By Claude Opus 5.5
引子：两种不同的错误
2021年，丹尼尔·卡尼曼与法国战略学者奥利维耶·西博尼（Olivier Sibony）、美国法学家卡斯·桑斯坦（Cass Sunstein）合著了《噪声：人类判断的缺陷》（Noise: A Flaw in Human Judgment）。这是卡尼曼在《思考，快与慢》之后的最后一本重要著作。他于2024年3月去世。
《思考，快与慢》讲的主要是偏差（bias），也就是人的判断会朝固定方向偏离。《噪声》讲的是另一种常被忽视的错误：噪声（noise），指本该相同的判断之间出现的随机离散。
书的开头用射击打靶来说明：
- A队：弹孔紧密集中在靶心周围，准确，没有偏差也没有噪声。
- B队：弹孔紧密集中，但都偏向左下方，属于有偏差、低噪声。
- C队：弹孔散布在靶面各处，平均位置接近靶心，属于无明显偏差、高噪声。
- D队：既偏离靶心又分散，偏差和噪声都有。
有个细节很关键：把靶纸翻过来，看不到靶心，只看得到弹孔的分布，你仍然能看出噪声。换句话说，测量噪声不需要知道正确答案。许多判断没有标准答案可对，比如量刑、保费定价、招聘评估，噪声却照样可以被发现和测量。这也是本书在方法上最有力的一点。
一、噪声无处不在
作者列举了大量领域的证据，说明同一件事交给不同的专业人士，或交给同一个人在不同时刻去判断，结论会相差很大。
司法量刑。 1970年代，美国联邦法官马文·弗兰克尔（Marvin Frankel）公开批评量刑的随意性：罪行相近的被告，刑期可能差几年甚至几十年，关键在于分到哪位法官。一项研究让两百多位法官对同样的假设案例量刑，结果分歧惊人。这类批评推动了1984年《量刑改革法》和量刑指南的出台，量刑差异随之缩小。2005年最高法院在"布克案"中把指南改为参考性质之后，差异又扩大了。
更让人不安的是那些与案件无关的因素。有研究发现，当地橄榄球队输球后的那一周，法官判得更重；天气炎热时判决更严厉；被告生日那天判决略轻。美国庇护申请案件中，法官批准的概率会受他前一个案子是否批准的影响。
保险公司的"噪声审计"。 作者为一家保险公司做过一次实验：让多位核保员独立为同样的案例报价。管理层事先估计，两个核保员的报价大约相差10%。实际测出来的中位数差异约为55%。理赔评估员的差异也在40%以上。对公司来说，这意味着报价时而过高、时而过低，客户流失和亏损都来自这里，而这些损失平时完全看不见。
医疗。 不同医生对同一张X光片、同一位病人的诊断常常不一致。同一个医生在一天里的不同时段也会做出不同的决定。研究发现，越接近下午，医生开阿片类止痛药的倾向越高，建议癌症筛查的比例越低。
指纹鉴定、专利审查、招聘面试、绩效考核、预测，都存在同样的问题。
作者的判断是：凡是有判断的地方，就有噪声。而且噪声的程度往往远超所有人的预期。
二、误差方程：噪声和偏差同样重要
书中借用统计学的均方误差（MSE）提出一个简洁的公式：
总误差（MSE）= 偏差² + 噪声²
公式里偏差和噪声地位完全对等。减少噪声对降低总误差的作用，和减少同等幅度的偏差一样大。
但人们在现实中往往只盯着偏差。偏差有方向，能讲出因果故事，比如"法官对某类人有偏见"。噪声是统计性的，没有故事，只有在大量判断放在一起看时才会显现。个案层面，我们看到的永远只是一个判断，所以感觉不到噪声。
作者还指出一个反直觉的地方：在这个公式里，高估和低估的错误不会互相抵消。一个核保员报价过高，另一个报价过低，平均下来看似"没问题"，实际上公司两头都在付出代价。
三、噪声的解剖：三种成分
作者把"系统噪声"（system noise，即一个组织内部本应一致的判断之间的差异）拆成几个部分：
- 水平噪声（level noise）：不同判断者的整体尺度不同。有的法官普遍判得重，有的普遍判得轻；有的老师普遍打分严，有的普遍宽松。
- 模式噪声（pattern noise）：判断者对特定案件的特异反应。某位法官平时宽松，却对某类罪行格外严厉；某位面试官特别看重某种性格特质。模式噪声又可以细分为：
- 稳定模式噪声：源于个人持久的价值观、经验和性格，每个人都有自己独特的判断"指纹"。
- 情境噪声（occasion noise）：同一个人在不同时刻的波动，受心情、疲劳、天气、前一个案子、刚刚看到的信息等影响。
