Текст книги "Думай медленно… Решай быстро"

Доступность

Существуют ситуации, в которых частоту класса или вероятность события оценивают по тому, насколько легко они приходят на ум. Например, можно оценить риск сердечного приступа для людей среднего возраста, припомнив подобные случаи у своих знакомых. Аналогично можно оценить вероятность того, что предприятие потерпит крах, представив различные сложности, с которым оно может столкнуться. Такая оценочная эвристика называется «доступность». Доступность – полезное подспорье для оценки частоты или вероятности, поскольку объекты больших классов обычно вспоминаются легче и быстрей, чем примеры из менее частых классов. Однако доступность подвержена влиянию других факторов, помимо частоты и вероятности. Следовательно, полагаясь на доступность, можно оказаться в плену ошибок, некоторые из которых описаны ниже.

Ошибки, связанные с легкостью вспоминания. Когда о размере класса судят по доступности его объектов, класс, объекты которого вспоминаются легче, кажется более многочисленным, чем класс равной частоты, чьи объекты вспоминаются не так легко. Есть простое подтверждение этого эффекта: участникам эксперимента зачитывали список знаменитостей обоего пола, а затем просили оценить, кого в списке больше – мужчин или женщин. Разным группам участников предлагались разные списки. В одни были включены немного более известные мужчины, в другие включались немного более известные женщины. Во всех случаях участники ошибочно указывали, что класс (пол), в котором были более известные люди, более многочислен [13].

Помимо узнаваемости, есть и другие факторы – например, яркость впечатления, – влияющие на легкость вспоминания объектов. Например, если увидеть пожар, субъективная вероятность такого события наверняка изменится сильнее, чем если прочитать о пожаре в местной газете. Далее, недавние события вспоминаются легче, чем более ранние. Известно, что субъективно ощущаемая вероятность ДТП временно повышается, если человек увидит на обочине перевернутый автомобиль.

Ошибки, связанные с поисковой установкой. Допустим, некто выбирает случайное слово (из трех или более букв) из английского текста. Какая вероятность больше: что слово начинается с буквы r или что буква r стоит на третьем месте? Человек, решая эту задачу, вспоминает слова, начинающиеся с r (road), и слова, где r на третьем месте (car), и оценивает их относительную частоту по легкости, с которой слова этих типов приходят на память. Поскольку гораздо легче найти слова по первой букве, чем по третьей, большинство сочтет слова, где данная согласная стоит на первом месте, более многочисленными, чем те, в которых та же согласная стоит на третьем месте. Это верно даже для таких согласных, как r и k, которые гораздо чаще встречаются на третьем месте в словах, чем на первом [14].

Различные задачи запускают различные поисковые установки. Например, представьте, что вас попросили сравнить, с какой частотой абстрактные слова («мысль», «любовь») и конкретные слова («дверь», «вода») появляются в английских текстах. Естественно, чтобы ответить на этот вопрос, нужно вспомнить контексты, где присутствуют эти слова. Кажется, легче вспомнить тексты, где упоминается абстрактное понятие («любовь» в любовных романах), чем придумать контекст, в котором встречается конкретное слово («дверь»). Если о частоте слов судить по доступности контекстов, где эти слова употребляются, абстрактные слова будут оцениваться как несколько более многочисленные, чем конкретные. Эта ошибка наблюдалась в недавнем исследовании [15], которое показало, что частота появления абстрактных слов оценивается значительно выше, чем объективно измеренная частота. Кроме того, по оценкам испытуемых, абстрактные слова встречаются в большем количестве разнообразных контекстов, чем конкретные слова.

