9月22日， 由湛庐文化和百度财经联合主办的“对话诺贝尔经济学奖得主丹尼尔·卡尼曼暨《噪声》新书发布会”举行，维多利亚vic119中国线路院长彭凯平教授在发布会上与丹尼尔·卡尼曼进行对谈。
彭凯平：丹尼尔，非常高兴通过这样的方式再次见面。我是1997年去加州大学伯克利分校担任教授的，那个时候你已经离开了伯克利，但是我继承了你的办公室。我想把今天的第一个问题变得轻松一点，你是怎么对噪声感兴趣的？因为科学家总是有些特别激动人心的时刻，比如阿基米德找到浮力原理的“Eureka！”时刻，又或者牛顿被苹果砸到头发现经典力学的时刻。在你的生活中有没有一件事情或者一段生活经历是那个“Eureka！”时刻，让你觉得“噪声”是一个值得研究的话题？
丹尼尔·卡尼曼：事实上，我已经有50年的时间都在研究这个主题了，此前40多年里更多研究的是偏差——人们在判断中的偏差。关于偏差，大家也都做了很多研究。而研究噪声的源头是，几年前有一家保险公司找到我，给我提供了一些案例，希望我给他们出一些建议，当时的结果激发了我：我们一定要对判断进行“噪声审查”。这家保险公司大概有50个保险经理，他们给同一个案例确定了保费。在我们的认知中，一家经营非常好的保险公司，这两个保险经理定下的保费肯定不会有太大的差别，最多也就相差大概10%。
当时这家公司的高管，他们也预计两个保险经理之间确定的保费有10%的差别，但是结果非常有趣：他们确定的保费差距竟然高达50%，甚至还超过了50%。这两个人的差距非常大，而这个结果可以看出，保险公司高管并不知道自己的公司存在噪声——他们让这两个保险经理代表公司发表自己的意见，他们潜意识里认为他们两人的意见是一样的，但是不一样。就是因为这样的情况，开始让我对噪声感兴趣。有很多噪声是大家没有意识到的，甚至任何地方、任何行业都存在，包括医疗，司法，保险，招聘都有噪声的存在。
有这样一个规则：哪里有判断，哪里就有噪声，而且它比你想象的还要多。所以这就让我开始对噪声产生了兴趣。然后西博尼博士也加入了我，后来还有其他朋友的加入，助力我们一起完成了这本《噪声》。
彭凯平：中国的读者今天能够看到这本新书，是一件特别开心的事情。您的上一本书《思考，快与慢》，在中国有特别大的影响力。那本书谈的是人类思维的偏差，其中有一个偏差是稀释效应（dilution effect），指的是很多无关的信息会使我们的判断变得更加有偏差。那么，我们怎么区别稀释效应和现在谈到的噪声呢？这两个改变之间的区别是不是就能够说明偏差和噪声的区别？
丹尼尔·卡尼曼：稀释效应这个偏差说的是这样的情况：比如说有一个案例，在呈现这个案例让大家评判的时候，如果你再添加一些信息，原则上不应该对于这个案例的结果产生任何影响，但是实际上会有差别。大家的判断可能会变得比较平均。所以，你添加的这些信息可能是无关的，但是其实这些不一定是噪声，因为稀释效应是每一个人都存在的。比如在你做判断时，我们可能只是多分享了一个细节，你就会做出较好的判断。如果我不断给你添加这些不相关的信息，你做出来的判断就不会出现两极化，而是变得比较平均一些。所以，这是偏差，不是噪声。
彭凯平：您解释得非常清楚。当然，有一个问题也是我一直感兴趣的，那就是判断者之间有没有个体差异，比如有些人比较容易受到噪声的影响，而有些人不太容易受到影响。我们怎么成为不太容易受到噪声影响的人呢？
丹尼尔·卡尼曼：确实，如果有不同的专家，而且是真正的专家，来看同一个问题时，一般情况下他们可能会有相同的观点，比如说很好的象棋手在面临同样的棋局时，在应该激进还是保守方面，他们的观点是比较接近的。所以，在判断者专长的领域，偏差比较少。一般情况下，专家表现出的噪声比非专家人士表现出的噪声少。当然，情境噪声对于不同人的影响也不一样，有些人可能比较容易被影响，比如容易受心情的影响，心情不好的时候和心情好的时候做出来的决定不一样。尽管我们在这方面没有进行深入研究，但是个体差异一定会有。
彭凯平：社会科学是建立在统计科学基础之上的，统计科学中有一个重要的原则叫作“大数原则“，我们做社会科学的人有一个基本的信念，如果数据量很大，信息比较多，这些噪声就能够被互相抵消掉。由于大数据技术出现，我们现在越来越相信自己能够找到社会科学的规则。您这本《噪声》对于我们的警示就是：数据量越大，信息量越大，听到的东西越多，不仅不一定会产生大数原则的抵消效应，反而可能会误导我们。那么，您对社会科学应用大数原则的情况怎么看，会不会让我们遇到一些问题？
