文丨叶克飞
在现代文明社会，法律是最重要的基石之一。尽管再完善的法律都难免漏洞，但相对而言，它的严谨与体系化程度，关乎一个社会的稳定与进步程度。
但法律需要人的执行，这就造成了审判的变量。在《噪声：人类判断的缺陷》一书中，诺贝尔经济学奖得主、行为经济学之父丹尼尔·卡尼曼举了一个例子——上世纪70年代，两个美国男子都因为兑现假支票而被检控，两人兑现的金额分别为58.4美元和35.2美元，前者被判15年有期徒刑，后者仅仅判处30天监禁。著名法官弗兰克尔还根据这一案例与类似案例，呼吁美国国会结束这种量刑歧视，致力于减少因种族和社会经济地位等各种因素导致的判决偏差。
而在1981年的一次大规模研究中，208名美国联邦法官对于16起完全虚构的案件进行判决，结果更令人震惊：在是否同意处罚监禁时，只有三起案件被大多数法官同意判决监禁，换言之，法官们对另外13起案件的判决分化严重。刑期的长短也有很大差异，法官们的建议平均刑期为8.5年，但最长刑期是终身监禁。另一起案件中，法官们判处的平均刑期为1.1年，最长刑期为15年。
要知道，参与研究测试的法官们都是行业翘楚，而且所依据的判决标准也都是统一的。整个研究测试也在严格控制之下，而且氛围相对“单纯”，如果有其他相对疲劳、心情不佳，或者饥饿状态等情况，法官的判决会出现更大差异。卡尼曼就写道，在一天的开始阶段，或者饭后休息充分时，法官更可能批准假释，但如果法官处于饥饿状态，则会更加严格。更有意思的是，有研究发现，法官在当地足球队输球之后的几天里，做出的判决往往比赢球后那几天更严厉。
也正是这一系列测试，极大推动了美国司法制度的改变。司法界开始正视这一现象，采取各种措施，尽力避免这种人为判决差异。
卡尼曼举的另一个例子可能会颠覆许多人的认知。平时人们看美剧也好，看港剧也好，常常会见到鉴定指纹这个环节。很多人以为，破案时鉴定指纹就是跟影视剧里一样，直接将指纹输入电脑，程序就开始自动比对，最终确定嫌疑人。但《噪声》一书中提到，在司法领域，指纹的鉴定非常容易受到群体影响。
美国联邦调查局曾说“指纹鉴定是一种绝对不会出错的个人身份识别手段”，《噪声》一书中也说，指纹鉴定师一开始不承认他们的结论不科学，指纹学会主席表示：“如果哪位指纹鉴定人员在决策过程中受到了影响……那么他就太不成熟了，他应该去迪士尼工作。”但2012年，美国联邦调查局委托进行的一项研究中，72名鉴定人员再次查看他们在大约7个月前评估过的25对指纹，大约有10%的鉴定结果改变了。
也就是说，在鉴定犯罪现场的指纹是不是犯罪嫌疑人留下的指纹时，不同的指纹鉴定师们会有不同的结论。即使是同一位专家，在不同场合看到相同的指纹时，也可能做出不同的判断。这是因为指纹比对并不是一项简单、机械、容易的工作，从犯罪现场收集到的隐藏指纹往往只有一部分，或是不清楚，或是已经变形，表面可能会出现污垢和其他瑕疵类似的差异性，常常与多个指纹重叠，所以会有不同的鉴定结论。在其他司法鉴定领域，甚至是DNA分析中也同样存在分歧。
在美国的司法鉴定程序中，很长时间都采取先后鉴定的模式，也就是第一个鉴定专家鉴定后，第二个鉴定专家拿着第一个鉴定结果再进行鉴定。这就造成了“噪声”，下一个鉴定专家很容易被上一个同行所影响，也因此加大了冤假错案的几率。其实要解决这个问题也不难，采取平行鉴定即可，将指纹同时交给不同鉴定专家，然后取大家的独立结果进行分析。
相对严谨的法律，在不同执行者的执行下都存在如此巨大的差异，其他领域可想而知。对于这种情况，人们显然不能寄望于运气，丹尼尔·卡尼曼指出，关键在于消除判决中的噪声，保证法官的司法自由裁量权的同时，执行强制性量刑指南来确保公平和准确。
也就是说，“噪声”在这个过程中有极大影响。噪声过多，就会影响判决，要想判决更为公平和准确，就得消除“噪声”。
