雜訊：人類判斷的缺陷

戇鳩 用noise一個term umbella晒咁多可能嘅原因等如就咁話我唔知 乜都無解釋到
不如睇下有關cognitive bias嘅research
例如anchoring 同一條問題唔同問法 都可以出唔同答案
咁已經係一個可行嘅解釋
explanatory power已經勁過就咁話你知係noise

使用統計思維，採用外部視角審視個案。

對判斷進行結構化，將其分解成幾個獨立的任務。

抵制不成熟的直覺。

用相對判斷和相對量表會更好。
相對判斷的噪聲要比絕對判斷的噪聲小，因為我們在同一量表上對多個對象進行歸類的能力是有限的，但是我們對眾多對象進行兩兩比較的能力卻更勝一籌。基於比較的判斷量表要比需要絕對判斷的量表噪聲更少，例如，我們可以用每個人都熟悉的案例作為一把案例量表，判斷者們只需要確定某起案件在量表上的相對位置即可。

尋找均值。

up乜鳩 就咁一條hard code rule捉得差好正常
當你有另一個ai, 淨random揀move
夠noisy未 咪一樣差

除非你講到係machine learning train個ai
啲data嘅variance(noise)唔夠大就train唔好個model
但篇嘢又唔係講緊呢啲 似農場文鳩up

利申無認真睇晒 睇一兩段已經頂唔順

Ah, Daniel Kahneman
咁應該書入面有多啲解釋
就咁睇樓主你啲節錄睇到一頭霧水火撚滾

暫時理解：

Bias係validity既問題
Noise係reliability既問題

Validity 即係 係咪問非所答
譬如以偏概全 就係 將已有既資訊 已經錯誤運用

Reliability就係 喺無bias既情況下
同一個人對同一類問題 所做既率判斷 唔同時間同情況下做 有幾相似？
又或者一班人 有同樣資訊 喺無cognitive bias既情況下 對同一件事做判斷 個判斷有幾相似？

書既其中一作者Kahneman 都係出名講bias
我猜差 佢可能覺得bias一字 區分唔夠清晰
所以用bias同noise兩字 去對應返validility同reliability既問題

Reference from wiki:

Validity is the main extent to which a concept, conclusion or measurement is well-founded and likely corresponds accurately to the real world.
The validity of a measurement tool (for example, a test in education) is the degree to which the tool measures what it claims to measure.

Reliability is the overall consistency of a measure. A measure is said to have a high reliability if it produces similar results under consistent conditions:

我全部都係copy書中文字

可能譯本寫得差？
又或原文都寫得唔好

講國際象棋一例既趣味在於：

全書主要講noise既壞處 同點去避免noise
而作者呢一例就正正講 有時候 noise有正面作用：

譬如 如果決策依賴既原則太簡化
無noise地執行太簡化既原則 係無效

反而有時 決策有noise 係good strategy

1
我都係copy下d 自己睇書覺得有趣既
方便自己日後重溫skim下

順便引下人 睇唔明就去揭下本書

2
感覺上 書中既建議 我自己會想喺生活試下
譬如：

2.1
唔好太信自己直覺式 診斷式既判斷
了解自己既判斷 holistic去做 係多數差於 analytically去做
即 用機械式既non weighting model去evaluate
比質性判斷好

2.2
即 將一個決策 分成唔同部分 然後要自己刻意去避免不同部分之間既判斷互相影響
譬如 halo effect 即 以對象一部分好既特質 就會傾向bias地 將該對象其他特質 都正面化
如果刻意去避免自己不同部分之間既判斷互相影響 就可以避免halo effect

例：
我今日開心？
呢個對象好唔好？
呢d都太holistic

2.3
人既評價 relative evaluation遠比absolute既少noise

即 有3人 A B C
如果評佢地既工作能力 1到10分
咁係worse than去評
佢地相對於公司中職員既平均工作能力 佢地係喺咩水平

前者absolutely咁1到10分 好唔reliable 因為無reference既限制

後者就將評價既可能結果 合理地限制 所以更reliable 即更少noise

我自己偏向覺 對呢本書劣評者 似乎將書理解成：
Kahneman簡單翻炒舊作 仲要用noise呢個無意義既term包裝？

我自己睇 就覺得 Kahneman係透過呢本書
進一步區分人類判斷中 喺validility同reliability上既問題
呢個概念釐清 我覺得好重要 好有益

而且書中有quote下d新research
譬如其一係2020年既 social scientist們對脆弱家庭 進行建構predictive model既比賽
我自己覺得幾有趣

