基本信息
阅读时间:约 15 分钟
字数:约 6066 字
摘要:丹尼尔·卡尼曼(Daniel Kahneman)在2011年的畅销书《思考,快与慢》探讨了人类判断中的偏差(Bias),十年后他与奥利维耶·西博尼(Olivier Sibony)、卡斯·桑斯坦(Cass Sunstein)合著的《Noise: A Flaw in Human Judgment》(《噪声:人类判断的一个缺陷》

全文语音
丹尼尔·卡尼曼(Daniel Kahneman)在2011年的畅销书《思考,快与慢》探讨了人类判断中的偏差(Bias),十年后他与奥利维耶·西博尼(Olivier Sibony)、卡斯·桑斯坦(Cass Sunstein)合著的《Noise: A Flaw in Human Judgment》(《噪声:人类判断的一个缺陷》)聚焦另一种常被忽视的错误来源——噪声(Noise)。
所谓噪声,是指不同人在面对相同情况时做出不一致判断的随机变异。正如作者反复指出:“只要有判断,就会有噪声,而且噪声比你想象的更多。”
本书深入剖析了噪声的定义及其与偏差的区别、导致决策噪声的因素、噪声普遍存在的实证案例、减少噪声的方法(“决策卫生”原则等),并讨论如何将这些原则应用于企业管理、司法、医疗和招聘等实际领域。
噪声的定义及与偏差的区别
噪声(Noise)在本书中被定义为:本应相同的判断中所出现的不必要变异。
换言之,当不同的专业人员基于相同的信息却得出不同结论时,就产生了噪声。这种随机误差往往肉眼难见且常被低估,但却真实存在于各种领域,对决策结果产生重大影响。
与之相对,偏差(Bias)指的是判断中系统性的误差或偏离。偏差使得判断整体上偏向错误的方向,而噪声则使得判断分散不一致。两者都是错误的来源,但性质截然不同。
卡尼曼等人用射击靶的比喻形象区分了噪声和偏差:
偏差就像射击时弹着点整体偏离了靶心——即使每次命中位置接近,但全部落在靶心的一侧,说明存在系统性偏移(例如一组射手每枪都打偏东侧)。这意味着平均误差不为零,即判断整体上有方向性的偏离。

噪声则好比弹孔围绕靶心散布得很开——虽然平均来看命中靶心,没有固定方向的偏移(无偏差),但每次命中的位置高度分散,缺乏一致性。这对应判断围绕平均值的随机变异。
当既有偏差又有噪声时,弹孔既偏离靶心又散布很广,是最差的情况,因为决策既不准确又不一致。
用数学表述,判断总误差可以拆解为偏差和噪声两部分之和:总错误 = 偏差² + 噪声²。

偏差和噪声都是导致判断不准确的原因,但作用方式不同。正如书中所言:“偏见和噪音——一个是系统性偏差,一个是随机散布——是错误的不同组成部分”。
减少偏差或减少噪声都能提高判断的准确性,而且研究发现许多情况下噪声对错误的贡献不亚于偏差,甚至更大。因此,我们在改善决策时,不能只关注偏差而忽视噪声。
举例来说,在司法判决中,如果整个法院系统对某类犯罪总体判刑过重,这是一种偏差;而如果不同法官对完全相同的案件判刑长短差异巨大,那么这种系统的不一致就是噪声。
偏差体现为方向性错误,例如某法官对所有案件都过于严厉或宽松;而噪声体现为随机波动,例如不同法官判决出入很大或同一法官前后判罚不一致。
值得注意的是,实际中二者可能并存:如果法官群体既整体偏重刑罚又彼此差异悬殊,那么系统同时存在偏差和噪声。
总之,偏差让我们“一刀切”地错,噪声让我们“每刀各不相同”地错。
决策噪声的类型及成因
噪声从何而来?作者将导致判断不一致的噪声分为三个主要类型:
水平噪声、模式噪声和情境噪声。这些类型对应不同的成因,包括个体差异和环境波动等。

