---
author: 魏知超啥书都读
date: '2021-10-20'
guest: ''
layout: post.njk
source: https://www.youtube.com/watch?v=NEYDnjRKxQ0
speaker: 魏知超啥书都读
tags:
  - decision-noise
  - expert-judgment
  - artificial-intelligence
  - decision-making
  - measurement-reliability
title: 与《噪声》译者对谈：理解人类判断中的“噪声”与决策优化
summary: 本期节目邀请《噪声：人类判断的缺陷》译者王泽军教授，深入探讨决策中的“噪声”问题。讨论内容涵盖基金经理的专家判断、人工智能在决策中的应用与挑战、司法领域判决与指纹识别中的噪声案例，以及如何平衡减少噪声与保持多样性。节目还介绍了卡尼曼提出的中介评估法，并探讨了“噪声”与心理测量中“信度”概念的联系，强调了将心理学理论应用于实际生活决策的深远意义。
insight: ''
draft: true
series: ''
category: psychology
area: society-thinking
project: []
people:
  - Daniel Kahneman
  - Richard Thaler
  - Cass Sunstein
  - Philip Tetlock
companies_orgs:
  - Google
products_models: []
media_books:
  - 噪声：人类判断的缺陷
status: evergreen
---
**魏志超**: 大家好，我是**魏志超**。今天不是我一个人录节目，我们节目今天来了一位嘉宾。我邀请到了**宁波大学心理学系**的**王泽军**老师，跟我一起来录这期节目，**王老师**跟大家打个招呼。

**王泽军**: 大家好。

**魏志超**: **王老师**是最近出版的这本非常热门的心理学图书，**丹尼尔·卡尼曼**的《**噪声：人类判断的缺陷**》的主要译者。我之前做了一期节目解读《**噪声**》这本书，如果没有看过的话，大家可以点屏幕下方的卡片切换到那期节目。今天这期节目主要就是由**王老师**来回答过去一段时间里我收集到的各位网友想问的关于《**噪声**》这本书的一些问题，还有一些关于人类判断和决策的问题。当然里面有一些是我自己想问的，我就把它们混杂在一起了，等会儿合在一起说。那我先简单介绍一下老汪。**王老师**是**中科院心理所**毕业的博士，**中科院心理所**是我们国家心理学教育和科研的最高学府之一。他现在是**宁波大学心理学系**的教授，是**中国心理学会决策心理委员会**的委员，是浙东青年学者。他主要从事的是**风险决策**、**群体与社会性决策**方面的研究，是我们国家心理学界的一位青年才俊。我跟老王是同一年进**宁波大学心理学系**工作的，从事了差不多十年，将近十年。今天我的主要职责就是个主持人，帮大家来问老王一些问题。下面这些问题主要都跟《**噪声**》这本书有关，顺序大致是从务实到务虚，先问一些跟生活联系比较紧密的问题，最后说到一些稍微深一点的知识。下面是第一个问题。

### 基金经理是真专家吗？

**魏志超**: 第一个问题是关于炒股赚钱的事情，大家都关心。这个问题的提问者是我微信粉丝群里的**胡歌声**。我在讲《**噪声**》那期节目里归纳梳理了关于减少**噪声**的几种方法，其中有一种方法是把决策交给模型去做，另外一种方法是把决策交给决策达人。粉丝群里的**胡歌声**就回应了这一段内容，他说在炒股的时候，**量化交易**其实就是把决策交给模型，让基金经理去帮你炒股就是把决策交给决策达人。我当时在这个留言里跟这位粉丝做了一点交流，我说这个观点我可能只能同意一半。我同意的是**量化交易**的确就是交给模型来做决策。**量化交易**实际上就是借着一些统计学和数学的方法，利用计算机技术来进行交易，这样一种投资股票的方式。也就是说，在做决策的是计算机里面的一个模型，之前预测好的一个模型。所以**量化交易**的确就是交给模型来做决策。但是我认为绝大多数的**基金经理**其实基本上都是那本书里说的**荣誉专家**，而不是那种真正的专家。也就是说他们实际上是那种真实成绩有点靠不住的专家。所以**基金经理**其实并不是真正的决策达人。关于**基金经理**算不算是真正的专家，**王老师**你怎么看？

**王泽军**: 的确像现在有很多的专业人士或者专家，他们其实就像你说的这种**荣誉专家**，或者书上又把它叫做**尊重型专家**。就是他们在评析一个观点的时候，他们会非常有道理，头头是道，让你觉得说的太对了。

**魏志超**: 听起来非常像专家的。

**王泽军**: 对对对，他们甚至有很好的人格魅力，让你觉得很信服。然而事实上，他们的结果有时候是很难检验的，或者是我们根本也没有想到去检验他们。就像你说的这个**基金经理**，我们可能也没有去检验他，比如说他的预测，他选择的股票到底怎么样，他的效果到底好不好。

**魏志超**: 普通人实际上很少去检验。我们待会儿会补充到一个研究，实际上有一些做这方面研究的专家是检验过**基金经理**的成绩的，我们待会儿再说。那您继续。

**王泽军**: 对对，就是如果你真的要去检验一个经理，他的预测效果怎么样，你可能需要选取很多的，比如说这种基金，一些是他推荐过的，一些是他没有推荐过的。你要经过一段时间的比较，看他哪个更好。那如果真的证明他是更好，那他就是真正的专家了。如果你没有根本没有去检验他，那他可能就是我们说的**荣誉专家**，你依然会信服他，依然会尊重他，但是他的选择未必会更加准确。那事实上，关于股票或者是基金这样的一些事情，很多研究表明是根本无法预测的。因为影响他们的因素会很多很多，任何一个因素都可能会影响他们。在《**噪声**》这本书里面，他提到有一个研究，他去研究三百名专家对一个预测。

