噪聲

　　丹尼爾·卡尼曼 奧利維耶·西博尼 卡斯·R.桑斯坦

　　130個想法

　　◆ 重磅贊譽

　　>> 簡單來說，噪聲是無規(guī)律的錯誤，偏差是系統(tǒng)性的錯誤。你一旦聽到這個區(qū)別，立刻就能知道它十分重要。

　　>> 人類判斷的錯誤源于偏差和噪聲。

　　>> 當人們表現(xiàn)出不同的偏差時，噪聲就產(chǎn)生了。

　　>> 在判斷與決策問題上，管理者和專業(yè)人士往往都非常自信?？崧c兩位合作者的這部新書《噪聲》再次告訴我們：人類遠遠不如我們想象的那么理性，人類的判斷也遠遠不如我們想象的那么完美。對于決策者來說，“認識你自己”是一個永恒的主題；警惕認知中的缺陷，比什么都重要。

　　>> 人生經(jīng)歷就是所有抉擇的總和，我們無時無刻不在抉擇，工作與生活在一次次的抉擇中潛移默化地發(fā)生了變化。

　　>> 沒有人可以永遠做出正確的抉擇，總有噪聲在影響判斷力。

　　>> 噪聲是不可消除的，但我們必須盡量將噪聲的影響降至最低。

　　>> 決策無處不在，而“噪聲”與“信號”在其中穿插交錯，互相影響。

　　>> 自然界存在著尚未被感知的法則，而它們無形中影響著人們的決策。

　　>> 人們擔憂“算法統(tǒng)治世界”，其實是擔憂暗藏在龐雜算法背后的“噪聲污染”，但這種想法其實是倒因為果，因為這些噪聲恰恰源于人的認知局限和判斷缺陷。

　　>> 人生是由大大小小的判斷組成的。判斷即人生。判斷不僅會受偏差的影響，還會受噪聲的影響。

　　>> 如果說偏差造成了“決策的不全面性”，那么噪聲則造成了“決策的不一致性”。

　　>> 噪聲和人的個性、偏好以及外部環(huán)境的變化都有關系，它往往隨機出現(xiàn)，但影響巨大。

　　>> 噪聲之所以存在，是因為人是情緒動物：決策者對洞見未來過度自信，不同人對同一情況的感知大相徑庭，外部環(huán)境對心境的影響也會給決策者帶來潛移默化的作用。

　　◆ 推薦序1 在無法回避噪聲的世界，更好地追求高級境界與極致效益

　　>> 在無法回避噪聲的世界， 更好地追求高級境界與極致效益

　　>> 在選擇過程中，你會面對很多你并不想要或者令你判斷不清的信息、建議、想法、觀點等，現(xiàn)在我們知道了，所有那些不同的信息、建議、想法和觀點，都有可能成為噪聲。

　　>> 噪聲極大地影響了我們決策的品質(zhì)，也打破了我們內(nèi)心的平靜。它無時無刻不存在于我們身邊，充滿誘惑，甚至造成致命危害。

　　>> 這個案例的啟發(fā)是：我們在制定決策時，維護至關重要的信息、排除非關鍵信息非常必要。

　　◆ 第一部分 尋找噪聲

　　>> 哪里有判斷，哪里就有噪聲，而且它比你想象的還要多。

　　◆ 第1章 犯罪和充滿噪聲的判罰

　　>> 強制性準則既能減少偏差，也能減少噪聲。

　　>> 第一，世界充滿復雜性與不確定性，因此判斷是一件困難的事情。

　　>> 第二，分歧的程度比我們預想的大得多。

　　>> 第三，噪聲是可以減少的。

　　>> 第四，減少噪聲的努力往往會招致反對，讓人舉步維艱。

　　◆ 第2章 系統(tǒng)噪聲，給人達成一致的錯覺

　　>> 只要判斷者是從一群具有同等資歷的人中隨機挑選出來的，噪聲就是一個必然存在的問題。

　　>> 在充滿噪聲的系統(tǒng)中，錯誤不會相互抵消，只會累加。

　　>> 噪聲就像地下室漏水，它之所以能被容忍，不是因為人們認為它是可接受的，而是因為它一直未被發(fā)現(xiàn)。

　　>> 對失敗的判斷進行事后總結。作為一種學習機制，事后總結是有用的，但是如果真的犯了錯誤，比如某項判斷嚴重偏離了專業(yè)規(guī)范，那么對該錯誤進行討論就沒有意義了。

