Дэниэль-Канеман.-Думай-медленно...-решай-быстро. Дэниэль Канеман. Думай медленно решай быстро
 Скачать 0.9 Mb.
|
|
Глава 10. Закон малых чисел Система 1 отлично приспособлена к одной форме мышления – она автоматически и без усилий опознает каузальные связи между событиями, иногда даже в тех случаях, когда связи не существует. Однако, Система 1 не слишком способна управляться с «чисто статистическими» фактами, которые меняют вероятность результатов, но не заставляют их случаться. Случайное событие – по определению – не подлежит объяснению, но серии случайных событий ведут себя чрезвычайно регулярным образом. Большие выборки дают более точный результат, чем маленькие. Маленькие выборки чаще больших дают экстремумы. Наше с Амосом первое совместное исследование показало, что даже у опытных исследователей плохая интуиция и зыбкое представление о значении объема выборки. 2 Об этой и последующих характеристиках Системы 1 будет рассказано в части IV. Закон малых чисел. Для психолога-исследователя изменчивость выборки – не просто странность, это неудобство и помеха, которая дорого обходится, превращая любое исследование в игру случая. Предположим, вы хотите подтвердить гипотезу, что словарный запас шестилетних девочек в среднем больше, чем словарный запас мальчиков того же возраста. В объеме всего населения гипотеза верна, у девочек в шесть лет словарный запас в среднем больше. Однако девочки и мальчики бывают очень разными, и можно случайно выбрать группу, где заметной разницы нет, а то и такую, где мальчики набирают больше баллов. Если вы – исследователь, такой результат вам дорого обойдется, поскольку, потратив время и усилия, вы не подтвердите правильность гипотезы. Риск снижается только использованием достаточно большой выборки, а те, кто работает с маленькими выборками, отдают себя на волю случая. Первая статья, написанная мной в соавторстве с Амосом, называлась «Вера в закон малых чисел». Предпочтение уверенности сомнению. Закон малых чисел – проявление общей склонности к уверенности вместо сомнений. Сильная предрасположенность верить, что маленькие выборки точно представляют все население, означает и нечто большее: мы склонны преувеличивать последовательность и когерентность увиденного. Излишняя вера исследователей в результаты нескольких наблюдений сродни эффекту ореола, часто возникающему у нас чувству, что мы знаем и понимаем человека, о котором нам, по сути, известно мало. Система 1 предвосхищает факты, составляя по обрывочным сведениям полную картину. Механизм для поспешных выводов ведет себя так, будто верит в закон малых чисел. В целом он создает чересчур осмысленную картину реальности. Причина и случай. Ассоциативные механизмы ищут причины. Статистические закономерности трудно воспринимать, потому что к ним требуется принципиально иной подход. Рассматривая событие со статистической точки зрения, мы интересуемся его связью с тем, что могло произойти, а не как именно оно произошло. Никакой особой причины не было, случай выбрал его среди других. Иллюзия закономерности влияет на наши жизни. Сколько выгодных сделок должен заключить ваш финансовый консультант, прежде чем вы решите, что он необычайно эффективен? Какое количество успешных приобретений убедит совет директоров, что у генерального директора талант к подобным сделкам? Простой ответ на эти вопросы гласит, что, следуя интуиции, вы чаще воспримете случайное событие как закономерное. Мы слишком охотно отвергаем мысль о том, что многое в нашей жизни случайно. Глава 11. Эффект привязки Эффект привязки проявляется, когда перед оценкой неизвестного значения испытуемые сталкиваются с произвольным числом. Этот эксперимент дает одни из самых надежных и стабильных результатов в экспериментальной психологии: оценки не отдаляются от рассмотренного числа, отсюда и образ привязки к определенной точке. Эффект привязки порождают два разных механизма – по одному для каждой из систем. Одна форма привязки проявляется в целенаправленном процессе корректировки, то есть в действии Системы 2. Привязка через прайминг представляет собой автоматическую реакцию Системы 1. Эффект привязки как способ корректировки. Амосу нравилась идея эвристического метода привязки и корректировки как стратегии оценки неизвестных величин: начинаем с числа-«привязки», оцениваем, насколько оно мало или велико, и постепенно корректируем собственную оценку, мысленно «отходя от привязки». Корректировка, как правило, заканчивается преждевременно, поскольку люди останавливаются, потеряв уверенность, что нужно двигаться дальше. Привязка как эффект предшествования. Эффект привязки – частный случай внушения. Процесс, подобный внушению, срабатывает во многих ситуациях: Система 1 изо всех сил пытается построить мир, в котором привязка – верное число. Это – одно из проявлений ассоциативной когерентности. Нас повсеместно окружают эффекты привязки. Из-за порождающих эти эффекты психологических механизмов мы оказываемся более внушаемы, и, разумеется, находится