决策|专访｜诺奖得主卡尼曼：“噪声”是影响人类判断的黑洞( 二 ) 思考|人类|噪声|黑洞|现象

文章图片

奥利维耶·西博尼（Olivier Sibony），巴黎高等商学院教授，牛津大学赛德商学院外籍教授，曾在全球最大的战略咨询公司——麦肯锡咨询公司（McKinsey & Company）担任资深合伙人长达25年时间。
1
为什么世界各国应对新冠的方式差异巨大？
【决策|专访｜诺奖得主卡尼曼：“噪声”是影响人类判断的黑洞】用“噪声”概念来解释
新京报：卡尼曼教授，很多中国读者读过你的热销作品《思考，快与慢》。你在这本书中分析了人类大脑下判断的两种模式，以此来解释一个大家都非常关心的问题：决策行为中的偏差（bias）是如何产生的？而这次，你在《噪声》中探讨了另一个影响人类决策的重要因素：噪声（noise）。你能解释一下，什么是“偏差”（bias），什么又是“噪声”（noise），两者的根本区别在哪里？
卡尼曼：为了解释决策中的“偏差”与“噪声” ，我们首先要弄清楚这里所说的“决策”（judgment）究竟指的是什么。我们在书中把“决策”定义为一种测量方式，通过仪器对人类思维进行测量。这种对人类决策的测量直接借鉴于数学理论，就像我们测量一条线有多长，一件物体有多重一样。
我们假设一下，如果你用一把精度特别高的尺子测量一条线的长度，重复多次之后，你不会得到完全相同的观察结果。从这种现象中我们会发现亮点：首先，每次测量产生的误差不会完全一样。这种测量误差的随机变异现象（variability of errors），我们就称之为“噪声”（noise）。
此外，我们还可以发现，尽管每次测量都会产生误差，但把误差的正负数字相加在一起，结果是趋近于零的。但也会有些时候，我们会高估或低估了测量结果，就像浴室中一台没有校准过的体重秤。于是，我们称测量误差的平均值是有偏差的。 “偏差”（bias）指的是测量中的平均误差（average error）。
非常重要的是，我们在测量时，即使在偏差绝对不存在的情况下，测量的结果仍然会出现“噪声” ，也就是随机变异的现象。多想想我们刚才提到的情景，反复用高精度的尺测量一条线的长度，在偏差不存在的情况下，每一次测量仍然会产生噪声。
这种“噪声”现象不仅存在于物理测量的过程中，而且同样大量出现在人类思维的决策过程中。这就是我们所说的：哪里有判断，哪里就有噪声，而且远远比你想象的更多。因为我们人类在面对问题时的判断中永远不可能达成完全的一致。
我们写作这本书的初衷，是因为人类在决策中的分歧远远超过了他们的预期。然而目前几乎所有的讨论都在致力于消除决策中的偏差，这本书的目的是纠正一下平衡，彻底地探讨一下被大家忽略的噪声。
新京报：测量长度的比方对理解这组概念很有帮助。我们想知道的是，偏差与噪声在实际决策情境中是如何体现的？比方说，新冠疫情的走势是大多数人都在关心的重要话题。那么，在新冠疫情的案例中，哪些是偏差？哪些又是噪声呢？
西博尼：这场新冠危机中有很多关于“噪声”和“偏差”的例子。不幸的是，如果你今天问10位专家，请他们预测某个国家在10天内会新增多少新冠病例，你就会得到10个不同的预测结果。当然， 10天之后，我们就会知道这个问题的答案。我们取这10位专家预测结果的平均值，并将其与这10天实际发生的情况进行比较，我们就可以发现预测中存在的“偏差” 。