美东当地时间 3 月 27 日，普林斯顿大学发布讣告，该校尤金·希金斯心理学荣誉退休教授、美国科学院院士丹尼尔·卡尼曼去世，享年 90 岁整（信源：中信出版社）。
在本文中，我们将为大家介绍卡尼曼教授的两本书，作为对他的悼念。
第一本书是《思考：快与慢》，这本书的许多章节我都反反复复读过很多遍了，书里的内容对我的思维方式有很大影响。
人脑的两个系统
作为心理学家，卡尼曼曾跨界拿过诺贝尔经济学奖。2002 年，瑞典皇家科学院把奖颁给卡尼曼，以表彰他在「行为经济学」领域的开创性贡献。
（卡尼曼接过诺奖奖章。其实卡尼曼的科研同事特沃斯基也应获得此奖，但由于特沃斯基在评奖前逝世，且诺奖不授予已故人士，因此他无缘获奖。这是特沃斯基的遗憾，更是诺奖的遗憾。多年后，类似的情况也发生在了 David Card & Alan Krueger 这对经济学组合上。）
行为经济学是心理学和经济学的交叉学科，它的重大贡献是挑战了传统经济学里的理性人假设。
简单来说就是，传统经济学认为，人在做决定时是理性的，而行为经济学认为，人在做决定时可能是非理性的。
2011 年，卡尼曼教授将自己（和同事特沃斯基）诺奖级的研究成果写成了一本书，这本书正是《思考：快与慢》。
书里讲，人的大脑有两个系统：系统 1 和系统 2 。
简单来说，系统 1 是感性思考，系统 2 是理性思考。
感性的系统 1 运转得很快，擅长使用直觉和潜意识。相反，理性的系统 2 运转得很耗能量，很慢。
但慢也有慢的好处，比起系统 1 ，系统 2 受人脑「偏见 (bias) 」的影响要小得多，因此也更不容易出错。
偏见也叫偏差，一个经典的人脑偏差就是之前高考语文作文题考过的「幸存者偏差」。
吊诡的是，在做决定时，人类更偏好用系统 1（偏差大）而不是系统 2（偏差小）。由于这个偏好，人们容易做出错误的决定——对自己不利的决定。
如果你想从这种“错误决定”的循环中挣脱出来，你在做决定前，应该多用系统 2 思考。
卡尼曼的系统 1 和系统 2 理论在心理学和经济学领域都是开山级的思想，他的思想也深刻影响了很多后来的科普畅销书，比如，在国内名气很大的乔纳森·海特《象与骑象人》和希思兄弟的《决断力》。
人脑中的噪音
写完《思考，快与慢》的 10 年后，卡尼曼教授再次著书。书名叫Noise: A Flaw in Human Judgment。
这次，卡尼曼教授不讲人脑的认知偏差了，他讲的是一个比偏差更隐蔽，更反直觉的概念。
这个概念就是人类判断力 (judgment) 中的噪声（下文称为“噪音”）。
那什么是「噪音」呢？我们来看一个例子。
通过对 150 万法庭案件判决的调查研究，科学家们发现，当一个城市的美式足球队输球时，这个城市的法官在判案时会更严厉。
比什么时候判案更严厉呢？比这个城市的美式足球队赢球时更严厉。
也就是说，面对相似的案子，球队输球会让法官更容易下狠手，判个十年八年的。但球队赢球则会让法官更可能展示出仁慈，判个五年六年就了事了。
噪音是有害的多样性。
多样性有好的版本。在艺术作品的品味上，在社交的偏好上，人和人都会有不同，有时甚至同一个人，在不同的心境里，也会展现出不同的艺术偏好。
比如，我们难过时喜欢听的歌和我们在开心时喜欢听的歌，很有可能是不一样的。
但是，在一些场景里，我们不希望团队里的人展示出判断力上的多样性，更不希望同一个人在心情好时这样判断，在心情不好时那样判断。
这样“应该杜绝判断力变化”的场景包括：医疗、司法、大学招生、公司招聘等。
以医疗为例，我们不希望在同一个病人的诊断中，不同的医生有不同的判断和结论，那样，病人和他/她的家属会无所适从。
以司法为例，我们不希望一个法官心情好时就少判一个嫌疑犯几年，心情差时就多判一个嫌疑犯几年。
