『书摘』噪声

　　噪声

　　丹尼尔·卡尼曼 奥利维耶·西博尼 卡斯·R.桑斯坦

　　130个想法

　　◆ 重磅赞誉

　　>> 简单来说，噪声是无规律的错误，偏差是系统性的错误。你一旦听到这个区别，立刻就能知道它十分重要。

　　>> 人类判断的错误源于偏差和噪声。

　　>> 当人们表现出不同的偏差时，噪声就产生了。

　　>> 在判断与决策问题上，管理者和专业人士往往都非常自信。卡尼曼与两位合作者的这部新书《噪声》再次告诉我们：人类远远不如我们想象的那么理性，人类的判断也远远不如我们想象的那么完美。对于决策者来说，“认识你自己”是一个永恒的主题；警惕认知中的缺陷，比什么都重要。

　　>> 人生经历就是所有抉择的总和，我们无时无刻不在抉择，工作与生活在一次次的抉择中潜移默化地发生了变化。

　　>> 没有人可以永远做出正确的抉择，总有噪声在影响判断力。

　　>> 噪声是不可消除的，但我们必须尽量将噪声的影响降至最低。

　　>> 决策无处不在，而“噪声”与“信号”在其中穿插交错，互相影响。

　　>> 自然界存在着尚未被感知的法则，而它们无形中影响着人们的决策。

　　>> 人们担忧“算法统治世界”，其实是担忧暗藏在庞杂算法背后的“噪声污染”，但这种想法其实是倒因为果，因为这些噪声恰恰源于人的认知局限和判断缺陷。

　　>> 人生是由大大小小的判断组成的。判断即人生。判断不仅会受偏差的影响，还会受噪声的影响。

　　>> 如果说偏差造成了“决策的不全面性”，那么噪声则造成了“决策的不一致性”。

　　>> 噪声和人的个性、偏好以及外部环境的变化都有关系，它往往随机出现，但影响巨大。

　　>> 噪声之所以存在，是因为人是情绪动物：决策者对洞见未来过度自信，不同人对同一情况的感知大相径庭，外部环境对心境的影响也会给决策者带来潜移默化的作用。

　　◆ 推荐序1 在无法回避噪声的世界，更好地追求高级境界与极致效益

　　>> 在无法回避噪声的世界， 更好地追求高级境界与极致效益

　　>> 在选择过程中，你会面对很多你并不想要或者令你判断不清的信息、建议、想法、观点等，现在我们知道了，所有那些不同的信息、建议、想法和观点，都有可能成为噪声。

　　>> 噪声极大地影响了我们决策的品质，也打破了我们内心的平静。它无时无刻不存在于我们身边，充满诱惑，甚至造成致命危害。

　　>> 这个案例的启发是：我们在制定决策时，维护至关重要的信息、排除非关键信息非常必要。

　　◆ 第一部分 寻找噪声

　　>> 哪里有判断，哪里就有噪声，而且它比你想象的还要多。

　　◆ 第1章 犯罪和充满噪声的判罚

　　>> 强制性准则既能减少偏差，也能减少噪声。

　　>> 第一，世界充满复杂性与不确定性，因此判断是一件困难的事情。

　　>> 第二，分歧的程度比我们预想的大得多。

　　>> 第三，噪声是可以减少的。

　　>> 第四，减少噪声的努力往往会招致反对，让人举步维艰。

　　◆ 第2章 系统噪声，给人达成一致的错觉

　　>> 只要判断者是从一群具有同等资历的人中随机挑选出来的，噪声就是一个必然存在的问题。

