Daniel Kahneman、Olivier Sibony 和 Cass R. Sunstein 的《噪音》

Business Daniel Kahneman Finance Management Skills Methodology Noise Psychology

人类判断的缺陷

Noise by Daniel Kahneman, Olivier Sibony and Cass R. Sunstein

买书 - Daniel Kahneman、Olivier Sibony 和 Cass R. Sunstein 的《噪音》

《噪音》这本书的主题是什么?

Noise (2021) 是对随机性在人类决策和决策过程中所产生的混乱和昂贵影响的调查。通过揭示支撑我们大脑和社会功能的过程,作者证明了噪音——决策中不受欢迎的不可预测性——既不可避免又难以捉摸。然而,我们可以通过使用一些合理的方法来减少我们判断中的噪音,并使我们的环境更加公平。

谁读过《噪音》这本书?

  • 行为经济学家、心理学家、CEO 和学生都对行为经济学感兴趣。
  • 任何对人类如何做出决定以及这些决定如何影响社会感兴趣的人都应该阅读这本书。
  • 任何关心流程正确性和公平性的人。

谁是 Daniel Kahneman、Olivier Sibony 和 Cass R. Sunstein,他们是做什么的?

丹尼尔·卡尼曼 (Daniel Kahneman) 是一位经济学家和心理学家,以其 1995 年出版的《思考,快与慢》一书而闻名。由于对经济学的贡献,卡尼曼于 2002 年荣获诺贝尔经济学奖, 2013 年获得总统自由勋章。他现在是普林斯顿大学的名誉教授,在那里他任教多年。
Cass R. Sunstein 是一名法律研究员,也是许多书籍的作者或合著者,包括他与理查德·塞勒合着。他还是各种文章和书籍章节的作者。 Cass Sunstein 博士曾在巴拉克奥巴马总统的政府中担任高级行政人员。他还是哈佛大学行为经济学和公共政策项目的创建者和负责人。
他是牛津大学研究员、麦肯锡公司前高级合伙人、《你即将成为可怕的错误!你即将犯下一个可怕的错误!

对我来说到底是什么?揭开迷人的噪音领域的奥秘。

考虑以下场景:您手里拿着一个秒表。启动手表,然后在精确到十秒后停止,所有这一切都没有看时间。如果连续多次重复此过程,您会发现在点上达到 10 秒几乎是困难的。有时你会短一点,有时你会长一点。您有时可能会偏离几毫秒。其他时候,您会偏离几分之一秒,甚至更多。无论如何,作为这个小实验的结果,你最终会得到一系列没有明显模式和可辨别来源的错误。这是噪音的一个例子,或一系列不可预测的错误决定。尽管您在这个小型秒表实验中的错误似乎无害,但您很快就会发现,诸如此类的判断差异可能会产生更严重的后果。请接受我的邀请,进入奇怪的噪音领域。

这些笔记所涵盖的主题包括天气与你进入大学的机会有什么关系,为什么你 - 和其他人 - 在预测未来方面很糟糕,以及我们寻求叙事的头脑如何对我们的决定造成严重破坏。

人类的判断可能会受到各种无关和意外情况的不利影响。

考虑以下场景:您是一名高中生,您和您最亲密的朋友都自称为知识极客。为了更好地理解我们在此讨论的噪音类型的随机性和奇怪性,假设您是一名高中生。您和您的朋友都在学校连续获得了 A,SAT 成绩优异,并在同一所常春藤盟校接受了入学面试。您参加了面试,一切都如您所料。你出色的学习成绩给招生官留下了深刻印象,你回到车上穿过校园,脸上晒着太阳,背上吹着凉风,感觉棒极了。你的哥们第二天和同一位招生官有约会,这对你来说很方便。就像你的面试一样,她的面试也很顺利。然而,她刚一离开,积聚了一天的雨云就爆开,倾盆大雨。

