好久沒有寫博客了，趁着出差有時間，讀完了《噪聲》這本買了很久的書，整體感覺還是有一些認知層面的迭代的，也整理下書中的一些內容，讓自己能夠沉下心來把思維和邏輯整理清楚，也能給大家做個分享。
書籍介紹
這本書是已故諾貝爾經濟學獎得主丹尼爾·卡尼曼的新書，之前就是在這位作者去世的時候買回來學習的。
本書主要講的是人類在判斷過程中的一個常見“噪聲”問題，由於人或者時間原因導致決策的隨機性偏差。這本書通過對人類決策中的這種隨機性偏差進行了研究探索，提出了水平噪聲（不同個體間的差異）、模式噪聲（個體偏好差異）和情境噪聲（外部環境的影響）三種類型的噪聲，同時給出了一些降低和解決噪聲的切實可行的辦法。
在讀這本書之前，其實自己在模糊中其實對書中提到的一些現象有一些零碎的感知，比如不同的人對同一件事情的標準不一樣，同一個人在不同時間段、不同情緒下，標準和判斷也不一樣，但是其實沒有去深究其原因，只是認為是一個正常現象。這本書其實是在這方面能夠帶來比較系統的認證迭代，讓你認識到了“噪聲”這個東西的存在。
同時，我們在日常工作和生活中，其實會使用到一些減少噪聲的動作，可能是一些下意識的動作，也有可能是一些規章制度方面的要求，但是其實我們很少去想過這些方式能夠解決什麼問題，到底是怎麼解決的看起來很“隨機”的噪聲問題的。
從讀完的實際感受上來看，這本書是一本值得一讀的，看讀書筆記可能會讓你對這本書的內容有一個大致的瞭解，但是讀書過程中引發的感悟和思考，還是隻讀大綱無法帶來的。所以還是推薦感興趣的同學能自己找到這本書看一看。
讀書筆記
認識噪聲
偏差 vs. 噪聲
- 噪聲：判斷中不必要的變異。
- 偏差：系統性決策的錯誤。
-
預測的“客觀無知”：受限於預測性判斷應該有多好，而並非受限於預測性判斷實際有多好。
- 預測中偏差和噪聲都會造成誤差。它不僅為我們的預測力設定了上限，也限制了我們的理解力。
- 不應該將專家失敗的預測歸咎於專家本人，但他們確實應該受到批評，因為他們試圖完成一項不可能完成的任務，卻相信自己可以做到
噪聲無處不在
- 噪聲的存在：哪裏有判斷，哪裏就有噪聲。在充滿噪聲的系統中，錯誤不會相互抵消，只會累加。
- 為什麼我們能容忍噪聲：噪聲就像地下室漏水，不是因為人們認為它是可接受的，而是因為他一直未被發現。
- 噪聲的普遍特性：你可以在對目標或偏差一無所知的情況下識別噪聲，並對它進行測量。重複決策中的噪聲，可以通過噪聲審查識別出來。
噪聲的代價
- 系統噪聲就是不一致，而不一致會損害系統的可信度。
- 測量和減少噪聲應該與測量和減少偏差同等重要。
- 目標：無論只做一次決策還是做100次決策，你的目標都應該減少偏差和噪聲，而且減少錯誤的實踐方法，在單一決策和重複決策中同樣有效。
噪聲的計算方法
-
判斷問題：在於其結果存在不確定性，我們承認理性或有能力的人在某一問題上可能是存在分歧的。
- 關注過程而不是結果，我們就可以對無法驗證的判斷進行評估，例如對虛構問題的判斷或時間跨度很長的問題的預測。
- 追求的目標：努力實現能夠對一系列類似案件作出最佳判斷的過程。
- 單次測量中的誤差=偏差+噪聲誤差。
- 總體誤差（均方誤差） = 偏差² + 噪聲²。
噪聲的來源
水平噪聲
不同個體對同一情況做出不同判斷，例如不同法官對同一案件的量刑差異。
模式噪聲
同一個體在不同時間對相似情況做出不同判斷，例如醫生在不同時間對同一病人的診斷差異。
- 定義：一個人判斷一個案例的誤差中，除去案例和判斷者的影響後無法解釋的部分。
- 穩定性：當模式造成的觸發因素根植於我們的個人經驗和價值觀時，我們可以預測該模式噪聲是穩定的，它反映了我們的獨特性。
情境噪聲
外部環境因素對判斷的影響，例如天氣、情緒、時間壓力等。
- 情景噪聲的來源：情緒。
測量噪聲
- 模式誤差=穩定的模式誤差+變化的（情境）誤差。
- 系統噪聲² = 水平噪聲² + 模式噪聲²。
- 模式噪聲² = 穩定的模式噪聲² + 情景噪聲²。
- 噪聲的最主要成分還是穩定的模式噪聲，其次才是水平噪聲。情景噪聲雖然也很大，但佔比最小。
偏差是如何產生的
-
偏差的3種類型（產生偏差同時也會產生噪聲）：
- 替代偏差：回答一個難題的啓發式是去尋找一個簡單問題的答案，用一個問題提的另一個問題會導致源於可預見性心理。替代偏差會導致我們對證據不正確的賦權。
- 結論偏差：我們常常依結論，尋找證據。由於證實性偏差和期望偏差，我們傾向於有選擇地收集和解釋證據以支持那個我們已經相信或希望成真的結論。結論偏差會導致我們要麼繞開證據，要麼以曲解的方式去考慮它。
