← 返回认知策展 拆书沉浮
《噪声》:人类判断的缺陷——把打偏的枪校正回来 认知策展 · 拆书沉浮

《噪声》:人类判断的缺陷——把打偏的枪校正回来

丹尼尔·卡尼曼 / 奥利维耶·西博尼 / 卡斯·R.桑斯坦 · 策展于2026-09-13 · 全文约 3 分钟
**人类判断的错误 = 偏差 + 噪声**。偏差是整齐划一地打偏,噪声是歪得五花八门;《思考,快与慢》讲偏差,《噪声》补上另一半。
播音
选择音色开始播放

《噪声:人类判断的缺陷》拆书笔记(2026-09-13)

框架一:噪声的三种类型

  1. 水平噪声:人与人之间的分歧。同一案件,严厉的法官判30年,宽容的判5年。
  2. 稳定的模式噪声:个人固定偏好造成的分歧。严厉法官对白领一向宽容,同罪不同判。
  3. 情境噪声:同一人因状态波动而不一致。上午困了判得重,下午精神好判得轻。 三种噪声可叠加出现。

框架二:三种噪声放大器

  1. 客观无知:预测未来时必要信息天然缺失,专家分歧巨大在所难免。
  2. 匹配问题:把主观感受匹配到量表(打分)很困难,量表理解因人、因时而异,放大水平噪声与情境噪声。
  3. 群体的不良影响:先发言者占先机、优势自我扩大(控评原理);群体极化让小分歧变成大对立。三个不独立的臭皮匠,不如一个臭皮匠。

框架三:四种减噪手段

  1. 独立判断的群体:让个体先独立判断再汇总(指纹鉴定分给多位专家独立做、德尔菲法多轮统计平均),关键在”独立”二字。
  2. 排序取代匹配:先粗分档再两两比较排序,比直接打百分制分数准确得多。
  3. 模型优先:模型死板所以无噪声。原则是”先模型,后人类”——谷歌招聘先标准化考核生成档案,委员会最后介入。但模型只消噪声不消偏差,需持续优化。
  4. 交给决策达人:真专家(成绩可客观验证,区别于”荣誉专家”)、聪明人、心态开放者。三者叠加时判断最准。

框架四:减噪的三重障碍

  1. 人们不信任算法,期待机器零犯错。
  2. 担心模型扼杀积极性与创造力——需区分”该消噪的判断场合”与”该留灵活的创造场合”。
  3. 成本:多人独立评审性价比如何衡量,书中也未给出答案。

边界与盲点

今日可试的实验

挑一个你近期要做的重复性判断(如面试候选人、评估方案),先写下自己的评分标准再打分;隔两天对同一对象盲评一次,对比两次分差——这就是你自己的情境噪声。之后试着用”先分档再排序”代替直接打分。

♻ 可复用思维模型 · 5 条

01
打靶模型(错误=偏差+噪声)
  • 核心:判断错误分两类——方向一致的偏差和随机分散的噪声,治理手段完全不同。
  • 何时用:复盘决策失误时,先分清是"想错了方向"还是"时准时不准"。
  • 边界:消掉噪声不等于变准,偏差要另行治理。
  • Levi场景:减肥计划屡次失败,先分清是方法错了(偏差)还是执行忽紧忽松(噪声)。
02
独立判断汇总
  • 核心:多个个体先独立判断再汇总,比开会讨论准确得多;"独立"是关键。
  • 何时用:需要多人评估同一对象(招聘、评审、预测)时。
  • 边界:成员须具备基本能力,纯外行投票不适用。
  • Levi场景:和朋友选餐厅,各自先报3个候选再取交集,比当场互相说服更快更准。
03
排序取代匹配
  • 核心:人擅长两两比较,不擅长把感受映射成分数;先分档再排序再赋分。
  • 何时用:绩效考核、打分评优等用量表的场合。
  • 边界:对象极少时排序优势不明显。
  • Levi场景:给候选手机打分纠结时,改成"这俩哪个更好"逐对比较,答案自然浮现。
04
先模型,后人类
  • 核心:让固定规则先做初筛,人的判断尽量延后介入,兼取消噪与保留直觉。
  • 何时用:高频重复性判断(筛简历、选文章、排任务)。
  • 边界:低频重大决策模型样本不足,仍需人主导。
  • Levi场景:读公众号先用"是否与我目标相关"这条死规则过滤,再人工精读,省下大半时间。
05
真专家识别器
  • 核心:只信成绩可客观验证的真专家,警惕靠声望立足、对错无法验证的"荣誉专家"。
  • 何时用:听取建议前先问"他的对错能被验证吗"。
  • 边界:新兴领域尚无可验证成绩时,此模型退化。
  • Levi场景:理财建议,优先听有长期可查业绩的人,而非"知名大V"。