几周后,你和你的搭档会收到招生办公室的来信。结果他们拒绝了你,而是接受了你的好友。你的思绪在脑海中盘旋。为什么?她有什么你没有?第一个也是最重要的信息如下:人类的判断可能会受到各种无关和意外情况的不利影响。正如行为科学家 Uri Simonsohn 在 2003 年一篇题为“云使书呆子看起来不错”的文章中所写的那样,天气可能对选举结果产生了影响。 Simonsohn 的研究结果表明,大学招生官员在阴天时会更加关注成绩和考试成绩。

或者,在光明的日子里,招生官员更关注非学术特征,这意味着在你面试​​的那天,招生官可能对体育和创造力比直接的 As 和 SAT 分数更感兴趣,而不是直接的 As 和 SAT 分数。或者,也有可能招生官的选择与天气完全无关,而与你之前的面试官有很大关系。也就是说,也许是因为这些孩子很有前途,招生官只是不想继续连败。

但是等一下。其他不相关的变量也可能在选择中起作用。尽管他可以在工作场所使用空调,但在当地足球俱乐部遭受令人失望的损失后,招生官可能会感到饥饿或沮丧。尽管办公室里有空调,但他可能认为太阳太热了。多项研究表明,这些看似无关紧要的变量中的每一个都可能影响银行信贷员、棒球裁判、医生和法官的判断。重要的是要注意,在所有这些情况下,一个人在做出各种决定时会不断面临基本相同的情况。这种不可预测性被研究人员称为偶然噪声,它是噪声的主要类型之一。然而,它不是唯一的。

噪音和偏差不是一回事,但偏差可能会导致噪音。

让我们尝试另一个思想实验,这次是在狂欢节期间进行的。更具体地说,它是在一个射击场。你们两个刚刚用BB枪向射程远端串起的纸靶发射了许多金属弹丸。你们都是糟糕的射手,但你们的方式不同。纸上目标的失误分散在整个目标上。从远处看,很明显没有图案。你的照片有很多噪音。另一方面,你朋友的论文目标讲述了一个不同的故事。他的射门被组合在一起,但都没有击中目标。在左下方,他的照片是我的最爱。他的表情传达出真正的靶心真的在那里的印象。或者,他的步枪枪管可能已经弯曲。他一贯错误的根源是什么?

这里最重要的教训是噪音和偏见不是一回事,但偏见可能会引起噪音 偏见是用来描述我们经常犯错误的术语。这个词经常用来表达我们日常生活中对某些个人群体的偏见。在心理学领域,这个词经常被用来指导致我们做出错误决定的认知过程。考虑结论偏差现象,它导致我们将判断偏向于期望结果的方向,导致我们以扭曲的方式感知信息。考虑迈阿密移民法庭的例子,在那里发现获得庇护的机会从 5% 到 88% 不等,这取决于主持此案的两位法官中的哪一位。这两位法官的决定几乎肯定受到偏见的影响。不用说,这种偏见可能会改变生活。

如果庇护判决是 BB 枪中的 BB 弹丸,那么两名迈阿密法官会各自创建带有子弹的纸靶,这些子弹会散落在各处。然而,如果将整个迈阿密法庭的庇护判决,包括其他法官不可预测的选择,都绘制在地图上,法庭的纸上目标似乎是一团糟。系统噪声是一个术语,用于描述当系统内部的判断彼此之间存在不合理的不一致时发生的可变性。还记得那个讨厌的常春藤盟校招生工作人员,他有时会大声喧哗吗?这也有可能是偏见造成的。但是,无论我们是想弄清楚事件噪声还是系统噪声,我们都必须从远处检查我们的纸质目标。如果我们将目标放在离眼睛太近的地方,噪音就会变得不明显。现在让我们将注意力转移到另一个容易产生噪音的领域:预测。