　　>> 哪里有判斷，哪里就有噪聲，而且它比你想象的還要多。

　　◆ 第3章 單一決策，僅發(fā)生一次的重復決策

　　>> 重復決策中的噪聲可以通過噪聲審查識別出來。

　　>> 如果單一決策與重復決策一樣存在噪聲，那么用于減少重復決策中噪聲的策略應該也可以用于提高單一決策的品質(zhì)。

　　>> 無論只做一次決策還是做一百次決策，你的目標都應該是減少偏差和噪聲，而且減少錯誤的實踐方法在單一決策和重復決策中同樣有效。

　　◆ 第二部分 你的大腦是一種測量工具

　　>> 判斷不等同于思考，“做出準確判斷”也不等同于“擁有良好的判斷力”。

　　>> 同所有測量工具一樣，人類的大腦并不完美，其中同時存在偏差和噪聲。

　　◆ 第4章 什么是判斷

　　>> 能否驗證并不會改變你的判斷經(jīng)驗。在一定程度上，當一個問題的答案很快就被揭曉時，你可能會更加積極地思考，因為害怕出錯，所以你的注意力更加集中。

　　>> 一致感是判斷經(jīng)驗的一部分。它并不完全取決于真正的結果。

　　>> 我們比較了兩種評估判斷品質(zhì)的方法：一種是比較判斷的結果，另一種是比較判斷過程的品質(zhì)。

　　>> 如果不同判決之間的差異太大，大到就像抽簽一樣，那就是有問題的。

　　>> 系統(tǒng)噪聲就是不一致，而不一致會損害系統(tǒng)的可信度。

　　◆ 第5章 測量誤差，噪聲與偏差的代價一樣大

　　>> 測量和減少噪聲應該與測量和減少偏差同等重要。

　　>> 平均值是最佳評估結果，因為在這種情況下總體誤差最小。

　　>> 同等程度地減少噪聲和偏差，對總體誤差會產(chǎn)生什么影響？答案很明顯：在誤差方程中，偏差和噪聲可以互換，因此無論是減少噪聲還是減少偏差，對減少總體誤差而言意義是一樣的。

　　>> 無論偏差的大小如何，減少噪聲都有益處。

　　◆ 第6章 噪聲分析：所有判斷都存在3類噪聲

　　>> 水平噪聲是指不同法官做出的判決與平均值之間的變異。

　　>> 模式噪聲是指法官對特定案件做出的反應的變異。

　　◆ 第7章 情境噪聲，無時無刻不在影響著我們的判斷

　　>> 我們從同一個人對同一個問題的判斷中觀察到的變異性，并不是一些高度專業(yè)的問題中存在的偶然現(xiàn)象，事實上，情境噪聲無時無刻不在影響著我們的判斷。

　　>> 它會改變你的思維方式，這種效應甚至超乎你的想象。好的情緒是一把雙刃劍，不好的情緒也可能成為困境中的一線希望，不同情緒的利與弊取決于具體的情境。

　　>> 你并非在所有時刻都一樣。隨著情緒的變化（有時候你會意識到），你的認知機制也會改變（你可能根本意識不到）。如果你面臨一個復雜的判斷問題，當前的情緒會影響你對這個問題的思考以及得出的結論，即便你認為你的判斷沒有受到情緒的影響，并且能很自信地闡明自己給出最終答案的理由。簡而言之，你的判斷充滿噪聲。