超級預測：洞悉思考的藝術與科學，在不確定的世界預見未來優勢


Superforecasting: The Art and Science of Prediction

我的自我定位——“樂觀的懷疑論者”——後半部分為什麼是“懷疑論者”的重要原因。我們生活在這樣的世界：一個近乎軟弱無能的人的行為可能對世界產生連鎖效應，每個人因此而受到的影響不盡相同。一名住在堪薩斯城郊區的婦女也許會認為突尼斯是另外一個星球，她的生活與之毫無關係，可是如果她的丈夫是駐紮在懷特曼空軍基地附近的空軍領航員，那麼，她可能會驚訝地得知某個不知名的突尼斯人的舉動引發了抗議，進而導致暴亂和獨裁者的倒台，隨後又在利比亞掀起抗議浪潮，並發展為內戰，於是北約在2012年進行了軍事干預，而她的丈夫則在的黎波里上空躲避防空砲火的攻擊。這是一種不難追踪的聯繫。通常，這樣的聯繫更難發現，但卻充斥在我們周圍，就像加油站的油價和街頭的失業人群。一隻巴西蝴蝶可以在得克薩斯州導致兩種不同的情形：或者是一個晴天，或者是龍捲風撕裂城鎮。

現在我們要專門談談這項研究得出的兩個關鍵結論。其一，準確的預測是可以做到的。有些人，例如比爾·弗萊克，絕對具有洞察未來的能力。他們不是能夠看到未來數十年的宗教導師或者祭師，但是他們掌握了一種實實在在的可評估的技能，通過它來判斷高風險事件在未來3個月、半年、1年或者1年半的發展趨勢。其二，這些超級預測家為什麼如此出類拔萃？原因絕對和他們的身份無關，而是與他們的方法有關。洞察未來的能力並非天賜的神秘禀賦。它是獨特的思維方式、信息蒐集方法和不斷更新觀念的產物。任何腦子不笨、喜歡思考、意志堅定的人都可以學習和培養這樣的思維習慣，他甚至完全可以從簡單的課程入手。有一個研究結果特別讓我驚訝，那就是，一份涵蓋《摩西十誡》中總結的某些基本觀念（本書將會探討這些觀念）的教程就能產生明顯的效果。它的閱讀時間只需要大約60分鐘，但它在一個賽季中能提高近10%的準確性。

超級預測需要的是最低程度的智力、數學才能和世界知識，任何讀過嚴謹的心理學著作的人都很可能具備以上先決條件。那麼，到底是什麼讓預測升級為超級預測？正如那些在我的早期研究中表現出真正洞察能力的專業人士所顯示的那樣，最重要的是預測家的思維方式。我會詳細論述這一點，大體而言，超級預測需要的頭腦要做到思想開放、認真謹慎、求知欲強，更重要的是，要有自我批判精神。專注也必不可少。產生更優預測的思維方式離不開勤奮。只有意志堅定的人才能持續地發表合理的預測，所以我們的分析總是表明，堅持提高自我是獲得良好預測成績的最有力的保障。

難以為複雜的世界建立準確的意識模型，但它又極好地滿足了大腦對秩序的慾望，因為它提出條理分明的解釋，且不留下任何疑點。一切都清晰明了，有始有終，確定不變。 “一切跡像都吻合”的事實讓我們自信真相已明了。 “以嚴肅態度承認不確定性的存在，這是明智之舉。”丹尼爾·卡尼曼評論道，“如果有人宣稱非常確定事情的前因後果，你大概能判斷出，這個人構思了一個內容完整的故事，但這個故事不一定正確。”（注：Kahneman，Thinking，Fast and Slow，p.212.）

