我6点离开我的住所去赶一班稍晚一点儿的飞机，路上花费的时间几乎与赶乘之前的航班没有什么区别，至多路上的车多了一些。高速公路上再增加一些车也几乎不会对交通产生什么影响，或影响很小。
1704521368
1704521369
接着，一件神秘的事情发生了——汽车数量增加10%后，路上花费的时间猛增了50%（我用的是近似数）。请看凸性效应的作用：道路上的汽车平均数对行车速度来说并不重要。如果前1个小时有9万辆汽车行驶在路上，下1个小时有11万辆汽车行驶在路上，那么汽车行驶的速度远比平均每小时有10万辆汽车要慢。请注意，行车时间是负数，我把它当作成本计算，就像费用一样，交通时间增加是一件坏事。
1704521370
1704521371
所以，出行成本在高速公路上汽车数量的波动性面前是脆弱的，它不那么依赖平均数。每增加一辆汽车，都会使交通时间增加很多。
1704521372
1704521373
这对当今世界的一个核心问题（也就是那些致力于创建“高效”和“优化”系统的人，却对非线性反应）给了我们启发。例如，欧洲的机场和铁路负荷都很重，因为它们似乎过于高效了。它们以接近最大容量的负荷来运行，导致冗余和闲置容量很小，因此成本很低；但是，只要乘客数量稍微增加，比如由于一个小小的乘客滞留问题导致航班增开5%，就会给机场造成混乱，乃至让怨声载道的旅客在机场过夜，唯一的安慰就是听一些流浪者用吉他演奏法国民歌。
1704521374
1704521375
接下来，我们可以看看这个概念在整个经济领域的应用：中央银行可以印钞票，它不停地印，却毫无效果（但中央银行自称这种措施是“安全”的），随后，印钞票的活动“意外”地引发了通货膨胀。许多经济成果都因凸性效应而完全消除——好消息是，我们知道这是如何引发的。可惜的是，政策制定者的工具（和文化）都过度依赖于线性，而忽略了那些隐藏的效果，他们称之为“近似”。但是，当你听到有人谈论“二阶”效应，你就会明白，凸性效应会导致近似结果根本无法代表现实情况。
1704521376
1704521377
图18–7中，我绘制了一条假设性的曲线，代表行车时间对汽车数量的反应。请注意图中曲线是向内弯曲的。
1704521378
1704521379
1704521380
1704521381
1704521382
图18–7
1704521383
1704521384
该图显示，我到肯尼迪机场的行车时间（和行车成本）在超过某一点之后，对路上的汽车数量呈现非线性反应。行车成本曲线朝内弯曲——形成凹性效应——不是一件好事
1704521385
1704521386
有人打电话给纽约市政府官员
1704521387
1704521388
关于凸性效应加上对大偏差的错误预测，是如何影响一个过度优化的系统的，我有一个恰当的例子来说明这一点。这是一个简单的故事，说的是纽约市官员低估了封闭一条路对交通拥堵所造成的影响。这个错误是非常普遍的：一些细微的变动就会给超负荷运转的系统（因此也是脆弱性的系统）带来严重的后果。
1704521389
1704521390
2011年11月一个星期六的晚上，我开车到纽约市与哲学家保罗·博格西恩见面，然后去一个村庄共进晚餐——平常开车40分钟就会到达。具有讽刺意味的是，我与博格西恩见面是为了谈谈我的书——就是现在的这本书，尤其是我对系统中冗余功能的理解。我一直提倡在人们的生活中增加冗余元素，我也一直在向他和其他人吹嘘，自从我2007年立下新年决心以来，我从来没有在任何事情上迟到过，哪怕是一分钟（嗯，差不多）。回想一下在第2章中我宣传冗余性的积极立场。这样的个人自律迫使我做什么事情都会考虑缓冲时间，我会随身携带一个笔记本，在等待别人的时候记一些名言警句，如今我已经记了满满一本了。这还不算我在书店读书时做的记录。或者，我也可以利用这些时间坐在咖啡厅里，阅读平时不愿查阅的电子邮件。而且心里一点儿压力也没有，因为我不用担心迟到。这样的自律最大的好处是，它可以防止我把一天中都塞满了约会（通常情况下，约会既无用处也不令人愉快）。其实，根据我的另一条自律规定，我一般不预先安排约会（除了听讲座），因为在日历上框定约会日期会让我感觉自己就像一个囚犯，不过这是另外一回事了。
1704521391
1704521392
当我晚上6点左右到达市中心时，交通已经很拥堵了，完全停滞了。到了晚上8点，我的车只行驶了几个街区。所以，即使我有“冗余缓冲”也没法让我再保持到那时为止尚未打破的新年决心了。然后，在调试了一番我好久不用的收音机后，我才了解到发生了什么事：纽约市批准一家专业电影公司使用第59号街桥，从而阻断了部分交通，因为他们认为在星期六这样做不会有问题。但正是这个小小的交通问题最后却因为乘法效应而演变成了一片混乱。纽约市政府原本以为只会让交通延迟几分钟的事情最终升级了两个数量级，延迟几分钟变成了延迟几个小时。简单地说，原因就在于纽约市政府没弄明白非线性关系。
1704521393
1704521394
这正是效率的核心问题：此类错误会如滚雪球般，经过数倍放大，而且其效应只往一个方向发展，即错误的方向。
1704521395
1704521396
更多就是不同之处
1704521397
1704521398
还有一种看待凸性效应的直观方式：考虑规模扩大的特性。如果遭遇某事的风险加倍，那么它导致的伤害是否会大于两倍？如果是的话，那么这一定是脆弱性的情况。否则，你就是强韧的。
1704521399