作者发现，模式噪声通常是系统噪声中最大的部分。也就是说，问题不只是"有人严有人宽"，而是每个人都以自己独特、不可预测的方式看待每一个案子。
关于情境噪声有个有趣的发现，叫"内在群体"（the crowd within）：让同一个人隔一段时间对同一个问题做两次估计，两次的平均值往往比任何一次都准。这说明一个人的单次判断本身就含有随机成分。
四、群体会放大噪声
直觉上，让一群人讨论应该能消除个人的随机误差。作者指出，群体讨论常常放大噪声。
一个著名实验是萨尔加尼克（Salganik）和瓦茨（Watts）的"音乐实验室"：研究者建立了多个彼此独立的"平行世界"，参与者可以下载歌曲，并看得到别人的下载量。结果，同一首歌在不同世界里的命运天差地别，早期的少量随机下载会引发连锁反应。优秀的歌很少彻底失败，糟糕的歌也很少大获成功，但中间的广大区域几乎是随机的。
在会议里也一样：谁先发言、谁更自信、谁职位更高，都会影响最终结论。群体极化和信息瀑布使最终结论成为一个"意外"，重来一遍很可能是另一个结果。
五、预测判断：人为什么输给简单模型
书中有相当篇幅讨论预测性判断，比如预测员工绩效、预测被告是否会再犯、预测学生成就。
1. 人类判断与结果的相关性通常很低。 在许多领域，专业人士的预测与实际结果的相关系数只有0.2左右，甚至更低。作者引入"一致百分比"（percent concordant）来直观表达：相关系数0.20意味着，随机挑两个人，你对"谁表现更好"的判断只有大约56%的概率是对的，比抛硬币好不了多少。
2. 简单模型往往胜过人类。 自心理学家保罗·米尔（Paul Meehl）以来，大量研究反复证明：简单的统计公式在预测上通常不输于、甚至优于专家。
3. "判断者的模型"胜过判断者本人。 这是书中最有意思的发现之一。研究者可以用线性回归为某位判断者建模，模拟他如何综合各项信息。结果这个模型往往比判断者本人更准。原因在于模型保留了判断者的思路，却去掉了他的噪声。
4. 甚至随机权重的模型也不差。 罗宾·道斯（Robin Dawes）发现，"不恰当的线性模型"，比如给所有预测因素赋予相同的权重，表现也常常不输专家。简单规则的优势并不在于多聪明，而在于没有噪声。
5. 机器学习的潜力。 一项关于保释决定的研究（Kleinberg 等人）显示，算法可以在不提高犯罪率的前提下大幅降低羁押人数，或者在羁押人数不变的情况下降低犯罪率。
那为什么人们依然抗拒规则和算法？作者认为有三点原因。一是人们对自己的判断有"内在信号"式的自信，觉得判断"对了"的感觉本身就是一种奖赏。二是人们要求机器完美，却容忍人犯错。三是人们低估了客观无知（objective ignorance）：未来本身就有大量不可预测的成分，没有任何人或模型能预测得很准。书中提到的"脆弱家庭挑战"（Fragile Families Challenge）里，数百个研究团队用海量数据预测儿童的人生结局，表现都相当有限。
六、噪声从何而来
心理偏差是噪声的来源。 同样的心理偏差，比如锚定效应、过度自信、代表性启发，在不同人身上、不同时刻以不同强度出现，就会表现为噪声。偏差在群体层面是系统性的，在个体层面却是随机分布的。
过度的因果思维。 人们习惯用因果故事理解世界，觉得事情"事后看来是必然的"。这让我们看不到事件中的随机性，也看不到自己判断的不稳定。作者建议培养统计思维，特别是采用外部视角（outside view）：先看同类案例的基础比率，再根据个案做调整。
尺度的问题。 很多判断需要把感受转换成数字，比如"赔偿多少美元""绩效打几分"。人们在相对排序上往往相当一致，在绝对数值上却各说各话。书中引用了卡尼曼、施卡德（Schkade）和桑斯坦对惩罚性赔偿的研究：陪审员对案件"有多恶劣"的评价高度一致，一旦要换算成美元金额，分歧就极大。这也是作者推荐相对尺度的原因。
绩效评估尤其严重。 研究显示，一个人的绩效评分中，很大一部分变异（常被估计在一半以上）反映的是评估者本人的特质，而不是被评估者的实际表现。
七、决策卫生：如何降低噪声
作者提出了一个核心概念：决策卫生（decision hygiene）。这个比喻来自洗手：洗手不针对某个具体的病菌，它的效果看不见，你永远不知道自己避免了哪一次感染，但它有效。降低噪声的措施也是如此，它们不针对某个具体的错误，而是整体提高判断质量。