Ошибки вообразимости (imaginability). Иногда приходится оценивать частоту класса, чьи объекты не хранятся в памяти, но могут быть выведены по определенным правилам. В таких случаях человек обычно конструирует несколько примеров и оценивает частоту по тому, насколько легко создаются релевантные примеры. Однако легкость конструирования примеров не всегда отражает реальную частоту, поэтому такой способ оценки ведет к ошибкам. Чтобы проиллюстрировать это, представим группу из 10 человек, которые образуют комитеты из k членов (k – от 2 до 8). Сколько различных комитетов по k членов можно сформировать? Правильный ответ на этот вопрос представлен биноминальным коэффициентом (10/k), который достигает максимума (252) при k=5. Ясно, что число комитетов из k членов равно числу комитетов из (10 – k) членов, поскольку любой комитет из k членов определяет уникальную группу из (10 – k) нечленов.

Чтобы ответить на вопрос без вычислений, можно мысленно группировать комитеты из k членов и оценивать их количество по легкости, с которой они приходят в голову. Комитеты из меньшего числа членов (например, из двух), представить легче, чем комитеты из большого числа членов (например, из восьми). Простейшая схема создания комитетов – делить группу на непересекающиеся множества. Очевидно, что легко создать пять непересекающихся комитетов по 2 члена, но невозможно создать хотя бы два непересекающихся комитета по 8 членов. Следовательно, если частота оценивается на основе вообразимости, или по легкости конструирования, маленькие комитеты покажутся более многочисленными, чем большие комитеты, в отличие от правильной функции с параболическим графиком. Когда испытуемых просили оценить количество отдельных комитетов разного размера, оценки представляли собой монотонно убывающую функцию зависимости от размера комитетов [16]. Например, средняя оценка количества комитетов по 2 члена составила 70, при том что оценка количества комитетов по 8 членов составила 20 (правильный ответ – 45 и в том и в другом случае).

Вообразимость играет важную роль в оценке вероятности в реальных жизненных ситуациях. Риск опасной экспедиции, например, оценивается по тем воображаемым непредвиденным обстоятельствам, с которыми экспедиция не сможет справиться. Если можно живо представить много таких сложностей, экспедиция будет выглядеть крайне опасной, хотя легкость, с которой катастрофы приходят в голову, необязательно отражает их реальную вероятность. И наоборот – риск можно сильно недооценить, если некоторые возможные опасности трудно представить или они просто не пришли в голову.

Иллюзорная корреляция. Чэпмен и Чэпмен [17] описали интересную ошибку при оценке частоты одновременного наступления двух событий. Испытуемым, не имеющим медицинской подготовки, предлагалась информация о гипотетических душевнобольных. В данные по каждому пациенту входили клинический диагноз и выполненный пациентом рисунок человека. Затем участники оценивали частоту, с которой каждый диагноз (например, паранойя или подозрительность) сопровождался определенными особенностями рисунка (например, необычные глаза). Участники ощутимо преувеличивали частоту совпадения естественных ассоциаций, таких как подозрительность и странные глаза. Этот эффект был назван «иллюзорной корреляцией». В ошибочных суждениях о полученной информации испытуемые «заново открывали» общепринятые, но неподтвержденные убеждения клиницистов по поводу интерпретации теста «Нарисуй человека». Эффект иллюзорной корреляции упорно сопротивляется противоречащим данным. Он остается стойким и препятствует обнаружению реальных отношений, даже если действительная корреляция между симптомом и диагнозом оказывается отрицательной.

Доступность является естественной причиной эффекта иллюзорной корреляции. Суждение о том, насколько часто два события происходят одновременно, может основываться на силе ассоциативных связей между ними. Если связь сильная, человек, скорее всего, сделает вывод, что события совпадают часто. Следовательно, ассоциирующиеся друг с другом события будут оцениваться как часто происходящие одновременно. В соответствии с этим подходом иллюзорная корреляция между подозрительностью и странными глазами на рисунке, например, вызвана тем, что подозрительность прежде всего ассоциируется с глазами, а не с другой частью тела.