在这些场景里，我们希望施展判断力的那个人，是一贯的，是始终如一的。但是，现实并不如我们所愿。
人的判断力，又偏又噪
第一，人的判断力是有偏差 (bias) 的。
所谓的偏差就是指，某个问题有一个准确答案，但是你给出的答案偏离了这个准确答案。
打个比方就是，4 个队伍去射击场打靶，靶心是 10 环，也就是分数最高的区域。这 4 个队伍打靶的终极目标，肯定是要打中靶心。
A 队枪枪都打中了 10环，那他们的结果就是零偏差。相比之下，平均来看，队 B, C, D 的战绩都离 10 环很远，那我们就说这 3 个队的成绩各有不同程度的大偏差。
第二，除了偏差，人的判断力还有噪音 (noise) 。
怎么说呢？就是面对同一件事，或者一些很类似的事，小明这一次的判断结果和下一次的判断结果，有比较大的差别。
也就是说，小明表现得前后不一 (inconsistent) ，不自洽，或者说，他的判断力有噪音。
读到这，大家应该弄清楚了判断力中「偏差」和「噪音」的区别。
很多时候，我们判断的对象，是没有准确答案的——也就是说，我们根本不知道靶心在哪。
比如，你该去读离家很近，但水平中等的学校，还是去读离家巨远，但水平高一点的学校。
在这些情况下，我们根本不知道自己的选择，是不是就是那个标准答案，或者说离标准答案有多远。
这意味着，在这样的情况里，我们研究判断力的噪音会更意义，因为没有标准答案，我们根本就无法研究偏差。
（如果没有靶心作为参照物，你知道哪个队的表现最好吗？）
对抗判断力的噪音
我们知道，人生中有很多事，都会重复发生，这些事每发生一次，我们都要用自己的判断力，去做一些决定，然后去完成这件事。
比如，医生给病人诊断表情，就是一种会重复发生的事。
说到医生给病人瞧病，如果病人 A, B, C 的情况很相似，那我们有很大理由相信，医生给出的诊断结果也应该是很相似，甚至是完全一样的，对不对？
但事实并非如此，平均来看，一个医生给病人 A, B, C 的诊断结果会很不一样。
知道这个事实会让我们很痛心，这也是为什么人们有必要多找几个医生诊断自己的病情，因为这样做，人们才能得到接近真相的诊断结果。
也就是是说，多找几个医生诊断自己的病情，能极大降低自己成为「医疗判断力错误」的受害者。
当然了，这个世界上除了会重复发生的事外，还有些事就只会发生一次。
比如，在 2014 年，埃博拉病毒在西非肆虐，有许多报告预测，这个致命病毒很快会传播到欧洲和北美洲。
在美国国内，有许多专家向当时的总统奥巴马建议，尽快暂停这些受埃博拉病毒影响的国家到美国的航线。
但是奥巴马没有这样选。
相反，他决定派遣 3,000 位医务工作者和军人前往西非，与世界其他国家的救援人员一起，帮助西非解决埃博拉病毒快速扩散的问题。
在我们生活中，也有很多事只会发生一次。
比如，我们选择跟谁结婚（第一次结婚），再比如，我们选择哪份工作作为自己的第一份工作。
这些事，在我们看来，都是非常独特的，都是一生只发生一次的事。这些个人历史，都只会发生一次。
但是，在这些一辈子只发生一次的事里，我们的判断力也是充满噪音的。
也就是说，如果我们有 100 个平行宇宙，那在每个平行宇宙里，我们可能都会选择和不同的人结婚，选择不一样的第一份工作。
换句话说，对于这些只发生的一次的事，我们做的决定，也并不是命中注定的——并没有什么所谓的宿命。
这些决定会被很多随机因素影响，比如你做决定前一天晚上是不是有睡好。
说句有点禅意的话，这些一生只发生一次的事，其实也很像那些经常发生。定期重复发生的事，只不过这些事只发生一次而已。（原文：A singular decision is a recurrent decision that happens only once.）