**魏志超**: 比如涉及到股票市场的这种对证券股票市场的预测。

**王泽军**: 不是对股票市场，他是一般的比如说政治预测、经济社会大的事件的预测。

**魏志超**: 就是**泰德洛克**做的那些研究，对吧？好像是，专门做各种跟预测未来有关的事情的那个专家，他的一些研究。

**王泽军**: 是的是的。三百位专家，让他们对一系列的政治经济事件进行预测。他预测那几种情况，就是问专家他是会怎么样，是维持现状，还是说在未来会变得更好或者变得糟糕？我们普通人预测的时候，我们也会有一定的准确性，比如说我们随便蒙也有蒙到，有可能是三分之一的可能性。那专家的预测会怎么样呢？这个研究其实他一直跟踪了很久，因为比如说二十年之后，有的预言它是要二十年之后才能应验。他比较下来发现，其实专家的预测非常糟糕，并不比我们普通人要更好。所以他开玩笑说，专家的预测其实就跟大猩猩扔飞镖一样，它的准确率跟大猩猩随便扔扔到哪个是哪个，没有什么差别。

**魏志超**: 跟随机差不多，对吧？对对对。那你说的这些专家的话，可能都就是那种**荣誉专家**那种类型的，对吧？

**王泽军**: 对，其实很多专家他是**荣誉专家**。我刚才说到，其实这里面的专家，他包括比如说学者、知名的记者，或者是政府的智囊。他们就是，我想说的就是对未来很难预测，包括对股票、基金这种东西很难预测。或者说他预测了，我们很难去检验他的效果到底怎么样。所以他们这一类专家，我们把他叫**荣誉专家**。

**魏志超**: 那刚才**王老师**说到了，要考察**基金经理**的成绩实际上是比较困难的。但是也有一些研究考察过**基金经理**的投资成绩，他们的方法也很简单，就是拉长这个时间的限度。因为很多**基金经理**，传说中的一些明星**基金经理**，考察他们一两年的投资成绩是非常好的，市场盈利几个点，他们盈利几十个点。但是只要把他们的投资时间限度给拉长，比如说你去考察他过去十年、过去二十年的投资经历的话，你会发觉他们的成绩可能跟普通人也没有什么太大的差异了。就是说明他们过去几年里投资成绩特别好的话，实际上只是一种幸运而已，而不是代表他们真实的投资水平有那么好。实际上全世界范围内那种把时间跨度拉长到几十年，然后还能够几乎年年盈利，一直在赚钱的那种**股神**的话，全世界范围内就屈指可数的那么几个而已，而不是我们平时经常听到的这些明星**基金经理**。好，那我们就切换到下一个问题。

### 运用模型决策的挑战

**魏志超**: 下一个问题是受到网友**FSS309696176**的留言启发而提出来的。他留言说，听到我们讲《**噪声**》一期节目的模型那一块的时候，就想起了我们的**科举制度**。咱们的先贤在一千多年以前就已经掌握了**模型降噪法**。我觉得他说的对，用标准化的考试来替代人工选拔，就是一种典型的**模型降噪法**嘛，对吧？我在节目里面也提到过，包括今天的高考也是。我们现在也知道，今天的模型就更加厉害了。现在是一个**人工智能**迅猛发展的时代嘛。那么用**人工智能**这样一种全新的、非常强大的模型来取代人工决策，未来会越来越普及。那**王老师**你觉得在运用模型来进行决策的时候，我们需要注意哪些问题？

**王泽军**: OK，那其实模型是个好东西，特别是现在的**人工智能**，它利用大数据、机器算法来做一些预测和判断。大量研究证明了**人工智能**会比人类专家做得更好。那《**噪声**》这本书上也提到了蛮多的用**人工智能**来做判断。让我印象很深刻的一个例子就是用**人工智能**来预测一个要不要保释。保释当然是一个很重要的问题，一方面如果犯罪嫌疑人不应该被保释，你给他保释了，他可能在保释期间犯罪，或者逃跑，之后要重新被逮捕，这个成本又会很高。那这是一个方面。另外一个方面呢，如果你不让他保释，那其实也会增加监禁的成本。所以最好就是在保释和非保释之间，能够预测什么样的人可以被保释，什么样的人不可以被保释，这样可以减少成本。有一个团队就专门去看**人工智能**是不是能够比这些专家对保释做出更好的判断。他怎么做的呢？他首先，大家知道**人工智能**它需要一个大的数据集，他获得了一个**75万例**的这样一个数据集。这里面这些犯罪嫌疑人的信息都很详尽，比如说他所犯的罪行、所犯罪的次数、受审的次数等等。当然也有这些犯罪嫌疑人是否曾经被保释，以及被保释之后他能不能及时来重新回来受审这样的一些信息。研究人员就是根据这样的一个大数据集，然后来训练一个机器算法。算法算出来之后，他现在要检验它，所以用它来预测另外一批人要不要允许保释。**人工智能**就会给每一个，比如说另外一批新的人，给每一个人一个风险值。如果高于这个风险值，那就告诉你不能保释，他出来犯罪的可能性很大。另外一种，就是如果低于这个风险值，就是可以被保释。然后就看这个**人工智能**和我们的人类专家哪个更好。最后这个团队计算出，如果让保释的人数维持一样，**人工智能**它的人数和专家保释的人数一样的话，它的犯罪率可以降低**百分之二十四**。就什么意思呢？**人工智能**更有可能把那些不应该被保释的人把他留下，那些可以被保释的人让他保释。这是一种比较。另外一种比较呢，就是如果把犯罪率控制住，就**人工智能**和人事专家一样，那**人工智能**可以将被监禁的人数降低**百分之四十二**。

