《雜訊：人類判斷的缺陷》讀後心得: 不要再說別人不公平了，你自己的判斷每天都不一樣。

現實世界充滿了雜訊

不知道大家有沒有發現一件事情，就是現實世界充滿了雜訊，你可以做一個實驗看看，拿起你的手機去錄影，回放影片的時候你把音量調到最大，這時就會聽到一片吵雜聲，這個吵雜聲就是環境中出現的底噪。

在安靜的環境下也許你沒有感覺，如果到車水馬龍的大馬路旁，試試看跟人聊天，你會發現聲音根本就聽不清楚，必須要喊的很大聲才聽的到，這代表環境中的聲音大過了你講話的聲音，也就是雜訊大過了真實的訊息。

這時要怎麼解決?

第一、換個安靜的地方去聊天，降低雜訊。

第二、喊的大聲一點讓對方聽見，提高訊息的能見度。

這個就叫做所謂的雜訊(noise)，如果我們用示波器來解釋，雜訊就是我們不要的訊號，因為會影響我們對於真實訊息的判斷。

所以只要是有需要判斷訊號的場合，都會出現雜訊，只不過在統計學上不叫雜訊，叫做變異或是誤差。

今天要介紹的書就叫做《雜訊:人類判斷的缺陷》，作者有三位知名學者，分別是諾貝爾經濟學獎得主和暢銷書《快思慢想》的作者丹尼爾． 康納曼（Daniel Kahneman）、巴黎商學院的商業政策教授奧利維． 席波尼（Olivier Sibony）、律師凱斯． 桑思汀（Cass R. Sunstein）。

人類判斷的兩種錯誤( 偏誤與雜訊)

這本書在說什麼呢?

主要在說人類有兩種判斷上的錯誤，這兩種錯誤大大了影響社會的運作，就連所謂的專家，下的判斷可能比黑猩猩射飛鏢還不準，這到底是為什麼呢?

不知道大家有沒有打過靶，假設你和一群朋友去打靶，每個人給十發子彈去打靶，可能會出現以下四種情況：

狀況一、 彈孔又準又集中，

狀況二、 彈孔不準但集中，

狀況三、 彈孔很準但分散，

狀況四、 彈孔不準又分散。

理想的狀態應該是狀況一，彈孔又集中又準，最好是彈彈命中紅心；狀況二問題也不大，彈孔打的很集中只是打不準而已，稍微調整一下位置就很快回到狀況一的水準。

狀況三其實有打中紅心，只是落點大部分比較分散，這有可能是槍的狀態、手的穩定度、環境等問題所導致的，稍加練習或是換槍都還有機會變準，只是會比較花時間。

最麻煩的就是狀況四，打的又散又不準，這可能不是練習能解決的，說不定是連槍都拿不好，問題很大。

如果類比到人類的判斷上，如果我們下的判斷目標是正中紅星，狀況二就是人的偏誤或偏見，狀況三就叫做雜訊。

偏誤或偏見還好理解，就是你下的判斷失準，這有可能是你個人的偏見、被帶風向，或是資訊不足充滿了未知數影響判斷( 書中叫做客觀的無知)。

雜訊又是什麼意思，為什麼說我們下的判斷會分散嗎?

這邊就舉幾個案例來幫助我們理解什麼叫做雜訊。

附帶一提，在統計上偏誤叫做準度Ca (Capability of Accuracy)、雜訊叫做精度Cp ( Capability of Precision ) ，Ca與Cp還有個組合計算公式叫做Cpk製程能力，通常Cpk數值越高，代表工廠製作能力越精準，在製造業做過品保或是製程的人應該都很熟悉這個專有名詞。

什麼是判斷的雜訊?

1981年進行了一項試驗，研究提出16個假設案件，請美國208位法官進行裁決，

在這16個案件當中，僅僅只有3個案件，是所有法官全數同意判處入獄服刑。

在其他的案件當中，每位法官裁定的刑期卻是有長有短。

其中有一樁詐欺案件，法官裁定平均刑期為8.5年，可是最長的卻是無期徒刑，而另外一個案件平均刑期為1.1年，最長的則是15年。

同樣的案件怎麼會差異這麼大，這個刑期的差異就是人類判斷的「雜訊」，就像你打靶打的準但是卻打的很分散一樣。

而且判斷的雜訊還不只是人與人之間的差異而已，法官還會受到外界的因素干擾，進而影響他的判決。

在法國有一項研究指出，量刑當天如果是被告生日，法官通常會比較寬容。

還有一項研究結果發現，如果主場球隊如果在週末輸球，當地的法官在星期一的量刑會比較嚴格，反之如果是贏球，法官則會比較寬容。

所以人真的很容易受到外在因素影響，我還記得我小時候要拿考卷給我媽簽名，如果考不好就要挑大人吃飽飯後會比較沒事，因為吃飽了心情會比較好，被罵的機會小很多，要是白目在大人忙的時候拿過去，被罵就算了，通常還要吃竹筍炒肉絲( 以前崇尚不打不成器 )。