　　>> 你不可能永遠是同一個人，隨著時間的流逝，你遠沒有你所想象的那么前后一致；但令人欣慰的是，與其他人相比，今天的你更像昨天的自己。

　　>> 如果我們的大腦是一種測量工具，那么它永遠是不完美的。

　　◆ 第8章 群體是如何放大噪聲的

　　>> 微小的差別可能導致一個群體堅定地說“是”，而本質(zhì)上相同的另一個群體卻堅定地說“否”。

　　>> 相似的群體會做出非常不同的判斷，而同一群體做出的判斷也僅僅是一系列可能性中的一種。

　　>> 即便一點點社會影響都會降低群體智慧，但對多個獨立判斷進行適當?shù)膮R總則可以產(chǎn)生令人難以置信的準確結果。

　　>> 信息級聯(lián)會導致噪聲可能出現(xiàn)在多個群體之間，有時出現(xiàn)的可能性甚至非常大。

　　>> 噪聲水平的降低是因為對裁決結果進行了機械性的匯總，即對個體的獨立判斷進行平均會減少噪聲。

　　◆ 第9章 判斷與模型，簡單的模型普遍優(yōu)于人類判斷

　　>> 簡單模型的決策優(yōu)于人類判斷。

　　>> 人類在許多方面都不如統(tǒng)計模型，其中一個主要弱點在于人類的判斷過程存在噪聲。

　　>> 判斷模型的表現(xiàn)一如既往地勝過判斷者本人。

　　>> 用機器減少噪聲可以提高預測判斷的有效性。

　　>> 你可能會認為自己比一般人更擅長思考、更有洞察力，但實際上只是你的噪聲更多而已。

　　◆ 第10章 無噪聲的規(guī)則

　　>> 機器學習模型之所以能夠在預測方面表現(xiàn)出色，其中一個原因就是，它們能夠發(fā)現(xiàn)人類所無法想象的各種“斷腿”情況。

　　>> 某些算法不僅比人類判斷更準確，而且也更公平。

　　>> 明智的簡單規(guī)則比人類的判斷要好很多。

　　◆ 第11章 哪里有預測，哪里就有客觀無知

　　>> 盡管偏差和噪聲都會造成預測誤差，但此類誤差最重要的來源并非受限于預測性判斷實際有多好，而是受限于預測性判斷應該有多好。

　　>> 哪里有預測，哪里就有客觀無知，而且客觀無知比你想象的要嚴重得多。

　　>> 不應該將專家失敗的預測歸咎于專家本人。但是，他們確實應該受到批評，因為他們在嘗試完成一項不可能完成的任務，卻相信自己可以做到。

　　>> 長期預測毫無用處。

　　>> 模型確實比人表現(xiàn)得更好，但并沒有好很多。

　　>> 僅通過你所獲取的信息進行預測，其準確性必然非常低。

　　>> 在充滿無知的情況下，否認無知就顯得更加誘人。

　　>> 當算法能夠獲得更高的準確性時，人們會更愿意相信算法，因為它的確定性帶來的“收益”可以與內(nèi)部信號相匹敵，甚至超越它。

　　◆ 第12章 常態(tài)谷：事情雖無法預測，但可以被理解

　　>> 客觀無知不僅為我們的預測力設定了上限，也限制了我們的理解力。

　　>> 新事件一旦被人們所知，其他可能性就會被消除——編故事的過程幾乎消除了所有的不確定性。

　　>> 即使主觀上的不確定性存在過一段時間，當不確定性消失后，對不確定性的記憶也將消失不見。

　　◆ 第13章 啟發(fā)式、偏差與噪聲

　　>> 回答一個難題的啟發(fā)式是去尋找一個簡單問題的答案。用一個問題代替另一個問題會導致源于可預見性心理假設的誤差，我們稱之為心理偏差。

　　>> 由于證實性偏差和期望偏差，我們傾向于有選擇地收集和解釋證據(jù)，以支持那個我們已經(jīng)相信或希望成真的結論。

　　>> 我們能迅速形成一致性印象，但要想改變一致性印象，過程卻很緩慢。

　　>> 替代偏差會導致我們對證據(jù)不正確地賦權；結論偏差會導致我們要么繞開證據(jù)，要么以曲解的方式考慮它；而過度一致性偏差則會放大初始印象的效果并減少矛盾信息的影響。當然，以上三種類型的偏差都會產(chǎn)生統(tǒng)計偏差，也都會產(chǎn)生噪聲。