**魏志超**: 不管哪种比较的标准，现在都是**人工智能**占优，对吧？

**王泽军**: 没错没错。我刚刚回答你那个问题，就是说如果**人工智能**说要有什么问题的话，我觉得可能更多的还是一个理念层面上的问题。因为现在**人工智能**已经发展了蛮多年了，它很多的技术的东西都已经成熟了，所以可能技术层面不是一个很大的问题，那更多的是理念。关于理念上的问题，我觉得第一个就是我们的人类专家，他可能不愿意让渡权利，他还是更相信自己的直觉，相信自己的真知灼见，他觉得有时候即使**人工智能**给出我们不同的建议，他也可能会绕过这个**人工智能**，还是会采用自己回到自己用直觉的老路。

**魏志超**: 感觉我们的决策权这个东西是很重要的，对吧？被机器给抢走了。

**王泽军**: 没错没错。我就让我想起来我们一个老师，这就是又涉及到刚才炒股的问题。他其实是一个股民，老股民了，他经历了**08年**的过山车，反正也是饱经风霜。

**魏志超**: 饱经风霜。

**王泽军**: 他的一个问题，他知道他炒股的一个问题是什么呢？就是频繁换手。

**魏志超**: 嗯。

**王泽军**: 他为了抑制自己的冲动，他刚刚买进就跌了，然后他刚卖出就涨了，所以他频繁换手，所以他也很苦恼。所以他想抑制自己的这个决策，所以他自己设计了一个公式。

**魏志超**: 这是一个公式。很硬核。

**王泽军**: 他是一个蛮理性的人，我觉得他是一个很经过科学素养训练的人，就是他算一个公式，比如说达到收益率必须达到多少之后他才会出手。那实际上效果怎么样呢？几乎没什么用，真的要做决策的时候，还是靠根据自己的直觉来做的。

**魏志超**: 他没有严格遵守模型的规则是吧？他还是信不过模型，最后还是要把决策权拿到自己手里。

**王泽军**: 没错没错。就是**人工智能**，就是这些规则或者是**人工智能**，如果真的应用到现实生活中去，比如说医生他给你一个建议，**人工智能**给你一个建议，那你会不会遵守它？那是另外一回事。所以这个呢后面也可以通过一些方法来怎么去调和**人工智能**和专家直觉建议之间的关系。这是从我们专家的角度来讲。那从我们个人的角度，其实我们有时候也不太相信**人工智能**。为什么呢？因为我们觉得**人工智能**是冷冰冰的，它不会考虑我们的感受，不像专家可以对我们嘘寒问暖，考虑我们的感受。还有就是我们觉得我们是独一无二的，我们是不一样的。我们每个人都有自己特殊的情况，你用**人工智能**用一个很普遍的东西来预测我到底行不行，我也会有一个很大的疑问。

**魏志超**: 就是说很多时候我们普通人没有把注意力放在是不是要减少**噪声**这个问题上，大家意识不到这个，对吧？然后大家想到的是你一个机器来决定我未来要怎么样，一个机器来决定我的命运，这算怎么回事呢？我宁愿把他交给一个人。但实际上交给一个真的人的话，你就陷入到**噪声**的问题里面去了。就是他给你的判断跟给别人的判断是非常非常不一样的，可能会对你形成非常多的不公平的东西。但是我们可能很难意识到这一点，我们会抗拒一个造成更少**噪声**的机器，但你却相信一个造成很大**噪声**的人，对吧？然后你刚才讲的一点，让我想到不久前看到的一个研究，那个研究实际上挺讽刺的。那个研究实际上涉及到的也是由一个模型来判断一个事情，什么事情呢？在**2019年底**的时候，大约是那时候美国的一些卫生医疗机构，他们做了这样的一个假设。他说假如未来要爆发一个很严重的疫情的话，他们想在**2019年**的时候做一个预测，看哪些国家对这样一种大规模的疫情的反应会是最好的。然后他们就去采集了很多各个国家的医疗卫生系统的一些数据，比如说你这个国家的卫生投入占**GDP**百分之多少，然后去采访一些医疗领域的一些专家，就是采访这样一些人，然后把他们的数据放到一个模型里面，然后用这个模型来做预测。预测出来的结果呢，他说如果发生这种全球大规模的疫情的话，应对的最好的是**美国**、**英国**这几个世界上最领先的发达国家，实际上就因为他们的医疗的种种这方面的情况最好嘛。然后在他这个模型里面，一些发展中国家，包括我们**中国**应对这个规模的疫情的话，表现是非常差的结果。紧接着到下一年，**新冠疫情**爆发了，结果是**美国**、**英国**这些国家，在他们这个研究里面表现非常好的这些国家实际表现都非常差。但像**中国**，还有包括像他这个研究里面被认为表现会非常差的**越南**这样的一些国家表现都非常的好。最后他们回顾这个研究发现是怎么回事呢？实际上就是他们这个模型的数据集不够完善。他们实际上只考虑了医疗卫生系统的一些专家，还有医疗卫生系统的一些数据。但他们没有去采集一些比如政治领域、政府的决策、政府的行政效率这样的一些方面的数据。但实际上后来事实的情况证明，一个国家应对疫情好不好的话，跟这些政府决策能力、政府的执行能力这些东西关系是非常大的。你看他那个模型里面没有包含这部分数据，最后他预测出来的结果就测得非常离谱。所以这个案例是提醒我们，不是说我们把一个问题交给模型就万事大吉了。那个模型本身怎么样建构，这个问题是非常非常大的。你这个模型里面必须要把可能会影响到这个结果的整个所有的数据都尽可能要收集到。