　　>> 在充满噪声的系统中，错误不会相互抵消，只会累加。

　　>> 噪声就像地下室漏水，它之所以能被容忍，不是因为人们认为它是可接受的，而是因为它一直未被发现。

　　>> 对失败的判断进行事后总结。作为一种学习机制，事后总结是有用的，但是如果真的犯了错误，比如某项判断严重偏离了专业规范，那么对该错误进行讨论就没有意义了。

　　>> 哪里有判断，哪里就有噪声，而且它比你想象的还要多。

　　◆ 第3章 单一决策，仅发生一次的重复决策

　　>> 重复决策中的噪声可以通过噪声审查识别出来。

　　>> 如果单一决策与重复决策一样存在噪声，那么用于减少重复决策中噪声的策略应该也可以用于提高单一决策的品质。

　　>> 无论只做一次决策还是做一百次决策，你的目标都应该是减少偏差和噪声，而且减少错误的实践方法在单一决策和重复决策中同样有效。

　　◆ 第二部分 你的大脑是一种测量工具

　　>> 判断不等同于思考，“做出准确判断”也不等同于“拥有良好的判断力”。

　　>> 同所有测量工具一样，人类的大脑并不完美，其中同时存在偏差和噪声。

　　◆ 第4章 什么是判断

　　>> 能否验证并不会改变你的判断经验。在一定程度上，当一个问题的答案很快就被揭晓时，你可能会更加积极地思考，因为害怕出错，所以你的注意力更加集中。

　　>> 一致感是判断经验的一部分。它并不完全取决于真正的结果。

　　>> 我们比较了两种评估判断品质的方法：一种是比较判断的结果，另一种是比较判断过程的品质。

　　>> 如果不同判决之间的差异太大，大到就像抽签一样，那就是有问题的。

　　>> 系统噪声就是不一致，而不一致会损害系统的可信度。

　　◆ 第5章 测量误差，噪声与偏差的代价一样大

　　>> 测量和减少噪声应该与测量和减少偏差同等重要。

　　>> 平均值是最佳评估结果，因为在这种情况下总体误差最小。

　　>> 同等程度地减少噪声和偏差，对总体误差会产生什么影响？答案很明显：在误差方程中，偏差和噪声可以互换，因此无论是减少噪声还是减少偏差，对减少总体误差而言意义是一样的。

　　>> 无论偏差的大小如何，减少噪声都有益处。

　　◆ 第6章 噪声分析：所有判断都存在3类噪声

　　>> 水平噪声是指不同法官做出的判决与平均值之间的变异。

　　>> 模式噪声是指法官对特定案件做出的反应的变异。

　　◆ 第7章 情境噪声，无时无刻不在影响着我们的判断

　　>> 我们从同一个人对同一个问题的判断中观察到的变异性，并不是一些高度专业的问题中存在的偶然现象，事实上，情境噪声无时无刻不在影响着我们的判断。

　　>> 它会改变你的思维方式，这种效应甚至超乎你的想象。好的情绪是一把双刃剑，不好的情绪也可能成为困境中的一线希望，不同情绪的利与弊取决于具体的情境。

　　>> 你并非在所有时刻都一样。随着情绪的变化（有时候你会意识到），你的认知机制也会改变（你可能根本意识不到）。如果你面临一个复杂的判断问题，当前的情绪会影响你对这个问题的思考以及得出的结论，即便你认为你的判断没有受到情绪的影响，并且能很自信地阐明自己给出最终答案的理由。简而言之，你的判断充满噪声。