Жизненный опыт учит нас, что в целом объекты больших классов вспоминаются легче и быстрее, чем примеры из менее частых классов; что вероятные события легче представить, чем маловероятные; что ассоциативные связи между событиями укрепляются, когда события часто происходят одновременно. В результате человек получает в свое распоряжение процедуру (эвристику доступности) для оценки размеров класса, вероятности события или частоты совпадений с помощью оценки легкости, с которой выполняются умственные операции вспоминания, воспроизведения или ассоциации. Однако, как показано в предыдущих примерах, эта полезная процедура оценки приводит к систематическим ошибкам.

Корректировка и эффект привязки

Во многих ситуациях оценки люди начинают с исходной величины, которая затем корректируется в сторону окончательного ответа. Исходную величину, или точку отсчета, задает формулировка задачи, или она становится результатом частичных вычислений. В любом случае корректировка обычно является недостаточной [18]. То есть различные стартовые точки приводят к различным оценкам, которые отклоняются в сторону исходных величин. Мы назвали этот феномен эффектом привязки.

Недостаточная корректировка. Для демонстрации эффекта привязки участникам предлагалось оценить различные величины в процентах (например, долю африканских стран в ООН). Для каждой величины определялось случайное стартовое число (в присутствии участника вращали «колесо фортуны») от 0 до 100. Испытуемого сначала спрашивали, выше или ниже полученного числа оценивается искомая величина, а затем предлагали двигаться вверх или вниз от названного числа до нужной величины. Разные группы получали разные стартовые числа для каждой величины, и эти случайные числа оказывали значимое влияние на ответ. Например, средние оценки процента африканских стран в ООН составили 25 и 45 – в группах, получивших в качестве точек отсчета числа 10 и 65 соответственно. Денежные вознаграждения за точность не снизили эффект привязки.

Эффект привязки возникает не только когда участнику предлагают точку отсчета, но и тогда, когда оценка основывается на результате неполных вычислений. Изучение интуитивных численных оценок иллюстрирует этот эффект. Две группы старшеклассников в течение 5 секунд оценивали числовое выражение, написанное на доске. Одна группа оценивала произведение

8 × 7 × 6 × 5 × 4 × 3 × 2 × 1.

Другая группа оценивала произведение

1 × 2 × 3 × 4 × 5 × 6 × 7 × 8.

Чтобы быстро ответить на вопрос, человек может сделать несколько первых шагов умножений и оценить итог с помощью экстраполяции или корреляции. Поскольку корреляция обычно оказывается недостаточной, предполагалось, что такая процедура приведет к заниженной оценке. Далее, поскольку результат первых двух умножений (выполняемых слева направо) больше в нисходящей последовательности, чем в восходящей, первое выражение будет казаться больше, чем второе. Оба предположения подтвердились. Средняя оценка восходящего выражения составила 512, а средняя оценка нисходящего – 2250. Правильный ответ – 40320.

Ошибки при оценке конъюнктивных и дизъюнктивных событий. В недавнем исследовании Бар-Хиллела [19] участникам предлагали сделать ставку на одно из двух событий. События были трех типов: (а) простые события – например, вытаскивание красного шарика из мешка, в котором содержится 50 % красных и 50 % белых шариков; (б) конъюнктивные события – например, вытаскивание красного шарика семь раз подряд (шарик каждый раз возвращается обратно) из мешка, содержащего 90 % красных и 10 % белых шариков; (в) дизъюнктивные события – например, вытаскивание красного шарика хотя бы один раз за семь попыток (шарик каждый раз возвращается) из мешка, содержащего 10 % красных и 90 % белых шариков. В этой задаче значительное большинство участников предпочли поставить на конъюнктивное событие (вероятность которого 0,48), а не на простое (вероятность – 0,50). Участники также охотнее ставили на простое событие, чем на дизъюнктивное (вероятность которого составляла 0,52). Таким образом, большинство ставили на менее вероятное событие в обеих сессиях. Такой характер выбора иллюстрирует общую тенденцию. Исследования выбора ставки и оценки вероятности показывают, что люди склонны переоценивать вероятность конъюнктивных событий [20] и недооценивать вероятность дизъюнктивных событий. Эти ошибки легко объясняются эффектом привязки. Вероятность элементарного события (успех в любой стадии) становится естественной точкой отсчета при оценке вероятности и конъюнктивных и дизъюнктивных событий. Поскольку корректировка от точки отсчета обычно является недостаточной, итоговые оценки остаются слишком близко к вероятности элементарного события в обоих случаях. Обратите внимание, что полная вероятность конъюнктивного события ниже вероятности каждого элементарного события, а полная вероятность дизъюнктивного события выше вероятности каждого элементарного события. Из-за эффекта привязки полная вероятность будет переоценена для конъюнктивных событий и недооценена – для дизъюнктивных.