**王泽军**: 这样才可以，对你的数据集不能有偏差。

**魏志超**: 就是你刚才说到数据集本身如果有偏差的话，你用这些数据训练出来，那个模型训练得再到位，它出来的结果也还是有偏差的。

**王泽军**: 还有一个就是用**人工智能**，还有一个问题，就是**人工智能**的**伦理学**问题。前一段时间大家都讨论的**自动驾驶**，对吧？如果它是用**人工智能**，**自动驾驶**，那如果出了车祸了，那怎么说呢？

**魏志超**: 这怎么办？

**王泽军**: 还有一些关于收集人脸信息、**人脸识别**的政策，那这些都可能涉及到**伦理**的问题。那如果这个**伦理**问题没有解决，那它也会妨碍**人工智能**的应用。

**魏志超**: 这个实际上就是现在**人工智能**推进的一个非常大的障碍。刚才你说的这个责任到底算是谁的？这个问题如果没有解决的话，像那种纯粹的**自动驾驶**，最后是不可能推广的。没错。那我刚才这个问题聊了好多是吧？好，我们还有什么要补充的吗？好像没有了，差不多聊完了。OK。好，那我们进入到下一个问题。

### 《噪声》中最深刻的案例：司法领域

**魏志超**: 下一个问题是我自己很想了解的一个问题，**《噪声》**这本书，你觉得你读下来之后，印象最深刻的案例是什么？然后你觉得这个案例能够怎么样启发到我们的生活，启发我们生活里边做决策的过程？

**王泽军**: 其实**《噪声》**这本书里面，它其实有蛮多的研究，很多很有趣的研究和案例，但真正让我印象深刻的就是两个关于**司法领域**的案例。第一个是关于判刑，就是比如说我们老百姓都希望**司法公正**，对不对？那同样的罪行，那应该判以同样的惩罚。

**魏志超**: 非常不公平，对吧？希望是有一个公平一致的结果。

**王泽军**: 对，没错，我们都希望最希望公平。然而事实上呢，在**司法领域**这种**噪声**或者是这种不一致是非常巨大的，有的时候甚至大大超出我们的所能接受的程度。这本书上讲到一个例子，就是他让去找那些法官，比如说他招募了五十位法官，然后给这些法官的每个人二十个虚拟案例。这些案例里面包括详细的一些犯罪信息，比如说犯罪后果、所犯的罪行、所犯罪的手法等等。然后让这些法官来定刑，给这些人判刑，就判多少年。那结果发现呢，法官之间几乎没有一致性，很让人几乎没有一致性。那离谱到什么程度呢？比如说同样一个敲诈勒索的案例，同样的一个案例，有的法官判三年，有的要判二十年。那还有的抢劫案，有的判一年，有的判十八年。那这个是让人难以接受的，对吧？在我们生活中可能也有很多的这样的一些问题，这是一个让我觉得印象很深刻的例子。另外一个例子呢是关于**指纹识别**的例子。

**魏志超**: **指纹识别**我们一直都觉得它是一个很精确的科学。我们经常在电影里面也会看到这边挑一个现场采集到指纹，这边跳一个数据库的，啪啪啪啪啪在跳，叮咚咚声。没错，百分之百，对犯罪嫌疑人的那个头像就跳出来了。没错没错。

**王泽军**: 每次看到这个我们都很激动，你犯罪嫌疑人要现行了，对吧？然而事实上呢，他这里面说到，其实在**司法领域**，这真正的现实的**司法领域**。

**魏志超**: 这个不太现实。

**王泽军**: 完全不是这么回事。因为我们从犯罪现场取得的这种隐藏的指纹，它往往是被污染或者是模糊不清的。

**魏志超**: 质量实际是很差的。

**王泽军**: 对，质量很差。所以这个时候你要把它和数据库里面做比对的时候，那其实很多还是要人工去做，是要人工去靠专家。那专家呢就会有**噪声**，对吧？研究者呢其实还做了一个很有趣的研究，他就想去看这个到底有多稳定，他就是想看这种**指纹识别**、指纹的鉴定是不是会受到外界信息的影响。那如果**指纹鉴定**是一个很精确的或者很科学的东西，它不应该不太容易受外界信息的影响。然而事实上它很容易受外界的影响。比如研究人员他很巧妙，他就是把这些**指纹鉴定**，他是在现实生活中去做的。那些鉴定是他自己不知道自己被检测。一种情况呢，就是前面已经匹配过的，就是鉴定是已经鉴定过的，这个指纹犯罪现场的指纹和库里面的指纹是匹配的。但是呢这个时候收到一些偏差信息，比如说故意误导他，或者说枪方方面的证据证明是这个人。

**魏志超**: 反正就故意误导他一下。

**王泽军**: 误导他一下，就是看他角色会不会改变。结果你猜怎么了？误导后改变了。就原来他觉得是匹配的，他现在发现他给出的结论是他们不匹配。这是一方面。他还做了另外一个，就是原来不匹配的，原来不匹配的就是你已经鉴定过了，他这两个不是一个人。然后给他一些误导信息，说他已经供述了，或者说现场有人指证他了，然后再去看匹配。结果呢，这二十四次的检测中有四次改变了原来的判断。