消防隊長所具有的這種準確直覺一點兒也不神秘。這就是模式識別。人們可以通過訓練或從經驗中編輯模式，轉換成複雜的細節，大量存放在記憶深處。例如，據估計，國際象棋高手大腦能記下5萬~10萬步棋。 （注：W.G.Chase and H.A.Simon，“The Mind’s Eye in Chess，”inVisual Information Processing，ed.W.G.Chase（New York：Academic Press，1973）.）如果某事物不符合模式，例如廚房火災散發的熱量超出應有的範圍，合格的專家能夠立刻感知。但是，每當我們看到有人將聖母瑪利亞的圖像做在烤麵包上或者刻在教堂牆上的模子上時，我們的模式識別能力就會因敏感心理的影響而得出錯誤的確切結論。此外，在其他許多情況下，鼻尖視角可能產生清晰明了、有說服力卻又錯誤的認知。這些都表明，直覺的失敗可能像它的成功一樣明顯。

直覺產生的是謬論還是真知灼見，取決於你是否生活在一個充滿合理提示的世界，這些線索是你無意之中記錄下來的，以備未來之需。 “舉例來說，一棟建築物將會在火災中倒塌，一個嬰兒不久就會表現出明顯的感染症狀，這些事件很有可能表現出某些早期跡象。”卡尼曼和克萊因寫道，“另一方面，不大可能存在能夠用於預測特定股票走勢的公開信息，如果存在這樣的有效信息，股票價格應該已經反映出來了。所以，與股票經紀人的直覺相比，我們有更充分的理由相信經驗豐富的消防隊長關於房屋穩定性的直覺判斷，或者是護士對嬰兒的直覺。”（注：Kahneman and Klein，“Conditions for Intuitive Expertise，”p.520.）領悟提示既和機會有關，也需要付出汗水。有時我們輕輕鬆鬆就能知曉提示的意義。 “孩子不需要太多例子就知道區分狗和貓。”可是，其他時候掌握模式要困難得多，例如，學習5萬~10萬步棋估計需要1萬小時的訓練。 “沒有這些學習機會，合理的直覺只能出現在幸運時刻或者來自魔力，”卡尼曼和克萊因總結道，“不過我們不相信魔力。”（注：Ibid.）

用視角來做比喻更合適。從我們醒來後目光越過鼻尖投向外面世界的那一刻起，光影和聲音就會流進腦海，第一系統開始工作。這種視角是主觀的，每個人具有獨一無二的視角。只有你能從自己的鼻尖看見世界。既然這樣，我們就稱之為“鼻尖視角”（tip-of-your-nose perspective）吧。

我冷眼旁觀，開始懷疑：無論發生什麼，這些專家都會熟練地淡化自己預測的錯誤，並且講出一段歷史，以表明他們一開始就預見到形勢的變化。要知道，世界剛見證了一場劇變，所涉及的是我們能想到的最重大的問題之一。如果這還不能讓我心生疑慮，那麼還有什麼可以做到？我不是質疑這些專家的智力和誠信，在我還是一名小學生時，他們當中許多人已經獲得過科學大獎或在政府部門擔任高級職位。但是，僅靠智力和誠信還不夠。國家安全精英與生活在近代科學興起之前的時代的知名醫生們非常相似。那些醫生也絕頂聰明，絕對守誠信。可是，鼻尖錯覺可以愚弄任何人，即便是最高尚的人、最聰明的人也無法避免，也許，他們正是特別容易被愚弄的群體。

我們沒有理由滿足於3個或4個視角，不過，在猜數字遊戲中，3個視角足以解決問題了。在其他情形中，我們還可以通過第四個、第五個甚至第六個視角來提高判斷的準確性。理論上說，沒有上限。這樣看來，蜻蜓的視覺最適合用來比喻這個過程。

蜻蜓和我們人類相似，有兩隻眼睛，但是眼睛構造與我們截然不同。它的眼睛是一個巨大的、隆起的球，表面覆蓋著微小的鏡片。由於蜻蜓這個物種的獨特性，它的單隻眼睛長著30000塊這樣的鏡片，每一塊鏡片的形狀結構都與鄰近鏡片略為不同，所以具有獨一無二的視角。來自數万個獨特視角的信息流入蜻蜓的大腦，在那里合成超強視野，使得它可以同時看清幾乎所有方向，並且圖像的清晰度和精確性滿足蜻蜓捕捉高速飛行昆蟲的需要。