在进行预测时,我们经常会被目前看似正确的东西所左右。

决定保释的法官负有很大的责任。她应该将囚犯拘留在监狱中等待审判还是应该允许他保释?如果她犯了错误并拒绝被告保释,他将失去自由和就业机会。他的家人可能会被迫离开他们的家。这些苦难都无助于伸张正义。或者,如果她错误地准予保释,他可能会逃跑,在最坏的情况下,犯下另一项罪行作为惩罚。在她面前预测被告如果获释会做什么。不幸的是,人们——包括法官在内——在各自领域做出准确预测方面是出了名的糟糕。这里最重要的教训是,当我们做出预测时,我们经常会被当时对我们来说似乎好的东西误导。

2018 年,由计算和行为研究人员 Sendhil Mullainathan 领导的团队开发了一种算法,可以在法庭上生成保释决定。他们给出了大约 760,000 次真实世界保释听证会的结果,并发现如果同时实施该算法,该算法会将监狱人口和已释放罪犯的犯罪行为减少 24% 至 42%。另一项研究发现,一个只考虑两个变量的简单公式——被告的年龄和他们跳过的法庭日期的数量——在各种情况下都击败了人类法官。那么,是什么算法和粗略的算术让具有多年培训和经验的专业人士远远落后于他们呢?解决方案很简单。法官是容易犯错的人。

正是我们对封闭的需要驱使我们试图预见未来 目的是解决一个心理问题,当我们想出解决方案时,我们会得到一个内部信号,说:“是的,那就是它!”令人愉快的预测符合我们的世界观,而这种情绪愉悦的力量常常使我们看不到预测的一个根本缺陷:无法预见未来。我们无法知道我们不知道的东西,而我们所知道的东西在某种程度上可能是不正确的、不准确的或具有欺骗性的。规则和算法同样缺乏知识。事实上,情况要糟糕得多。然而,它们缺乏与它们相关的内部信号、世界观和情感奖励。简而言之,它们的表现优于人类,因为它们不受噪音的影响。

我们不注意噪音,因为它不会产生有趣的叙述。

注释通常以叙述开头的事实可能引起了您的注意。作为起点,我们创造了一个时间和地点,一个事件,其中包括一个角色,一个有目标和挑战要完成的人。我们这样做是因为人类的思维喜欢良好的叙事,而在故事中有用的知识更有可能被保留。到目前为止,我们已经研究了噪音及其对刑事司法和大学招生过程的一些影响。如前所述,在个人做出判断的任何地方,都会有很多噪音。但是,如果我们周围有这么多的噪音,为什么我们没有听到更多的声音呢?这里最重要的教训是我们忽略噪音,因为它不会产生有趣的叙述。

在过去几十年中获得的大部分心理学理解都集中在我们与叙事的紧密联系上。我们发现,人类的思维通过编造故事来解释其所见所闻,从而理解世界。

例如,心理学家发现了所谓的基本归因错误,它指的是我们倾向于将更准确地描述的事件归功于或归咎于个人。换句话说,这些天我们到处都能看到人和故事情节。一种被称为“天真的现实主义”的心理过程,即我们始终如一地看待现实的假设,通过在我们的现实受到质疑时排除可能有问题的反叙事来帮助加强我们的叙事。作者将其称为正常的谷底,通过回想起来指定一个原因,使异常变得可以理解。当真正出乎意料的事情发生时,大脑会试图将其置于所谓的正常谷之内。

这将我们引向了本次讨论的主要观点:噪音对叙述有抵抗力。噪音不是因果关系,它不符合我们既定的理解模式。如果有任何叙述,至少乍一看,它是一个令人沮丧且看似毫无意义的叙述。它没有引起注意,因为没有适合响度的叙述。我们的反应要么是完全无视,要么是有意识的编辑,或者我们将其视为偏见的一个例子。毕竟,偏见在叙述中可能是有效的。它具有引发事件的能力。

