发帖
雷达卡
他的研究仍在影响人们的决策
新京报2024-03-28 17:34
丹尼尔·卡尼曼（Daniel Kahneman）是一位作家、心理学家和经济学家，于1934年3月5日出生在以色列特拉维夫市，拥有以色列和美国双重国籍。1954年毕业于以色列耶鲁撒冷的希伯来大学，获心理学与数学学士学位，1961年获美国加州大学心理学博士学位。他开创了前景理论（Prospect Theory）、将心理学与经济学相结合的交叉研究以及促进了行为经济学的发展。他的研究打开了社会心理学、认知科学、对理性与幸福的研究以及行为经济学的新局面。
卡尼曼与阿莫斯·特沃斯基（Amos Tversky）共同开发了前景理论，该理论改变了经济学对人们决策行为的理解。前景理论指出，人们的决策不仅受到预期结果的影响，还受到参照点的影响，对风险的感知是非对称的。
在心理学与经济学交叉研究方面，卡尼曼将认知心理学的观点应用到经济学领域，深入研究了人们在不确定情境下的决策过程。他的研究揭示了人类决策行为中存在的种种偏差和心理规律，如确认偏差、损失厌恶等。卡尼曼通过引入心理学视角和实证研究方法，对行为经济学的发展做出了重要贡献。他的研究成果推动了经济学理论对于人类行为更为真实的认识，对于解释和预测经济现象具有重要意义。
2011年，卡尼曼被《外交政策》杂志评为全球顶级思想家。他最为人熟知的著作《思考，快与慢》总结了他的大部分研究成果，一经出版就成为全球范围的畅销书。这本书的简体版2012年出版，也让许多大陆读者认识了这位学者。2015年，《经济学人》杂志将他列为全球第七大最具影响力的经济学家。
2021年，卡尼曼新作《噪声》出版，这本书指出了我们之所以常常做出糟糕的决策，是因为决策过程中的噪声远比我们意识到的要多。书评周刊于2021年专访了丹尼尔·卡尼曼以及《噪声》的另一位合作者奥利维耶·西博尼。以下是专访原文。
丹尼尔·卡尼曼（Daniel Kahneman），诺贝尔经济学奖得主，美国总统自由勋章获得者，《思考，快与慢》作者，普林斯顿大学尤金·希金斯心理学荣休教授，公共和国际事务学院教授，曾荣获多项奖章，包括美国心理学学会颁赠的心理学终身贡献奖。他的跨领域研究对经济学、医学、政治学、社会学、社会心理学、认知科学等领域都产生了深远的影响，被誉为“行为经济学之父”。
新冠疫情暴发以来，很多人都关注到了一个值得思考的现象：世界各国在应对新冠的方式和政策上存在着明显的差异。造成这种现象的原因是什么呢？
如果把范围缩小到欧洲，这种现象就更让人困惑。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。有些国家的疫情日增病例数字时不时冲上热搜，有些国家却能成为他国借鉴经验的典范。
这种现象是如何造成的呢？有一种新颖的观点认为：并非这些国家不想做好防控措施，只是他们在制定决策的过程中受到了干扰，误判了形势，导致了决策的失败。
研究这类现象的学者把这种决策中的干扰因素称为“噪声”，提出者是行为心理学家丹尼尔·卡尼曼。人们在决策中为什么会出错？这一直是卡尼曼研究的主题。很多读者都读过他的著作《思考，快与慢》，这本书在2012年上市后长期出现在全球各类畅销书榜单上。时隔近十年之后，卡尼曼和另外两位作者共同完成了又一本面向大众的著作《噪声：人类判断的缺陷》。
《噪声：人类判断的缺陷》， [以] 丹尼尔·卡尼曼 / [法] 奥利维耶·西博尼 / [美] 卡斯·R.桑斯坦 著，李纾/汪祚军/魏子晗 译，湛庐文化｜浙江教育出版社，2021年9月。
《噪声》在某种意义上可以视作《思考，快与慢》的续作。卡尼曼认为，人类决策中的错误是由“偏见”和“噪声”组成的，《思考，快与慢》回答了“偏见”产生的根源，近期出版的《噪声》则分析了另一个影响决策的因素。
《噪声》指出，人们之所以常常会做出糟糕的决策，都源于忽略了“噪声”对决策的影响，甚至是那些在激烈的竞争中已经胜出的组织也无法做出完全精准的决策。“噪声”是影响人类判断的黑洞。决策所在之处，就会有噪声，噪声远比我们预期的要多。
卡尼曼在对谈中说道，写作这本书也想传递给读者一个重要信息：噪声的存在告诉我们，人们彼此之间看待世界的方式是如此的迥异，差异之大远远超出了我们的预期。如此说来，《噪声》的价值更在于提出问题。作为一种“人类不完美”的证据，如果噪声注定是无法被消除的，那么我们需要知道的，就是如何在适当的情境下减少噪声，而在另一些情境下理解噪声存在的必要性。
在下文的对话中，《噪声》的两位作者具体分析了为什么决策中总是夹杂着“噪声”，为什么我们又意识不到它的存在。如今火热的人工智能与算法，能否成为减少噪声的解决方案？
用“噪声”概念
解释决策差异
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。
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。
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”。
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。
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