在过往几十年间，人们普遍认为，偏差是导致人类判断出错的关键，这也是曾以《思考，快与慢》畅销世界的诺贝尔经济学奖得主丹尼尔·卡尼曼最为人所熟知的概念。但这次，他提出了这样一个新的思维：噪声，才是影响人类判断的黑洞。
人类到底因何犯错
作为心理学家的卡尼曼，之所以能够获得诺贝尔经济学奖，是因为他挑战了经济学的“理性人”假设，开启了行为经济学的大门。他一直关注分析人类在决策分析中是如何犯错的，在《噪声》中，卡尼曼对噪声（noise）与偏差（bias）进行了区分。简单来说，噪声是无规律的错误，偏见是系统性的错误。
在现代经济理论中，一个重要的基础假设便是人的理性，认为人可以通过理性，完全有效地判断信息。但在卡尼曼看来，这并非事实。
让人类出现信息判断偏差的是“噪声”，包括水平噪声、模式噪声，后者又分为稳定模式噪声和情景噪声。
这几种噪声并不难理解，以你去医院看病为例。水平噪声就是医生的判断差异，看不同医生，可能会有不同的诊断结果。稳定模式噪声是医生有时会根据经验进行诊断，将患者的病情模式化，但却出现了判断错误。也就是说，判断者个体存在差异，他们会遵守各自特定的原则或价值观。情景噪声则关乎医生的状态，比如过于劳累，就有可能判断错误。
如果以法官为例，那么有些法官严厉，有些法官宽大，不同的人做出的判决与平均值之间的变异，这就是水平噪声。至于情境噪声，则是指同一位法官在不同时间内的表现可能不同。在模式噪声中，法官是不同的人，有着不同的历史、不同的偏好、不同的品位。哪怕两名法官同样严厉，但在最严重的那些案子上依然会存在分歧。一名法官可能对白领罪犯严厉，对小偷宽大，而另一名则表现相反。法官对具体的案件产生的变异就是模式噪声。
噪声在生活中可谓无处不在。比如你去公司面试，可能有面试官非常欣赏你，但另一个面试官认为你不适应公司文化，你的面试结果可能就是失望而回。心理学家尤里·西蒙松发现，高校招生人员在阴天时更关注候选人的学术表现，而在晴天时对非学术表现更敏感。他 告这些发现时采用的文章标题足以令人难忘——“阴天让书呆子胜算更大”。当医生面临着时间压力时，他们显然更倾向于选择快速的解决方案，虽然这样可能会产生一些严重的问题。其他研究也显示，在一天将要结束时，医生开抗生素处方的可能性更大，而开流感疫苗处方的可能性较小。
更能说明这一点的应该是股票，中国股民多半都是“消息控”，但大多数人会发现，如果跟着机构的声音炒股，最后的结果往往是铁定的“韭菜”。
这当然跟机构的利益有关，但即使是一个纯粹客观立场的专家，就一定值得信赖吗？显然不是。有人曾经说，人们信任的专家，其预测准确性并不比黑猩猩扔飞镖强多少。
作为社会个体，人往往会被噪声所左右。比如在健身中心被教练说服，办了一年的健身卡，结果一年就去了两次，又比如在商场购物时买回一堆其实压根不需要的东西……这些让人后悔的举动，本质上就是因为有各种因素的干扰，使得人们无法做出正确选择。
正如书中所说，在同一件事情上，不同的人会因为各种噪声做出不同选择，即使是同一个人，在不同的时间、情绪、天气等各种因素下，对同一件事也会有不同判断。
这次新冠疫情也是很好的例子，不同国家出台对抗新冠病毒的政策有很大差异，结果也有所不同。比如欧洲各国，原本在经济结构、治理模式、卫生系统、社会优先事项等层面都非常相似，但最终的疫情应对模式却有着极大差异。按照卡尼曼的观点，各国的决策者正是因为受到“噪声”的干扰，才会走向不同的决策路线。
噪声那么大，如何消除？
《噪声》一书中写道：“无论考察哪个领域——司法、商业、医学、法医学、公共政策等，我们都发现，噪声比我们想象的要大。更重要的是，噪声比这些领域的决策者所认为的还要大。”
而且，噪声还有放大器。书中提到了一个重要的放大器，也是一个新概念，叫做“客观无知”。
所谓“客观无知”，就是做判断的人真的没有办法知道一些必要信息。而最容易出现客观无知的时刻，就是预测未来。
