?
推薦理由
在《噪聲》一書中，三位作者巧妙地將他們對人類判斷缺陷的獨特新穎見解，運用到人類在各個領域的判斷問題?！对肼暋肥切睦韺W領域的一項了不起的成就，也是一座里程碑。在這本書中，作者深入分析了噪聲的影響：所謂“噪聲”。即是造成我們決策失誤的因素。人類并非完全理性，只要開始判斷，噪聲便會隨之而來。由于時間的單向性，每一個判斷和決策均會導向不同結果，由此，如何降低噪聲帶來的決策風險，從而做出最優選擇至關重要。作者在書中提出的策略是利用科技的力量，通過發掘埋沒在大數據中的信息來減少決策中的噪聲，這可以說是大數據滲透到行為經濟學領域的新趨勢。
作者介紹
丹尼爾·卡尼曼（Daniel Kahneman），諾貝爾經濟學獎得主，美國總統自由勛章獲得者，全球暢銷書《思考，快與慢》作者，普林斯頓大學尤金·希金斯心理學榮譽退休教授，公共和國際事務學院教授，曾榮獲多項獎章?？崧谛睦韺W上的成就是挑戰判斷與決策的理性模式，被公認為“繼弗洛伊德之后，當代最偉大的心理學家”。他的跨領域研究對經濟學、醫學、政治學、社會學、社會心理學、認知科學等領域都產生了深遠的影響，被譽為“行為經濟學之父”。
奧利維耶·西博尼（Olivier Sibony），巴黎高等商學院（HEC Paris）教授，牛津大學賽德商學院外籍教授，曾在全球最大的戰略咨詢公司——麥肯錫咨詢公司擔任資深合伙人長達25年時間。西博尼的研究領域為策略、決策、問題解決，力圖提升決策的品質。主要代表著作有《You Are About to Make a Terrible Mistake》《Before You Make That Big Decision》等。
卡斯·R.桑斯坦（Cass R. Sunstein），哈佛大學法學院教授，主要研究領域為政策制定方面。著有多本《紐約時報》暢銷書，包括與理查德·泰勒合著的《助推》（Nudge）、基于電影《星球大戰》（Star Wars）的法學著作《星球大戰的世界》（The World According to Star Wars），以及《助推2.0》（How Change Happens）等其他多本著作。
?
內容簡介
《噪聲》通過兩個公式揭開了“判斷出錯”的本質，并且通過對三種噪聲的系統性分析探索人類決斷過程中所受的干擾。從六大部分闡述了“噪聲”：“從尋獲噪聲到探究人類判斷的本質，從預測噪聲到闡釋噪聲的主要原因，從探討如何改進判斷和防止錯誤的的實際問題，一直延伸到什么才是合適的噪聲水平”。為了減少噪聲，降低危害，重塑決策框架，卡尼曼在書中提出了6大原則，致力于幫助讀者成為一個聰明的決策者。
在第一部分，作者告訴我們什么是噪聲，它指的是造成我們決策失誤的因素。丹尼爾·卡尼曼認為，凡有判斷必有噪聲；影響我們決策質量的因素有兩個，一個叫偏差，另外一個叫噪聲。其中，偏差屬于系統性因素，是大腦固有的思維模式，而噪聲主要指的是不可預測的偶然性因素。
在第二部分和第三部分，作者把噪聲分為了三種不同的類型。第一種叫水平噪聲，指的是我們做某個決策的時候，個人影響因素與行業平均水平的差異。第二種叫模式噪聲，指的是某一次決策水平與本人一貫的決策水平之間的不同。第三種叫情景噪聲，它屬于模式噪聲的分支，指的是你的決策水平在不同的情景、不同的心情下，最終的結果也會不同，而影響我們決策的這些因素，都屬于情景噪聲。
在第四部分，作者認為，個體間的差異總是存在的，每個人也總有特殊的偏好，人的狀態也會隨著情境起起伏伏，所以噪聲幾乎是無處不在的。但更雪上加霜的是，有一些因素還會增大噪聲的幅度。