因此，就像之前提到的「找多个医生诊断病情」，我们一样可以用一些方法，去降低我们在这些“一生一次的事”上，会犯的判断力错误。
判断力到底是什么？
说了这么久判断力的噪音，我们还没定义“判断力”。
判断力不是思考力。不是说你会思考，你就有判断力了。
判断力是测量，测量了就会有个结果——而只思考，你不一定会产出一个结果，你可能纠结一会，就停止了思考。
测量是一个大家都很熟悉的动作。比如你拿把卷尺尺，测量一个房间的长和宽。
假如你是法官，你也需要会「测量」。当你在判断一个嫌疑犯该蹲几年牢时，你其实就是在「测量」这个服刑期的长度。
这时，你测量的工具就是你的大脑。
当我们说测量时，我们在暗示一个目标，那就是测量的准确度 (accuracy) 。测得越准，我们就会犯更少的错误，就越接近真理。
当然了，错误可以少犯，但还是会犯的，毕竟没有人有完美无瑕的创造力，就像没有人能准确无误地测量一个物体。
100% 精准测量的能力，只存在于以黑色石碑为线索的《2001 太空漫游》这样的科幻世界里。
现在你知道了，我们使用判断力时，肯定会犯错（有些是偏差，有些是噪音）。
接下来，我们来做个游戏，快速体验判断力是如何出错的。
判断力自测小游戏
现在我们用最直观的方法来感受下「人类判断力」的偏差和噪音。
我们来做一个游戏，1 分钟就可以完成。
你的手机应该有一个秒表功能。
秒表功能可以帮我们记录「圈速」，也就是说，可以记录一个人跑一圈 400 米需要多少秒。
比如第一圈 50 秒，第二圈 52 秒，第三圈 51 秒这样。
以苹果手机为例，具体操作方法是，打开时钟 -> 秒表 -> 启动 -> 计次。
你每点一次「计次」，就能留下一个「刚刚时间过去了几秒」的记录。
那么，现在你来试着操作一下。你不要看屏幕上的数字，试一试能不能「准确地捕捉到 10 秒的时间点」。
也就是说，当你觉得 10 秒到了（不要看屏幕噢），你就点一下计次按钮（你需要记住它大概在屏幕的哪个位置）。
试试看，你能不能连续 3 次都恰好捕捉到 10 秒的时间点。
你会发现，你大概率是做不到的，你每次都会早按一点点，或者晚按一点点，而这些一点点的差别，就是人类判断力里的误差 (errors) 。
判断习惯的自测
让我们先做个有趣的假设。
假设你是一家中型金融公司的董事会成员，你现在面对一个重要的任务，与其他董事会成员一起，为公司挑选下一任 CEO 。
你们已经挑了很多候选人了，但依旧没找到满意的。
今天又是一个挑选候选人的日子。
作为董事会成员的你，需要评估下面这个候选人有多大的可能性，成为你们公司的成功 CEO 。
成功的定义是，这个人加入公司后，两年后依旧在岗。
以下是这位候选人的简介，内容有点多，而且我刻意没有分段写这个案例。
你可以自行决定是精读还是略读。
我推荐你精读，这个体验很有意思，很能揭示你的判断习惯，而了解自己做判断的习惯，是能终身受益的事。
候选人张凯奇的简历
2002 年，张凯奇本科毕业于中国科技大学少年班，2004 年，他获得美国威斯康星大学麦迪逊分校计算机硕士学位，随后加入美国谷歌。在谷歌待了 3 年后，他选择自主创业，先后在电商和社交两大领域办过公司，也融过资，做出过产品，但市场反应一般。在创业过程中，他还用自己在谷歌时期积攒的一部分钱，投资了他学弟创立的一个咖啡店品牌，但该品牌最终破产。之后，张凯奇加入了一家大型的意大利资本主导的外资保险公司，担任该公司大中华区总部的 CEO ，负责帮总部落地在中国分部的经营策略。他在该公司的工作表现很好，但同事和下属对他的评价是，张的为人比较盛气凌人，容易与人起摩擦。在张在任期间，他的部门离职率居高不下。当然了，张的多个前手下表示，张这个人很正直，很客观，也很愿意为失败承担责任。在过去的两年里，张凯奇一直在家金融科技公司工作，担任公司 CEO ，这家公司之前的业务一直不稳定，但在他来之后，在他的努力下，稳定了下来，从今年的财报来看，公司业务还在不断地增长。