Ошибки оценки сложных событий особенно важны в контексте планирования. Успешное выполнение задуманного – скажем, разработки нового продукта – обычно носит конъюнктивный характер: для успешного завершения проекта должны произойти все события в цепочке. Даже если каждое отдельное событие весьма вероятно, вероятность общего успеха может оказаться довольно низкой, если отдельных событий много. Общая тенденция к переоценке вероятности конъюнктивных событий ведет к неоправданному оптимизму при оценке вероятности того, что план принесет успех или проект будет закончен в срок. И наоборот, дизъюнктивные структуры часто оцениваются как рискованные. Работа сложных систем, вроде ядерного реактора или человеческого тела, нарушается при отказе любого из важнейших компонентов. Даже если вероятность отказа каждого компонента мала, вероятность отказа системы может оказаться высокой, если в работу вовлечено множество компонентов. Из-за эффекта привязки люди недооценивают вероятность отказа в сложных системах. Таким образом, направление ошибки, вызванной эффектом привязки, иногда можно определить по структуре события. Цепочечная структура конъюнктивных событий ведет к переоценке, воронкообразная структура дизъюнктивного события ведет к недооценке.

Эффект привязки при оценке распределения субъективных вероятностей. При принятии решений экспертам часто требуется высказать мнение о некоторой величине, например об индексе Доу-Джонса в определенный день, в форме распределения вероятностей. Обычно для построения такого распределения человека просят выбрать значения величины, которые соответствуют конкретным процентилям его распределения вероятностей. Например, эксперта просят выбрать число, X₉₀, таким образом, чтобы субъективная вероятность того, что это число будет больше значения индекса Доу-Джонса, составляла 0,90. То есть эксперт должен выбрать значение X₉₀ так, чтобы принять ставки 9:1 на то, что индекс Доу-Джонса не превзойдет его. Распределение субъективных вероятностей для значения индекса Доу-Джонса можно построить на основе нескольких таких суждений для разных процентилей.

Собрав распределения субъективных вероятностей для многих разных величин, можно проверить правильность оценок эксперта. Эксперт считается должным образом калиброванным в определенном наборе задач, если ровно П% верных значений оцененных величин оказываются ниже его заявленных значений XП. Например, истинные значения должны быть ниже X₀₁ для 1 % значений и выше X₉₉ для 1 % значений. Следовательно, истинные значения должны попасть в доверительный интервал между X₀₁ и X₉₉ в 98 % случаев.

Некоторые исследователи [21] проанализировали нарушения в оценке вероятности для многих количественных величин для большого числа экспертов. Эти распределения показывают значительные и систематические отклонения от надлежащих оценок. В большинстве исследований реальные значения оцениваемых величин или меньше, чем X₀₁, или больше, чем X₉₉, примерно для 30 % задач. То есть эксперты выбирают слишком узкие строгие интервалы, говорящие об уверенности большей, чем позволяют их знания об оцениваемой величине. Эта ошибка присуща и неискушенным испытуемым, и умудренным экспертам; ее нельзя снять введением четких правил оценки, которые обеспечивают стимулы для внешней калибровки. Этот эффект связан, по крайней мере частично, с эффектом привязки.