　　>> 你不可能永远是同一个人，随着时间的流逝，你远没有你所想象的那么前后一致；但令人欣慰的是，与其他人相比，今天的你更像昨天的自己。

　　>> 如果我们的大脑是一种测量工具，那么它永远是不完美的。

　　◆ 第8章 群体是如何放大噪声的

　　>> 微小的差别可能导致一个群体坚定地说“是”，而本质上相同的另一个群体却坚定地说“否”。

　　>> 相似的群体会做出非常不同的判断，而同一群体做出的判断也仅仅是一系列可能性中的一种。

　　>> 即便一点点社会影响都会降低群体智慧，但对多个独立判断进行适当的汇总则可以产生令人难以置信的准确结果。

　　>> 信息级联会导致噪声可能出现在多个群体之间，有时出现的可能性甚至非常大。

　　>> 噪声水平的降低是因为对裁决结果进行了机械性的汇总，即对个体的独立判断进行平均会减少噪声。

　　◆ 第9章 判断与模型，简单的模型普遍优于人类判断

　　>> 简单模型的决策优于人类判断。

　　>> 人类在许多方面都不如统计模型，其中一个主要弱点在于人类的判断过程存在噪声。

　　>> 判断模型的表现一如既往地胜过判断者本人。

　　>> 用机器减少噪声可以提高预测判断的有效性。

　　>> 你可能会认为自己比一般人更擅长思考、更有洞察力，但实际上只是你的噪声更多而已。

　　◆ 第10章 无噪声的规则

　　>> 机器学习模型之所以能够在预测方面表现出色，其中一个原因就是，它们能够发现人类所无法想象的各种“断腿”情况。

　　>> 某些算法不仅比人类判断更准确，而且也更公平。

　　>> 明智的简单规则比人类的判断要好很多。

　　◆ 第11章 哪里有预测，哪里就有客观无知

　　>> 尽管偏差和噪声都会造成预测误差，但此类误差最重要的来源并非受限于预测性判断实际有多好，而是受限于预测性判断应该有多好。

　　>> 哪里有预测，哪里就有客观无知，而且客观无知比你想象的要严重得多。

　　>> 不应该将专家失败的预测归咎于专家本人。但是，他们确实应该受到批评，因为他们在尝试完成一项不可能完成的任务，却相信自己可以做到。

　　>> 长期预测毫无用处。

　　>> 模型确实比人表现得更好，但并没有好很多。

　　>> 仅通过你所获取的信息进行预测，其准确性必然非常低。

　　>> 在充满无知的情况下，否认无知就显得更加诱人。

　　>> 当算法能够获得更高的准确性时，人们会更愿意相信算法，因为它的确定性带来的“收益”可以与内部信号相匹敌，甚至超越它。

　　◆ 第12章 常态谷：事情虽无法预测，但可以被理解

　　>> 客观无知不仅为我们的预测力设定了上限，也限制了我们的理解力。

　　>> 新事件一旦被人们所知，其他可能性就会被消除——编故事的过程几乎消除了所有的不确定性。

　　>> 即使主观上的不确定性存在过一段时间，当不确定性消失后，对不确定性的记忆也将消失不见。

　　◆ 第13章 启发式、偏差与噪声

　　>> 回答一个难题的启发式是去寻找一个简单问题的答案。用一个问题代替另一个问题会导致源于可预见性心理假设的误差，我们称之为心理偏差。

　　>> 由于证实性偏差和期望偏差，我们倾向于有选择地收集和解释证据，以支持那个我们已经相信或希望成真的结论。

　　>> 我们能迅速形成一致性印象，但要想改变一致性印象，过程却很缓慢。

　　>> 替代偏差会导致我们对证据不正确地赋权；结论偏差会导致我们要么绕开证据，要么以曲解的方式考虑它；而过度一致性偏差则会放大初始印象的效果并减少矛盾信息的影响。当然，以上三种类型的偏差都会产生统计偏差，也都会产生噪声。

　　>> 总而言之，心理偏差是一种普遍存在的心理机制，它们经常导致共性的错误。但是，当偏差的个体差异较大（不同的预判）或偏差的效应取决于情境（不同的触发因素）时，噪声就会产生。

