坦诚的面对自己，你其实并没有那么理智 ——《不确定状况下的判断》│ 书海遨游 No.18050
书海遨游 No.18050
坦诚的面对自己，
你其实并没有那么理智
——《不确定状况下的判断》
推荐程度：＊＊＊＊
（稍微学术了一些，如果能看下去一定能收获不少）
原书阅读：1,024分钟
本文字数：3,035
本文阅读：10分钟
如果你看过《思考，快与慢》应该会对下面这个出租车问题印象深刻：
某天晚上一辆出租车撞人并逃逸。该城市只有两家出租车公司，绿的以及蓝的。提供给你下面的数据：
A、该城市中85%的出租车是绿色的，15%是蓝的。
B、一个目击者确认那辆出租车是蓝的。法院在与事故发生当晚同样的环境下检验该目击者的可信度，结果目击者在80%的时间里正确辨认出了每一种颜色，而余下的20%的时间里却没有。
那么在此事故中牵涉到的出租车是蓝的而不是绿的概率是多少？
可以说从这个案例开始打开了我对于自我认知，或者更确切的说是自己的直觉判断有了一个全新的认识，也让我开始对概率产生了兴趣。如果你没看过《思考，快与慢》也许你可以做下这个题目。如果你得出的结论是更有可能是蓝色的车，或者你有自信动手算了一下结论蓝色的概率不是41%，也许你真的应该来思考一个很重要的话题：
《不确定状况下的判断》
如果说《思考，快与慢》是基于大量的研究而得出的一些结论或观点用比较科普的方式表达出来。那这本书就是《思考，快与慢》的源头，而且是学术性的源头。由35篇学术论文组成，以卡尼曼和特沃斯基两个人研究的启发式决策为基础展现了在这个领域各种延伸研究和现实中的应用讨论。
在这个主题下有三条主要研究线索：
1、由米尔（Paul Meehl）所开创的有关临床预测和统计预测的比较。
2、由爱德华兹（Ward Edwards）导入心理学而体现在贝叶斯范式（Bayesian paradigm）中的有关主观概率的研究。
3、由西蒙（Hebert Simon）提供规划并由布鲁纳（Jerome Bruner）提供例证的有关推理启发式和策略的研究。
如果用通俗易懂的文字归纳一下就是，“人们在判断一些不确定事件发生的概率时，通常会求助于启发式或者拇指法则，它们与真正决定世界发生的概率的变量是不完全相关的。”
或者有一句很诚恳的话就是，“我们希望相信人们能理解一些他们不能正确表达的规则。”也许我会更直接表达就是，我们不要对我们的判断太过自信了，哪怕你觉得很理性甚至很科学，其实和客观的世界并不完全相关。
当然，如果很学术的总结这本书也许要堆积很多利用贝叶斯概率公式的推导过程。那样并不是我的强项也不是我看这本书追求的方向，或许在写博士论文的时候再看一遍也不迟。而在此我只是想总结一些个人主观的收获和感想。
首先，是重新认识了“预测”这件事。可以把启发式判断的研究看成是“预测心理学”的一个主体。无论是类别预测与数值预测原理都是相通的。而且直接从书中的结论出发，“直觉预测通常是不充分地回归”。而我更想补充的是，可以说所有的预测都含有直觉的部分，甚至科学研究也是。
“判断一度被视为理性的、逻辑决策的产物。”其实这个世界上并没有纯粹的理性。这似乎已经是哲学家讨论的范畴了。
回到书中的总结，也就是只要是预测，就很容易“预测太过极端或回归率不足。”“普遍的低估或者无视分布性信息的倾向，或许就是直觉预测的主要错误。”
延伸到所谓的“事后诸葛亮”其实也无法预测准确，更危险的是“事后诸葛亮”所有的论断都可以被看成是极端而不可靠的。
如果要做出相对正确的预测或判断，也许必须面对的是，“对所判断的概率而言，充分、合理或内在一致，都不完备。判断必须与个体所持有的整体性信念网相容。”而且无论做出的判断是什么，都要允许“结果有可能以别的方式出现。”
这才是这个世界的正确打开方式。
其次，是对于“概率”的思考。通过各种领域的讨论，各种概率误区的研究，我会发现人们就是生活在一个充斥着“概率”的空间里面。
而且对于我们这些没有认真学过概率或者研究概率的吃瓜群众来说，很容易甚至说肯定会产生“对概率的考虑和对相似度的考虑之间的混淆。”在我看来这是一个至关重要的进阶门槛，如果你要将决策水平提高一个档次的话。
我能看到的是，很多时候我们所提及的概率其实并不能称之为科学的概率，也许只能说是我们的虚假共识偏差而已。“概率的理想化体现在于，他关于两个互斥事件的概率的和，必须等于他关于其中任一事件发生的概率。”