長著蜻蜓複眼的狐狸是個雜交怪物，實際中當然不存在，只是一個比喻罷了，不過，它抓住了狐狸的預見能力強於戴著綠光眼鏡的刺猬的關鍵原因：狐狸集合各種視角。

不幸的是，集合視角的過程不會自然發生。鼻尖視角的支持者堅持認為他們看到的是客觀、正確的事實，因此沒有必要藉助其他視角。我們總是讚成這樣的觀點，不考慮其他視角，即便某些時候事實已經證明應該更換視角，我們也依然固執己見。

在牌桌上，這種現象十分明顯，令人煩惱。即使是牌技差的玩家也知道，理論上，從對手的視角出發分析局面，這非常重要。她加註20美元？這個舉動說明她在想什麼呢？她手裡的牌怎麼樣？每一次下注都是一條線索，你可以據此判斷對手擁有什麼牌，不過也有可能是她故意迷惑你的。將所有這些線索拼合起來的唯一方法是換位思考。擅長從多角度思考問題的人能夠在牌桌上賺大錢。因此，你可以認為，認真思考撲克遊戲的人很快就會成為個中高手，如果短時間內做不到，那還是選擇其他愛好吧。

跳出自我，真正換個視角觀察現實世界，這是一場艱苦的鬥爭。狐狸們更有可能邁出第一步。也許是因為天性，也許是由於後天養成的習慣或者自覺的努力，狐狸往往會用大量時間進行換位思考。

沒有任何模型能夠窮盡人類複雜多樣的天性。人們認為模型的功能是簡化事物，所以最好的模型也有瑕疵。但它們是必不可少的。我們的思想充滿了模型，沒有它們，我們的世界不能正常運轉。因為一些模型與現實非常貼近，所以我們的世界常常運轉順暢。 “所有模型都是錯的，”統計學家喬治·博克斯（George Box）評論說，“可是有些還是有用的。”狐狸/刺猬模型只是起點，而非終點。

人一旦停止工作，就會有點失落，感覺自己沒價值。

超級預測家更加出色，完全是因為他們更加博學、更加聰明嗎？這種說法對他們來說是奉承，但對我們而言卻是自我貶低。知識這種東西我們都可以增加，只是速度緩慢。思維懶惰的人很難有希望追上終生學習的人。智力看起來更是令人氣餒的障礙。有些人相信增強認知能力的藥丸和電腦遊戲可以提高智力，也許某天他們會得到證明。但是，大多數人認為，成年人的智力比較穩定，這是你還在母親肚子裡時天賜的DNA決定的，也是出生時家庭的和睦與富有程度決定的。如果做超級預測是門薩俱樂部的天才們（1%最聰明的人，智商標準差是普通人的3倍）的工作，那麼我們絕大多數人根本無法勝任。

歸根結底，真正重要的不是思考能力本身，而是使用它的方式。

下面這個問題絕對沒有出現在比賽中：芝加哥有多少位鋼琴調音師？

不要想著用谷歌為你尋找答案。美籍意大利裔物理學家恩里科·費米（Enrico Fermi，原子彈研製團隊的核心人物）提出了這個小小的難題，當時互聯網還要等待幾十年時間才會出現。而且當時費米的學生手邊也沒有芝加哥的黃頁，可以說什麼工具都沒有。可是，費米仍然希望他們合理地準確估計出答案。

那麼，為了計算芝加哥鋼琴調音師的人數，我們必須知道什麼呢？唔，鋼琴調音師的數量取決於給鋼琴調音的工作量和僱用一位調音師可以做的工作。因此，如果我知道以下4個數據，這個問題就迎刃而解：