常見的放大噪聲的情況有三種。第一種叫“客觀無知”。即就是做判斷的人在認知上的有限性。第二種叫“匹配問題”。一方面因為每個人的標準不同，對同一個事情的評價也會不同，即人與人之間的分歧。另一方面，因為在不同的場合里，人們對量表的理解也會發生變化。比如在公司績效考核中，有的領導給80分是優秀，有的領導給90分才是優秀。第三種是群體的不良影響。一個群體共同做判斷和決策時，要想提高決策質量，其實是有苛刻的條件的。如果不滿足該條件，那群體其實反而會增大決策噪聲。
在第五部分“決策衛生，提升五大人類判斷力”中，作者主要探討了如何減少噪聲，提出了四種常見的手段。第一種是把決策過程交給一個每一個個體都能獨立做判斷的群體。也就是個體獨立做判斷，然后匯總獨立判斷的結果。第二是用排序取代匹配。即先對決策中的不同因素進行分檔排序，再依次根據排序來打分。比如很多公司招聘時，會先把面試者分成不同的檔次，然后在每一檔里逐個打分。第三種是把決策過程交給一個模型。模型本質上其實都是固定的數學公式。只要每次的輸入是一樣的，它就保證輸出是一模一樣的。第四種則是把決策過程交給“決策達人”。即在決策過程中尋找那些能夠排除噪聲影響、直中把心的決策達人，讓他們來做出判斷和抉擇。
在第六部分，作者討論了減少噪聲過程中可能會遇到的障礙，并將其分為三種。第一個障礙是，人們不信任算法。作者認為人們普遍不信任算法，通常會去抵制通過算法來減小噪聲的那些措施。第二個障礙是，人們擔心模型會扼殺積極性和創造力。人類的決策雖然飄忽不定，但其中也會誕生出很多創意，如果決策過程都交給了死板的模型，極有可能會扼殺人類的創意。最后一個障礙是成本。在一些領域中，減小噪聲的成本過高，很多人不愿意為此花費太多。
?
本書目錄
第一部分 尋找噪聲
第1章 犯罪和充滿噪聲的判罰/77
第2章 系統噪聲，給人達成一致的錯覺/102
第3章 單一決策，僅發生一次的重復決策/130
第二部分 你的大腦是一種測量工具
第4章 什么是判斷/149
第5章 測量誤差，噪聲與偏差的代價一樣大/179
第6章 噪聲分析：所有判斷都存在 3 類噪聲/211
第7章 情境噪聲，無時無刻不在影響著我們的判斷/235
第8章 群體是如何放大噪聲的/275
第三部分 預測性判斷中的噪聲
第9章 判斷與模型，簡單的模型普遍優于人類判斷/316
第10章 無噪聲的規則/347
第11章 哪里有預測，哪里就有客觀無知/381
第12章 常態谷：事情雖無法預測，但可以被理解/408
第四部分 噪聲是如何產生的
第13章 啟發式、偏差與噪聲/439
第14章 匹配，找到與你的預測最精準匹配的共識/478
第15章 選取精確的量表，并多用相對判斷/507
第16章 模式噪聲的構成/538
第17章 噪聲源，偏差是引人注目的圖形，而噪聲是不受我們關注的背景/562
第五部分 決策衛生，提升五大人類判斷力
第18章 卓越的判斷者，卓越的判斷力/596
第19章 消除偏差與決策衛生/626
第20章 司法科學，信息排序是最大的噪聲/648
第21章 甄選與匯總，超級預測的兩大策略/686
第22章 醫療決策，用科學的診斷指南減少噪聲/723
第23章 績效評估，用基于外部視角的共識框架做出量化判斷/761
第24章 人員招聘，以結構化指標衡量人才/794
第25章 中介評估法，做出明智決策的核心方法/826
第六部分 最佳的噪聲水平
第26章 減少噪聲的成本/867
第27章 尊嚴，人之為人的重要價值觀/892
第28章 規則還是標準/920
閱讀感悟
1.噪聲——人類決策的阻礙
噪聲的概念非常廣泛，它不僅存在于物理測量的過程中，而且同樣大量出現在人類思維的決策過程中，涉及司法審判、保險理賠、醫學診斷、人事決策、產品預測、專利權授予政策，以及日常生活中的各種情境，跨越了不同的領域。
