目录（点击切换）
本文选自 丹尼尔·卡尼曼新作《噪声》，扫上面码免费领电子书
需要讲卫生一样，决策卫生至关重要。一位患者的手术成功后，你会
相信这是外科医生的妙手回春挽救了患者的生命，但如果外科医生和
手术室中的其他人员都没有洗手，这位患者可能已经一命鸣呼了。做
好杀菌消毒工作可能没有什么值得炫耀的，却会产生实实在在的好
处。
噪声是隐形的敌人，我们应该重视这个敌人
当然，与噪声做斗争并不是决策者和组织要考虑的唯一因素。减
少噪声的成本可能太高了: 一所高中可以要求更多的老师来阅读每篇
作文，从而消除评分中的噪声，但是这种额外的工作量是没必要的。
实践中不可避免地会有一些噪声产生，这是给予每一个案例个别化考
虑的系统必然产生的副产品，它使得人们不像机器的齿轮，并确保了
决策者的主观能动性。有些噪声甚至是人们所期待的，前提是它产生
的变异有利于系统适应时代的变化，比如噪声反映了社会不断变化的
价值观和目标，以及引发了能导致实践或司法变革的讨论。
也许其中最值得重视的是，降噪策略导致了令人无法接受的不良
后果。许多有关算法的担忧实际上是被夺大了，但有一些担忧是合理
的。即使算法可以成功地避免人类会犯的很多错误，它们也可能会犯
人类永远不会犯的思春错误，并因此失去可信度。算法也可能会因为
设计不当或训练数据选取不当而产生偏差。另外，算法的模糊性也可
能会引起人们的不信任。决策卫生在实践中也有其整端: 如果管理不
善，它就会产生决策官僚化的风险，专业人士也可能因为自己的自主
权受损而士气低落 。
所有这些风险和局限性都应该得到充分考虑。不过，拒绝减少品
声的理由是否合理，取决于你所考虑的减少噪声策略具体是什么。拒
绝汇总判断的理由，如成本太高或许不适用于拒绝使用指南。可以肯
定的是，一旦减少噪声的成本超过其收益，就不应该再执着于减少噪声了。一旦进行成本收益分析，或许就能找到一个非零的最佳噪声水
平。问题在于，在没有进行噪声审查的情况下，人们意识不到判断中
包含了多少噪声，在这种情况下讨论减少噪声的难度，只不过是为不
想测量噪声而找借D 而已。
偏差会导致误差和不公，噪声也是如此，但我们在这方面所做的
研究很少。相比于将判断误差归结为因果，当将判断误差归结为随机
性因素时，人们对判断误差的容忍度更高，但这并不意味着随机性因
素带来的判断错误的危害更小。若想在重大决策上做得更好，我们就
应该认真对待减少噪声问题。
关于丹尼尔卡尼曼和阿莫斯相关推荐:
卡尼曼思维快与慢,丹尼尔卡尼曼名言幸福,下列对丹尼尔卡尼曼说法
评论已关闭！