丹尼尔·卡尼曼：首先我们要研究的问题是：数据当中还有多少信息。很可能的情况是，数据量很大，但是信息量很少，有用的信息量更少。在预测当中要预测精准是不可能的，所以如果要预测一件事情的走向，你可能没有办法达到非常准确的效果，因为其中存有很多变量。如果想要预测一段婚姻的走向，但因为婚姻存续期间是会有很多事情发生的，所以是不可预测的，比如年轻的时候相爱而20年之后又不相爱了。我们之所以没办法做出精准预测，很多时候是因为我们的客观无知，我们没有数据，在有了丰富的案例统计数据之后，才能够提取出有效的信息，在此基础上做出的判断往往噪声更少。
彭凯平：谢谢丹尼尔。还有一个我个人很感兴趣的问题，因为我现在正在推动积极心理学在中国的发展，所以前一段时间我对你的研究很感兴趣，我看到你大部分时间在研究幸福——人类的幸福感，您也在《科学》杂志上发表了有关的论文。我想问的是：噪声对于人类幸福感有没有影响？或者说有没有关系？还是说，这完全是两个不同的研究方向？
丹尼尔·卡尼曼：我想噪声和幸福感之间没有直接的联系，因为噪声对于人们来说不是好事，不公平也不是好事，缺少预测性的行为系统当然也不是好事。
彭凯平：我们到现在为止谈的噪声大部分是认知水平的，比如说信息、观点、事实、想法，但是我们也知道很多时候判断决策的变异性来自情绪的变化，心情好的时候我们的想法判断就和心情不好的时候完全不一样。因为有段时间卡尼曼教授提倡情绪革命，他不想做更多的认知革命。《噪声》这本书给我一个印象，回到了认知理性的上面。所以我很好奇，情绪是不是噪声的一种可能性？
丹尼尔·卡尼曼：情绪是情境噪声的一种，因为我们在决策的时候可能也会想到长期的结果，但是你不会考虑到当下情绪对于长期的影响。当你处在不同情绪状态下的时候，例如你当天心情很抑郁，你的思考肯定不一样，你的决策也会不一样。
彭凯平：我还有最后一个问题，这个问题其实和幸福也有关系，那就是关于教育公平性的问题。大量的教育决策，比如学生的录取，我们可能会考虑很多因素，我们也会拒绝掉很多优秀的候选人。那么，在教育决策中，噪声对于我们的影响有多大？有没有一些好的办法可以控制噪声的干扰？
丹尼尔·卡尼曼：在教育系统当中肯定存在噪声，对于一些决定性环节的升学考试有很大影响，它可能是你十几岁的时候考，但这会决定你以后是走向学术型道路还是去上职业高中。如果是客观的考试，例如说数学有正确的参考答案，那噪声就比较小；但是如果是其他科目，例如写作文，考验的是你的写作水平，一般情况下不同老师给出的得分都会不同，总体来说其中存在的噪声比较大。越是这种决定性的考试，当中存在的噪声问题就越大。
在这种情况下我们可能会有两个方向的建议：一个方向就是要降噪，你可以安排多人进行共同判断，再进行平均，这样它的噪声数量就应该就会比单一个体做出的判断更少。另一个方向就是要在评分标准上首先取得共识，这样能够更客观地得出相对一致的判断。如果把这两个方法结合起来，肯定能够更好地控制噪声。当然噪声不能被百分之百地控制，我们也不可能百分之百地降噪，一定的判断差异还是会存在的。
主持人：非常感谢两位教授，问你们最后一个问题，今天的对话，你们觉得收获最大的是什么？
彭凯平：我觉得收获最大的就是：今天晚上的对话把很多人的误解消除了，因为噪声很多人的误解就是指讨厌的不同意见，今天晚上两位作者把这个问题说得很清楚，噪声并不代表自己不喜欢的不同意见，是指影响决策的系统偏差之外的随机误差。他们提倡的三个原则非常实用。如何让我们思维决策更加理性，第一要做独立的思想者，思想之独立是解决噪声的方法，很多人没有想到这一点。第二要做审慎的思考者，我们不要匆忙地说任何事情，很多人发表意见谈看法不经思考立马就做出意见，这个告诉我们要审慎。第三，一定要有原则，一定要有一种初心、坚持。所以这三个跟积极心理学，跟中国传统智慧和思想也是非常相通的，两位作者告诉我们要独立、审慎同时要有自律。今天晚上的对话把可能有的误解解释得非常清楚。
来源：公众号“彭凯平”