**魏志超**: 就是原来觉得不像了，现在觉得好像就是这个人。

**王泽军**: 所以就是像**美国**有一个真实的例子，就是一个人他就是因为指纹而被定罪了，被定罪。然后最后呢赔了很多钱，政府赔了很多钱给他们。

**魏志超**: 这最后就是这个方案了，对吧？就是对对，没错，然后赔了好多钱。

**王泽军**: 就是说，这个给我的启发就是哪里有判断，哪里就有**噪声**，我们要对**噪声**保持警惕。

**魏志超**: 那这个实际上就是我们刚才说那个问题的时候也说到过，就是说我们平时实际上是意识不到生活里面有那么多的**噪声**的，对吧？那另外你刚才说到的这个**司法领域**的**噪声**问题，就是法官跟法官之间这个一致性程度特别特别的低，对吧？对这个问题呢，你刚才提到之后，我就想到这个可能还是有**美国**有一部分的特殊性。因为像**卡尼曼**，还有其他几位作家，他们基本上还是以**美国**的一些研究为主来说这个问题的嘛。他们说的这个**司法问题**，也主要是**美国司法体系**这边的问题了。**英美司法体系**是所谓的**海洋法**的这种**司法体系**嘛，他们是一个惯例法。那这种法律还有一个特点，就是法官的裁量权是特别特别大的。在他们的这个体系里边的话，陪审团只负责定有没有罪，然后这个判多少年的话，完全是由这个法官来决定的。所以这个法官这里就是他因为他的自由度太大了，所以他的**噪声**就特别大。但这个就是有一个情况不太一样了。就是像我们**中国**，还有**欧洲**的很多国家的话，用的是**大陆法系**嘛，**大陆法系**是**成文法**。那**成文法**里边的话，法官量刑的自由度就要小很多。那法官也有一定的裁量权，但是更大的一个情况，要判多少年的话，这些是写在这个成文的法律条文里边。**英美海洋法系**里面这么判多少年？这个问题的话就有点像是把角色交给专家的这样一个问题，看看那个专家靠不靠谱。有点这样的一个问题。在我们这种**大陆法系**这种国家呢，因为这些量刑的东西都已经成文了，所以这个**成文的法律**相当于就是一个模型。在我们这边就是一个人按这个法律条文判多少年，就有点像是把这个决策交给一个模型，规则，一个模型，对吧？就是那个法律条文本身就是一个模型，交给一个模型来做判断。所以这里面可能还是有一点微妙的差异在。

**王泽军**: 没错，就是我们的**噪声**可能会相对小一点。

**魏志超**: 所以这个也是之前我也看到过一些，就是关于讨论这种两种法律体系，他们各自有一些优劣势的嘛。就是我们这**大陆法系**的话，实际上就是一个模型，它的**噪声**是比较小的。但是这个**英美海洋法系**的话，他们就是比较灵活嘛。他们的这种判决的话，是可以根据过去的一条一条的惯例来，所以那些惯例的话，就是根据现实中发生的这些案件来慢慢地做积累，做调整的嘛。所以他们调整起来会比较快，所以调整起来会比较灵活。但**噪声**很大，就是好像很难两全，说在两边都有各有优劣势。

**王泽军**: 是的，那我们的这个比如说一个法律制定了，你要去改变它，其实是很难的，对吧？我前两天还在跟我们的研究生处处长在聊一个什么？就是我们现在比如说要求是不是要求研究生发论文。我们现在以前都是要求研究生发论文才能拿到学位的，对不对？

**魏志超**: 对，我们之前是。

**王泽军**: 那现在不是，就是现在有很多的地方，比如说像**北大**、**师大**。

**魏志超**: 对对对，我新闻上看到过，很多地方已经没有硬性要求。

**王泽军**: 没有硬性要求，博士都不需要发论文。

**魏志超**: 博士都不需要？

**王泽军**: 你说一定要有一篇论文。

**魏志超**: 这样吗？对，没错。

**王泽军**: 但但是我们现在我们这边研究生还是延续很久很久以前的这个文件，就是你必须要发论文。

**魏志超**: 很像我们的**大陆法系**，这个学校里面的规章制度就是小的**大陆法系**，这个也是有一条一条很明确的**成文法**的，对吧？就是我们改不了。

**王泽军**: 他要改起来就很难。比如说你要开会，要改起来就很难，对吧？它一旦定下来了。就是它灵活度可能不够，但是它能减少**噪声**。

**魏志超**: 对对对。怎么去平衡这个灵活性和**噪声**之间的这种关系，就很重要。对，这是一个大问题，也是个大学问。那这道题，这个问题我们看看是不是聊得差不多了。我看看稿子，那我们就切换到下一个问题了。

### 减少噪声与保持多样性不矛盾

**魏志超**: 好好。那下一个问题还是我想问**王老师**的问题，就是我自己看这本书的时候的一个困惑吧。关于减少**噪声**跟保持**多样性**的一个矛盾，我在那个节目里面提到过这一点。因为**《噪声》**这本书里面其实有好几个地方提到减少**噪声**跟保持**多样性**之间好像看起来是有点矛盾的。我觉得毕竟按照字面的理解，这个**噪声**没了，就是大家整齐划一了嘛。那这不就是没有**多样性**了嘛，对吧？所以好像从字面上来看的话，这两者之间好像是有一定的矛盾存在的。**卡尼曼**在里面否认，他说没有，但是我觉得他这一部分写得语言不详，因为毕竟这是说的后一部分嘛，这一部分有一些展望猜想的论证部分是较多嘛，不像前面那些部分有很多很扎实的数据在支持嘛。所以我想问一下，你关于这个减少**噪声**和保持**多样性**之间到底有没有矛盾？如果有的话，你是怎么样看这个问题的？

**王泽军**: 我觉得是一个很有趣的问题。就是我觉得减少**噪声**和保持**多样性**它是不矛盾的，它只是适用于不同的场景。比如说有的时候我们不仅希望有，不仅允许它的这种**多样性**，而且我们甚至渴求这种**多样性**。比如说我们在一些**创意场景**，我们希望大家都各抒己见，我们发表每个人最好有不同的想法，然后能够来激发我们的创意。这个时候我们就希望有**多样性**。再比如说在婚姻或者恋爱这个事情上面，我们当然萝卜白菜各有所爱，当然最好了，对不对？我们每个人有不同的审美，当然是最好的，这可以减少竞争嘛。所以这个当然是**多样性**是很好的。但是另外一些场景中，比如说涉及到对与错、是与否或者是准确性，这一类事情的时候，我们就可能就**噪声**就是不好的。比如说我去医院做检查，一个医生说我有癌症，另外一个说你没癌症，那这个就是一个问题，我倒是有还是没有？你告诉我那希望知道是还是没有。那这个时候**噪声**可能就是一个问题。那像我们刚才说到这个**司法领域**，你这个人到底该判多少年？你三年到二十年，这么大的一个**噪声**，这个是难以接受的，对吧？但我们这个时候就得想办法去减少这种**噪声**了。就它的适用场景是不一样的。

