【基本介绍】
《噪声》，作者【以色列】丹尼尔·卡尼曼、【法】奥利维耶·西博尼、【美】卡斯·R. 桑斯坦，译者：李纾、汪祚军、魏子晗 等，浙江教育出版社·湛庐，2021年9月出版，24.7万字。
丹尼尔·卡尼曼（Daniel Kahneman） ，以色列裔美国心理学家，2002年诺贝尔经济学奖得主，被誉为“行为经济学之父”。他与阿莫斯·特沃斯基共同提出前景理论，挑战了传统经济学的“理性人”假设，揭示了损失厌恶和框架效应。他还提出了双系统理论（系统1快速直觉 vs. 系统2缓慢理性），系统阐述了人类判断中的启发式与认知偏差。代表作：《思考，快与慢》（2011年）成为全球畅销书，深刻影响了经济学、金融学及公共政策领域。
奥利维耶·西博尼（Olivier Sibony），法国学者、企业顾问，专注研究策略思维与决策流程设计。代表作《不当决策》揭示偏差如何影响决策及应对之道。
卡斯·R.桑斯坦（Cass R. Sunstein），美国法学家、行为经济学家，哈佛大学法学院教授。代表作：《助推》《简化》《阴谋论和其他危险的想法》《信息乌托邦》等。
《噪声》是一本将心理学研究应用于提升科学决策的跨界之书。三位作者的知识结构形成了互补：卡尼曼提供心理学与行为经济学的理论根基，西博尼带来商业决策的实践视角，桑斯坦则贡献法学与公共政策的制度洞察。这种跨学科的融合，是《噪声》能够系统性地揭示判断误差全貌的重要原因。
《思考，快与慢》《助推》《噪声》可以看成是“决策三部曲”。《思考，快与慢》 揭示了决策的系统性偏差，回答了“我们为何会犯错”；《助推》 提出了应对非理性的选择架构，回答了“如何引导我们做对”；《噪声》 补全了决策误差的另一半版图——随机噪声，并提供了系统性的降噪方法，回答了“如何让判断更一致、更可靠”。这三本书共同构成了一个从诊断到干预，再到系统优化的完整决策科学框架。、
【内容框架】
本书共分为6个部分28章：
第一部分，寻找噪声。作者探讨了噪声和偏差的区别，并展示了无论是在公共部门，还是在私人机构，噪声都可能存在，其数量甚至达到大得惊人的地步。这一部分3章的主题可以用一句话概括：哪里有判断，哪里就有噪声，而且它比你想象的还要多。
第二部分，你的大脑是一种测量工具。作者对不同类型的专业判断做出界定，并探究它们的目标；讨论如何测量误差，以及如何量化系统噪声对误差的影响；进一步分析系统噪声并分析其组成部分，即不同类型的噪声，并探讨其中一种噪声--情境噪声；展示群体如何常常在判断中放大噪声。
第三部分，预测性判断中的噪声。作者探索了规则、公式和算法在人类做出预测时的关键优势，讨论了影响预测性判断品质的终极局限。
第四部分，噪声是如何产生的。作者转向人类心理学领域，解释了噪声产生的根本原因。作者探究了为什么人们会对噪声视而不见，以及他们为什么对不可能预测到的事件常常并不感到意外。
第五部分，决策卫生，提升五大人类判断力。作者调查了人们为降低医学、商业、教育、政府治理和其他领域中的噪声所做出的努力，提出了“决策卫生”的六个原则、中介评估法，探讨了如何改进判断并防止出错这一实际问题。
第六部分，最佳的噪声水平。作者回答了“正常的噪声水平应该是多少”这一问题，并敦促私人机构和公共组织进行噪声审查。
【观点撷要】
1.
卡尼曼在《思考，快与慢》中揭示了人类判断中的“偏差”——那些有方向、可预测的系统性错误。而《噪声》则将目光投向另一个长期被忽视的维度：噪声——判断中无方向、不可预测的随机变异。
用打靶来理解两者的区别：偏差是子弹系统性地偏向同一个方向（比如全部偏左上角）；噪声则是子弹散落在靶面各处，落点毫无规律。用统计语言来说，偏差像是一组数的均值偏移，噪声则像是一组数的标准差。
关键洞察在于：误差 = 偏差 + 噪声。总体误差的平方 = 偏差² + 噪声²。这意味着，即使偏差为零，噪声依然可以造成巨大的判断误差。而且，在充满噪声的系统中，错误不会相互抵消，只会累加。
为什么噪声比偏差更难被发现？ 偏差往往有迹可循（比如某个群体被系统性歧视），而噪声是随机的、分散的，它藏匿在“每个人都有自己的看法”这种看似正常的现象背后。卡尼曼指出，“噪声就像地下室漏水，它之所以能被容忍，不是因为人们认为它是可接受的，而是因为它一直未被发现。”
2.
作者将系统噪声分解为三种类型，这是全书最核心的分析框架。
①水平噪声：不同判断者之间的稳定差异。 例如，有的法官天生量刑偏重，有的法官一贯偏轻。这种差异是稳定的、可预测的——如果你知道是哪位法官，你大致能猜到判决的倾向。
②模式噪声：同一个判断者对不同类型案件（或对象）的独特反应模式。 例如，某位法官对涉及暴力的案件特别严厉，但对经济犯罪相对宽容。模式噪声反映的是个体独特的经验、价值观和偏好，它比水平噪声更难被识别，却是系统噪声中占比更大的成分。
③情境噪声：外部环境对判断的即时影响。 天气、情绪、疲劳程度、做决定的顺序，甚至午餐时间——这些看似无关的因素都会微妙地改变判断。一个令人震惊的研究发现：法官在午餐前做出的判决比午餐后更为严厉。
三类噪声共同构成了系统噪声的全貌：系统噪声² = 水平噪声² + 模式噪声²。这一误差方程是本书的思想基础，它为减少预测性判断中的系统噪声提供了理论依据。
3.