много желающих эксплуатировать нашу доверчивость. При переговорах о покупке дома продавец делает первый шаг, устанавливая цену: работает та же стратегия. Участникам переговоров можно посоветовать сосредоточиться на поисках в памяти аргументов против привязки. Пугающая сила эффекта привязки заключается в том, что вы осознаете присутствие привязки и даже обращаете на нее внимание, но не знаете, каким образом она направляет и ограничивает ваши мысли, потому что не можете представить, как думали бы без эффекта привязки. Глава 12. Наука доступности Эвристика доступности – подмена оценки частоты встречаемости, легкостью, с которой в голову приходят примеры. В эвристике доступности задействованы обе системы. В одном из самых известных исследований доступности супругов спрашивали: «Какова доля ваших усилий, в процентах, в поддержании порядка в доме?» Также им задавали похожие вопросы о выносе мусора, инициировании встреч и т. д. Будет ли сумма самостоятельно оцененных вкладов равна, больше или меньше 100%? Как и ожидалось, сумма оказалась больше 100%. Объяснение – простое искажение доступности: оба супруга помнят собственные вклады и усилия гораздо яснее, чем то, что делает другая половина, и разница в доступности ведет к разнице в оценке частоты. То же самое искажение заметно при наблюдении за группой сотрудников: каждый из участников ощущает, что сделал больше, чем должен, а коллеги недостаточно благодарны за его вклад в общее дело. Психология доступности. Как на впечатления о частоте встречаемости категории повлияет требование перечислить конкретное число примеров? Ощущение быстрого нахождения примеров оказалось важнее их количества. Легкость, с которой на ум приходят примеры, – это эвристический метод Системы 1, который заменяется сосредоточенностью на содержании в тех случаях, когда Система 2 задействована сильнее. Глава 13. Доступность, эмоции, риск Исследователи риска быстро осознали важность идеи доступности. Доступность помогает объяснить, почему после происшествий есть тенденция приобретать страховку и принимать защитные меры. Изменения в памяти объясняют возникновение циклов «бедствие – волнение – нарастающая успокоенность», известных всем исследователям катастроф. Оценки причин смерти искажены сообщениями СМИ. Наши оценки частоты событий искажены распространенностью и эмоциональной интенсивностью окружающей нас информации. Словик развил понятие эвристики аффекта: люди принимают решения и делают оценки, руководствуясь лишь эмоциями – мне это нравится? не нравится? насколько сильны мои чувства? Эвристика аффекта – пример подстановки, в котором ответ на легкий вопрос (что я в связи с этим чувствую?) служит ответом на существенно более сложный вопрос (что я об этом думаю?). Группа исследователей под руководством Словика убедительно продемонстрировала действие эвристики аффекта, исследуя мнения о разнообразных технологических процессах, средствах и устройствах, включая фторирование воды, производство химикатов, пищевые консерванты и автомобили. Респондентов просили оценить преимущества, и риски, связанные с каждой из категорий. Между этими оценками обнаружилась невероятно высокая отрицательная корреляция. Технологии, которые респонденты считали благоприятными, оценивались как дающие много преимуществ и мало риска; технологии, вызывающие у испытуемых неприязнь, оценивались негативно, с перечислением множества недостатков и редким упоминанием достоинств. Стойкий аффект – основная составляющая ассоциативной когерентности. Как заметил психолог Джонатан Хайдт, «эмоциональный хвост виляет рациональной собакой». Эвристика аффекта упрощает нам жизнь, представляя мир гораздо организованнее, чем он есть на самом деле. Словик поставил под сомнение основную компетентность экспертов: мысль, что риск объективен. «Риск не существует просто так, вне наших разумов и культуры, ожидая, пока его измерят. Понятие риска придумали, чтобы лучше понимать и справляться с опасностями и неопределенностью жизни». Словик заключает, что «определение риска таким образом становится проявлением власти». Например, даминозид – химикат, которым опрыскивали яблоки, чтобы регулировать их рост и улучшать внешний вид. Паника началась со статей в СМИ, сообщавших, что химикат при употреблении в гигантских дозах вызывает раковые опухоли у крыс и мышей. «Даминозидовая паника» иллюстрирует базовое ограничение способности нашего разума справляться с малыми рисками: мы либо полностью их игнорируем, либо придаем им слишком большое значение – без всяких промежуточных вариантов. Это чувство знакомо любому родителю, ожидающему возвращения дочери-подростка с затянувшейся вечеринки. Глава 14. Специальность Тома В. Насколько вам известно, Тома В. выбрали случайным образом, как шарик из сосуда. Чтобы решить, красного или зеленого цвета будет этот шарик, нужно знать, сколько шариков там было. Вместо этого вы ориентируетесь на сходство описания Тома В. со стереотипами. Мы назвали это сходство