Например, чтобы выбрать X₉₀ для индекса Доу-Джонса, естественно начать с лучшей оценки и корректировать ее, двигаясь вверх. Если этой корректировки – как обычно и бывает – окажется недостаточно, то X₉₀ окажется недостаточно экстремальным. Такой же эффект привязки возникнет при выборе числа X₁₀, которое будет получено корректировкой от лучшей оценки вниз. Следовательно, доверительный интервал между X₁₀ и X₉₀ получится слишком узким и граничное распределение вероятностей окажется слишком жестким. В поддержку этого объяснения можно показать, что субъективные вероятности систематически меняются с помощью процедуры, в которой наилучшая оценка не служит привязкой.

Распределения субъективных вероятностей для данной величины (индекс Доу-Джонса) можно получить двумя способами: (а) предложить эксперту выбрать значения индекса Доу-Джонса, соответствующие определенному процентилю его распределения вероятностей, или (б) предложить оценить вероятность того, что истинное значение индекса Доу-Джонса превзойдет некоторые указанные числа. Две процедуры формально эквивалентны и должны дать одинаковые распределения. Однако они подразумевают разные режимы корректировки от разных привязок. В процедуре (а) естественной точкой отсчета становится лучшая оценка величины. В процедуре (б), с другой стороны, эксперт может «привязаться» к величине, указанной в вопросе. Или же привязкой могут стать равные шансы – 50:50, что является естественной точкой отсчета при оценке вероятности. В любом случае процедура (б) даст менее экстремальные оценки, чем процедура (а).

Чтобы выявить различия между этими процедурами, испытуемым предложили набор из 24 количественных измерений (например, расстояние по воздуху от Нью-Дели до Пекина). Участники эксперимента оценивали X₁₀ и X₉₀ для каждой величины. Другая группа испытуемых получила средние результаты первой группы по каждой из 24 величин. Их попросили оценить шансы на то, что каждое из представленных чисел превосходит истинное значение соответствующей величины. При отсутствии отклоняющих факторов вторая группа должна была принять шансы, указанные первой группой, то есть 9:1. Однако если привязкой послужат равные шансы или указанные величины, вторая группа должна указать шансы менее экстремальные, то есть ближе к 1:1. В самом деле, в среднем вторая группа указала по всем вопросам шансы 3:1. Когда результаты двух групп были проверены на внешнюю калибровку, оказалось, что участники в первой группе были излишне экстремальны, в соответствии с предыдущими исследованиями. События, для которых была указана вероятность 0,10, в действительности происходили в 24 % случаев. Наоборот, участники во второй группе оказались излишне консервативны. События, для которых они называли вероятность 0,34, в реальности происходили в 26 % случаев. Результаты иллюстрируют, каким образом степень правильности оценки зависит от процедуры оценки.

Обсуждение

В данной статье рассматривались когнитивные искажения, вызванные излишним доверием к эвристическим методам и процедурам. Эти искажения не связаны с эффектами мотивации, такими как принятие желаемого за действительное или искажения, внесенные поощрениями и наказаниями. Некоторые из описанных ранее грубых ошибок в суждениях появляются, несмотря на призывы к точности и вознаграждение за правильный ответ [22].

Излишнее доверие к эвристическим методам и частые ошибки – удел не только дилетантов. Опытные исследователи подвержены тем же ошибкам, когда мыслят интуитивно. Например, тенденция прогнозировать результат, который наиболее соответствует входным данным, в сочетании с невниманием к априорной вероятности, наблюдается в интуитивных суждениях у людей, которые специально изучали статистику [23]. Хотя изучавшие статистику избегают элементарных ошибок, вроде «ошибки игрока», их интуитивные суждения подвержены сходным ошибкам в более запутанных и менее прозрачных ситуациях.