**魏志超**: 适用的范围是不一样的。那你这个对我挺大的一个启发。就是说实际上这个矛盾很容易化解，或者说不存在矛盾。因为只要看你做这个事情的目的是什么就可以了，对吧？你的目的是要增加**多样性**的，那造成**多样性**无所谓，对吧？那我们就要追求**多样性**。是的，那我们的目的就是这件事情这个判断是不应该有**噪声**的，我就是要一个整齐划一的、确定的一个结论的时候，那这时候我们就不要**多样性**。对，那那问题解决了，问题解决了，这个问题解决了。那这个矛盾不存在。那就到下一个问题吧。

### 通用决策程序：中介评估法

**魏志超**: OK。这个问题是这样的，就是说在**《噪声》**这本书里呢，**卡尼曼**提出了一种可以运用在各种场合的一种通用的决策程序，叫做**中介评估法**。我在前面的那些节目里，因为篇幅关系就没有提，但我觉得这个方法我印象中好像还蛮不错的，因为它可以迁移到各种决策场合去嘛。这个方法你能不能给我们介绍一下？

**王泽军**: **中介评估法**这个名字有点奇怪，它其实是一个很综合的方法。它不是某一种降低**噪声**的策略，它其实是一种综合的策略，它可以应用到很多方面。那我从一个具体的例子来说吧，它这个**中介评估法**它其实最早是源自于面试过程中的这方面的问题来引发过来。比如说我们学校我们单位，经常会有一些年轻老师过来面试。一般场景是这样子的，就是年轻博士过来，你先做个试讲，或者说你先汇报一下你的研究。

**魏志超**: 他们都经历过，然后经历过的好研究人。对对对。

**王泽军**: 然后下面的一帮老师坐在下面，比如说来六七个人。然后汇报完领导发话，大家一一，然后我们就每个人说说自己的想法，就开始说自己的想法。当然最后呢领导拍板，这是我们常规的一种方法。

**魏志超**: 这里面实际问题就很多了，对吧？刚才描述的这个场景的问题就很多了。可能比如说大家异议，如果一开始发言的可能是一个比较有权势的一个小领导。

**王泽军**: 领导先发言了。

**魏志超**: 那这场讨论实际上就完了，对吧？因为后面其他人有其他的意见都不敢发表其他的意见，对吧？或者说别人本来有一些脑子有一些模棱两可的想法，但是也被一开始发言的那个人给拐跑了，对吧？

**王泽军**: 对，没错。这里面有两个问题。一个呢，就是我们是一个综合的结论，就是好像这个人要还是不要，这是一个综合的结论。那综合一个直觉的综合的结论往往可能是有问题的。我们对直觉可能会不准确。另外就是刚才**魏老师**说的那个谁先发言，领导先发言，还是其他人先发言？那这个有一个他叫**信息的级别**，就是前面的信息会影响第二步，影响第三步。

**魏志超**: 所以最先发言的那个人的最先出来的那个信息就特别的重要，特别的关键。

**王泽军**: 没错没错。还有一个就是**群体压力**，除了信息上的影响之外，还有一个是**群体压力**。就像刚才说的，领导先说了，这个人还不错。然后你还能说他这个人不行？

**魏志超**: 就是大家都觉得很不错。

**王泽军**: 对，所以大家可能都倾向于认为不错，这就是一个问题。当然不仅是我们小系里面的面试是这样子，我发现其实很多企业里面人才招聘甚至是一些重大的决策，可能差不多都是这么个模式。那怎么去破解这个东西呢？他们就提出这个**中介评估法**。我当时具体的这个操作程序我就不介绍了。

**魏志超**: 他有说一下大致原则就可以。

**王泽军**: 对，它有两个关键点。第一个关键点呢就是**分解**。就是你不要一上来就问这个人怎么样。先比如说我要把他的一些特征就是**分裂清单**。比如说这个人的学术背景怎么样？是**北大**还是**清华**的，或者是其他的学校？

**魏志超**: 比如说这个，比如说接出来没关系，这绝对没关系。那你觉得没关系就可以。

**王泽军**: 那这个肯定是我们会考虑的一个因素了，不管你承认不承认，这一定是考虑的一个因素。他的学术背景，他这个学术本身的学术能力，再比如说他这个人上课会怎么样，对吧？他学术可能做得很好，但是他可能上课可能会被轰下台的。

**魏志超**: 这种也有可能。这个我补充一下，就是这个针对的就是你刚才说的那个问题，就是应聘大家讨论的。大家讨论的话就是说一般的这种程序是只有一个总体的印象，对吧？这个是不对的。一定要做这个总体判断，分分开，对吧？我们不是说这个人要不要，对吧？我们就是说这向上打个分数，这向上打个分，这向上打个。没错，这样对吧？

**王王泽军**: 就是**分裂**。因为如果只是问一个总体的结论，那很容易就直觉，我们凭感觉嘛。那这是一个，所以要**分裂**。另外一个是**先评后议**。我们往往是先就是什么意思呢？在讨论之前，你先**独立评估**。

**魏志超**: **独立评估**，先评估再讨论。

**王泽军**: 对，先评估再讨论，并且是要**独立评估**的。如果没有**独立评估**，就像我们刚才说的，本来是想集中大家的集体智慧，结果呢都是被个别某几个人拐跑了。所以他第二个呢就是强调他的这个**独立评估**。**独立评估**之后再讨论。如果不行，再**独立评估**再讨论，可能特别是重大决策，可能要经过多轮的这种。所以我觉得这是它的两个核心要点。那这个就帮助我们避免过快的直接做讨论。

