9月22日， 由湛廬文化和百度财經聯合主辦的“對話諾貝爾經濟學獎得主丹尼爾·卡尼曼暨《噪聲》新書發布會”舉行，beat365院長彭凱平教授在發布會上與丹尼爾·卡尼曼進行對談。
彭凱平：丹尼爾，非常高興通過這樣的方式再次見面。我是1997年去加州大學伯克利分校擔任教授的，那個時候你已經離開了伯克利，但是我繼承了你的辦公室。我想把今天的第一個問題變得輕松一點，你是怎麼對噪聲感興趣的？因為科學家總是有些特别激動人心的時刻，比如阿基米德找到浮力原理的“Eureka！”時刻，又或者牛頓被蘋果砸到頭發現經典力學的時刻。在你的生活中有沒有一件事情或者一段生活經曆是那個“Eureka！”時刻，讓你覺得“噪聲”是一個值得研究的話題？
丹尼爾·卡尼曼：事實上，我已經有50年的時間都在研究這個主題了，此前40多年裡更多研究的是偏差——人們在判斷中的偏差。關于偏差，大家也都做了很多研究。而研究噪聲的源頭是，幾年前有一家保險公司找到我，給我提供了一些案例，希望我給他們出一些建議，當時的結果激發了我：我們一定要對判斷進行“噪聲審查”。這家保險公司大概有50個保險經理，他們給同一個案例确定了保費。在我們的認知中，一家經營非常好的保險公司，這兩個保險經理定下的保費肯定不會有太大的差别，最多也就相差大概10%。
當時這家公司的高管，他們也預計兩個保險經理之間确定的保費有10%的差别，但是結果非常有趣：他們确定的保費差距竟然高達50%，甚至還超過了50%。這兩個人的差距非常大，而這個結果可以看出，保險公司高管并不知道自己的公司存在噪聲——他們讓這兩個保險經理代表公司發表自己的意見，他們潛意識裡認為他們兩人的意見是一樣的，但是不一樣。就是因為這樣的情況，開始讓我對噪聲感興趣。有很多噪聲是大家沒有意識到的，甚至任何地方、任何行業都存在，包括醫療，司法，保險，招聘都有噪聲的存在。
有這樣一個規則：哪裡有判斷，哪裡就有噪聲，而且它比你想象的還要多。所以這就讓我開始對噪聲産生了興趣。然後西博尼博士也加入了我，後來還有其他朋友的加入，助力我們一起完成了這本《噪聲》。
彭凱平：中國的讀者今天能夠看到這本新書，是一件特别開心的事情。您的上一本書《思考，快與慢》，在中國有特别大的影響力。那本書談的是人類思維的偏差，其中有一個偏差是稀釋效應（dilution effect），指的是很多無關的信息會使我們的判斷變得更加有偏差。那麼，我們怎麼區别稀釋效應和現在談到的噪聲呢？這兩個改變之間的區别是不是就能夠說明偏差和噪聲的區别？
丹尼爾·卡尼曼：稀釋效應這個偏差說的是這樣的情況：比如說有一個案例，在呈現這個案例讓大家評判的時候，如果你再添加一些信息，原則上不應該對于這個案例的結果産生任何影響，但是實際上會有差别。大家的判斷可能會變得比較平均。所以，你添加的這些信息可能是無關的，但是其實這些不一定是噪聲，因為稀釋效應是每一個人都存在的。比如在你做判斷時，我們可能隻是多分享了一個細節，你就會做出較好的判斷。如果我不斷給你添加這些不相關的信息，你做出來的判斷就不會出現兩極化，而是變得比較平均一些。所以，這是偏差，不是噪聲。
彭凱平：您解釋得非常清楚。當然，有一個問題也是我一直感興趣的，那就是判斷者之間有沒有個體差異，比如有些人比較容易受到噪聲的影響，而有些人不太容易受到影響。我們怎麼成為不太容易受到噪聲影響的人呢？
丹尼爾·卡尼曼：确實，如果有不同的專家，而且是真正的專家，來看同一個問題時，一般情況下他們可能會有相同的觀點，比如說很好的象棋手在面臨同樣的棋局時，在應該激進還是保守方面，他們的觀點是比較接近的。所以，在判斷者專長的領域，偏差比較少。一般情況下，專家表現出的噪聲比非專家人士表現出的噪聲少。當然，情境噪聲對于不同人的影響也不一樣，有些人可能比較容易被影響，比如容易受心情的影響，心情不好的時候和心情好的時候做出來的決定不一樣。盡管我們在這方面沒有進行深入研究，但是個體差異一定會有。
彭凱平：社會科學是建立在統計科學基礎之上的，統計科學中有一個重要的原則叫作“大數原則“，我們做社會科學的人有一個基本的信念，如果數據量很大，信息比較多，這些噪聲就能夠被互相抵消掉。由于大數據技術出現，我們現在越來越相信自己能夠找到社會科學的規則。您這本《噪聲》對于我們的警示就是：數據量越大，信息量越大，聽到的東西越多，不僅不一定會産生大數原則的抵消效應，反而可能會誤導我們。那麼，您對社會科學應用大數原則的情況怎麼看，會不會讓我們遇到一些問題？