正如前文所述，股票涨跌的预测，是财经专家最喜欢做的事情，但也是噪声极大的场域，预测正确率极低，谁信谁倒霉。除此之外，未来几年的国际形势，还有行业走势，都是预测的重灾区。
当然，预测不准倒也不能完全归咎于专家的能力问题，因为未来局势是由现状和未来还没发生的很多事情共同决定，存在着“客观无知”，实际上没法预测。也正因此，预测未来在本质上是在瞎猜，不同专家在不同时刻往不同方向瞎猜，噪声自然很大。
再就是“匹配问题”，这个概念极具现实意义。所谓匹配，最典型的呈现就是评分系统。比如你看完一部电影，去某平台打个分，就是在将自己看电影的主观感受与平台的评分系统做匹配。
这种匹配的最大问题，就是会放大“水平噪声”，也就是加大人与人之间的分歧。比如你打个五星，别人打个一星，双方就开始吵架，这事儿我们见得还少吗？
而且，在这种情境下，占据先机者就会占便宜。《噪声》里提到，科学家给志愿者提供了一个歌单，让他们试听，遇到特别喜欢的可以下载。按照常理，根据歌曲被下载的次数，研究者就可以知道哪些歌更受欢迎。但研究者做了手脚，在歌单中，有些歌一开始就显示已经被下载多次。这样一来，志愿者就会以为这是之前参加实验的志愿者所下载。最后，这些歌真的成了被下载次数最多的歌。换言之，志愿者们被“噪声”所左右，使得开头占据优势的歌曲迅速扩大优势。
这个实验完美诠释了如今 上热搜话题的走势，还有之前的饭圈控评，也是利用了这一点，利用置顶评论吸引人们“扎堆”。
这显然会造成“群体极化”。一群本来就对某问题有类似看法的人，聚在一起讨论后，观点更加极端化。之前流量明星的粉丝就是极化的典型，对自家偶像极度捍卫，对其他明星则只有仇视。
那么，如何才能尽量减少噪声？卡尼曼提出的解决方案可能会让很多人不解，因为答案是近年来备受质疑的人工智能算法。
卡尼曼认为，“如果把人类做决策的结果与通过算法、公式、数学模型、简单的规则等做出的决策结果进行比较，你很快能够得出结论，算法总体上会比人类做出更好的决策。我们可以举很多司法领域的例子，比如是否让某人获得保释。进行对比之后，结果会非常让人震惊，因为我们认为司法裁决是非常人性化的一件事。我们有相当多的证据表明，算法做得比人类更好，这很大程度上是算法决策有更好的纪律性，算法做决策的噪声比较少。当你将同样的问题交给机器两次时，你就会得到相同的答案。”
当然，算法也会犯错误，许多愚蠢的错误。但卡尼曼认为，这并不比人类犯的愚蠢错误多。
许多人都质疑，算法会造成“信息茧房”，让人们受困于自己喜欢的信息中，变得愈发闭塞和愚昧。但卡尼曼认为，算法一直在进步，变得越来越智能。人类积累的数据越多，使用的算法越多，就越能做出更好的判断。
也就是说，在卡尼曼看来，人们担忧“算法统治世界”，其实是担忧暗藏在庞杂算法背后的“噪声污染”，但这种想法其实是倒因为果，因为噪声恰恰源于人的认知局限和判断缺陷。
如何在投资时“降噪”
针对“噪声”问题，卡尼曼一直认为，要成为好的投资者，一定要规则简单、纪律严明，少受主观因素干扰，他因此偏爱指数投资。
另外，资产配置的核心逻辑是对抗人性。每一个投资策略的背后都是人的决策，人们往往会选择相信那些看起来更出色的投资管理者，这是基于他的过往经历、历史业绩，证明他大概率是可靠的。但投资场域没有常胜将军一样，再好的管理者也会犯错，起码会犯阶段性错误。那么，投资者通过多资产、多策略、多管理人的分散，通过各管理人相互独立的判断，不押中单一策略或资产，也能降低噪音。
卡尼曼还曾说：“噪声的反义词不是‘安静’，而是纪律、规则，包括独立思考、综合评估、采用相对判断或相对量表等等，这样才会减少噪声。”
看到了吧，对于投资者来说，最重要的还是“纪律”。
声明：本站部分文章内容及图片转载于互联 、内容不代表本站观点，如有内容涉及侵权，请您立即联系本站处理，非常感谢！