- 過度一致性偏差：我們能迅速形成一致性影響，但要改變一致性影響過程卻很緩慢。過度一致性偏差則會放大出水影響的效果，並減少矛盾信息的影響。
- 假設的誤差我們稱之為心理偏差。心理偏差是一種普遍存在的心理機制，他們經常導致共性的錯誤，但是當偏差的個體差異較大（不同的預判）或偏差的效應取決於情境（不同的觸發因素）時，噪聲就會產生。
減少噪聲
- 從統計學上講，減少噪聲可以避免許多錯誤，但你可能永遠也不知道到底是避免了哪些錯誤，噪聲是躲在暗處的敵人即使躲開了敵人的案件，你也可能察覺不到。——消滅潛在的問題的價值。
-
選聰明人：儘可能選擇能力出眾的判斷者。
- 好的判斷者往往經驗豐富且充滿智慧，但他們也時刻保持着思維的開放性，願意接納新的信息。
- 智力水平與更好的判斷相關，致力於幾乎所有領域的良好表現都相關。
-
排序：對判斷對象進行直接比較，能夠獲得比逐一評估各個對象更精確的區分效果。排序。
- 絕對判斷的量表選取會對判斷中產生的噪聲造成很大影響，因為模糊的量表是充滿噪聲的。
- 用相對判斷替代絕對判斷可能會減少噪聲。
-
定規則：通過制定規則、流程、指南等減少判斷中的主觀性和隨意性。
- 強制性準則既能減少偏差，也能減少噪聲。
- 拆解維度：將複雜判斷分解為多個可衡量的維度，並使用評分表、算法等工具輔助決策。
-
羣體智慧：綜合多個獨立判斷的結果，例如使用德爾菲法、預測市場等方法。
- “羣體智慧”原則是建立在平均多個獨立判斷的基礎上的，這樣能確保減少噪聲。
- 德爾菲法：評估-討論-評估法。要求參與者先給出獨立的評估，然後進行解釋並説明理由，最後根據其他人的評估解釋作出新的評估。
-
應用算法：在特定領域使用算法模型替代人類判斷，例如信用評分、風險評估等。
- 人類在許多方面都不如統計模型，其中一個主要弱點在於人類的判斷過程存在噪聲。
- 機器學習模型之所以能夠在預測方面表現出色，其中一個原因就是它能夠發現人類所無法想象中各種“斷腿”情況。
- 某些算法不僅比人類判斷更準確，而且也更公平。
選擇規則還是標準
-
規則：旨在消除實施者的自由裁量權。標準：會授予實施者一定的自由裁量權。
- 標準：推薦指南，應用指南。
- 規則：算法，法規。
- 標準會引發噪聲，而規則不會。
- 制定標準而用規則的原因：讓不同的人就減少噪聲的規則達成共識非常困難。
- 如何選擇：首先應該弄清楚哪個會導致更多的錯誤，然後弄清楚哪個更簡單，哪個更麻煩。
減少或消除噪聲的7個反對意見
-
減少噪聲的代價很大，不值得。
回答：消除噪聲可能要付出高昂的代價，但這種代價是值得的，噪聲可能會導致極端的不公平。
-
為減少噪聲採用的某些策略，可能會給系統本身引入新的錯誤，有時甚至會造成系統性偏差。
回答：如果減少造成的方法過於粗糙，比如我們制定的指南或規則過於死板或在不經意間產生的偏差，我們也不應該放棄，而應該再試一次。
-
如果希望人們覺得自己受到尊重和有尊嚴，我們就必須容許一些噪聲的存在。
回答：雖然存在噪聲，但能總體上減少誤差就是值得的，能夠避免造成更多不公正，更高代價。如果減少噪聲的策略比較粗糙，那麼最好的辦法就是嘗試提出更好的策略。
-
噪聲可能是容納新的價值觀，乃至促進道德和政治發展至關重要的事物。
回答：如果通過制定嚴格的規則來減少噪聲，那麼規則制定者應該隨時間的變化而對規則做出改變。同時我們也可以通過設計一些程序來適應價值觀的變化。
-
一些力圖減少噪聲的策略可能會促成投機取巧的行為，導致人們利用制度的漏洞或規避禁令。
回答：我們需要明確有多大的可乘之機以及有多少噪聲，如果可乘之機很小但噪聲很多，那麼我們最好還是想辦法減少噪聲。
-
存在噪聲的系統可能有很好的威懾作用。
回答：想要知道一個存在造成的系統能否產生威懾力，我們首先需要知道潛在的違法者是風險規避者還是風險愛好者。
-
人們不希望自己被當成一件物品或機器上的一個小齒輪。
回答：有噪聲的系統可能對保持秩序有好處，但這並不是因為它包含噪聲，而是因為它允許人們根據自己的意願作出決定。噪聲是難以接受的，我們需要找到不損害重要價值觀的，減少噪聲的策略。
題外話
在AI高速發展的當前，在寫讀書筆記的過程中，其實AI能夠發揮很大的作用，幫你寫大綱，做目錄，最後排查錯別字和幫你潤色總結。大家如果在類似事務性的事情上也感覺耗時較多，不妨可以試一試，從我的親身經歷來看確實會帶來挺大的效率提升。
