决策|专访｜诺奖得主卡尼曼：“噪声”是影响人类判断的黑洞( 三 ) 思考|人类|噪声|黑洞|现象

这些误差通常来自于专家们的悲观性预测。专家预测某个地区在10天内会出现10000个新增病例，而实际结果经常只有8000例。当然也会出现过于乐观的预测造成的误差，但通常而言，新冠疫情日增病例的预测数字会比实际情况更多。这种预测中的平均误差，就是我们所说的决策偏差。
此外，新冠疫情的预测中也存在着大量“噪声” ，也就是随机变异的现象。我们假设，某个地区疫情防控政策可能依赖于某位专家的判断，这位专家可能是你信任的人，或者是掌握最高权力的人，又或者是所在国家和地区流行病学部门的负责人。在这些不同的情境下，我们的判断就会产生噪声，这是新冠病例预测中比较简单的例子。
还有一些更加复杂的例子。我们注意到，同时接受到相同疫情信息的国家，在应对新冠疫情的方式上有着截然不同的反应。显然，这些国家在做决策时都有相似的优先考虑事项：他们都在努力保护卫生系统，他们都在试图使尽可能多的人免于生病和死亡，他们也都在想办法不让经济受到新冠疫情的影响。因此，国家在制定新冠疫情政策时会有很多不同的目标，同时这些目标很难同时实现。
有些人会说，不同国家对新冠疫情的反应不同，是因为国家在权衡这些目标时有着不同的倾向。有些人把经济放在更重要的位置，另一些人则认为拯救更多的生命是第一要务，还有些人更重视其他的目标。
事实上真是这样的吗？也许吧。但更有可能的是，这种现象反映了随机变异的程度，也就是噪声的大小。我们以欧洲国家为例。你会发现在制定新冠政策时，这些欧洲国家在优先事项、主要目标、卫生系统、治理模式以及你能想到的几乎所有方面都非常相似，但最终选择的疫情应对政策有着巨大的差异。面对同样的问题，他们想出了不同的解决方案。这就是噪声对决策的影响。这是我观察到的现象，事实上类似的案例我们可以继续说下去，因为新冠疫情的防控和预测中存在很多需要下判断的情境。正如我们刚才所说，哪里有判断，哪里就有噪声。
新京报：你们在书中就噪声现象举了非常多的例子。这些决策跨越了不同的领域，从司法审判、保险理赔、医学诊断、人事决策、产品预测、专利权授予政策，以及日常生活中的各种情境。造成这些决策失误的原因都是相似的吗？比如，法官裁决是否判死刑，以及我们决定投资哪一支股票，我们通常会认为，这两种决策的思维过程是完全不同的。
西博尼：我们的研究试图专注于所谓的“专业性判断”（professional judgment），也就是审慎思考后做出的判断。你在和朋友打电话时，门铃突然响了，你会告诉朋友稍等一下。这种情境下的判断是即时反应，而不是我们所说的专业性判断。
所有的专业性决策中都会存在错误，我们认为它们都有一个共同点，我们把这些决策错误视为偏差和噪音的组合（决策错误=偏差+噪声， error=bias + noise）。如你所说，这是否会低估有些领域的决策过程的重要性呢？比如，司法审判是否应该比保险理赔需要更加复杂、更加深思熟虑的决策过程呢？我认为是的。但我们仍然可以发现，经过专业培训后的人士在各自领域做出的专业性判断都是经过充分考虑过，就这一点而言，保险理赔、法医鉴定科学、保释裁决、精神病学诊断等领域的决策过程都有着共同点，所有的这些判断中都会存在噪声。
奥利维耶·西博尼（Olivier Sibony）为读者录制的视频。