репрезентативностью, а эвристику – предсказанием по репрезентативности. Логики и статистики разработали несовместимые, но при этом очень точные определения вероятности. Для обычных людей вероятность (синоним «правдоподобия») – неопределенное понятие, связанное с неуверенностью, предрасположенностью, правдоподобностью и удивлением. Вопрос о вероятности активирует «мысленную дробь», вызывая ответы на более легкие вопросы. Один из них – автоматическая оценка репрезентативности. Эвристика репрезентативности задействуется и в том случае, когда кто-то говорит: «Она победит на выборах, по ней это видно» или «Ученого из него не выйдет, слишком много татуировок». Предсказания по репрезентативности распространены, но неоптимальны со статистической точки зрения. Бестселлер Майкла Льюиса «Человек, который изменил все» – это история о неэффективности такого способа предсказаний. Профессиональные тренеры-селекционеры, как правило, предсказывают успех потенциальных игроков, учитывая их сложение и внешность. Герой книги Льюиса – Билли Бин, менеджер бейсбольной команды «Окленд Атлетикс», – принял непопулярное решение отбирать игроков по статистике проведенных игр. 3 Недостатки репрезентативности. У оценки вероятности по репрезентативности есть важные преимущества: интуитивные впечатления почти всегда оказываются точнее случайных догадок. В других ситуациях стереотипы лгут и эвристика репрезентативности сбивает с толку, особенно если из- за нее пренебрегают информацией об априорной вероятности. Второй недостаток репрезентативности – нечувствительность к качеству данных. Вспомните правило Системы 1: что ты видишь, то и есть. Как тренировать интуицию. Правило Байеса определяет, как сочетать существующие убеждения (априорные вероятности) с диагностической ценностью информации, то есть насколько гипотезу следует предпочитать альтернативе. Например, если вы считаете, что 3% студентов-магистров занимаются компьютерными науками (априорная вероятность), и также считаете, что, судя по описанию, Том В. в четыре раза вероятнее изучает именно их, чем другие науки, то по формуле Байеса следует считать, что вероятность того, что Том В. – компьютерщик, составляет 11%. 4 Необходимо помнить два важных положения о ходе байесовских рассуждений и о том, как мы его обычно нарушаем. Во-первых, априорные вероятности важны даже при наличии информации о рассматриваемом случае. Часто это интуитивно не очевидно. Во-вторых, интуитивные впечатления о диагностической ценности информации часто преувеличены. Глава 15. Линда: лучше меньше Мы с Амосом ввели понятие ошибка конъюнкции, которую совершают, когда при непосредственном сравнении считают, что совпадение двух событий (в данном случае того, что Линда – кассир и феминистка) возможно с большей вероятностью, чем одно из них. Некритическая замена вероятности правдоподобием пагубно влияет на оценки при использовании сценариев в качестве инструментов прогнозирования. (На нашей любви к красивым связным рассказам построена техника убеждающих презентаций, в основе которых лежат истории; подробнее см. Мартин Сайкс и др. От слайдов к историям. Пошаговая методика создания убеждающих презентаций .) 3 На русском языке книга вышла под названием MoneyBall. Как математика изменила самую популярную спортивную лигу в мире; по книге снят фильм с Брэдом Питтом в главной роли. 4 Автор пишет, что рассмотрение формул Байеса выходит за рамки настоящей книги. Интересующимся могу рекомендовать: Дж. Хей. Введение в методы байесовского статистического вывода Вероятность – суммоподобная переменная. Это видно на следующем примере: вероятность (Линда – кассир) = вероятность (Линда – кассир-феминистка) + вероятность (Линда – кассир и не феминистка). Система 1 оценивает среднее вместо суммы, а потому, когда из списка убирают кассиров- нефеминисток, субъективная вероятность возрастает. Тем не менее на вопрос «Сколько из 100 участников…» легче ответить, чем на вопрос о процентах. Вероятное объяснение этого состоит в том, что упоминание ста человек вызывает в мыслях пространственное представление. Такое представление, называемое частотным, облегчает осознание того факта, что одна группа включена в другую. Решение загадки, похоже, заключается в том, что вопрос «сколько?» заставляет думать об отдельных людях, а тот же вопрос в формулировке «какой процент?» – нет. Глава 16. Причины побеждают статистику Рассмотрите описание и дайте интуитивный ответ на следующий вопрос: Ночью таксист совершил наезд и скрылся с места происшествия. В городе работают две компании такси, «Зеленая» и «Синяя». Вам представили следующие данные: • 85% городских такси – из «Зеленой» компании, а 15% – из «Синей». • Свидетель опознал такси как «Синее». Судебная экспертиза проверила надежность свидетеля в ночных условиях и заключила, что свидетель правильно опознает каждый из двух цветов в 80% случаев и неправильно – в 20% случаев. Какова вероятность того, что такси, совершившее наезд, было «Синим», а не «Зеленым»? Это – стандартная задача байесовского вывода. В ней есть два пункта информации: априорная вероятность и не вполне надежные свидетельские показания. В отсутствие свидетеля вероятность того, что такси-виновник «Синее», – 15%, то есть это априорная вероятность такого исхода. Если бы компании такси были одинаково крупными, априорная вероятность стала бы неинформативной. В таком случае вы, рассматривая только надежность свидетеля, пришли бы к выводу, что вероятность составляет 80%. Два источника информации можно объединить по формуле Байеса. Правильный ответ – 41%. Впрочем, вы наверняка догадываетесь, что при решении этой задачи испытуемые игнорируют априорную вероятность и выбирают свидетеля. Самый частый ответ – 80%. Каузальные стереотипы. Теперь взгляните на ту же историю с иным представлением априорной вероятности. У вас есть следующие данные: • У обеих компаний одинаковое число машин, но «Зеленые» такси связаны с 85% происшествий. • Информация о свидетеле такая же, как в предыдущей версии задания. Эти две версии математически одинаковы, но разнятся с психологической точки зрения. Те, кто ознакомился с первым вариантом задания, не знают, как пользоваться априорной вероятностью, и часто ее игнорируют. Те, кто видит второй вариант, напротив, уделяют априорной вероятности значительное внимание, и в среднем их оценки недалеки от байесовского решения. Почему? В первом варианте априорная вероятность «Синих» такси – статистический факт, количество такси в городе. Разуму, жаждущему каузальных историй, не о чем думать: количество «Синих» и «Зеленых» такси в городе не заставляет водителей скрываться с места происшествия. С другой стороны, во втором варианте водители «Зеленых» такси в пять с лишним раз чаще попадают в аварии, чем водители «Синих». Вывод напрашивается немедленно: водители «Зеленых» такси – отчаянные безумцы! У вас сформировался стереотип неосторожности «Зеленых», который вы применяете к неизвестным отдельным водителям компании. Стереотип легко вписывается в каузальную историю, Пример с такси иллюстрирует два типа априорных вероятностей. Статистические априорные вероятности – это неважные для отдельного случая факты о совокупности, в рамках которой рассматривается ситуация. Каузальные априорные вероятности меняют ваше видение того, как этот случай произошел. Обращаются с этими двумя типами информации об априорных вероятностях по- разному: Статистическим априорным вероятностям обычно придают небольшой вес, а иногда и вообще игнорируют при наличии конкретной информации о рассматриваемом случае. Каузальные априорные вероятности рассматривают как информацию о конкретном случае и легко сочетают с другой относящейся к нему информацией. Формирование стереотипа – отрицательное понятие в нашей культуре, но я использую его нейтрально. Одна из основных характеристик Системы 1 заключается в представлении категорий в виде норм и прототипов. В социальных категориях такие представления называют стереотипами. Мы представляем категории через верные и фальшивые стереотипы. Например, при найме на работу существуют жесткие социальные и законодательные нормы против создания стереотипов. Так и должно быть. В деликатных социальных ситуациях нежелательно делать потенциально неверные выводы об индивиде на основании статистики группы. С моральной точки зрения считается желательным рассматривать априорные вероятности как общие статистические факты, а не как предположения о конкретных людях. Иными словами, в этом случае мы отвергаем каузальные априорные вероятности. Противостояние стереотипам похвально с точки зрения морали, однако не следует ошибочно придерживаться упрощенного мнения, что это не несет последствий. Такую цену стоит заплатить ради улучшения общества, но отрицание ее существования, хотя и успокаивает душу и политически корректно, все же не имеет научного обоснования. В политических дебатах часто используют эвристику аффекта: симпатичные нам принципы якобы не требуют затрат, а те, что нам не нравятся, якобы не дают никакой пользы. Мы должны быть способны на большее. «Нежелание участников выводить частное из общего сравнимо лишь с их готовностью выводить общее из частного». Это – чрезвычайно важное заключение. Поразительные статистические факты человеческого поведения часто впечатляют, ими хочется поделиться с друзьями, но понимание мира при этом необязательно меняется. Понять, научились ли вы психологии, можно по тому, изменилось ли ваше понимание встречающихся вам ситуаций, а не по тому, усвоили ли вы новый факт. Наши размышления о статистике и наши размышления об отдельных случаях разделяет громадная пропасть. Статистические результаты с каузальной интерпретацией влияют на нас сильнее некаузальной информации. Но даже убедительная каузальная статистика не изменит давние убеждения или мнения, основанные на личном опыте. Удивительные отдельные случаи, напротив, оказывают сильное влияние, потому что несоответствие необходимо разрешить и включить в каузальную историю. |