另一方面,噪声只能通过数据的统计分析来检测。当面临保释拒绝、大学录取、庇护听证会和就业决定的不可预测性时,很容易认为它们受到偏见的影响。此外,如前所述,偏见在某些情况下可能是一个重要因素。相比之下,当我们退后一步,将这些事件作为一个整体来看时,它们的随机性和混乱性就变得明显了。

通过对单个问题的大量独立评估进行平均,我们可以减少我们听到的噪音。

在我们继续之前,让我们简要回顾一下到目前为止我们所学到的一切,如下所示:哪里有人类判断,哪里就会有噪音,而这种噪音有时可能会带来可怕的、改变生活的影响,视情况而定 因此,问题不可避免地出现:我们可以做些什么来解决这种情况?我们可以做些什么来降低噪音水平?

我们应该从 1906 年秋天开始,当时著名进化论家查尔斯达尔文的博学者和远房表亲弗朗西斯高尔顿参观了普利茅斯的一个县集市,以更好地了解这个问题。他在摊位上走来走去,偶然发现了牛称重区的一场比赛。高尔顿以智力理论家等着称,他专心聆听了 800 多人对公牛体重的最佳估计,这激起了他的兴趣。没有人正确地将答案确定为 1,198 磅。比赛结束后,高尔顿要求主办方将门票交给他,以便他对其进行统计研究。

当估算值显示在图表上时,它们似乎无处不在。数量多变且出乎意料,无处不在,无处不在。人们制造了很多噪音。然而,当高尔顿计算这些估计的含义时,村民们估计的含义揭示了一些出乎他意料的事情。它几乎完美无缺,只有一磅的差异。这里最重要的信息之一是,我们可以通过对单个主题的多个独立判断进行平均来减少噪音。在他的研究中,高尔顿发现了一种被称为群体智慧效应的现象。从许多评委的独立评估中积累,然后平均他们的答案已被证明是在数百种不同情况下获得接近真相的可靠方法。

当你让个人估计一个罐子里的果冻豆的数量、两个随机选择的城市之间的距离或一周后的温度时,他们的反应将是多种多样且不可预测的。他们会发出很大的声音。当响应被平均化时,一个答案中的噪音平衡了另一个响应中的矛盾噪音。背景噪音会自行抵消。另一方面,群众的智慧也有一些重要的局限性。首先,每个法官必须完全独立于其他法官。就小组而言,当您向整个小组提出问题时,个人对小组的反应与对问题本身的反应相同。此外,只有当每个人都在考虑完全相同的情况时,群体的智慧才有效。要求每个人进行新的询问不会让您在生活中取得任何进展。

最后,大众的智慧并不能防止偏见的可能性。每当一个群体有偏见时,例如判断中的系统性错误,该群体答案的含义就会简单地浓缩并放大这种偏见。例如,当招聘委员会对女性求职者的决定进行汇总和平均时,对女性有偏见的招聘委员会似乎会更加明显。

为了对抗噪音,您必须首先通过使用噪音审计使其明显。

到目前为止,我们已经花了大量时间讨论法官以及他们施加的看似随机且有时无法解释的各种惩罚。这种不公正的随机性质并没有逃过加利福尼亚北区美国地方法官马文·E·弗兰克尔的注意。在他职业生涯的早期阶段,弗兰克尔意识到他有能力,例如,将一名被定罪的银行劫匪判处最高 25 年的监禁,或者他可以选择监禁一天。弗兰克尔认为,他的最终决定受他个人信仰、偏好和偏见的影响。1973 年,弗兰克尔出版了一本书,在书中他展示了对本质上相同的罪行的惩罚差异。一个例子是小额支票造假者被判 30 天监禁,另一个因基本相同的行为被判 15 年。