**魏志超**: 那这个就是**中介评估法**的主要两点。一个是**分拆**，把一个总体的判断分拆成很多的点。另一个的话就是有一套评估和讨论的程序，对吧？先**独立评估**，然后再讨论。可能然后还有几轮就再**独立评估**一次，然后然后再讨论，就这样，最后再形成一个决策。对，那这个东西实际上挺像我在节目里面也说过的，就是**谷歌**的那套招聘流程，好像挺像的。那**卡尼曼**他们这个东西看来可能受到**谷歌**的招聘流程的启发比较大。

**王泽军**: 这是有可能是。我好像是不是在书里面说到这个是**卡尼曼**先有吗？

**魏志超**: 他是他先发这个东西的，后再被**谷歌**去用吧，还是反过来？

**王泽军**: 这个可能再考一一下，到底是谁。

**魏志超**: 谁先提出，观众读者自己去考虑一下吧，我们有点忘了。然后你刚才说到的那个就是你刚那个第二个关键点，**中介评估法**的，就是那个先**独立评估**，然后再讨论。这个然后反复几轮，这个实际上可能他又是借鉴了那个**德尔菲法**，对吧？就之前决策里面有一个法叫**德尔菲法**，就跟这一步环节就非常像。是一群专家过来一起，比如说预测一个东西，那方法就是每个专家独立。自己先独立，就是先不要讨论自己独立，做出一个预测。那给出预测的同时呢，他要给出自己的理由，那把这个理由也附在上面。是的，然后把这些东西都汇总起来，大家都可以看到。然后呢，其他专家就会看到这个专家是这样预测的，然后他的理由是什么？这个专家会这样预测的，他的理由是什么？对，然后还有一个大家平均的预测是什么？对，没错。拿到这个结果之后呢，大家又分头去那一步就相当于讨论，对吧？没错。然后接下来下一轮大家又分头去再做一个预测，再更新自己的理由。没错。然后就是这样几步下来之后，那个决策效果也是挺不错的。没错。就是那个**中介评估法**就有点像是综合了借鉴了，对，他就把这些挺好的这些决策程序都给汇总，综合出来了，对吧？那**中介评估法**，那这个东西的确是还是可以运用到很多场合里面，对吧？做各种决策的时候，实际上都可以就分解一下，对吧？然后就是**独立判断讨论**，**独立判断讨论**。这样对啊，那我们就希望那下一个问题吧。刚才这个问题聊的比较多了。

### “噪声”与心理测量“信度”的关联

**魏志超**: 这个问题是我粉丝群里的**derona**他问的一个问题，这个问题比较犀利，可能是今天最犀利的一个问题。我们粉丝群里的**derona**他问，他说**噪声**这个问题，难道不就是把心理学里一个老的概念，用新的术语又写了一遍了？哪个老概念？他说这个**噪声**问题大部分其实就是心理测量里面的**信度**问题。**信度**这个词可能不学心理学专业的朋友可能不太了解。那**信度**问题实际上指的也就是两次测量之间的一致性这样一个问题。因为这次测出来是一个结果，下次测出来是一个结果。这两个结果如果相关程度很高很一致的话，那我们就可以说这个测量的**信度**很高。没错，大概可以这样简单解释一下。那刚才这解释里面好像就发觉它跟**噪声**挺像的嘛，对吧？**噪声**不就是也就是这个判断者和那个判断者，还有我这次判断和下一次判断之间是不是一致的这样一个问题吗？这位网友就想问，就是**噪声**和**信度**之间到底有没有什么联系，是一回事呢？还是说有差别？或者说我们怎么样来理解他们之间的关系？

**王泽军**: 我觉得这个粉丝是懂行的，是我们业内人士。那**噪声**呢他其实就是讲同一个，同一个人在不同的时间点，对同一个事情的预测是不同的。比如说我不同的情绪状态，那我可能对这个事情的预测是不同的。还有就是不同的人对同一个事情的预测是不同的。实质我我也觉得它本质上就是一个**信度**的问题。

**魏志超**: 还是一个**信度**的问题。

**王泽军**: 没错，它是一个**测量学**的问题，感觉它就是一个**测量学**的问题。但是我觉得就是，当然了，**《噪声》**这本书里面他不仅是讲了存在这种不一致性，同时他分析了导致这种不一致性的一些原因。比如说心理上的原因，比如说个体的情绪状态，群体的一些因素。

**魏志超**: 对，这方面还是比这个纯粹讲测量里面讲到**信度**还是要具体丰富很多。

**王泽军**: 没错。还有一个很重要的就是他提出了解决这种**噪声**的策略叫**决策卫生策略**。比如说不一致，该怎么**信度**里面，他**测量学**的这个概念没有说到这个事情，可能也涉及到一点。

**魏志超**: 也有一些就是提高**信度**的一些方法。但可能没有把那些问题搬到这个测量以外的很多决策场景里面来说，对吧？

**王泽军**: 没错。像我们想到这个**信度**，就想到仅仅是**信度**。我觉得这个一般的研究者都可以做到。我觉得难在哪里呢？就是他能够把这个很基本的一个概念，能够运用到生活中的很多方面，一些很重要的问题。比如说司法、医疗、教育、企业、政府管理等等方面去说明一个被大家忽视的一个很重大的问题。我觉得这个是他很厉害的地方。

**魏志超**: 对，因为平时我们提到**信度**的话，就真的就只是怎么心理测量里面拿那个问卷去做调查的时候，这个时候我们要解决这个**信度**的问题。

**王泽军**: 没错没错。我们就没去想。

**魏志超**: 好像说其他时候我们做判断，做任何做判断，做决策的时候，其实这个问题都是在的。是的，只是你手里边没有一个问卷而已，实际上就是这个问题本身都是存在的，对吧？

**王泽军**: 没错没错。就是我们没有意识到这个问题，对吧？那其实就像一些，就像**2017年诺贝尔经济学奖**获得者**理查德·塞勒**。

**魏志超**: 他他他他其实**塞勒**对吧？

**王泽军**: 就是对，对，他**塞勒**。他其实也是我们觉得他做了一些小研究，行为经济学他也是揭示人的各种偏差嘛。但是他厉害的是什么呢？他能够把这一套的东西助推嘛，去助推这个养老储蓄，去助推这个环保决策，去助推这个器官捐赠。那那很厉害，对不对？