丹尼爾·卡尼曼：首先我們要研究的問題是：數據當中還有多少信息。很可能的情況是，數據量很大，但是信息量很少，有用的信息量更少。在預測當中要預測精準是不可能的，所以如果要預測一件事情的走向，你可能沒有辦法達到非常準确的效果，因為其中存有很多變量。如果想要預測一段婚姻的走向，但因為婚姻存續期間是會有很多事情發生的，所以是不可預測的，比如年輕的時候相愛而20年之後又不相愛了。我們之所以沒辦法做出精準預測，很多時候是因為我們的客觀無知，我們沒有數據，在有了豐富的案例統計數據之後，才能夠提取出有效的信息，在此基礎上做出的判斷往往噪聲更少。
彭凱平：謝謝丹尼爾。還有一個我個人很感興趣的問題，因為我現在正在推動積極心理學在中國的發展，所以前一段時間我對你的研究很感興趣，我看到你大部分時間在研究幸福——人類的幸福感，您也在《科學》雜志上發表了有關的論文。我想問的是：噪聲對于人類幸福感有沒有影響？或者說有沒有關系？還是說，這完全是兩個不同的研究方向？
丹尼爾·卡尼曼：我想噪聲和幸福感之間沒有直接的聯系，因為噪聲對于人們來說不是好事，不公平也不是好事，缺少預測性的行為系統當然也不是好事。
彭凱平：我們到現在為止談的噪聲大部分是認知水平的，比如說信息、觀點、事實、想法，但是我們也知道很多時候判斷決策的變異性來自情緒的變化，心情好的時候我們的想法判斷就和心情不好的時候完全不一樣。因為有段時間卡尼曼教授提倡情緒革命，他不想做更多的認知革命。《噪聲》這本書給我一個印象，回到了認知理性的上面。所以我很好奇，情緒是不是噪聲的一種可能性？
丹尼爾·卡尼曼：情緒是情境噪聲的一種，因為我們在決策的時候可能也會想到長期的結果，但是你不會考慮到當下情緒對于長期的影響。當你處在不同情緒狀态下的時候，例如你當天心情很抑郁，你的思考肯定不一樣，你的決策也會不一樣。
彭凱平：我還有最後一個問題，這個問題其實和幸福也有關系，那就是關于教育公平性的問題。大量的教育決策，比如學生的錄取，我們可能會考慮很多因素，我們也會拒絕掉很多優秀的候選人。那麼，在教育決策中，噪聲對于我們的影響有多大？有沒有一些好的辦法可以控制噪聲的幹擾？
丹尼爾·卡尼曼：在教育系統當中肯定存在噪聲，對于一些決定性環節的升學考試有很大影響，它可能是你十幾歲的時候考，但這會決定你以後是走向學術型道路還是去上職業高中。如果是客觀的考試，例如說數學有正确的參考答案，那噪聲就比較小；但是如果是其他科目，例如寫作文，考驗的是你的寫作水平，一般情況下不同老師給出的得分都會不同，總體來說其中存在的噪聲比較大。越是這種決定性的考試，當中存在的噪聲問題就越大。
在這種情況下我們可能會有兩個方向的建議：一個方向就是要降噪，你可以安排多人進行共同判斷，再進行平均，這樣它的噪聲數量就應該就會比單一個體做出的判斷更少。另一個方向就是要在評分标準上首先取得共識，這樣能夠更客觀地得出相對一緻的判斷。如果把這兩個方法結合起來，肯定能夠更好地控制噪聲。當然噪聲不能被百分之百地控制，我們也不可能百分之百地降噪，一定的判斷差異還是會存在的。
主持人：非常感謝兩位教授，問你們最後一個問題，今天的對話，你們覺得收獲最大的是什麼？
彭凱平：我覺得收獲最大的就是：今天晚上的對話把很多人的誤解消除了，因為噪聲很多人的誤解就是指讨厭的不同意見，今天晚上兩位作者把這個問題說得很清楚，噪聲并不代表自己不喜歡的不同意見，是指影響決策的系統偏差之外的随機誤差。他們提倡的三個原則非常實用。如何讓我們思維決策更加理性，第一要做獨立的思想者，思想之獨立是解決噪聲的方法，很多人沒有想到這一點。第二要做審慎的思考者，我們不要匆忙地說任何事情，很多人發表意見談看法不經思考立馬就做出意見，這個告訴我們要審慎。第三，一定要有原則，一定要有一種初心、堅持。所以這三個跟積極心理學，跟中國傳統智慧和思想也是非常相通的，兩位作者告訴我們要獨立、審慎同時要有自律。今天晚上的對話把可能有的誤解解釋得非常清楚。
來源：公衆号“彭凱平”