书中列出了以下几项原则和工具。
1. 判断的目标是准确，不是自我表达。
专业判断不是展示个性的场合。承认这一点是降低噪声的心理前提。
2. 运用统计思维，采用外部视角。
先问"这类情况通常怎样"，再问"这个案子有什么特殊之处"。
3. 对信息进行排序：先独立判断，后接触可能产生干扰的信息。
书中讨论了法庭科学中的指纹鉴定。伊蒂尔·德罗尔（Itiel Dror）的研究发现，鉴定人员如果事先知道嫌疑人已经认罪之类的背景信息，判断会被影响，甚至同一位专家对同一组指纹会前后给出不同结论。解决办法是线性顺序揭示（linear sequential unmasking）：先分析现场指纹，记录下判断，再看嫌疑人指纹，尽量少接触与鉴定无关的信息。
4. 汇总多个独立判断。
"群体智慧"成立的前提是独立。先让每个人独立判断、记录，再进行讨论和汇总。这比一开始就开会讨论有效得多。德尔菲法、"估计—讨论—再估计"等方法都遵循这个逻辑。
5. 选择更好的判断者。
好的判断者不一定是资历最深、最受尊敬的人，而是具备较高一般智力、积极开放思维（actively open-minded thinking），并且愿意更新观点的人。菲利普·泰特洛克（Philip Tetlock）研究的"超级预测者"就具有这些特点：把问题拆解、经常更新、对细微的概率差异敏感。
6. 结构化判断：拆解为独立的子判断。
作者推荐中介评估协议（Mediating Assessments Protocol, MAP）：
- 事先确定需要评估的若干维度；
- 对每个维度分别、独立地评估，尽量基于事实；
- 推迟整体直觉，等所有维度都评估完后再形成最终判断；
- 最终判断时允许直觉参与，但直觉要建立在结构化信息之上。
招聘中的结构化面试就是典型应用：所有候选人回答相同的问题，按同样的标准评分，各面试官独立打分。书中提到谷歌采用了类似做法。医学中的阿普加评分（Apgar score）也是好例子：把新生儿健康状况拆成心率、呼吸、肌张力、反射、肤色五个维度，每项0–2分，大大减少了不同医护人员之间的判断差异。
7. 使用相对尺度，而非绝对尺度。
与其问"这个员工值几分"，不如问"他在团队中排第几"。或者用具体的锚定案例定义量表，比如"这个表现相当于某某典型案例"。
8. 规则与指南。
在适当场合用规则、指南或算法约束判断的自由度，比如量刑指南和医疗诊断指南。
八、降低噪声的代价与边界
作者并不天真。书的最后讨论了反对降噪的理由，并承认其中一些有道理：
- 成本：噪声审计和结构化流程都需要投入，并非所有场合都值得。
- 规则可能带来新的错误：僵化的规则会产生偏差，也可能被钻空子。
- 尊严与个体化：人们希望自己的案子被"当作一个人"来对待，而不是被公式处理。
- 价值观的演进：一定程度的分歧能让社会规范和价值观随时间变化，法律的进步有时就源于个别法官的"异见"。
- 士气与创造力：过度规范可能削弱专业人士的积极性和责任感。
作者的结论是：并非所有噪声都必须消除，但噪声应该被看见、被测量、被讨论。组织可以有意识地决定容忍多少噪声，而不是对它视而不见。书中还区分了"规则"和"标准"：规则减少噪声，可能牺牲灵活性；标准保留弹性，也容忍噪声。如何取舍取决于具体领域。
结语：一个被忽视的问题
《噪声》的重要性在于，它指出了一个长期被忽视、却可能与偏差同样严重的问题。它不像偏差那样有戏剧性的故事，但在医疗、司法、商业、教育、招聘等无数领域，它每天都在造成不公和浪费。
书中贯穿始终的一个洞见是：人们很难意识到自己的判断是有噪声的。 每一个判断在做出它的人看来都合情合理、理由充分。只有把许多判断放在一起、把"靶纸翻过来"，我们才能看到那些散落各处的弹孔。
对个人来说，这本书提供了一种谦逊：我此刻的判断可能与明天的我、与身边的同事都不同，而这未必说明我是对的。对组织来说，它提供了一套可操作的工具：做噪声审计，独立判断，结构化评估，汇总多方意见，谨慎使用规则和算法。
好的判断不只来自聪明和经验，也需要一套能约束自身随机性的纪律。
书籍信息：Daniel Kahneman, Olivier Sibony, Cass R. Sunstein, Noise: A Flaw in Human Judgment, Little, Brown Spark, 2021。中文版译名为《噪声：人类判断的缺陷》。