水平噪声(Level Noise)
水平噪声(Level Noise):也称等级噪声,指不同判断者整体水准的差异。即使面对相同情境,不同人可能倾向于较严格或较宽松、较乐观或较悲观的判断。例如,一组保险核保员在评估相同风险时,有的人报出的保费普遍偏高,有的人则偏低,这种个人平均判断水平的差异就是水平噪声。再如两位性格各异的法官,可能一位平均判刑较重,另一位平均判刑较轻。
模式噪声(Pattern Noise)
模式噪声(Pattern Noise):指不同判断者在特定情境或案件类型上的反应模式差异。每个人可能对不同情境有自己一贯的处理模式。例如,同是刑法法官,甲法官也许对暴力犯罪一贯从重,而对财产犯罪相对宽大;乙法官则模式不同。即使他们总体严厉程度接近(水平噪声小),在不同案件类别上的判罚模式仍可能不同,这种稳定的差异就是模式噪声。模式噪声也包括个人随着阅历变化产生的判断模式变化。比如一位年轻时没有子女的法官和她日后成为母亲后,面对“因孩子被欺凌而过失伤人”的案件时,态度可能有所变化。
情境噪声(Occasion Noise)(亦译作情境噪音或情景噪声):指同一个判断者在不同时刻、不同环境下由于一时的外在因素影响而产生的判断波动。这些因素与待判断的事物本身无关,而是环境和状态的变化,如情绪、疲劳、天气等。例如,研究发现法官在临近午餐时更不愿批准假释,而午饭休息后通过率又上升,这说明饥饿和精力状态会影响判决。再如天气状况也会带来情境噪声:一项对682份大学招生决策的研究发现,招生官在阴天更看重申请人的学术成绩,而在晴天则更偏重课外才能。这些偶发因素使同一人前后判断出现差异,即典型的情境噪声。
综上,水平噪声和模式噪声属于不同人之间的差异,相当于决定了“第一重抽签”:你的案件碰上哪位法官或你的申请材料由谁来审阅。

情境噪声则是同一人自身的不稳定性,相当于“第二重抽签”:你碰巧遇到这位决策者在什么状态/情境下进行判断。

正因为存在这“双重偶然”,即使消除了系统性偏差,决策结果仍可能因噪声而千差万别。
用一句形象的话来说:“判断就像投篮:无论我们多么努力地重复它,它都不会完全相同。”
这种固有的变异性解释了为什么噪声难以避免,但也提醒我们需要设法加以控制。
噪声的普遍存在及影响:案例与研究
《噪声》一书通过大量真实案例和实验研究,揭示了噪声在各领域的广泛存在及其严重影响。作者强调,“哪里有判断,哪里就有噪声”,而且通常“噪声无处不在”,远超人们的直觉预期。
以下列举几个领域中的经典例子:

司法判刑中的噪声
司法判刑中的噪声:司法领域要求“同案同判”,但现实中法官判决存在巨大的随机差异。一项对208位法官的研究让他们分别对相同的16个虚构案件提出量刑建议,结果显示判罚长短相差悬殊。平均而言,一个案例的建议刑期为1.1年,但有法官竟建议高达15年!16个案件中,只有3个案件的判决意见是所有法官一致同意的。这说明在刑事司法中,除了偏差外,噪声导致了巨大的不公平:类似犯罪因为“抽到不同法官”而待遇不同。这种量刑彩票现象显然损害司法公正,也削弱了公众对司法系统的信任。
医疗诊断与治疗中的噪声
医疗诊断与治疗中的噪声:我们期望医生的专业判断高度一致,但事实并非如此。一项研究发现,不同放射科医师在解读乳腺X光片(乳房造影)时差异很大:有的医生从不漏诊(零漏检率),而有的医生漏诊率竟高达50%。同样,在误判正常为异常(假阳性)方面,不同医生的差异也很惊人,假阳性率介于1%到64%之间。这意味着一个患者如果换一位医生看片,可能得到完全不同的诊断结果。医疗领域的噪声会带来健康和安全隐患:漏诊会延误治疗,误诊又会导致不必要的担忧和治疗。因此,噪声直接关系到患者的生命健康和医疗资源的有效利用。
招聘面试中的噪声
招聘面试中的噪声:人才招聘往往涉及多名考官对候选人进行评估。但研究表明,传统自由发挥的面试一致性很低。一项元分析发现,即使在同一场联合面试中,不同面试官对哪位候选人最适合岗位的看法仍有约25%的概率彼此不一致。也就是说,四次有一次,不同考官无法达成共识。若候选人碰巧由不同的人来评估,结果可能截然相反——这对应聘者和企业都是极大的随机性。招聘决策中的噪声不仅影响公平,也可能让公司错失真正优秀的人才或录用不合适的人,代价高昂。
企业决策与业绩评价中的噪声:在商业领域,噪声同样普遍。例如,保险公司曾对内部核保员进行“噪声审计”(详见下节),让多位核保员针对相同案例报出保险费率。管理层原以为不同核保员的报价会在10%上下的轻微波动,不料结果显示变异幅度高达55%!也就是说,同一个风险有人定价100万美元,另一个人可能定到155万美元。这种不可预测的差异显然会导致业务上的问题:报价过低公司亏损,报价过高丢掉客户。同样,在绩效考评中,不同经理对同一员工的打分可能有截然不同的标准和严宽,导致升职加薪带有运气成分;在商业预测中,不同分析师对同一市场数据的解读和预测结果差异巨大,影响公司决策质量。噪声使企业决策变得不一致不可控,造成资源错配和效率低下等隐性成本。
这些案例清楚表明:噪声存在于几乎所有需要判断的场景,而且其影响往往被低估。噪声会带来多方面的危害:不公平和不一致对个人和社会造成不公正待遇,高昂的错误代价则表现为经济损失、效率降低和错失良机。

