对话诺奖得主:人类决策面临一种被严重低估的危险 | 长江读书327期

长江商学院
2021-09-11 浏览量: 2245

一个在选人方面严格的招聘官,在面试中的考察一向很细致,可一旦碰到符合自己偏好的应聘者,比如形象好、口齿伶俐或是校友,很快就会录用。

一个医生在刚上班时通常会让大部分患者做更多的检查,临近下班时这个比例就降了下来。

对于相同问题的判断,人们本该保持一致,却经常产生出人意料的变异性。这就是噪声。

我们生活在充满噪声的世界里。哪里有判断,哪里就有噪声。如何才能降低噪声对决策、对组织的影响?

长江商学院企业家学者项目校友,《财经》杂志主编、《哈佛商业评论》中文版创始主编何刚近日对话诺贝尔经济学奖得主、“行为经济学之父”丹尼尔·卡尼曼与决策领域专家奥利维耶·西博尼,一起来看看他们的答案。

文|丹尼尔·卡尼曼 奥利维耶·西博尼 何刚

来源 | 巴伦周刊 (略有编辑)

《噪声》

作 者:[以色列]丹尼尔·卡尼曼 / [法]奥利维耶·西博尼 / [美]卡斯·R.桑斯坦

出版社:湛庐文化 | 浙江教育出版社

出版年:2021年9月

01

什么是噪声?

丹尼尔·卡尼曼:我们应该从定义我们所说的“偏差”和“噪声”来开始这次对话。

最简单的方法是从测量的角度来思考,因为我们认为判断也是一种测量,使用的仪器就是人类的大脑

假设早上你踩着浴室磅秤称体重,但你的经验发现,你的浴室磅秤告诉你的重量比你实际的重量轻了一磅。所以你知道平均来说,加上一磅才是真实重量。这就是偏差,这是你的浴室秤的平均误差。

如果你在同一个早晨快速连续两次或三次踩上你的体重秤,你会发现读数并不完全一模一样。这就是噪声,它会出现在每一次测量中。

偏差是误差的平均值。在我的整个职业生涯中,我一直致力于研究心理偏差,也就是导致人们测量结果过高或者过低的系统性判断误差。

有各种各样的原因会导致人们犯下可以预测的系统性误差,比如过度自信、乐观主义、悲观主义和锚定效应等等,这些就是我研究了50年的东西。

几年前我注意到,事实上,几乎没有人关注另一种类型的误差,也就是判断的变异性,而事实证明,判断的变异性也很大。

当不同的法官看待同一个被告,或者不同的承保人看待同样的风险时,他们得出的判断也大不相同,这就是噪声,噪声无处不在

每个人都知道当被告被宣判时,不同的法官会有不同的判决,而是法官在判断上的分歧比人们预期的要多得多。在一些研究中,实际结果大约是人们预期的五倍,这是一个很大的数字。

02

如何降低噪声的影响?

丹尼尔·卡尼曼帮助减少噪声的基本原理是纪律,而纪律可以通过不同的方式来产生。

纪律意味着你在做判断或决定时要遵守规则。当你决定是否录取一个学生进入大学时,你要考虑学生的平均成绩,这就是接受了一个纪律规则,它比人们只是跟随他们的主观判断或者印象要减少一些噪声。

在许多领域,更复杂的规则来自人工智能或算法,规则为判断问题和作出决策提供了答案,规则的一个最大优点就是它们没有噪声。

如果我向同一个算法提出两次同样的问题,我会得到相同的答案。如果我在不同的场合问同一个人同样的问题,他们可能会给出不同的答案,人类是会受到噪声影响的,而规则不受噪声干扰。

在某些情况下通过用算法代替判断,在另一些情况下通过对判断加强纪律性,用更有组织、更加系统的方式作出判断,我们就可以减少噪声

丹尼尔·卡尼曼:噪声和偏差之间有一个非常重要的区别:当你用尺测量一条线,或者用秤测量你的体重时,你在对多次测量结果进行平均之后,测量结果比单次测量结果的噪声要小。

