top of page

培養批判思維 冷靜減誤判

在英語單詞中,你認為以K開頭的單詞多,還是K作為第三個字母的單詞多?大部分人會認為是前者,但實際上以K作為第三個字母的英文單詞數量比以K開頭單詞多。這個簡單的語言學實驗,揭示了人類認知的一個普遍現象:可得性偏誤(Availability Bias)。 我們之所以認為,K開頭的單詞更多,是因為這些單詞在我們的記憶中更易被提取,相反要獲取第三個字母的記憶就難得多。 六、可得性偏誤 可得性偏誤描述了人們,傾向於根據容易獲得的訊息,以判斷事物特性。這種偏誤深深植根於我們思維方式中。當需要對某事作出判斷時,往往會依賴最容易想得到的訊息。然而,某些訊息容易被記住,並不意味着它在現實中更具代表性或更常見。 在日常生活中,這種認知偏差會導致我們錯誤評估風險。比如,人們通常會高估空難、恐怖襲擊等事件發生的概率,因為這類事件常常得到密集的媒體報道,給人留下深刻印象。相反,我們往往低估了心臟病、糖尿病等常見疾病的風險,儘管這些才是真正的生命威脅。 現代訊息技術進一步加劇了可得性偏誤。社交媒體演算法,傾向於推送能引起大眾強烈情感反應的內容,戲劇性事件獲得較多關注和傳播。因為大減價、促銷商品更受歡迎,電子商務推薦算法主要是推送這類熱賣貨物。這導致我們的訊息來源變得更加片面,強化了已有的認知偏差。在訊息繭房中,我們很容易對現實產生扭曲的認知。 若要減少可得性偏誤的影響,首先需要意識到這種偏誤的存在。在作出重要決策時,我們應該主動尋求多元化的訊息來源,而不是僅僅依賴最容易獲取的訊息。 培養批判性思維,重視對訊息的來源分析,可以幫助我們更客觀地評估事物的概率和風險。 在實際決策中,可以採取一些具體措施,以減少可得性偏誤的左右。決策前要充分收集訊息,特別要注意尋找可能被忽視的訊息和反面的案例。重要決策最好設置一個冷靜期,避免受到情緒的過度衝擊。在決策過程中,考慮決策的長期影響,並定期回顧評估決策的效果。

Recent Posts

See All
慎防智能代理「無聲」脫軌

試想想,人工智能(AI)系統已在生產環境中完成部署,但究竟要如何防止AI「悄然失靈」?過去3個月,全球超大規模企業在AI基礎設施上的資本支出達到一個前所未有的量級。單憑這一數據,人們或許會得出結論:AI的生產化部署正在全力推進,市場充滿信心。 然而,7月份第一周,來自不同領域的幾個訊號同時浮現,揭示出一個更為複雜的真相。一邊是史無前例的基礎設施投資;另一邊是一群深諳「系統可靠性」的專家──那些專門

 
 
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
智能代理編程戰 懂人機協作致勝

上周把兩個消息放在一起看,很有意思。 第一個,Anthropic宣布Claude Code推出Artifacts,讓軟件工程師在寫程式的過程中,業務主管能同時打開網頁儀表板,就能看到軟件即時更新及開發的狀態。 第二個,中國人民大學和微軟亞洲研究院聯合推出一個叫Arbor開源自主人工智能體的新框架,系統能自動提出假設、修改代碼,運行真實實驗並從結果中學習,自動優化解決問題。 過去一年大家比併的是模型

 
 
bottom of page