当然，也不是说我们每件事都要一板一眼的较真概率。只是我们不要披着理性或者科学的外衣在掩盖自己随性的行为。
知道是随性就好，不必遮遮掩掩。坦诚的面对自己，你并没有那么理智。
再者，就是我们最喜欢找理由和找原因。我现在看下来，这就是一个最大的坑。人类的归因“本能”真的很随性随心。如果只是感性的话，任何判断你都能找到一个“合理”的归因，这几乎已经成为人类最大的天赋。这就不必多说了。
然而，就算你自命理智，回到理性的部分。我们的决策绝大多数都是启发式的。其实“回归效应，通常违背了所预测的结果应该最大限度的代表输入信息的自觉。”回到行动者x对象x环境的模型，三个因素其实都容易产生偏差。无论是共变原则和折损原则我们都很容易掉到无意识的坑里。
在现实中我们可以看到的是，“一方面，人们愿意对用百分比表示的结果认真看待，却忽略了观测的数值可能过分的小。另一方面，人们面对从大样本处获得的确凿证据依然持怀疑态度。”
也许在我们得出结论以前，可以多停留在初始的位置，比如“样本”和“基率”。
“样本在多大程度上与母体的核心特征相似，体现了产生它的过程的显著特征。”所以我会更加关注到样本之间的差异，比如偶然样本、统计样本和例证样本，乃至再回到样本之前，还要区分一下特异性信息，一次性信息和共识性信息。
至于“基率”，无论是原因基率和偶然基率，我会把这些看成是隐含的前提假设，在实际决策或思考过程中我们很容易将其忽略。就好像最初的那个出租车问题，基率一定是影响结果的一个重要因素。
最后，将上述这些因素汇总起来就是对“启发式判断”的思考。
让我印象深刻的是一个例子。弗洛伊德关于达·芬奇那段“秃鹫”碰到嘴唇这一反复出现的回忆，发展出了一套令人叹为观止的连贯分析。最后却发现碰到嘴唇的只是“风筝”。
这是大师的一次乌龙，也是在日常生活中我们经常会出现“启发式判断”会产生的偏差。或者说我们经常会犯启发式的错误，比如：错误树、座椅安全带、伪确定性、初始化等等形式的情况。
书中归纳了三种启发式的判断：
1、代表性，它常常被用于这样的场景，即人们被要求判断一个物品或一个事件A隶属于类别或过程B的概率的时候。
2、例证或场景的便利性，它常常被用于这样的场景，即人们被要求评估一个类别的概率或特定发展的拟真性的时候。
3、从出发点开始的调适，当有相关数字可资利用的时候，它常常被用于数值预测。
我会看成启发式是我们最常用的方式，但如果要科学的采用，往往需要非常严谨的修正。基于我们很喜欢用“结果反馈”的方式来验证决策的有效性。更多的研究却表明，“如果没有关于任务结构的知识，对于糟糕的启发式的修正而言，结果反馈可能是无关紧要的，甚至是有害的。”
也许启发式判断加上结果反馈就是一颗糖衣炮弹。
书里也描述了一个简要的启发式判断思考步骤，可以帮忙做一些辅助或者修正：
1、预测
2、估计某特定事件的发生概率
3、估计条件概率
4、反事实的估计
5、估计因果关系
也许这对于一个普通老百姓来说有点繁琐甚至要动用真正的概率计算的话可能要难倒一片。喜欢偷懒的我也许会简单的只是从代表性关系角度先入手改善下对于自己启发式判断的觉察和认知，比如思考以下四个角度的区别：
1、一个数值和一个分布
2、一个实例和一个类别
3、一个样本和一个总体
4、一个结果和一个原因
以上只能说简单的总结了一些感悟，总体上来说值得深思乃至探讨的点还是很多的。当然这本书也是够厚的，足足看了17个小时，死了不少脑细胞。如果愿意的话，可以尝试任意的翻其中几篇看看，每篇论文相对独立，如果真的喜欢而且能多看几篇，也许真能打开一个新的世界。
2019-9-15
丹尼尔·卡尼曼 / Daniel Kahneman
保罗·斯洛维奇 / Paul Slovie
阿莫斯·特沃斯基 / Amos Tversky
“每日糊图”：
每天发一张自己拍的照片和一段原创的文字，和你分享着生活和心情。
“书海遨游”：
每看一本书都会感慨几句，以此分享给大家，和大家一起讨论，引发更多的共鸣。
“每月一片”：
每月挑选一部当月最喜欢电影，做些感想和评价，推荐给大家。
大家可以在公众号的菜单中找到更多更详细的信息，如有任何问题，也欢迎大家随时留言反馈。
伴你一起
浸在消逝的时光里