举个例子,如果我在测量仪器上取了四次平均值,然后我在测量仪器上又取了四次平均值,这两个平均值之间的差值,将会小于任何两个测量值之间的平均差值,正如我们所解释的。

在这里有个非常重要的前提是,测量或者判断是相互独立的。

在许多组织中,不同的人来为组织做出判断或决策,比如有许多承保人在评估公司的风险,每一个人都代表着组织。在这种情况下,你绝对不希望有噪声,因为组织希望用一个声音来说话。

显然,汇总判断是减少噪声的好方法

在现在的实践中,我们汇总判断的大多数场合都是在开会讨论的时候,但是召开会议的方式有好有坏,好的方法能够减少噪声,坏的方法则不会减少噪声。

主持能够减少噪声会议的更好方法是让每个人提前做出判断,将这些判断汇总起来,然后再开始讨论,让人们重新做出判断,这样得出的平均值将比最初的噪声要小。

会议的通常运作方式是:第一个发言的人会有很大的影响力,说话最大声的人会有很大的影响力,说话最自信的人会有很大的影响力。

这意味着你无法获得团队所有成员的意见,因为有些团队成员不会用他们自己的声音说话,他们会受到别人的影响。

你提到的群体极化现象是另一个让事情变得更糟的问题。当群体拥有一个特定立场,如果人们最终能够达成一致,他们往往会倾向于同意一个更加极端的版本。

例如,在西方,我们有陪审团在某些情况下设定损害赔偿或判决。我们发现,如果所有陪审团成员预期评估损害赔偿额大约为平均10000美元,当他们进行讨论时,他们将会评估15000美元的损害赔偿。

这个群体的答案往往比最初的平均值更极端,这就是极化现象,它增加了噪声。它通常不会比个体更能够减少噪声,而是会增加噪声,甚至比经过讨论后人们的平均意见增加更多,比你按照正确方式开会情况下要多得多。

奥利维耶·西博尼:头脑风暴的问题实际上不是判断力的问题,因为它是一种试图创造多样性的意见和分歧的努力。

这个问题与我们正在讨论的噪声问题稍有不同,但我想它们有一些共同点,事实上,也有一些关于让头脑风暴有效方法的研究,主要提出了以下几点建议:

首先,要让人们独立地形成自己的观点尽可能独立产生自己的想法,因为人们独立思考的时候会比一起思考的时候更有效率,尽管这是违反直觉的,但实际上已经得到了充分的证明;

第二,让参会者聚集在一起,讨论建立在彼此独立思考之上的想法,这是头脑风暴的常见部分;

第三拥有一个良好的过程来选择你想要的想法,在你真正产生许多想法之前,不要这样做。

丹尼尔·卡尼曼:我想补充一点。

组织中排名最低的人应该首先发言的观点,适用于那些旨在做出判断的会议。这是一个普遍性的规律,它会让群体判断更加接近于独立判断,因为最不重要的人发言不太可能影响下一个人的判断

如果从最重要的人开始发言,你就得不到太多具有多样性的意见,这实际上会让判断的噪声更大。

当群体的判断缺乏多样性时,不同的群体可能根据首先发言者的意见而得出不同的结论,这是一种群体制造噪声的方式

奥利维耶·西博尼:这取决于你如何进行辩论。

如果辩论是由组织中权威人士发起的,而且人们互相影响,你就会增加噪声,因为群体会在权威人士最初表达的观点上变得更加极端和两极化

这就是你在社交网络上看到的事情,当人们呆在一个关系紧密、思维方式与他们相似的群体中时,他们的观点就会变得更加极端,他们变得更加两极化,因为他们在团体内部相互加强。