简而言之,噪声让专业判断的可信度下降,让类似情况得不到类似对待,在商业上可能导致巨额财务损失。因此,如何识别和降低噪声,成为改进决策质量的关键议题之一。

降低噪声的方法和策略:“决策卫生”

面对普遍存在的噪声,作者提出应对之道是加强“决策卫生”(Decision Hygiene)。
这个概念借用了卫生防疫的隐喻:就像在手术前洗手能消灭肉眼看不见的病菌一样,改善决策过程的卫生条件也能消除我们尚未察觉的噪声来源。许多噪声的成因潜伏在决策流程中,单靠直觉难以发现,但通过良好的决策流程和规范,可以在不明确指出具体偏差的情况下预防错误的发生。正如书中所说:“决策卫生将防止错误,而无需知道它们是什么。”意思是,即便我们不知道具体哪一步会出错,提前采取规范化措施就像洗手一样,可以大大降低出错(产生噪声)的概率。
落实决策卫生的关键,在于设计和遵循一套结构化、规范化的决策流程,最大限度减少主观随意和偶然因素的干扰。作者提出了六项核心原则,可作为“决策卫生”的指导:

以准确性为目标,而非强调个人风格
以准确性为目标,而非强调个人风格:决策者应当以客观正确为唯一准则,避免将决策当作展示个人判断力的机会。换言之,不追求标新立异,而以减少错误为目的。
采用统计思维,运用外部视角
采用统计思维,运用外部视角:决策时要有数据和概率观念,多问问“在类似情况下通常会怎样”,而不是完全依赖主观看法。鼓励决策者跳出当前个案,从更广阔的基准信息(base rate)或他山之石中获得洞见。
将判断任务分解为独立部分
将判断任务分解为独立部分:不要笼统给出直觉结论,而应把决策问题划分成若干要素,各要素分别评估。例如招聘中将候选人的能力、经验、性格等分别打分,医疗诊断中分开评估症状的不同方面。这样可避免混杂和干扰,使每部分判断更客观。
避免过早的直觉结论
避免过早的直觉结论:尽量推迟主观直觉在决策中的影响。在收集和分析充分的信息、完成各独立要素的评估之前,不匆忙下总体结论,以免先入为主。警惕锚定效应等让第一印象支配后续判断的偏差。
获取多个独立判断并汇总
获取多个独立判断并汇总:就重要决策尽可能征求多位判断者的意见,并确保他们彼此独立思考,互不影响。随后将不同意见进行综合(例如取平均或讨论后达成一致)。众多研究表明,独立意见的适当聚合往往优于单一判断者的随意判断。
使用相对比较和统一尺度:采用相对评价的方法而非绝对主观打分,可以提高一致性。例如,引入明确的评分标准或参考范例,或者同时比较多个选项而不是逐个独立评判。使用统一的尺度(如1~5分的打分表,或相同的评价维度)来约束判断者,有助于减少标准不一导致的噪声。
这些原则旨在在不牺牲独立思考的前提下,让决策流程更加有序、透明和可重复。

