诺贝尔经济学奖得主丹尼尔卡尼曼推出新书 对加密投资者有何启示？

　　想象一下，两个医生得到了关于同一个病人的相同信息，却做出了非常不同的诊断。现在想象一下，造成这种差异的原因是医生在上午或下午，或在一周的开始或结束时做出了他们的诊断。

　　这就是“噪音”——本应相同的人类判断却不同的原因——世界上最知名的心理学家之一、2002年诺贝尔经济学奖得主丹尼尔·卡尼曼（Daniel Kahneman）在他的最新著作《噪音：人类判断力的缺陷》（Noise: A Flaw in Human Judgment）中解决了这个问题。

　　卡尼曼因与以色列心理学家阿莫斯·特沃斯基（Amos Tversky）在认知偏见如何影响判断方面的开创性工作而获得诺贝尔奖。他们从20世纪60年代末开始的工作为行为经济学的新领域奠定了基础，该领域对“决策是理性的”这一经济学正统观念提出了挑战。

　　卡尼曼的上一本书《思考，快与慢》（Thinking, Fast and Slow）于2011年出版，让更多人注意到了这些工作，并巩固了他作为理解人类行为的基础人物的声誉。

　　在这本与Olivier Sibony和Cass Sunstein合著的新书《噪音》中，他探讨了一种与认知偏见不同的现象。

　　这位87岁的老人解释说：“偏见是一个心理过程，可以通过个人判断发现。但我们无法识别某一特定判断中的噪音。相反，我们必须查看一组判断来识别噪音。”

　　噪音是一个统计学概念

　　卡尼曼的新书展示了商业、医学和刑事司法领域的几个令人信服的案例，在这些案例中，判断似乎无缘无故地发生变化。

　　Noise: A Flaw in Human Judgment, by Daniel Kahneman, Olivier Sibony & Cass R. Sunstein (William Collins, 2021)

　　一个例子是指纹分析，同一位分析师在不同的时间点对相同的指纹做出不同的判断。如果分析师只有指纹可以查看——而没有关于案件的其他信息——并且在某个情况下确定这是匹配的，而在另一个情况下则是不确定的，那就是噪音。

　　另一方面，如果分析师因为额外的信息而改变主意（例如，他们被告知弹道学证据表明有不同的结论），那就是偏见。

　　卡尼曼说，两者都是一个问题。但由于噪音只能在统计学中被识别，因此更难以思考，所以也往往不予讨论。

　　系统判断中的噪音

　　卡尼曼在书中讨论了许多不同类型的噪音，但最重要的讨论与系统噪音有关——在旨在产生统一判断的系统中产生的决策的可变性。

　　有很多情况下，意见的多样性是非常可取的。“而噪音是你不想要的可变性，”卡尼曼说。

　　想想产生判决的司法系统，或设定保险费的承保系统。此类系统旨在用“同一个声音”说话。我们希望司法判决能够反映犯罪，而不是反映恰好审理该案件的法官。我们希望两个拥有完全相同信息的承保人能够计算出相同或相似的保费。

　　那么，挑战在于识别不需要的可变性，然后采取措施来减轻它。

　　Daniel Kahneman in 2009. nrkbeta/Flickr, CC BY-ND

　　直觉的麻烦

　　关于这一点，本书提供了一个关键的见解，你可以将其应用于你自己的决策：抵制“过早的直觉”——你好像“知道”些什么的感觉，即使你不确定你为什么会知道。

　　在某些情况下，直觉对于做出即时决策非常有用。而在其他时间不那么紧迫的情况下，卡尼曼表示基于直觉感觉的判断需要受到约束和延迟。

　　他建议，只有在对证据进行了平衡和仔细考虑之后，才能根据直觉行事。尽可能地从不同的来源收集证据，并且从那些对证据做出自己独立判断的人那里收集证据。

　　卡尼曼说，如果不这样做的话，噪音很容易被放大。

　　转向人工智能

　　对判断中普遍存在的噪音的一种反应是求助于机器，让计算机来决定。

　　卡尼曼还不是狂热者。他认为人工智能会“在未来几十年内给人类带来重大问题”，并且在许多需要判断的领域中还没有做好准备。

　　然而，从长远来看，他确实看到了一个我们可能“不需要人”来做出许多决定的世界。一旦有可能以常规方式构建问题并积累关于这些问题的足够数据，人类法官就可能变得多余了。

　　在那之前还有很多工作要做——通过改善人类的判断来减少人为错误，而不是通过将决策外包给机器来消除人为错误。

　　对噪音（和偏见）的了解将有助于实现这一目标。

　　注：原文来源于cryptonews，由Carole编译，英文版权归原作者所有。