张凯奇先生的履历，字很多，信息量也真的很大。
那么问题来了。如果 1 是最小，10 是最大，你觉得张凯奇有多大的概率成为你们公司未来的成功 CEO 。
这里，成功的定义是，这个候选人加入公司后，两年后依旧在 CEO 这个岗位工作。
如果你仔细研究了题干和问题，你会感觉，整个题目的信息量实在太大了。而且，题目里有很多信息是相互矛盾的。
你发现自己难以对张凯奇有一个统一自洽的印象。你有时觉得他挺好，有时又觉得这人挺糟糕。
面对这么难的题目，面对这么混乱的题干信息，我们应该怎么做出判断呢？
我们先看看大多数人是怎么判断的吧。
大多数人的判断习惯
题目问，“如果 0 是最低，10 是最高，你觉得张凯奇有多高的概率成为你们公司的成功 CEO ？”
许多人做判断的过程大致如下。
第一步：在阅读/回顾张凯奇的履历信息时，会选择性地关注其中的一部分，选择性地忽略另外的信息。
第二步：也没有用什么具体的方法论，只是很快速地，任意地，凭感觉地把上一步里获得的信息，糅合成一个对张凯奇先生的大致印象。
虽然他们也不知道自己的大脑是怎么工作的，但他们就是通过潜意识的一系列“操作”，大致总结出了张凯奇先生的优点、缺点以及他出任 CEO 后需要迎接的挑战。
第三步：在上面一系列信息处理后，你知道你该给个答案了，这时，有一个数字（0~10 之间的）在你的大脑里蹦了出来。你也不知道为啥出现的是这个数字。
这个数字浮现后，你有意识地检查了这个数字，感受这个数字对不对，如果你觉得不对，你的大脑潜意识会抛给你另外一个数字，你会再检查一次。
如果这次感觉对了，你会对自己说，这个数字就是你的最终答案，虽然你也不知道为什么这个数字就感觉对了。
在这第三步里，每个人给出的数字的大小，是很随机的，也是充满噪声的。
人的大脑可真“混乱”。
如果现在回想自己给出的数字，你可能会觉得当时的判断太草率，太随意了。
在《噪声》里，我们可以读到，研究者们把这道题布置给 115 位 MBA 学员做，这些学员给出的分值，从 1 到 9 ，什么都有。
现在，请你回想我之前提到的，一个人连着掐很多次秒表，每次的目标都是刚好掐在 10 秒的位置，但是极少人能连续 3 次掐准这个时间点。
掐表案例意味着，我们在连续对同一件事（一模一样的事）做判断时，我们的每一次的判断都大概率会和之前的不一样，甚至很不一样。
刚刚讲到的 115 位 MBA 学生做这道选人题时，从 1 到 9 分，什么分值都有，说明一个群体的成员在面对同一件事时，也会得出许多截然不同的判断。
也就是说，人脑的判断力，在上述两个情况里，都是充满噪声的。不管是在哪个场合，这样的决断力噪声都是坏事。
我举个例子大家就懂了。如果你是大学招生办的一个招生官，你们招生委员会有 15 人，你们在面对同一个申请者的资料时，给出的评分横跨 1 到 10 分的每一个整数分值。
那么，你们到底谁判断错了？你们到底该不该录取这位申请者？
所以，我们肯定需要一些科学的方法，去给我们的决策过程“降噪”。而在卡尼曼的《噪声》里，你就能学到许多特别有效的“降噪”方法，比如噪声审计 (noise audit) 和决策卫生 (decision hygiene) 。
如果你对这些方法感兴趣，推荐你去买《噪声》这本书。
今天就先写到这里，最后，愿逝者安息。
【竞赛报名/项目咨询+微信：mollywei007】
