本論壇文章反映作者意見,不代表《遠見》立場

子導覽列
首頁 > 評論 > 黃榮村台北 > 如何對抗偏誤與雜訊?警覺犯錯才是重點!

如何對抗偏誤與雜訊?警覺犯錯才是重點!

發文時間: 2021/11/09   文 / 黃榮村台北 瀏覽數 / 8,900+

今年有一本新書出版了,本書的三位作者都不是簡單人物。康納曼(Daniel Kahneman)是2002年諾貝爾經濟學獎得主,在台灣出版過《快思慢想》(Thinking, Fast and Slow, 2011)中文版,曾與夫人安崔思曼(Anne Treisman)教授來過台灣。

席波尼(Olivier Sibony)教授曾是經驗豐富的麥肯錫公司巴黎資深合夥人,與康納曼在《哈佛商業評論》合撰過如何作聰明決策之類的論文。

桑思汀(Cass R. Sunstein)是哈佛法學院教授,曾與2017年諾貝爾經濟學獎得主理察賽勒(Richard Thaler)合撰《輕推》(Nudge, 2008;或譯《推力》)一書。 

上述所提幾本書與論文,皆與認知偏誤有關,指的是大多數的誤差都偏往同一方向,偏誤是一種造成平均數偏移的誤差。

右起為丹尼爾.康納曼、凱斯.桑斯汀、奧利維.席波尼。天下文化提供圖/右起為丹尼爾.康納曼、凱斯.桑斯汀、奧利維.席波尼。天下文化提供

學界與實務界在這方面的研究與驗證,已相當成熟,上面所提幾位專家,都曾在這方面做出不同的貢獻。尤其是從1970年代開始,由特沃斯基(Amos Tversky)與康納曼所做,一系列有關快速直覺判斷與認知偏誤的研究。

還有他們最出名刊登在1979年《計量經濟學刊》(Econometrica),有關在不確定中如何做決策的認知模式「展望理論」(Prospect Theory),他們的重磅研究,深刻影響了過去幾十年人類決策領域的發展。

這三位作者今年合撰《雜訊:人類判斷的缺陷》(Noise: A Flaw in Human Judgment, 2021)一書,其基調與他們過去所偏重的「認知偏誤」(cognitive biases),有很大不同。

《雜訊》一書的基調與三位作者過去所偏重的「認知偏誤」有很大不同。圖片由天下文化提供圖/《雜訊》一書的基調與三位作者過去所偏重的「認知偏誤」有很大不同。圖片由天下文化提供

他們想要說明人類判斷的錯誤,除了認知偏誤造成之外,還有更大也更嚴重的來源,就是我們經常如霧裡看花因此不知怎麼去在意的雜訊,本書除了將雜訊除魅化找出其中規律與成分外,還提供了去除或減少偏誤及雜訊的方法。

基本上,這是一本談論還在累積資料,與建構理論階段的決策及判斷新領域,但本書已經很明確指出,我們在做判斷與選擇的時候,周圍及自身其實已經布滿偏誤與雜訊,可能會讓我們一路出錯,偏誤還算比較容易找出來,但雜訊一直躲躲藏藏,不容易抓得住,而且常常不知已經出現雜訊。

雜訊的源頭何在? 

偏誤與雜訊共同造成了判斷過程中的總誤差,雜訊的占比通常大於偏誤。心理或認知偏誤較易指認,而且會花時間去指認去想辦法消除,但雜訊經常被認為只是隨機的誤差項,以為既是隨機就有正有負,可以互相抵消,我們經常用這種概念來處理誤差項,將其視為是一種平均數為零有特定變異數的常態分配。

但本書特別提出,其實雜訊在本質上是有意義的統計事件,可以被分解成幾個有意義的組成成分,有些是短期變動有些則是長期穩定的。

綜合來講,系統中的雜訊包括有:

(1)水準雜訊(level noise)

如判案嚴格與寬容之間的差距,所造成之一致性雜訊。

(2)型態雜訊(pattern noise)

包括短期變動的場合及情緒雜訊、與主要的長期穩定之偏好及個人特質雜訊。這些成分之間可能存在有交互作用的複雜狀況。

本書接著提出幾個有趣的問題:

(1)為什麼人在做預測性判斷時,經常看不到雜訊? 