Неудивительно, что полезные эвристические методы, такие как репрезентативность и доступность, используются, хотя и приводят иногда к ошибкам в прогнозах и оценках. Удивительно, пожалуй, то, что люди не усваивают таких фундаментальных статистических правил, как регрессия к среднему или влияние размера выборки на изменчивость выборки. Хотя в жизни каждый постоянно сталкивается с примерами, из которых можно вывести эти правила, очень немногие самостоятельно открывают принципы выборки и регрессии. Статистические принципы не усваиваются из повседневного опыта, потому что соответствующие примеры не кодируются должным образом. Например, люди не осознают, что соседние строки в тексте больше отличаются по средней длине слов, чем соседние страницы, просто потому, что не обращают внимания на среднюю длину слов в строке или на странице. То есть связь между размером выборки и изменчивостью выборки не усваивается, хотя примеров вокруг – в изобилии.

Недостаток правильных инструкций объясняет и то, почему люди обычно не замечают искажений в своих суждениях о вероятности. Возможно, человек узнал бы, прошли ли его суждения внешнюю калибровку, ведя строгий учет: какая доля событий произошла из тех, для которых он предсказал ту же вероятность. Однако для людей неестественно группировать события по их прогнозируемой вероятности. Без такого группирования человек не в состоянии узнать, например, что всего лишь 50 % событий, которым он приписал вероятность 0,9 и выше, произошли в действительности.

Эмпирический анализ когнитивных искажений много дает для оценки прогноза вероятности в теории и на практике. Современная теория принятия решений [24] рассматривает субъективную вероятность как выраженное в цифрах мнение идеального человека. Конкретно субъективная вероятность данного события определяется набором ставок по поводу этого события, на которые согласен человек. Внутренне согласованную, или когерентную, оценку субъективной вероятности можно вывести, если выбор ставок человека удовлетворяет определенным принципам – аксиомам теории. Полученная вероятность будет субъективной в том смысле, что у разных людей может быть разная вероятность для одного и того же события. Главный плюс такого подхода – строгая субъективная интерпретация вероятности, применимая к уникальным событиям и включенная в общую теорию рационального принятия решений.

Наверное, следует заметить, что, хотя субъективную вероятность иногда можно вывести из предпочтений по ставкам, обычно вероятности так не формируются. Человек ставит на команду «А», а не на команду «Б», потому что верит, что у команды «А» больше шансов на победу; он не выводит свою веру из предпочтений по ставкам. В реальности субъективные вероятности определяют предпочтения по ставкам, а не выводятся из них, как в аксиоматической теории принятия рациональных решений [25].

Субъективная, по сути, природа вероятности привела многих исследователей к убеждению, что когерентность, или внутренняя согласованность, – единственный валидный критерий оценки заявленных вероятностей. С точки зрения формальной теории субъективной вероятности любой набор внутренне согласованных суждений о вероятности ничем не хуже других. Такой критерий не вполне удовлетворителен, поскольку внутренне согласованный набор субъективных вероятностей может быть несовместим с другими мнениями, которых придерживается человек. Представьте человека, чьи субъективные вероятности для всех возможных исходов подбрасывания монеты отражают ошибку игрока. То есть его оценка вероятности решки для конкретного броска растет с ростом числа орлов, выпавших в предшествующих бросках. Суждения такого человека могут быть внутренне согласованны, а значит, должны быть признаны адекватными субъективными вероятностями – по критерию формальной теории. Эти вероятности, однако, несовместимы с общим убеждением, что у монеты нет памяти и, следовательно, результат броска не может зависеть от предыдущих выпадений. Чтобы признать заявленные вероятности адекватными или рациональными, внутренней согласованности недостаточно. Суждения должны быть совместимы со всей системой убеждений, которых придерживается человек. К сожалению, не может быть простой формальной процедуры для оценки совместимости набора суждений о вероятности с общей системой убеждений эксперта. Рациональный эксперт, тем не менее, будет стремиться к совместимости, хотя внутренней согласованности проще добиться и ее легче оценивать. В частности, эксперт постарается, чтобы его суждения о вероятности были согласованы с его знаниями о предмете, с законами вероятности и его собственными эвристическими методами и искажениями.