　　>> 總而言之，心理偏差是一種普遍存在的心理機制，它們經(jīng)常導致共性的錯誤。但是，當偏差的個體差異較大（不同的預判）或偏差的效應取決于情境（不同的觸發(fā)因素）時，噪聲就會產(chǎn)生。

　　◆ 第15章 選取精確的量表，并多用相對判斷

　　>> 第一，量表的選取會對判斷中產(chǎn)生的噪聲量造成很大影響，因為模糊的量表是充滿噪聲的。第二，如果可以的話，用相對判斷代替絕對判斷可能會減少噪聲。

　　◆ 第18章 卓越的判斷者，卓越的判斷力

　　>> 好的判斷者往往經(jīng)驗豐富且充滿智慧，但他們也時刻保持著思維的開放性，愿意接納新的信息。

　　>> 智力水平與更好的判斷相關。智力與幾乎所有領域的良好表現(xiàn)都相關。

　　>> 如果你必須挑選一些人來做判斷，那么你的最優(yōu)選擇是挑選那些高智商的人。

　　>> 擁有這種思維模式的人是最好的預測者，他們會根據(jù)新的信息不斷修正自己的思維和觀念。好消息是，一些證據(jù)表明，開放性思維是一種可習得的技能。

　　◆ 第19章 消除偏差與決策衛(wèi)生

　　>> 要么在做出判斷之后進行糾正；要么在做出判斷之前進行干預。

　　>> 決策者必須是發(fā)起決策觀察并支持決策觀察者的人。我們當然不建議你自己任命自己為決策觀察者，這樣你既不會贏得朋友，也不能影響他人。

　　>> 即使你不知道想要規(guī)避什么樣的錯誤，你也應該采用減少噪聲的策略。

　　>> 從統(tǒng)計學上講，減少噪聲可以避免許多錯誤，但你可能永遠也不會知道到底是避免了哪些錯誤。噪聲是躲在暗處的敵人，即使躲開了敵人的暗箭，你可能也察覺不到。

　　◆ 第20章 司法科學，信息排序是最大的噪聲

　　>> 嚴格控制用于做出判斷的信息流動。

　　>> 可信度是效度的條件，原因很簡單，如果你自己的判斷都會不一致，那么它也難以與真實情況一致。

　　>> 減少噪聲的第一步必須是承認它可能存在。

　　>> 它們闡明了一個適用于許多領域的決策衛(wèi)生策略：通過對信息進行排序來限制過早地使用直覺。

　　◆ 第21章 甄選與匯總，超級預測的兩大策略

　　>> 一種是應用我們在第18章提到的原則——選擇更好的判斷者，從而做出更好的判斷；另一種是最普遍適用的決策衛(wèi)生策略之一——匯總多項獨立的評估結果。

　　>> 超級預測者的與眾不同之處不在于他們智力過人，而在于他們明白如何運用智慧。

　　>> 他們喜歡一個特殊的思維循環(huán)：嘗試，失敗，分析，調(diào)整，再試一次。

　　>> 這一發(fā)現(xiàn)也讓薩托帕和其他研究人員大吃一驚：“超級預測者”的成功主要歸功于他們在控制測量誤差方面的出色能力，而不是其他人無法復制的對新聞的透徹解讀。

　　>> 我們需要注意的一個重點是：無論多樣性如何，只有在判斷真正彼此獨立的情況下，對判斷進行匯總才能減少噪聲。

　　◆ 第22章 醫(yī)療決策，用科學的診斷指南減少噪聲

　　>> 醫(yī)療水平的進步往往是通過消除判斷也就是將判斷轉變?yōu)橛嬎銇韺崿F(xiàn)的。

　　>> 專家們給不出一個唯一且明確的答案，這意味著他們對噪聲的解釋本身就充滿噪聲。診斷類別過于寬泛無疑是其中一個因素。

　　◆ 第23章 績效評估，用基于外部視角的共識框架做出量化判斷

　　>> 結構化是一種限制光環(huán)效應的手段，它通?？梢詫⒁粋€人在不同維度上的評估限制在一個小范圍內(nèi)。

　　◆ 第24章 人員招聘，以結構化指標衡量人才

　　>> 匯總是有效的，前提是判斷是獨立的。

　　>> 我們按照3個原則來定義結構化的復雜判斷：分解、獨立性和推遲整體性判斷（delayed holistic judgment）。第一個原則是分解，它將決策分解為多個組成部分，每個部分對應一個中介評估法。