作者将人类大脑比作一种“测量工具”——而我们所有的测量工具都有误差。
判断介于两个极端之间：一端是事实或计算问题（有唯一正确答案），另一端是品位或意见问题（无所谓对错）。专业判断往往落在中间地带，因此分歧不可避免。
“天真的现实主义”加剧了这一问题：我们倾向于相信“其他人对世界的看法与我差不多”，从而低估了判断分歧的普遍性和严重性。
一个关键结论：简单的模型往往优于人类判断。 当有大量数据时，机器学习算法甚至简单的规则模型，都比人类专家判断更准确——因为它们没有噪声，也不会试图将复杂而无效的因素纳入预测。
4.
作者提出了“决策卫生”的概念，类比于身体健康需要讲卫生——决策的质量也需要通过系统性的程序来维护。减少噪声的基本原理是纪律，即在做判断时遵守结构化的规则和流程。
决策卫生的六大原则：①判断的目的在于准确性，而非个性化表达。 首要原则——判断不是展示个人风格，而是追求尽可能接近“正确答案”。②使用统计思维，采用外部视角审视个案。 不要只盯着眼前这个案例，而要参考同类案例的统计数据。③将判断结构化，分解为独立的任务。 将复杂判断拆解为多个子维度，分别评估。④抵制不成熟的直觉。 先收集信息、结构化分析，最后再诉诸直觉。⑤获取多位判断者的独立判断，再汇总。 独立判断的汇总平均可以显著降低噪声。⑥用相对判断和相对量表。 相对判断（A比B好在哪里）比绝对判断（给A打几分）噪声更小。
中介评估法是“决策卫生”在操作层面的具体方法，尤其适用于复杂决策。这一方法的关键在于：将“判断”和“决策”分离。先结构化地收集和分析信息，最后才允许直觉介入——而不是一开始就凭直觉下结论。具体步骤：① 确定需要评估的维度，列出评估清单。② 针对每个维度，用外部视角收集事实，不掺杂判断。③ 对各项指标进行独立分析和评估。④ 评估—讨论—再评估：先独立打分，对分歧明显的项目讨论后再重新打分。⑤ 汇总各维度的平均得分。⑥ 在充分权衡信息后，进行最终的直觉判断。
5
正常的噪声水平应该是多少？作者给出了答案：并不存在一个普遍适用的“正常”数值。噪声的水平高度依赖于具体的判断任务、组织环境和决策的重要性。
要谈论“水平”，首先需要测量。卡尼曼等人推荐的方法是“噪声审查”。其核心是让多位具有同等资历的专业人士，独立地对同一批案例做出判断，然后测量他们判断结果的差异程度。这种差异，就是系统噪声的量化体现。作者指出，只要判断者是从一群同等资历的人中随机选出的，噪声就是一个必然存在的问题。比如，一个机构如果在需要研究某只股票时，选择专家“看谁当下有空”，那么这个选择的随机性本身就会带来巨大的决策噪声。
虽然无法定义“正常”，但书中提供了医疗诊断、司法判决、投资决策、绩效评估、人员选拔等领域的许多实证数据，揭示了现实世界中噪声的普遍水平，这些数据可以作为重要的参考基准。比如，保险承保：在一项经典研究中，同一家公司的50位承保人评估相同的风险案例。公司高管预计他们之间的差异大约在10%左右。然而，实际的中位数差异高达55%。这些数据表明，在缺乏系统化管理的专业判断中，噪声水平往往远超人们的直觉预期。一个组织的管理者如果认为团队内部的判断是高度一致的，这本身可能就是一个危险的信号。
噪声并非总是越低越好，最优水平取决于具体的权衡。在某些需要创新和多样性的场景中，保留一定的“噪声”（即判断的变异性）是有价值的；而在司法、医疗、保险等追求准确性和一致性的领域，则应尽可能降噪；在一些需要面对面互动、强调个体尊严的场景中（如医患沟通、教育辅导），过度的标准化和去个性化可能会损害更重要的价值，降噪也需要考虑成本和人的尊严，不能一刀切。
6
降低噪声的两个方向：
（1）培养优秀的判断者，改善个体判断质量。这个方向的目标是减少每一个判断本身所含的噪声。核心方法是“决策卫生”——用结构化的流程来约束判断，防止直觉和情境因素随意干扰。书中指出，一个“优秀的判断者”需要三个条件：与任务相关的丰富经验、较高的智力水平、开放性思维。其中开放性思维最为关键——愿意被相反意见说服，根据新信息不断修正判断。
（2）聚合多个独立判断，利用群体智慧。这个方向的目标是通过统计平均来抵消个体噪声。即使每个人的判断都有噪声，只要这些噪声是独立的，平均之后就会相互抵消，留下更接近真值的信号。具体做法包括：①获取多位判断者的独立判断：让多人分别、互不干扰地对同一问题做出判断。②确保独立性：这是聚合有效的前提。如果判断者相互讨论，或者权威人士先发言，判断就会变得相关，平均也就无法有效降噪，甚至可能放大偏差。③取平均或中位数：简单的算术平均往往就能显著降低噪声。中介评估法、噪声审查等，都是这一方向的具体应用。
在两个方向中，方向1在减少噪声的“产生”，让每个判断更干净。方向2在减少噪声的“影响”，用聚合来抵消剩余的随机误差。最佳实践是两者结合：先通过决策卫生改善个体判断，再通过独立聚合进一步降噪。简言之，降低噪声的两个方向就是：让判断者更优秀、更守纪律，以及让多个独立判断汇聚成更可靠的集体答案。