例如,在组织内部推行“噪声审计”是第一步措施:让多位决策者处理同一个案例,然后比对他们给出的结果,以测量当前噪声水平。

如前所述,某保险公司管理层通过噪声审计发现核保员的分歧远超预期,从而意识到需采取行动。接下来,可以根据具体情况运用多种决策卫生技术来减少噪声,包括:

制定规则和指南
制定规则和指南:用明确的政策、规范或算法替代或指导人为判断。在简单可量化的决策中,规则往往比人的直觉更一致可靠。例如新生儿评估中的阿普加评分(Apgar评分)就是一套简单的指标打分规则(如皮肤颜色、心率、反射等5项指标),医生依此打分即可判断新生儿健康状况。这种标准化工具几乎完全消除了不同医生之间的判断噪声。再如,为减少法官对保释风险判断的噪声,美国一些地方引入了量化的风险算法来辅助或替代人来做保释决定,以期使判断更公平一致。
结构化决策流程
结构化决策流程:正如前述原则所述,将决策过程拆解成步骤和模块,严格按流程进行,可以大幅降低噪声。例如在招聘中实施结构化面试:事先确定评价维度与标准问题,各面试官独立根据标准对候选人各项能力打分,然后汇总分数。这种方法被证明比传统随意交谈式面试更有效且一致。又如企业在做重大策略决策时,可以先让团队成员各自独立评估选项的不同方面,然后再一起讨论汇总,避免集体讨论中某个声音主导导致的噪声。
独立多次判断与聚合
独立多次判断与聚合:运用“群体智慧”原理,让同一个人或多个人多次、独立地对同一问题做判断,再将结果综合。比如医生对疑难病例可要求多名医生独立会诊;投资决策时可以请团队成员各自给出估值再取平均。这种聚合能够显著抵消个体随机误差,平滑掉噪声带来的极端值。
利用参考级数和基准:将判断转化为相对比较,使评估更有依据。例如法官量刑时参考量刑指导意见或类似案件的平均量刑作为基准,可以减少随意性。企业绩效考核时也可引入强制分布或横向对比,防止不同经理标准天差地别。
通过上述措施,组织可以显著减少决策中的噪声,从而提高决策的一致性和可预见性。值得一提的是,作者也提醒读者,降低噪声不等于完全消灭噪声。在某些情况下,追求零噪声既不现实也不一定明智。

例如,美国曾推行联邦量刑指南,大幅减少了法官裁量的噪声,使量刑更统一,但后来发现过于僵硬也有问题,最终改为建议性指南以恢复一定灵活性。

完全僵化的规则可能忽视特殊情况,也剥夺了专家基于经验的判断空间。

因此,卡尼曼等人指出应在降低噪声和保留必要的灵活度之间取得平衡。

在实现决策卫生、降低大部分噪声之后,仍需留有余地让决策者在特殊情境下行使判断力,只是这种判断力将更加校准和明智,而非任凭偶然起伏。

综上,《噪声》一书从概念、成因、案例、方法到应用,为我们全面揭示了噪声这一人类判断的隐藏缺陷及解决之道。

它提醒我们:决策失准不只有“偏差”这把利斧,还有“噪声”这柄钝刀在不知不觉中侵蚀着判断力。偏差带来可预见的系统性错误,而噪声则制造不可预见的随机不准。两者都会导致错误、浪费和不公,但噪声往往更容易被忽视。
幸运的是,通过“决策卫生”等一系列措施,我们可以在不完全依赖事后纠错的情况下,预防和减少决策噪声。
无论是在企业经营、司法裁决还是医疗诊治、人才选拔中,关注并管理好噪声,都会使我们的决策更精确、更一致,也更加公平。
正如卡尼曼所言,理解并改进判断过程中的噪声,是提高决策质量、完善社会机制的重要一步。
毕竟,在看不见的噪声中降噪,才能听清理性决策的声音。

FAQ
1. 关于「利用参考级数和基准:将判断转化为相对比较,使评估更有依据。例」,核心要点是什么?
通过上述措施,组织可以显著减少决策中的噪声,从而提高决策的一致性和可预见性。值得一提的是,作者也提醒读者,降低噪声不等于完全消灭噪声。在某些情况下,追求零噪声既不现实也不一定明智。

评论(0)