而在一场运作良好的辩论中,你所看到的是人们带着不同的观点来到辩论现场,交换意见,希望能得出一些更为微妙的观点。

在社交媒体上,这种辩论要少得多,而在真实的、相互尊重的人之间的对话中,这种辩论更为频繁。

这就是在陪审团中应该发生什么的理想状态。我们从本书描述的实验中可以知道,在一场运行良好的辩论中,我们可以利用这场辩论来减少噪声,而不是放大噪声,虽然这种事并不总是会发生。

丹尼尔·卡尼曼:首先,我想区分社交媒体上存在的各种对话和我们所说的噪声。

我们真正谈及噪声的时候是当不同的人代表组织说话时,我们希望他们用一个声音说话,他们能够彼此同意。当多个人参与决策或者做出判断时,你希望他们对同一个问题有独立的判断。

例如,当你在测量噪声的时候,我们称之为“噪声审查”,你会针对各种各样的评判提出同样的问题,然后告诉他们,“不要相互交谈,直到你对问题有了自己的答案”。

这也是我们希望的开会方式,判断必须是独立的。我们并不是说人们应该彼此依赖或独立,我们所说的依赖性和独立性是在针对特定问题进行判断之上。

03

噪声的三种不同类型

奥利维耶·西博尼:用举例来说明最简单。我们在书中使用的例子是法院里的法官。

假设有两个法官,A法官和 B法官,A法官通常比B法官更严厉,B法官是那种当你被分配给他时,你的律师会说,‘哦,我们很幸运我们碰上了B法官’的法官,而A法官是那种你的律师会说,‘哦,我的上帝。真倒霉”的法官。

平均来说,A法官更严厉,他作出判决的平均严重程度高于B法官,这就是我们所说的水平噪声

第二种噪声是情境噪声

我们之前也简要提到过,A法官和B法官都不是恒定不变的,他们跟自己也不一致,他们对环境很敏感。比如,A法官下午会比上午更严厉,或者B法官心情不好时会更严厉,因为他最喜欢的足球队输了比赛。这就是我们所说的情境噪声。

每个法官在不同的时候都不完全相同。事实上,他们对那些本不重要的情境特点很敏感。

还有第三种噪声——模式噪声,这是最大、最不容易直观理解的,但却最重要的一种噪声。

当A法官和B法官审视同一个案件时,他们实际上看到的不是同一件事情。他们透过自己的视角来看每一个案件,他们对每个案例都有自己的看法。

即使A法官平均比B法官更严厉,但也许在某个特定案件中,他会比B法官判决更轻一些,因为他在这个案件中看到的不同于B法官在这个案件中所看到的。

每个人都有自己的历史、偏见和偏好,而这些偏好和偏好之间的差异将会在他们的判断模式上产生差异,这就是我们所说的模式噪声。

基本上来说,水平噪声是人们平均的不同,情境噪声是指人们在不同的情境下自己跟自己的不同,而模式噪声是指人们在偏好,或者他们对于什么重要什么不重要排名上的不同

这三者加在一起产生了很多变异性,我们统一称之为噪声或系统噪声。

04

投资如何避免噪声的影响?

奥利维耶·西博尼:以这三种噪声为例。

例如,如果你总是认为某项投资是好的,或者你总是非常厌恶某类风险,认为某项投资永远是坏的,这就是“水平噪声”,随着时间的推移,你会学会调整自己。

情境噪声则是这样一个事实:

有时候你心情好,一切看起来都像是一个好机会,有时候你心情不好,一切看起来都像是一个愚蠢的想法。

限制这种影响的一个好方法就是放慢脚步,在两三个不同的时间点来观察同一个投资机会。如果你仍然认为你在上周看到的投资机会是一个好的投资,那么它就更有机会成为一笔好的投资,反之亦然。

第三种是最难控制的噪声,这就是模式噪声,因为你的判断力——让你接受或者对一项投资敏感的特殊吸引力——正是带来问题的东西。我们的建议是,不妨试着思考一下,除了你之外,其他人对你所看到投资目标的平均判断会是怎样

先把个人投资者放在一边,假设你是一家专业投资公司的专业投资者。你会期望所有这些专业投资者遵循相同的方法,使用相同的工具,相同的指标,相同的原则,相同的数据,对每个案例都会得出相当接近的判断。

根据我们所做的调查,我们知道事实并非如此。但作为投资者,我们可以尝试减少这种变异性。

其中一种方法是问问自己:“我知道我对这家公司的看法,那么我的同事会怎么看这家公司?”