另一方面,个人轶事可以合理化。因此,弗兰克尔着手创作一幅更持久、更有条理的肖像画。这里的重要教训是,为了与噪音作斗争,您必须首先通过使用噪音审计来明确这一点。 1981 年,弗兰克尔领导了一个研究小组,要求 208 名联邦法官根据 16 种虚构场景对刑事罪犯进行判刑。结果发表在《刑事司法》杂志上。据弗兰克尔说,弗兰克尔的团队分别向每位法官介绍了情况,然后他们绘制了法官在每种情况下建议的惩罚差异。根据这项研究和许多其他类似研究的结果,统计证据表明,刑事处罚的规则是惊人的多样性而不是一致性。

通过使用审计技术,弗兰克尔证明了可以确定任何机构中的噪音量,其中一组专家负责处理非常相似的案件。这是如何去做的。首先,确定你的目标。确定在您的情况下可以接受多少判断变化。检查同一被淹地下室的不同索赔理算员建议的可接受的付款变化是什么,这可能是保险主管的一个问题。之后,根据情况召集您的法官或理赔员,并为他们提供要考虑的场景。确保为每个决定提供数字表达式,例如一个人将在监狱中度过的年数或保险公司将支付的金额。

最后,画出评委对你的靶心的反应的图表。结果是您组织中噪音的诊断图片。现在,你打算怎么办?

决定性的卫生可能有助于减少噪音,它与正常卫生相似,因为它需要纪律和预防措施。

想象自己在手术台上,准备好接受外科手术。就在您在全身麻醉作用下入睡之前,首席外科医生走到水槽前开始洗手。她用肥皂泡手,然后在热水下冲洗以消毒。有可能她仅仅通过一个简单的动作就阻止了数量未知的病毒进入您的身体。我们可以使用噪声做本质上相同的事情。通过遵循我们称为决策卫生的一组规则,我们可以显着减少环境中的噪音量。这里有一个明确的信息:决策卫生可能有助于减少噪音,它与定期清洁同样重要,因为它需要纪律和预防。

首先,在做出任何重大选择之前,知道如何停下来进行统计思考是建立决策卫生的第一步 - 相当于外科医生用肥皂洗手 - 至关重要。在上一节中,我们发现我们寻求叙事的大脑会根据他们遇到的一切创造故事。我们直接介入并赋予案件的细节以原因和意义。尽管这是一种自然的倾向,但它却是对混乱的一种邀请。相反,您应该努力采用 Kahneman 所说的“外部视角”,将每个实例置于更大的可比较情况的上下文中。

举个例子,当你有一位新任 CEO 在职时,你担心她的工作效率。这位 CEO 的教育、声誉和业绩历史可能会提供一些提示,但它是一堆乱七八糟的此时要浏览的复杂且可能具有欺骗性的信息。与从头开始不同,噪声较小的方法会查看来自可比环境的结果。例如,您可能想了解您所在行业的 CEO 平均离职率,或者您可能想了解新任 CEO 导致股价上涨的频率。在开发可靠的统计框架时,重要的是要避免过快地得出结论。

我们都喜欢一个感觉良好的决定,但你想确保它出于正确的原因感觉是正确的。将您对 CEO 母校的直觉或对她上一份工作中发生的事情的直觉保存在安全的地方。取而代之的是,为与对最可能发生的事情的有根据的评估一致的决定保留情感奖励。另外,对于复杂连贯的判断,产生一个情绪上是愉悦的,但这种愉悦可能会导致判断错误。如果可行,将困难的情况分解为不同的问题,并将它们委托给独立的仲裁者。例如,将 CEO 任期与公司股票估值之间的联系联系起来,可能是一个令人着迷的心理难题,但也可能完全没有意义。一个警示故事提醒我们应该考虑的决策卫生的一个更重要的方面。

判断是否支持降噪以使其有效至关重要。

弗兰克尔法官在 1984 年取得了成功。国会通过了《量刑改革法案》,随后迅速实施了基于对 10,000 个真实案例的研究的严格量刑指南。根据新规定,法官在作出决定时只能审查犯罪行为和被告人的过往历史。法官会给每个人一个数值,所得分数将决定可能施加的惩罚范围。因此,量刑中的噪音量显着减少。例如,在该法案出台之前,一个被判犯有贩毒罪的人可能会面临从 1 年到 10 年不等的刑期,这完全取决于案件被指派给哪个法官。之后,不可预测性减少到几个月的时间跨度。

