客席主編導讀
朱嘉漢（小說家）
●《雜訊》無疑是近期對人類行為理解最重要的書之一。如黃榮村教授所言，這本書告訴我們的重要訊息，一是人類判斷的錯誤，除了較能察覺的偏誤外，另一個影響層面更大、更難察覺的可能是「雜訊」。
「我們經常是處在客觀的無知狀態之中。」這句話是如此鏗鏘有力。現代生活當中，訊息流動速度與流動量極快，我們處在隨時都在判斷的狀態，而雜訊的忽略，可怕的不僅在於使我們產生錯誤，真正可怕在於我們無法察覺錯誤發生的原因，甚至不知道錯誤的存在。此書可以搭配「真相製造」的研究伴讀，因為這也許是錯誤訊息與判斷的最後一道門，也是我們該守護的。
在黃榮村教授的深入淺出的介紹下，我們謹記，錯誤並不可怕，怕的是不知道其存在，而「對抗偏誤與雜訊，必須要先知道它們的存在」。
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。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。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。
人類判斷出錯的兩大來源：認知偏誤與雜訊
認知偏誤與快速直覺判斷（heuristics，一種簡化的思考方式，又稱捷思法），是關聯在一起的概念，之所以產生認知偏誤，有時是來自快速的直覺判斷風格。這種思考風格不一定就會產生錯誤，也具有演化上的利益，如動物在野外求生，若不能發展出這種快速的直覺判斷與反應，則很容易在天擇過程中出局。惟在人類社會做較複雜決策或在較不確定狀態下，並沒有要求一定要做快速反應，也有資料可供研判，但這種思考風格經常不由自主的發生，以致產生認知偏誤，縱使是學科專家或統計學家也會經常犯錯。
人類決策行為與認知偏誤的研究，已是過去數十年的顯學，累積了相當多的科學文獻，是行為經濟學興起的主因之一。若做進一步延伸，則之前尚有赫伯賽蒙（Herbert Simon，又名司馬賀，1978年諾貝爾經濟學獎），他倡議「有限理性」（bounded rationality），主張人是在有限理性之下做出適應性決策行為，1955年於經濟學主流季刊QJE，發表「理性選擇的行為模式」。他與之後1970年代的特沃斯基與康納曼，可說替行為經濟學鋪出了心理學的源頭。1980年代以後，科學界對心智與腦部的關係開始有較清楚掌握，2000年以後則對腦部神經掃描以及對情緒與社會性大腦機制，有較具體深入的了解，因此給行為經濟學提供了更多的養分與動力。優秀的經濟學家與關心人類實際行為表現的決策學者，在這些大環境一前一後的呼應促進之下，讓行為經濟學在強調經濟理性，強調如何利益極大化的規範學派主流環伺下，隱隱然發展出分庭抗禮之勢。近年來諾貝爾經濟學獎也不吝頒給廣義的行為經濟學家，依據勞勃席勒（Robert Shiller，2013年諾貝爾經濟學獎）的估計，大約已占有歷年來（從1969年開始頒發）全部得獎者的6%。
回到今年新書的主題，主要還在於說明人類判斷因為系統雜訊之故，產生很大的不穩定性，甚至出現影響深遠的決策誤差。去除偏誤之後，仍有誤差，但不是共有的誤差，是我們不樂意見到的判斷變異。這種雜訊雖然與認知偏誤有很大的不同（就好像變異數與平均數在機率分配中央趨勢上的不同表現），但是一樣會對人類決策品質帶來嚴重影響，現在學界對影響人類判斷的雜訊問題，相對於認知偏誤，究竟有什麼真正的了解？有什麼好的解方？
雜訊與偏誤可以在概念與統計上分離
「雜訊」與「偏誤」其實是統計學中，兩個很基本的機率分配屬性，可以在概念上完全分開，也是互相獨立的，如所附圖示，橫軸是偏離標準零點的誤差量（error），縱軸是不同誤差量發生的機率。雜訊係指誤差分配的離散程度，越分散雜訊越多，這是統計學中的標準差（或變異數）概念；偏誤則是實際分配平均數偏離零誤差多少的概念。若將同一分配中的離散程度減半，則大部分數值會集中在平均數附近，這是統計學中的峰度概念。附圖左側表示可以在雜訊不變下，將偏誤減少一半；附圖右側則表示雖然偏誤相同，但可以將雜訊減半。在此也可將偏誤視為偏離正確度（accuracy）的指標，雜訊則為偏離精確度（precision）的指標。偏誤與雜訊不只發生在個人身上，也會在群體中發生，複雜度各有不同，但為避免偏離主題，在此不就個人與群體分開討論。
以法案審理為例，可能的偏誤包括有：種族偏見、性別偏見、政治社經定見、各種習見的捷思與認知偏誤因素等，所造成的一組判斷之平均誤差。雜訊則有：在審理類似案件時，量刑基準只做參考但不具強制性之後的量刑差異，在自由裁量上也經常有可觀的差異，這是系統內存在的雜訊。
另外在商業決策、理賠、疾病診斷、政策制定等類專業判斷上，會出現捷思法與認知偏誤，如忽略基本率或分母（base-rate neglect）、可及性或代表性捷思（availability or representativeness heuristics）、定錨效應（anchoring effect）、歸因謬誤、賭徒謬誤、或肯認偏誤（confirmation bias），而導致判斷錯誤。但除此之外，更經常會有雜訊發生，不同人會對類似的判斷或預測情境，做出不一樣的決定，甚至同一人對前後類似事件的判斷，也有再測信度不足的狀況。
有時一個人的個性是樂觀或傾向悲觀、情緒的變化，也會成為系統內偏誤或雜訊的來源，譬如對核電安全性的估計就因此而大有不同。個人偏誤與系統雜訊，都會造成決策誤差，它們都有辦法測量出來，也可以想辦法來減少它們，譬如說提供回饋以減少偏誤與雜訊。有時雜訊的來源，不可思議的，如不守規矩的交通行為或意外事故，可能來自做判斷那天，氣溫太高或氣壓氣候不正常之故，若透過大數據分析可以確定，則或有可能找出因應之道。本書也提出網路與媒體容易遭到政治或其他聰明的操弄，以致產生系統雜訊，而嚴重模糊、干擾、或扭曲人的獨立判斷。這種事情在民主社會的帶動流行、製造產品偏好、形塑公投案例、做政策遊說上，也是不時發生，防不勝防。
若回到現實社會的決策情境中，去尋找為什麼會發生這兩種人類決策經常面對的缺陷時，就從統計學問題變成科學問題。接著，當一個人或機構或社會在做決策，都不免遭遇到這些具有系統性的偏誤與雜訊時，可否找到什麼有效的避免或減少的方法？這時問題又從科學層面轉變成為管理學的問題。
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；以及（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。
這本書可以參考的幾個結論
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。
3.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。
●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，雖然乃覺三十里，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。
沒有留言:
張貼留言