傳播學中也存在“噪音”概念，它是指除信源有意傳播之外的一切東西?！霸胍簟钡奶岢?，表明傳播并不是在真空中進行的，過程內外的各種障礙因素會形成對訊息的干擾，造成信息的失真。與此同時，噪聲的存在會對我們的判斷和決策造成干擾，并且，人類在面對各種問題時，我們的看法和判斷不可能完全達成一致。因此，噪聲會成為人類決策的阻礙。
在新冠肺炎疫情爆發后，歐洲國家在優先事項、主要目標、衛生系統、治理模式等各方面都非常相似，但最終選擇的疫情應對政策卻有著巨大的差異。面對同樣的問題，他們想出了不同的解決方案。有些國家的疫情日增病例數字時不時沖上熱搜，有些國家卻能成為他國借鑒經驗的典范。而形成這樣巨大差異的原因，就在于他們在面對相同的問題時，在噪聲干擾下決策的差異性。正是由于決策偏差及其差異性影響的存在，這就意味著我們在做決策以及效果評估時，應該反思我們可能出現或已經產生了何種誤差，從而啟發我們該如何去完善和改進，以更好地屏蔽噪聲帶來的干擾。
2.算法——輔助決策的手段
在算法時代，算法問題逐漸成為學界和業界關注的焦點，樂觀之余更應該對算法保持謹慎，它所帶來的倫理問題比技術本身更為嚴峻。現階段的算法還不具有自我意識，智能程度在于對現有數據的分析計算上。但在公眾無法清楚計算機運行邏輯的情況下，自然也不會知道算法對數據的分析是否真的客觀公正。但是丹尼爾持有不同的觀點。
丹尼爾認為，“信息繭房”“過濾氣泡”并非揭示了算法的失敗，相反，它們恰好證明了算法的成功。算法推薦被設計出來，就是為了達成滿足人們個性化需求的目的，在這一點上，算法的初衷是人性化的。他提到，算法只是經過編程產生的，它本身沒有觀念傾向，只是人們在滿足自身利益的過程中容易導致錯誤偏差的出現，尤其體現在社交媒體公司對于資本的剝削上。
不可否認的是，丹尼爾關于算法的觀點有一定的合理性，這與傳播學中的社會決定論有一定的相似之處。即技術起源于社會生活，產生于人的社會需求。人是技術的主人而不是奴隸，且技術不僅僅是工具和手段，也是倫理、政治、文化價值的體現。
我們需要意識到，算法將在人類生活中扮演越來越重要的角色。我們積累的數據越多，使用的算法越多，我們就越有可能做出更好的判斷，提升決策的質量。本書強調讓人類決策在保留原來的所有優點的同時，擁有更好的紀律性，最后在決策結果上接近于算法的準確度。我們稱之為“決策衛生”（decision hygiene），讓人類的判斷更有紀律，從而在實踐中減少噪聲，而不是在任何領域都用人工智能算法取而代之。
當今社會，我們越來越需要一些比較穩定的、精準的社會制度和技術模式來做出一些高效平穩的判斷。比如谷歌公司招聘員工時兩個環節的招聘制即體現了這一點。其中，第一個環節是經由算法讓求職者參與一系列標準化的考核和面試，每項考核都獨立打分、獨立評估，面試問題也根據考核項的差異有嚴格的規定，最終將多項考核結果匯總，生成一份求職者檔案。由此可見，這份檔案其實誕生于一個死板的面試模型。在第二個環節里，這份檔案會被交往招聘委員會，由委員會的成員結合文檔內容給出最后的雇傭意見。
因此，谷歌的這套招聘流程并沒有完全否認人類主觀的直覺和判斷，只是盡可能地把人類的介入延后，先讓算法模型來判斷，最后才交給人類，這在一定程度上提升了決策的科學性。
而隨著人類文明不斷向前發展，人類在社會體系中做判斷的職責越來越重要。對于一個社會系統來說，各方面的因素都會影響到一個人或一群人的判斷，從而影響最終的決策，帶來不同的結果。作者提醒我們，算法模型作為輔助決策的手段，有其科學性。面對人類判斷的各種噪聲，我們可以借用統計學的思維去觀察，遵循一套科學的流程，使我們在決策的過程中盡可能地少受不必要噪聲的干擾。
?