来自全国各地的评委表达了他们的不满。他们花了数年时间通过学习和经验磨练自己的正义感,但突然间,他们的判断力被一个基本的数学问题所取代。从中吸取的最重要的教训是,要使降噪有效,法官必须在场。由于立法中的技术问题,最高法院于 2005 年否决了《量刑改革法》。几年后,哈佛大学法学教授 Crystal Yang 对该法案废除后被判刑的 4,000 起刑事案件进行了调查。严厉处罚与全国平均水平的差距扩大了一倍多。个人价值观已经发展成为惩罚的基础,这已成为常态。噪音又回到了现场。

回想起来,弗兰克尔法官和他的支持者未能在他们的降噪斗争中迈出重要的一步。他们未能使法官就裁决的最终目标达成共识。做决定的目的应该是准确而不是个人表达。与文学批评、竞技体育、电影制作或任何其他观点和风格的多样性促进丰富和发展的领域相比,评估本质上相同的情况的专家之间的异质性是一个问题 当两名放射科医生独立查看相同的 x 时,会出现放射学错误-ray 并获得不同的发现。其中一位放射科医生是不正确的。换句话说,在裁判走到射击场之前,他们必须首先就同一个目标达成一致。

一旦评委同意准确性是最重要的考虑因素,审核员应要求他们参与测试场景的开发。如果不这样做,将确保审计将受到恶意检查。之后,评委将审查噪音的范围和财务影响。例如,卡尼曼对一家保险公司进行了调查,发现承保人为客户设定的费率平均比公司设定的费率高 55%。承销商有必要了解将这种噪音降至最低的重要性,以便他们意识到定价过高和定价过低造成的损失高达数亿美元。

在实施决策卫生时,法官必须参与制定切合实际的、特定于系统的规范,在尽量减少噪音和减少其他费用之间取得折衷。例子包括在美国实施“三击”法,该法要求被判犯有三项罪行的个人终身监禁,以应对不断增加的犯罪水平。该法规降低了噪音,但并未考虑被告以前的犯罪历史、犯罪的严重程度或成为好公民的能力。

审核、清洁、法规、习惯和预防都是重要的考虑因素。降噪并不是一个迷人的职业。但是,此时,您可能已经意识到噪音的代价很高。它浪费金钱,助长不公正,并导致相关人员遭受个人痛苦。它侵蚀了对法律制度、健康、教育和工作场所等机构的信任。现在我们已经发现了它,我们有责任将其关闭。

噪声以最终求和结束。

这些笔记的基本主题是人类判断中的随机和不受欢迎的可变性无处不在,我们为此付出了高昂的代价,无论我们是否意识到这一点。幸运的是,如果我们采取预防的态度并遵循降噪的原则,我们就可以降低噪音。可操作的建议:利用您内在的集体知识。跟进注释 5,您发现对单个问题的多个独立评估进行平均可能有助于减少这些判断中的噪音,并为您提供令人难以置信的准确答案。问题是,如果你一遍又一遍地问自己同样的问题,你会得到同样的结果。搏一搏。在接下来的几天里,问问自己以下问题:世界上有多少机场位于美利坚合众国?当您将所有答案加在一起时,平均值将非常安静且非常接近现实。警告:这个答案有一个剧透:它是 32%。

买书 - Daniel Kahneman、Olivier Sibony 和 Cass R. Sunstein 的《噪音》

由 BrookPad 团队根据 Daniel Kahneman、Olivier Sibony 和 Cass R. Sunstein 的 Noise 撰写



较早的帖子 较新的帖子


发表评论

请注意,评论必须在发表前获得批准

Judge.me Review Medals