　　>> 結構化判斷的第二個原則是獨立性，要求獨立收集每個評估維度的信息。

　　>> 結構化判斷的第三個原則是推遲整體性判斷，簡單概括來說就是：不排除直覺，但推遲直覺。

　　◆ 第25章 中介評估法，做出明智決策的核心方法

　　>> 對信息進行排序；將決策過程結構化并進行獨立評估；使用基于外部視角的共同參考框架；匯總多個獨立判斷。中介評估法旨在改變決策過程，通過應用這些技術盡可能多地引入決策衛(wèi)生策略。

　　◆ 第六部分 最佳的噪聲水平

　　>> 第一，減少噪聲的代價很大，不值得。

　　>> 第二，為減少噪聲而采用的某些策略可能會給系統(tǒng)本身引入新的錯誤，有時甚至會造成系統(tǒng)性偏差。

　　>> 第三，如果希望讓人們覺得自己受到尊重和有尊嚴，我們就必須容許一些噪聲的存在。

　　>> 第四，噪聲可能是容納新的價值觀乃至促進道德和政治的發(fā)展至關重要的事物。

　　>> 第五，一些力圖減少噪聲的策略可能會促成投機取巧的行為，導致人們利用制度的漏洞，或規(guī)避禁令。

　　>> 第六，存在噪聲的系統(tǒng)可能有很好的威懾作用。

　　>> 第七，人們不希望自己被當成一件物品或機器上的一個小齒輪。

　　>> 減少噪聲不僅很有意義，而且迫在眉睫，哪怕存在一些反對意見。

　　◆ 第26章 減少噪聲的成本

　　>> 一種算法是否會對相同的群體產(chǎn)生不同的影響。

　　>> 毫無疑問，我們需要關注無噪聲但有偏差的算法的成本，就像我們需要考慮無噪聲但有偏差的規(guī)則的成本一樣。

　　◆ 第27章 尊嚴，人之為人的重要價值觀

　　>> 規(guī)則具有明確的邊界，因此人們可能會繞過規(guī)則去實行一些嚴格意義上說不違反規(guī)則但會造成相同或類似危害的行為。

　　>> 有噪聲的系統(tǒng)可能對保持士氣有好處，但這并不是因為它包含噪聲，而是因為它允許人們根據(jù)自己的意愿做出決定。

　　◆ 第28章 規(guī)則還是標準

　　>> 規(guī)則旨在消除實施者的自由裁量權，而標準則會授予實施者一定的自由裁量權。

　　>> 算法是規(guī)則，而不是標準。

　　>> 讓不同的人就減少噪聲的規(guī)則達成共識非常困難，而這恰恰是需要制定標準而非規(guī)則的原因之一。

　　◆ 回顧與總結 正視噪聲問題

　　>> 判斷不是計算，也無須遵循精確的規(guī)則

　　>> 人類判斷的錯誤：偏差和噪聲

　　>> 原則1：判斷的目的在于準確性，而不在于個性化表達。

　　>> 原則2：使用統(tǒng)計思維，采用外部視角審視個案。

　　>> 原則3：對判斷進行結構化，將其分解成幾個獨立的任務。

　　>> 原則4：抵制不成熟的直覺。

　　>> 原則5：獲取多位判斷者的獨立判斷，再考慮匯總這些判斷。

　　>> 原則6：用相對判斷和相對量表會更好。

　　>> 噪聲是隱形的敵人，戰(zhàn)勝隱形的敵人也只能取得隱形的勝利，但是，就像保持身體健康需要講衛(wèi)生一樣，決策衛(wèi)生至關重要。