Noise - Daniel Kahneman, Oliver Sibony and Cass R. Sunstein

 

《閱讀記錄》

這本書已經出版了好幾年，直到最近才在泰國購買。其中一位作者是諾貝爾經濟學獎得主，他之前寫過《快思慢想》。在這本書中，他運用心理學和行為經濟學的知識，解釋了人類在做決策時經常受到噪音的影響。由於這些問題與我自身有關，所以這本書非常有趣。此外，作者的研究大量使用了統計學方法，對對數學感興趣的讀者可能也更感興趣。

作者首先對噪音和偏見進行了定義，並提供了大量例子來證明在制定決策時人們經常面臨隨機性。這種不確定性就是作者所指的噪音。例如，同一案件可能因為不同的法官而判決不同，申請政治庇護的結果也可能取決於處理的法官是否喜歡前一天晚上看的球賽中的勝利隊伍，判刑那天的天氣是否好等等。甚至同一案件在不同時間提交給同一位法官，判決結果也可能不同。其他例子還包括法證指紋辨識和醫學診斷，顯示這些專業領域中也存在著大量噪音。這些例子使我們開始反思以往的判斷是否也受到這些噪音的影響，例如在審查入學申請書、面試學生或評估同事工作表現時，我們是如何做出這些判斷的呢？

書中的一部分解釋了噪音的不同來源之一，即作者在《快思慢想》中提出的理論。該理論指出，人們經常使用快速思考的方式，從記憶中提取相關信息並立即做出猜測。這些猜測往往帶有很大的噪音。另一個原因是我們的預設想法被信息誤導。這也是我們經常提醒自己不要犯的錯誤。

書的第五部分教導決策者如何降低噪音的影響。首先是多信任聰明人，培訓也可以減少人們在做決策時的噪音。其次是制定指引，甚至使用程式和人工智能。此外，獲取多個獨立意見並進行平均，也可以降低噪音的影響。文章中還提到一種方法，即排名比打分更少噪音。這一點我在過去的獎學金小組中已經注意到。在獎學金面試中，通常由兩名教授對學生的表現進行評分。以前的做法是將兩位教授給予學生的分數平均，然後根據這個平均分決定是否頒發獎學金。可是由於不同教授會有不同的評分鬆緊標準，每名老師自己的平均分和standard deviation都不一樣。如果我們將兩名教授的分數做一個簡單的平均分，結果很可能只會反映出其中一名老師的評分。所以好幾年前開始，我就提議需要將兩名教授對所有同學的排名（而不是總分）做平均，這樣就可以將來自不同教授的噪音（書內將這種噪音定義為level noise)有所減低。

另外一點對自己比較新的思想，是說有研究指出招聘面試並不真正能夠找出對的人。在招聘過程中，面試者可能受到第一印象的影響，而忽略了申請者的其他重要特徵和能力。這種偏見可能導致錯誤的招聘決策，最終影響組織的效能和成就。為了解決這個問題，書中提到了Google的招聘過程，這是一個例子，它通過多輪獨立面試和詳細的面試題目，嘗試減少面試過程中的噪音。每位面試官關注不同的面向，並在最後一輪面試時綜合考慮整體印象。這種方法可以幫助減少第一印象和其他噪音對招聘決策的干擾，提高招聘的準確性。

雖然作者花了很長時間講解噪音和移除噪音的重要，但他也不是一面倒的希望整個社會一點噪音也沒有。比較簡單的原因，是因為我們需要考慮移除噪音所帶來的好處是否足以補償移除噪音的花費。但更重要的是作者承認噪音在某些情況下是必要的。噪音的存在可以帶來創新和進步，因為它打破了僵化的決策模式，讓新的觀點和想法浮現出來。如果我們過度追求消除噪音，可能會限制創新和多元性。