丹尼尔·卡尼曼:毫无疑问,当个人做出个人决定时,他们制造的大部分噪声来自于他们认为自己拥有、但事实上却并不拥有的信息

如果人们在判断中引入纪律,就会减少噪声,改善结果。我们不提供投资建议,但如果你问任何行为经济学家,通常的建议都是遵守规则,不要试图做太多具体决定,因为你不会做得很好

05

组织如何规避噪声成本?

丹尼尔·卡尼曼:我们倾向于通过我们所说的“噪声审查”来评估噪声的大小。

噪声审查就是你向多个专业人士做出同样类型的判断,例如,评估投资或者评估风险,或者对不同案件做出判断。

为了测量偏差,你通常需要知道正确的答案,而只是为了测量噪声,你不需要正确答案,这是一个非常有用的特性。

噪声审查仅仅能够测量判断的变异性,测量噪声的成本则是一个单独的问题,对此我们没有太多的经验,但是如果真的测量的话,你可能会发现代价高昂。

奥利维耶·西博尼:噪声的代价几乎肯定比你想象的要大,因为噪声比你想象的要多得多。

噪声的代价往往被低估,在一个组织中,噪声总是被低估的原因是,组织在隐藏问题方面做得很好,因为这有点令人尴尬,所以他们对问题视而不见。当你发现你所信任的人做出的判断实际上是完全不同的,这有点恼人,当你意识到这一点时,你会显得有点傻。

为了避免这种尴尬,组织会进化出各种各样的防御手段,让他们避免痛苦地意识到自己正在被噪声困扰。

例如,他们会按照我们所描述的那种方式开会,也就是说,最高层的人首先发言,然后每个人都倾向于同意最高层的意见,因此我们从来没有真正暴露我们之间的分歧。

因为我们用这种方式来隐藏噪声,我们几乎总是低估它的广泛性,而且我们几乎总是低估它的代价。当你问它的成本有多高时,我们显然无法给你一个数字,但我们可以告诉你,通过运行一个噪声审查,你可能会发现它代价高昂

丹尼尔·卡尼曼:这是一个非常普遍的问题。很明显,任何增加情绪在判断和决策中的作用的事情都可能降低理性在判断和决策中的作用,并导致糟糕的决策。我们能够看到,在某些领域情绪的作用在不断放大,这可能不是一件好事。

长江读书福利

你在做决策时意识到“噪声”的存在吗?你有哪些理性正确决策的小技巧?欢迎在评论区留言分享。截止到9月13日18:00,获赞数最多的两位小伙伴,将获赠《噪声》这本书。

编辑:凌墨

(本文转载自 ,如有侵权请电话联系13810995524)

* 文章为作者独立观点,不代表MBAChina立场。采编部邮箱:news@mbachina.com,欢迎交流与合作。

收藏
订阅

备考交流

免费领取价值5000元MBA备考学习包(含近8年真题) 购买管理类联考MBA/MPAcc/MEM/MPA大纲配套新教材

扫码关注我们

  • 获取报考资讯
  • 了解院校活动
  • 学习备考干货
  • 研究上岸攻略

活动日历

2022年度
  • 01月
  • 02月
  • 03月
  • 04月
  • 05月
  • 06月
  • 07月
  • 08月
  • 09月
  • 10月
  • 11月
  • 12月