內容摘錄
世界充滿復雜性與不確定性，因此判斷是一件困難的事。這種復雜性在司法領域顯而易見，在其他大多數需要專業判斷的情形中也是如此。從廣義上講，這些情形包括由醫生、護士、律師、工程師、教師、建筑師、招聘委員會成員、圖書出版商、各類企業高管以及球隊經理人等所做的判斷。凡是判斷，就不可避免地存在分歧。
——第1章 第96頁
噪聲就像地下室漏水，它之所以能被容忍，不是因為人們認為它是可接受的，而是因為它一直未被發現。
——第2章 第116頁
分歧需要有一定的限度。事實上，“判斷”這個詞主要用于人們能夠達成一致意見的場合。判斷問題不同于品位或意見，在后兩種情況下，彼此之間的差異是完全能被接受的。對于那些對噪聲審查感到震驚的保險公司高管來說，理賠員在“披頭士樂隊和滾石樂隊哪個更好”，或是“鮭魚和金槍魚哪個更好”之類問題上存在的分歧，并不會讓人覺得不妥。包括專業判斷在內的判斷介于兩者之間：一端是事實或計算問題，另一端是品位或意見問題。因此，不同主體的判斷必然存在一定程度的分歧。
——第4章 第145頁
有一種思維模式會自發地出現在我們的腦海里，它就是因果思維（casual thinking）。因果思維會創造出故事，故事中特定的人、事、物之間會相互影響。要想體驗因果思維，你可以將自己想象成一名社工，你追蹤調查了很多貧困家庭。你剛剛聽說其中一個家庭的人目前無家可歸，比如瓊斯一家。你對這一消息的反應取決于你對瓊斯一家的了解有多少。事情可能是這樣的：這個家庭的經濟支柱潔西卡·瓊斯（Jessica Jones）幾個月前失業了，而且找不到工作，從那時起，她就只能付一部分房租，她多次向大樓管理員求情，甚至請你幫忙求情（雖然你出面了，但大樓管理員無動于衷）。在這種情況下，瓊斯一家的遭遇雖然很可憐，但我們并不會感到意外。事實上，這就好像是一連串事件的必然結果一樣，一場“難以避免”的悲劇終會發生。
——第12章 第401頁
人們的判斷有所不同，可能并不是因為他們的判斷有實質性的差異，而是因為他們使用量表的方式不同。假設你對員工績效進行評級，在0～6分的量表上，你評了4分，在你看來這是很不錯的分數。但是，對于相同的量表，有人可能覺得3分就已經是不錯的分數了?！傲勘怼钡拿枋瞿：磺迨且粋€普遍的問題。已有很多研究分析了“高度懷疑”“清晰而有說服力的證據”“出色的表現”“不太可能發生”等模糊表達所引起的溝通障礙。
——第15章 第482頁
在一個理想化的世界里，評估績效并不是一個判斷工作，因為評估人借助客觀事實就足以裁定員工工作表現的好壞。但問題在于，大多數現代組織與經濟學鼻祖亞當·斯密（Adam Smith）提到的扣針廠沒有什么共同之處。在亞當·斯密提到的扣針廠中，每個工人的產出都可以量化。但對一家公司的首席財務官或研發部主管來說，他們的產出是什么呢？當代知識工作者需要平衡多種工作目標，有時這些目標甚至是互相矛盾的。只關注其中一個目標，在做評估時就可能犯錯，導致評估結果不準確，并帶來負面的激勵效果。
——第23章 第714頁