**魏志超**: 有的商业上的什么什么政府决策的一些东西，对吧？都可以用上，对吧？

**王泽军**: 他甚至把它上升到一个治国理念，在专制主义和民主之间找到第三条路径。那这就是很厉害的。所以我觉得这个就是大牛和我们这种研究工匠之间的差异。这个是他们厉害的地方。

**魏志超**: 所以就说普通研究者们就是埋头做研究，然后大佬把这些研究收集起来，讲成一个特别好的一个故事。对，没错，没错。就是他们好像有一种能够把一些，你看我可能一般人甚至一般的研究者看上去都是普普通通，好像就只是说明了你这篇论文里面这样一个问题的这样的一些小问题。他们就可以把这些东西都收集在一起，然后就上升到一个很高的一个高度上去提炼出一些你单独看这些研究都看不出来的一些问题。我这个就想到了我很喜欢的一个心理学家**史蒂芬·平克**嘛。**史蒂芬·平克**这个**哈佛大学**的那个就写好多书的。他那个也是有这种功力的，他写什么**《心智探奇》**啊什么，我那个印象特别深，就是同样的研究，我几乎就里面很多很多研究，我都在别的书里面看到过。在别的书里面写出来的时候，感觉也就是说明了那个小问题。他在他这里的话就揭示出那种人性中非常深刻非常大的一块东西。然后就这样一个观点，**《噪声》**这本书本质上可能也有点这样的一个我们去理解它的一个角度在，对吧？就是说它本身就还原到这种方法学还是什么，这个层面的话，可能**测量学**的**信度**实际上是一致的一个问题。是的，但是这个东西实际上可以深入到，真的是可能是生活里到处都有决策吧。是的，可以深入到决策的每一个侧面嘛，可能就是这样，对不对？

**王泽军**: 对，它的应用很广泛。

**魏志超**: 现在我感觉那这本书可能慢慢的这本书里边讲到的一些问题，可能现在我们还是有点意识不到，它里面的这个问题实际上有多重要，有多普遍，对吧？那这本书实际上花了不少的力气都在就是呼吁大家相信就是这个**噪声**问题很大。对，但我感觉可能大家就读完之后，可能还是没有意识到这个问题有多重大。可能慢慢的可能会有一些新的一些书，可能会基于**《噪声》**这本书的一些原理，可能会把这些原理可能会更加多的，比如说跟一些实际生活问题结合起来，然后可能会把这个原理慢慢的一步一步的会把它变得更加的深入人心。是，可能会这样。就像那个**塞勒**他的那个研究，他研究助推的那些东西。后来不是他们这本书的第三作者**桑斯坦**，**桑斯坦**他们跟他跟**塞勒**还是有一些合作的。

**王泽军**: **桑斯坦**也写了一些好像力推那本书，他也是**桑斯坦**，也是作者，对吧？他俩也有合作的，对吧？

**魏志超**: 对对。**桑斯坦**也做了很多这种把这个助推应用到很多领域去的这样的一些贡献嘛，对吧？是的。你搞不好就是这本书可能还会有一些后续，对吧？有一些发散，对吧？等那些书慢慢深入人心之后，**噪声**这个问题搞不好，才会像比如说**卡尼曼**以前说的，就什么什么决策里面的偏差类的那种，变得一步一步变得深入人心吧。是的，可能会可能要有一个过程。

**王泽军**: 但是但他的研究就是说不仅仅是心理学，他能够贴近生活，这个是很难的。

**魏志超**: 对啊，所以这样他厉害，大牛主要是这个有一些这么提炼出一个大的规律，然后把它伸展到各个地方有这样的一层功力在。是的，是的。而不在于说这个他是这个概念本身，对吧？概念可能真的还原下去，就是一个老概念的一个变形，对吧？对，所以可以从这个角度来回答这个问题。这个大牛会讲故事，大牛会讲故事，我们要好好学一学，对吧？

**王泽军**: 对，就是我们自己在写文章的时候也是发现这个问题。我们的数据可能很好，我们的结构很好。

**魏志超**: 讲故事的能力。

**王泽军**: 讲故事能力也要达到一个层次。

**魏志超**: 对。很多这个国外大牛，他们写文章都很会讲故事的。是的，上来第一句话就引经据典，然后就镶嵌到一个不得了的一个框架里面去，对吧？那实际上你看他的研究文。是的，这个我也做是这个讲故事的能力很重要。是，那那像刚才这个问题，可能咱们聊差不多了。那好，那到这儿我们之前准备的关于**《噪声》**这本书，以及关于这个决策判断的一些问题，都已经我都带大家问过**王老师**，**王老师**都给出了一些非常精彩的一些解答，个人观点。那然后对非常精彩，然后**王老师**的一些解读的话，也帮助我们能够更好地理解**《噪声》**这本书以及帮助我们理解我们自己决策的时候会遇到的一些问题。那我们今天这个时间不早了，我们录了挺长的时间。那我们今天这期节目就暂时到这儿吧，我们也非常欢迎**王老师**以后继续回到这个节目来做客。可以聊的话题还有很多。

**王泽军**: 我也非常荣幸。

**魏志超**: 那欢迎**王老师**以后经常过来吧，我自己一个人录节目会挺没意思，非常希望有各种专家像**王老师**这样的大牛过来一起聊天。那好，那我们今天这期节目就到这儿吧。好，那好，大家我们下期节目再见。

**王泽军**: 好，再见。好，再见。