那你一定會想問，就算是判斷有差異，對我日常生活會造成什麼影響嗎?

我沒事又不會去跑法院。

如果這樣想就大錯特錯了，人每天無時無刻都在做決定，做決定本身就是一種判斷，日常生活中有太多需要判斷的狀況了，特別是在一些影響面比較大的決定上，判斷錯誤可是會出大事的，接下來就來說說雜訊到底會對我們產生什麼影響。

雜訊對我們生活的影響

有在跑醫院的人可能會遇到一個問題，當我們今天生病了，如果找不出病因，你會怎麼做?

你一定會去找醫生，也許是先去家裡附近的診所，找不出原因然後轉診到大醫院，到了大醫院還要做一大堆的檢查。

光是檢查結果，每位醫生的判斷就可能都不一樣，萬一判斷錯誤或是遲遲找不到原因，可能會導致延誤治療，誇張點甚至送命，所以說醫生的判斷也是充滿了雜訊。

這就是為什麼老人家常說，看病要有醫生緣，因為每位醫生的判斷都會有差異，遇到大病你可能會需要多看幾位醫生，這樣會比較保險。

而且上班族還會遇到另外一種雜訊，就是來自主管判斷的雜訊，當你今天去找工作的時候，不同面試官對你的評價可能天差地遠，也許你很適合這間公司，如果面試官不喜歡你也沒轍。

另外像是績效考核，不同的主管績效考核也不一樣，就算是同一位主管，不同時間對你的考核評分可能也不會一樣。

簡單來說，判斷就是因人而異，

有的人可能比較嚴格，有的人比較寬容。

有的人對某件事比較嚴格，對另外一件事比較寬鬆。

有的人在早上下的判斷，跟下午的結果可能也不一樣。

因為人不是機器，機器的判定可以用程式去設定，人天生就不客觀，我們都會帶著主觀意識去判斷，在判斷的當下會受到情緒、天氣、場合等等的外在因素所影響，

所以只要需要人為判斷的狀況，就無時無刻充斥偏見與雜訊。

那你一定想問，要如何降低雜訊呢？

如何降低雜訊

這邊還是提到打靶的例子，今天你打靶打偏了但是彈孔很集中，這個問題很好解決，當下調整一下準心就好。

如果是打的很分散，要調整就需要花一點時間了，通常最快的方式是換把槍。

在我工作的場合也很常遇到精度的問題，譬如某機台做出來的尺寸很分散，通常換精度高的機台就解決了，只不過往往會卡在錢的問題，因為高精度機台老闆不見得願意投資，所以說雜訊也不是越低越好，有時候也要考量成本，理想狀態當然是零雜訊，不過考慮到口袋深度，我們其實只要降低雜訊到可接受的程度就好。

回過頭來討論，人為判斷產生的雜訊要怎麼搞定呢?

最大的問題就在我們可能根本就察覺不到或無法預測，就像前面提到法官的例子一樣，那是因為用統計的手法去研究，才會發現同一個案件，判斷的刑期會差這麼多。

書中提到一個方法叫做「決策保健」，就有點像是預防疾病傳染一樣，新冠疫情其間，外出的時候你根本不知道誰中獎染疫，你又不可能天天待在家不出門，所以應對的方法就用勤洗手、戴口罩的方式去避免染疫。

簡單來說就是事前預防勝於事後治療，既然事前不知道哪裡會有雜訊，那就準備一套方法去降低雜訊。

這套方法有以下四點可以幫助我們降低雜訊：

(1) 用統計、外部觀點來判斷

前面也提到醫療的判斷也充滿了雜訊，所以我們可以使用統計思維、外部觀點，這樣才不會受個人的主觀意識所影響。

Google 從 2017 年進行一樣計畫，透過AI技術用於 X 光檢查的判定，希望提升乳癌檢測機率，早期發現早期治療，希望協助醫生提前發現癌症。

最新的研究顯示，AI診斷的結果與專家相比， 診斷出乳癌的準確性更高，假陽性與假陰性的情況都減少了，美國測試的結果發現，AI可以降低 9.4％的誤判率。在英國則是由兩名放射科醫生判定，AI可降低 5.7％的誤判率，