　　◆ 第15章 选取精确的量表，并多用相对判断

　　>> 第一，量表的选取会对判断中产生的噪声量造成很大影响，因为模糊的量表是充满噪声的。第二，如果可以的话，用相对判断代替绝对判断可能会减少噪声。

　　◆ 第18章 卓越的判断者，卓越的判断力

　　>> 好的判断者往往经验丰富且充满智慧，但他们也时刻保持着思维的开放性，愿意接纳新的信息。

　　>> 智力水平与更好的判断相关。智力与几乎所有领域的良好表现都相关。

　　>> 如果你必须挑选一些人来做判断，那么你的最优选择是挑选那些高智商的人。

　　>> 拥有这种思维模式的人是最好的预测者，他们会根据新的信息不断修正自己的思维和观念。好消息是，一些证据表明，开放性思维是一种可习得的技能。

　　◆ 第19章 消除偏差与决策卫生

　　>> 要么在做出判断之后进行纠正；要么在做出判断之前进行干预。

　　>> 决策者必须是发起决策观察并支持决策观察者的人。我们当然不建议你自己任命自己为决策观察者，这样你既不会赢得朋友，也不能影响他人。

　　>> 即使你不知道想要规避什么样的错误，你也应该采用减少噪声的策略。

　　>> 从统计学上讲，减少噪声可以避免许多错误，但你可能永远也不会知道到底是避免了哪些错误。噪声是躲在暗处的敌人，即使躲开了敌人的暗箭，你可能也察觉不到。

　　◆ 第20章 司法科学，信息排序是最大的噪声

　　>> 严格控制用于做出判断的信息流动。

　　>> 可信度是效度的条件，原因很简单，如果你自己的判断都会不一致，那么它也难以与真实情况一致。

　　>> 减少噪声的第一步必须是承认它可能存在。

　　>> 它们阐明了一个适用于许多领域的决策卫生策略：通过对信息进行排序来限制过早地使用直觉。

　　◆ 第21章 甄选与汇总，超级预测的两大策略

　　>> 一种是应用我们在第18章提到的原则——选择更好的判断者，从而做出更好的判断；另一种是最普遍适用的决策卫生策略之一——汇总多项独立的评估结果。

　　>> 超级预测者的与众不同之处不在于他们智力过人，而在于他们明白如何运用智慧。

　　>> 他们喜欢一个特殊的思维循环：尝试，失败，分析，调整，再试一次。

　　>> 这一发现也让萨托帕和其他研究人员大吃一惊：“超级预测者”的成功主要归功于他们在控制测量误差方面的出色能力，而不是其他人无法复制的对新闻的透彻解读。

　　>> 我们需要注意的一个重点是：无论多样性如何，只有在判断真正彼此独立的情况下，对判断进行汇总才能减少噪声。

　　◆ 第22章 医疗决策，用科学的诊断指南减少噪声

　　>> 医疗水平的进步往往是通过消除判断也就是将判断转变为计算来实现的。

　　>> 专家们给不出一个唯一且明确的答案，这意味着他们对噪声的解释本身就充满噪声。诊断类别过于宽泛无疑是其中一个因素。

　　◆ 第23章 绩效评估，用基于外部视角的共识框架做出量化判断

　　>> 结构化是一种限制光环效应的手段，它通常可以将一个人在不同维度上的评估限制在一个小范围内。

　　◆ 第24章 人员招聘，以结构化指标衡量人才

　　>> 汇总是有效的，前提是判断是独立的。

　　>> 我们按照3个原则来定义结构化的复杂判断：分解、独立性和推迟整体性判断（delayed holistic judgment）。第一个原则是分解，它将决策分解为多个组成部分，每个部分对应一个中介评估法。

　　>> 结构化判断的第二个原则是独立性，要求独立收集每个评估维度的信息。

　　>> 结构化判断的第三个原则是推迟整体性判断，简单概括来说就是：不排除直觉，但推迟直觉。

　　◆ 第25章 中介评估法，做出明智决策的核心方法

　　>> 对信息进行排序；将决策过程结构化并进行独立评估；使用基于外部视角的共同参考框架；汇总多个独立判断。中介评估法旨在改变决策过程，通过应用这些技术尽可能多地引入决策卫生策略。

　　◆ 第六部分 最佳的噪声水平

　　>> 第一，减少噪声的代价很大，不值得。

　　>> 第二，为减少噪声而采用的某些策略可能会给系统本身引入新的错误，有时甚至会造成系统性偏差。

　　>> 第三，如果希望让人们觉得自己受到尊重和有尊严，我们就必须容许一些噪声的存在。

　　>> 第四，噪声可能是容纳新的价值观乃至促进道德和政治的发展至关重要的事物。

　　>> 第五，一些力图减少噪声的策略可能会促成投机取巧的行为，导致人们利用制度的漏洞，或规避禁令。

　　>> 第六，存在噪声的系统可能有很好的威慑作用。

　　>> 第七，人们不希望自己被当成一件物品或机器上的一个小齿轮。

　　>> 减少噪声不仅很有意义，而且迫在眉睫，哪怕存在一些反对意见。

　　◆ 第26章 减少噪声的成本

　　>> 一种算法是否会对相同的群体产生不同的影响。

　　>> 毫无疑问，我们需要关注无噪声但有偏差的算法的成本，就像我们需要考虑无噪声但有偏差的规则的成本一样。

　　◆ 第27章 尊严，人之为人的重要价值观

　　>> 规则具有明确的边界，因此人们可能会绕过规则去实行一些严格意义上说不违反规则但会造成相同或类似危害的行为。

　　>> 有噪声的系统可能对保持士气有好处，但这并不是因为它包含噪声，而是因为它允许人们根据自己的意愿做出决定。

　　◆ 第28章 规则还是标准

　　>> 规则旨在消除实施者的自由裁量权，而标准则会授予实施者一定的自由裁量权。

　　>> 算法是规则，而不是标准。

　　>> 让不同的人就减少噪声的规则达成共识非常困难，而这恰恰是需要制定标准而非规则的原因之一。

　　◆ 回顾与总结 正视噪声问题

　　>> 判断不是计算，也无须遵循精确的规则

　　>> 人类判断的错误：偏差和噪声

　　>> 原则1：判断的目的在于准确性，而不在于个性化表达。

　　>> 原则2：使用统计思维，采用外部视角审视个案。

　　>> 原则3：对判断进行结构化，将其分解成几个独立的任务。

　　>> 原则4：抵制不成熟的直觉。

　　>> 原则5：获取多位判断者的独立判断，再考虑汇总这些判断。

　　>> 原则6：用相对判断和相对量表会更好。

　　>> 噪声是隐形的敌人，战胜隐形的敌人也只能取得隐形的胜利，但是，就像保持身体健康需要讲卫生一样，决策卫生至关重要。