《快思慢想》Podcast 準備稿：理解的錯覺與效度的錯覺：自信不等於準確
背景速覽
進入第三部分「過度自信」。如果說前兩部分講系統一怎麼運作、怎麼在統計上犯錯，這部分要揭穿一個更難堪的真相:我們對自己懂的事過度自信,而且嚴重低估了自己的無知。過度自信的根源還是 WYSIATI——我們拿手邊有限的資訊編出連貫故事,然後忘了還有一大堆未知。
這一集涵蓋第三部分第 1 到 3 章:理解的錯覺(後見之明、敘事謬誤、結果偏誤)、效度的錯覺(主觀自信為何不等於準確)、直覺 vs 公式(為什麼簡單演算法常勝過專家)。三章串起一條尖銳的線:我們以為自己看懂了過去、看得準未來、判斷比公式可靠——三個都是錯覺。
一句話重點
主觀的「自信」測量的是你腦中故事有多順,不是你的判斷有多準——而在很多領域,一條簡單的公式比一個資深專家更可靠。
值得討論的重點
1. 後見之明與敘事謬誤:事後一切都顯得理所當然
🔮 9/11 之後,所有人都說「明明有徵兆,怎麼會沒預警?」——但這只是後見之明。事發當下沒人知道。法官研究最清楚:同一個市政決策,只看當時資料的人只有 24% 認為「該雇橋樑監察員」;被告知後來真的釀災的人,56% 認為「早該知道」。知道結果後,我們會覺得它本來就可預見,於是對決策者過度苛責。配套的是「敘事謬誤」(Taleb):我們愛把成功編成乾淨的因果故事,但研究發現 CEO 品質與公司績效的相關只有約 30%——七成的成敗根本與 CEO 無關。
2. 效度的錯覺:即使知道自己不準,也照樣很有把握
🪖 年輕的 Kahneman 在以色列陸軍評估士兵的領導潛力,看「八人扛木棒過牆」的測試,信心滿滿地預測誰是天生領袖。結果這些預測跟他們日後在軍官學校的表現幾乎零相關。最驚人的是——知道自己不準之後,他下次評估還是一樣自信。這就是效度錯覺:它不受理智知識影響,就像你知道兩條線等長,還是看它們不一樣長。延伸到金融:Kahneman 算了 25 位理財顧問八年的績效,年度間相關係數平均是「零」——根本沒有持續的選股技能,但這個發現對公司高層毫無衝擊。
3. 直覺 vs 公式:簡單演算法常常贏過專家
📊 Paul Meehl 的研究讓臨床心理師很受傷:在幾乎所有可量化的預測上,簡單的統計公式(把幾個指標加權加總)都打平或勝過資深專家的整體判斷。為什麼?因為公式一致(同樣輸入永遠同樣輸出),而人會被心情、疲勞、雜訊干擾;公式也不會被生動個案綁架。最優雅的例子是 Apgar 量表——新生兒五個指標各打 0-2 分,這個「過度簡化」的公式至今仍是全球產房的標準,比任何醫生的直覺都準、都一致。
注意事項
⚠️ 「自信 ≠ 準確」是這集的鑽石,要反覆敲。聽眾的直覺一定是「越有把握的人越可靠」,要用 Kahneman 自己「明知不準還是很有把握」的親身例子,把這個直覺徹底鬆動。
⚠️ 講「公式贏過專家」時,千萬別講成「所以專業沒用、人類該被 AI 取代」。要點出 Meehl 的精準立場:這不是貶低人,而是承認「在有限資訊下做系統性預測」這件事,人類本來就不擅長。專業的價值在別處(提出哪些指標重要、處理公式涵蓋不到的新情況)。
⚠️ CEO 與績效相關 0.3、理財顧問相關 0,這些數字很敏感、可能引戰(尤其金融業聽眾)。講的時候定位成「Kahneman 書中的研究結論」,並承認市場是複雜的,語氣別像在嗆人。
專家補充
💡 「結果偏誤(outcome bias)」是後見之明的延伸,超實用:我們用結果好壞評斷決策,而不是用決策當下掌握的資訊品質。外科醫生建議高風險手術、病人不幸過世,大家罵他;同樣的手術、病人康復,大家讚他有遠見。兩個醫生面對一模一樣的機率和資訊。好決策可能有壞結果,壞決策可能有好結果——這對所有需要承擔風險的工作都是解放。
💡 以色列軍隊面試改革有個漂亮的折衷:Kahneman 設計結構化評分(六個特質、各自獨立打分、防光環效應),但最後仍允許面試官「閉上眼睛、給一個整體直覺分」——前提是必須在系統性收集客觀資訊「之後」。結論:直覺不是不能用,但要放在最後,別讓第一印象主導全局。這是「公式 vs 直覺」之爭很成熟的和解,可埋下一集「專家直覺何時可信」的伏筆。
💡 對演算法的抵抗有個有趣的心理學:當演算法犯錯,我們覺得比人犯同樣的錯更難接受。Meehl 反過來說——如果有個演算法能少犯錯,「不用它」才是不道德的。這對現在的 AI 輔助決策(醫療、司法、招聘)是個尖銳又及時的討論點。
討論問題
🎙️ 開場鉤子:問聽眾「911 之前,情報單位該不該預見?」讓大家點頭,再揭穿這是後見之明,並丟出法官研究的 24% vs 56%。
🎙️ 自問自答:我上次說「我早就知道會這樣」,是真的事前就知道,還是事後才覺得理所當然?
🎙️ 留給聽眾:下次有個「很有自信」的專家給你建議,問一句——他這份自信,來自一個能被驗證的好紀錄,還是只是一個說得很順的故事?
更大範圍關聯
- 與《超級預測》《雜訊》深度呼應:效度錯覺、公式勝專家,正是 Tetlock 與 Kahneman 後續整個研究路線的起點。《Noise》整本書就在講「人類判斷充滿不一致的雜訊,所以該用規則/公式降噪」。
- AI 與演算法決策的當代辯論:Apgar、Meehl 的論點,直接接上今天「該不該讓演算法做司法量刑、貸款審核、招聘篩選」的爭論。可做一次很有時代感的延伸。
- 打臉商業成功學:CEO 相關 0.3、《Built to Last》《追求卓越》被點名的公司事後績效平平——這集是對機場暢銷成功學的系統性質疑,延續 EP6 對《異數》的對話。
- 承先啟後:過度自信的根源是 EP3 的 WYSIATI;而「自信不等於準確」會在下一集 EP8「專家直覺何時可信」得到更精緻的答案(不是全盤否定直覺,而是區分有效/無效環境)。
錄製建議
- 建議時長:約 20 分鐘。三章份量約 7:7:6,後見之明開場、效度錯覺是情感高潮(Kahneman 的自白)、公式 vs 專家收在 Apgar 這個正面案例。
- 開場策略:用 911 或「我早就知道」這種人人有共鳴的後見之明開場,瞬間把聽眾拉進來。
- 節奏:Kahneman「明知不準還是滿懷信心」的自白要講得有人味、甚至帶點自嘲,這是全集最打動人的段落。公式那段別陷進統計,落在 Apgar 的故事。
- 結尾:行動呼籲——「這禮拜抓一次自己『用結果好壞去評斷一個決策』的時刻,改成問:當時的資訊下,這是好決策嗎?」預告 EP8:那直覺到底什麼時候能信?