所以我們可以期待未來 AI 能夠協助醫生進行更準確的判斷。

(2) 將判斷拆解幾個部份

當嬰兒從媽媽肚子裡出生，醫生就必須馬上進行判斷，如果情況不對，就要為新生兒進行急救措施，前面我們提到，只要是判斷就會有雜訊，萬一醫師判斷錯誤就會延誤急救時機。

所以婦產科有一個判斷的方法，叫做阿帕嘉計分評估表，把新生兒的狀態評估拆解成五個項目，分別是「心跳速率」「呼吸速率」「反射能力」「肌肉張力」「皮膚顏色」等五項，每項最高兩分，五項加總滿分為10分。

如果加總後的分數在4分以下，就代表新生兒需要立刻急救。

利用這個方法就能在短時間內，判斷新生兒的狀況，減少誤判的情況發生。

(3) 抗拒太早出現的直覺

這邊問大家兩個問題，

（1）一隻球棒和一顆棒球共計1.1美元，球棒比棒球貴1美元。那棒球的價錢是多少？

（2）如果5台機器在5分鐘內生產5個產品，100台機器生產100個產品需要多久時間？

第一個問題，通常我們會直覺判定答案是0.1美元，不過正確答案是0.5美元。

第二個問題，你可能會以為是100分鐘，不過實際上你算算看，只需要5分鐘就夠了。

在快思慢想一書提到，人腦有兩個系統在運作，在快思系統我們往往會依賴直覺去判斷，當你是專家、領導者、主管，就更不容許別人質疑你的判斷，問題就在人的判斷，一定會產生誤差。

剛剛的問題叫做認知反射測試，主要是在測試一個人是用直覺還是思考在進行判斷。

有時候人的第一直覺可能會是對的，因為直覺是來自於過去的經驗與專業，但是我們很難保證一定會是對的，所以直覺出現的時候，先不要太早相信直覺，反而是慢下來先思考，萬一你是錯的怎麼辦？

(4) 綜合集體的獨立判斷

人類的判斷會有偏誤與雜訊，如果說是綜合許多人的獨立判斷呢？

不知道大家有沒有聽過雷根糖實驗，有一個罐子裝滿的糖果，請大家猜猜罐子裡面的糖果數量，結果很好玩，所有人預測的平均值往往就是真實數量的理想估值。

而且比大部分的人預測更準確，這邊想說的就是所謂集體優於個體的概念，既然個人判斷有偏誤，綜合多名判斷者的獨立判斷呢？

我覺得最好用來比喻的方式就是「瞎子摸象」，每個人的立場、觀點、想法都不一樣，有的人摸到象鼻就認為大象是像水管一樣；有的人摸到象耳；有的人摸到象腿，每個人認為的大象長相一定都不一樣，可是把他們的判斷綜合再一起，大象的全貌就出來了。

簡單來說，這四項最重要的事，就是要你認清楚「人就是天生不客觀」，哪怕是用AI或統計進行判斷，都會因為資訊的不足產生誤差了，更何況是人的判斷。

所以降低雜訊的方法就是要減少人類單獨判斷帶來的偏差。

總結: 為什麼要降低雜訊

人的判斷有兩種錯誤，偏誤與雜訊，就如同打靶一樣，偏誤就是打不準，雜訊就是打太過分散。

現實生活中有許多領域，如醫療、法律、經濟預測、法醫鑑定、保險、人事、績效評估等等領域，這些判斷出現雜訊令人感到頭大。

假設你因為心悸去看醫生，如果一位醫生跟你說心臟有問題，另一位醫師說跟你說壓力大，你要相信誰? 從個人到組織及國家，都要每天都要面對各種決策與判斷，判斷的失誤，小則只是金錢上的損失，大則就會出人命。

以2021年Covid-19大流行為例，許多國家誤判病毒的威力，新聞上每天新增的重症與死亡人數，令人怵目驚心，光是當局一個判斷錯誤，奪走可是成千上萬的人命。

所以判斷出現雜訊不是沒有代價，只是我們不自覺是問題罷了。