(2)為何利用演算法與機器判斷時(如機器學習、線性回歸模型、簡單規則),通常會比人的判斷準確?

(本書說是因為沒有雜訊)。而且,為什麼不同預測變項的權重,在原來樣本之外的預測中並不適用?(本書認為相同的權重甚至可以解釋得更好,單一或少數變項也可以與多變項的綜合預測力相當)。

本書想藉此提醒讀者,因為人在直覺上還是認為不同變項的權重應該要有所不同,或者寧願相信自己的判斷與預測,而不管實際數據及分析結果,所以我們有嚴重的效度錯覺(illusion of validity),其實我們經常是處在客觀的無知狀態之中。

雜訊的觀念與驗證

花時間看完一本書,總希望能歸納出幾個可當為日後參考的結論,但與認知偏誤已有充分研究不同的是,這本書在有關雜訊的觀念與驗證上,仍有甚多還在發展之中,底下僅臚列數項供參:

1、偏誤與雜訊都是造成判斷錯誤的主要來源,雜訊所占的分量甚至更大。

2、長期預測一般是徒勞無功的,尤其是政治預測,因為長期下來,累積的客觀無知愈來愈多。在資料不足下,機器學習也不能比人類做出更好判斷。 

如何提升判斷品質?

最後,本書花了很長篇幅,建議讀者可以如何提升判斷品質:

(1)你怎麼會去相信一位手上沒資料但號稱可以正確解密的專家,你是從頭銜、信心、交往、焦慮、或心無定見而相信的?

(2)為何法醫、指紋、或科學鑑識這種應該以實際資料為依據的精準性工作,也會有肯認偏誤,甚至發現有場合雜訊,以致間接製造出不少冤案?同樣的,刑事量刑也有類似問題,應如何更有系統性的做去偏誤化與雜訊審查,而且要想辦法成為常態性工作。

(3)用傳統面試找人的風險,不只有偏誤也有雜訊,必須為人事選拔流程增添架構,並做獨立評估。若你想減少一半判斷雜訊,可以去找出四個互相獨立的判斷,再加以平均。這類結論是可以經由統計運算得出的,群體討論若能透過社會影響過程求取一致性觀點,也可以有效減少雜訊

(4)對大家不樂見而且會帶來損害的判斷變異(雜訊),提出降低或消除方法,也可能會引發反對意見,理由眾多,如成本高昂、會帶來另一種錯誤、傷害自由裁量權、有損人性尊嚴、阻礙新價值的建立、鼓勵投機行為、無法維繫嚇阻力量等等。

這些理由個別來講言之成理,但就整體而言,仍有很多替代方案可供選擇,並不妨礙做出更周全的設計,所以還是應該將減少雜訊列為迫切目標,以提升生產力、促進決策公平性、與極大化社會福祉。

警覺犯錯,並知道錯在哪 

但是,最重要的還是,你究竟知不知道自己已經犯了錯?錯在哪裡?由於每個人的基礎知識不同,不一定弄懂本書所設計闡釋的一些誤差項的分解原理與細節,但只要你能警覺到說不定已經犯了錯,犯錯就比較沒關係,雖然乃覺30里,畢竟還是察覺到了。怕的是連自己犯了錯都不知道,那就糟糕了,因為既不知錯,就不覺得有什麼需要改的,就一直錯下去,一直等到有一天被累積的誤失所淹沒。

也就是說,對抗偏誤與雜訊,必須要先知道它們的存在,偏誤還比較容易察覺,但雜訊相對而言就較為困難,這也是本書的重點所在。在這方面,這本書至少發揮了一些重要的警告功能。

本文章反映作者意見,不代表《遠見》立場

(作者為心理學家,現任考試院院長)

(原文刊載於《聯合報》;本文獲作者授權轉載。)