（1）芝加哥的鋼琴數量；
（2）每年給鋼琴調音的次數；
（3）給鋼琴調音需要的時間；
（4）鋼琴調音師每年平均工作時間。

有了前三個數據，我可以算出在芝加哥鋼琴調音的總工作量。接著，用這個數值除以最後一個數據。就這樣，我可以非常自信地說出芝加哥有多少位鋼琴調音師。

可是，我還沒有任何信息！所以你可能會認為，將一個無法回答的問題轉換成4個問題，是在浪費時間。

不能這麼說。費米的理解是，通過分解問題，我們可以更好地區分已知和未知信息。因此，從黑盒子裡取數字的方法，也就是猜數字法，並沒有被排除。但是，我們要在日光下進行猜測，這樣，我們可以檢驗它的合理性。最終結果一般比第一次聽到這個問題時任何從黑盒子裡蹦出來的估計值更加準確。

·芝加哥人口多少？我不確定，但我知道芝加哥是美國第三大城市，位列紐約和洛杉磯之後。我認為洛杉磯大約有400萬人，這個信息有用。為了縮小範圍，費米會建議設置一個置信區間，正確答案就在這個區間內，對此我有90%的把握。現在，我非常確定，芝加哥人口超過150萬，不到350萬。可是在這個範圍內，正確答案是多少呢？我又不確定了。這樣吧，選中間值，我猜芝加哥有250萬人口。

·擁有鋼琴的人佔多大比例？鋼琴對大部分家庭來說過於昂貴，而買得起鋼琴的人多數又確實不想要鋼琴。那麼，我認為比例是1%。這基本是個黑盒子數字，但也是我能選擇的最佳數字。

·學校、音樂廳、酒吧……有多少機構配置了鋼琴？還是不知道。不過，許多機構應該有鋼琴，其中一些，比如音樂學院，應該有多部鋼琴。我又要做一次黑盒子猜測。我有充足的理由認為機構擁有鋼琴比例是個人比例的兩倍，也就是大約2%。

·有了以上這些猜測的數據，我可以做一些簡單的計算，最後算出芝加哥有50000台鋼琴。

（2）每年給鋼琴調音的次數？也許一年一次。我對這個答案頗以為然。為什麼呢？不知道。又一個黑盒子猜測。

（3）給鋼琴調音需要的時間？我想說兩小時。還是黑盒子猜測。

（4）鋼琴調音師每年平均工作時間？這個問題我可以進行分解。

·美國標準的一星期工作時間為40小時，每年有4個星期的假期。我看不出鋼琴調音師有任何理由不同。因此，我用40小時乘以50個星期，得出每年工作2000小時。

·但是，鋼琴調音師必須花一些時間來往於不同鋼琴所擺放的地點，應該從總時間裡減去這部分時間。他們花在路上的時間有多久？我猜測這部分時間為工作時間的20%。因此，我的結論是，鋼琴調音師每年的平均工作時間為1600小時。

現在，我要綜合以上猜測，計算最終結果：如果50000台鋼琴每年需要調音一次，給一台鋼琴調音需要2小時，那麼總共需要10萬小時。將這個數除以一名鋼琴調音師年均工作時間，得出芝加哥的鋼琴調音師人數為62.5。

所以，我估計芝加哥有63位鋼琴調音師。

我的答案準確性如何？多年來許多人嘗試解開費米的經典難題，其中包括心理學家丹尼爾·列維廷（Daniel Levitin），我在這裡採納了他的陳述。 （注：Daniel J.Levitin，The Organized Mind：Thinking Straight in the Age of Information Overload（New York：Dutton，2014）.）列維廷在芝加哥的黃頁上找到了一份有83位鋼琴調音師的名單，但有不少名字重複出現，就像企業有多個電話號碼。因此，人數仍然不確定。雖然我的估算值建立在諸多粗略的猜測基礎上，但是看起來與名單上的人數驚人地接近。

費米以預測準確著稱。他很少處理甚至完全不處理信息，經常像這樣做一些粗略的計算，然後得出某個數值。隨後的評估表明，他的結果準確性非常高。在許多物理工程系，費米預測或者費米問題是課程的一部分。它們表現為一些內容古怪的測試，題目就像這樣：“估算馬里蘭大學所有學生在一個學期內消費的比薩總面積”。