人为判断易引起偏见

數周前筆者提到諾貝爾經濟學獎得主、87歲高齡的丹尼爾．卡尼曼（Daniel Kahneman），其最新著作Noise: A Flaw in Human Judgment上周在中國大陸正式出版上市，台灣版叫作《雜訊》，大陸翻譯為《噪聲》。筆者較喜歡前者，因為「雜 」正是大數據的重要特徵。雜亂無章的訊息，是寶藏還是垃圾就要看用者的造詣了。

《雜訊》介紹了偏差與噪聲的分別，什麼是偏差？什麼是噪聲？兩者的差別可以從書中的例子剖釋。假設有4位射擊手參加比賽，A參賽者全部打中紅心，沒有任何偏差；B全部偏離目標的同一方向；C有些擊中了紅心，有些偏離，但沒有規律；D則是全部偏離，而且毫無規律可言。

如果把以上的比賽換作投資專家的表現，那麼專家A所做的都是完美選擇，反而專家B每次都犯錯，而且向某個方向偏差（傾向性決策），可以說是完美的錯誤。專家C每一次的選擇都不能預測，基本上就是隨機。專家D的表現正是噪聲和偏差的結合，既有偏差亦毫無規律可言。如果閣下是一位投資新手，緊記求神拜佛，勿遇上D類專家。

作者舉出現實生活中有很多令人極度擔憂的類似例子：

1. 法官在同一類案件中的判刑上出現很大的差異，有數據顯示天氣居然也是做成偏差的原因之一；

2. 醫生誤判病情並不罕見，在施藥及劑量上的判斷容易被很多因素影響而不自知；

3. 投資專家對股票市場的未來趨勢預測，在牛市中很容易變得過度樂觀；

4. 在司法鑑定的場合中，有時指紋甚至DNA鑑定專家都可能出現不同意見；

5. 專利審批也時常出現不同的審批專家持相反意見的情況。

總之只要涉及人為判斷，自然就會有偏見，引致偏差，這是無法避免的。但經過一些技術的處理，就如我們今天聽耳筒有清除雜音功能一樣，雜音是可以被過濾。當然你可能會反問，沒有雜音的音樂會否有些不真實，就如播放黑膠碟之時，總是覺得應該有點「炒豆聲」才正常啊。

車品覺_紅杉資本中國專家合夥人、阿里巴巴商學院特聘教授暨學術委員會委員