一天早饭后，一个住院医生问阿普加医生如何对新生儿作系统评估。她回答道：“这很简单，你可以这样做。”阿普加快速写下了5个变量（心率、呼吸、反应、肌肉强度和颜色）以及3个分数（0、1、2分别代表各个变量的稳健度）。阿普加意识到自己可能会有所突破，而且这一突破还可能被应用到所有的产房中，她便开始用这种方法评估每一个出生一分钟的婴儿。一个得到8分以上的婴儿一般是肤色粉红、蠕动、啼哭、面部扭曲并拥有100次以上的脉搏，这样的婴儿外形很好。低于4分的婴儿一般是浑身青紫、肌肉松弛、不爱动且心跳微弱，这样的婴儿需要立即救治。应用了阿普加的评分原则后，产房的护士们终于在判断婴儿情况是否危险的问题上有了一套标准，人们认为这个公式对减少婴儿的夭折率起到了很重要的作用。现在，阿普加的方法依然应用于每一个产房中。阿图尔·甘德（Atul Gawande）近期的著作《一份清单宣言》（A Checklist Manifesto）也介绍了一些其他案例，以说明列表以及简单原则的优点。
让许多业内人士烦恼的运算法
从一开始，很多临床心理学家就不认同米尔的观点，对此持怀疑态度。他们显然幻想过自己有长远预测的能力。我们在深思熟虑后，不难发现这种幻想是如何产生的，也可以理解临床医生为何反对米尔的研究。
证明临床统计可信度低的统计证据与临床医师对自己判断质量的日常体验相悖。经常接触患者的医生对每一个疗程都有其直觉，他们可以预测病人对干预治疗会有什么反应，并猜测下一步会发生什么。很多推测都得到了证实，这显示出临床医师真实的临床诊断能力。
问题是在整个治疗期间，这些正确的判断涉及的都是短期预测，而且是在当面诊疗后作出的预测，这项技能是治疗师经过长期实践得来的。他们失败的任务往往需要对病人的病情作长远的预测。想要做到这一点尤为困难，因为即使是最好的公式也只能是有个大概，临床医师也不可能完全了解，这需要患者多年的反馈，而不仅仅是当时短暂的治疗反馈。然而，临床医师可以出色完成的任务与他们完全不能做的事情之间没有绝对的界限，当然他们自己也是如此认为。他们知道自己有医术，但却不一定知道医术的终极。当然，认为机械地将几个变量整合到一起就会超过人工判断微妙的复杂性的想法对有经验的临床医师来说显然也是错误的。
这场关于临床预测与数据统计预测孰优孰劣的辩论总会涉及伦理道德的范畴。米尔写道，统计方法被那些临床医师批评为“机械化、自动化、附加物、模式化、人工化、不真实、表面化、武断、不完善、无生机、迂腐、片面、无关紧要、武断、数据化、表面化、死板、无前景、学术化、伪科学且很盲目”。相反，临床方法被它的支持者称赞为“灵活、全球化、有意义、正统、精细、统一、机构完整、有规律可循、系统化、丰富、深邃、真实、科学、成熟、准确、生动、正确、自然、可行，以及可以被理解”。
这种观点我们都可以理解。无论是约翰·亨利（John Henry）在山顶上挥锤，还是国际象棋天才盖瑞·卡斯帕罗夫（Garry Kasparov）与计算机“深蓝”的对决，我们总会同情我们人类自己。对通过数理统计来作决定的厌恶情绪影响着人类，这种厌恶源于我们本身对自然事物的偏好以及对人工合成产物的否定。选苹果时，如果有人问我们喜欢有机的苹果还是商业种植的，大多数人都会倾向于“全天然”的那个。即使被告知两者的口味相同、营养相同而且同样卫生，很多人还是会选择有机水果。商人们甚至发现，标签上印有“全天然”或者“不添加防腐剂”时，销量就会增加。
欧洲葡萄酒协会对阿申菲尔特推测波尔多酒价格这一公式的反应表明，业内人士对揭秘专业知识有着强烈的抵触情绪。阿申菲尔特的公式对公众而言是一种福祉：我们原本以为各地的葡萄酒爱好者都会感谢阿申菲尔特，他提出的公式提高了这些人辨别葡萄酒质量的能力，使他们能够分辨哪些葡萄酒多年后会有上乘的品质。然而事实却并非如此，据《纽约时报》报道，法国葡萄酒界对此的表现是在“愤怒和歇斯底里之间”。阿申菲尔特指出一个品酒专家认为他的发现“荒唐可笑”，还有一个人也嘲笑他“就像没有亲自看过电影却对这部电影评头论足”。
作重要决定时，对运算法的偏见就会被放大。米尔指出：“有些临床医师会因一个‘盲目的、机械化的’公式而耽误了可以治疗的病例，这是很可怕的，但我也没有什么好办法来缓和这种令人恐惧的情形。”相反，米尔和其他的运算法支持者激烈争论，如果说运算法在作出重大决定的时候可以减少错误，那么仍旧凭直觉判断就是不道德的。他们的论述有理有据，但却与一个心理学事实背道而驰：对大多数人来说，错误的原因最重要。由于运算法导致婴儿死亡的案例比人为因素造成的悲剧更让人感到悲痛。这种情感强烈程度已经上升到道德取向的层面了。
值得庆幸的是，随着运算法在生活中适用范围的不断扩大，人们也在慢慢接受它。我们在寻找喜欢的书籍或音乐时，会接受软件推荐的选项；我们理所当然地认为人为因素并没有影响信贷限额的决定；我们也越来越习惯那些以简单的运算法形式出现的指导方针，比如说我们应该努力将有益和有害的胆固醇水平维持在什么比例。公众现在已经意识到，在体育界公式能比人做得更好：一个职业球队该给新队员开多少薪水，或者在第四节的什么时候该踢凌空球。随着运算法使用范围的扩大，大多数人第一次接触米尔在他那本“让我烦恼的小书”中提到的结果模式时，他们的不适应感最终必将会降低。
“闭上眼睛”的直觉判断比主观判断更可取
1955年，作为以色列国防军中一个21岁的陆军中尉，我接受指派为全军建立一套测试系统。你也许会惊讶为什么会将如此重任交给我这么年轻的人，但请记住，以色列当时建国才7年，国内所有的机构都在筹建当中，必须有人去建设。今天听来有些奇怪，我的心理学学士学位竟然能够证明我有能力成为军中最训练有素的心理学家。我的顶头上司是一个才华横溢的研究者，他拥有化学学士学位。
当我接到任务时，例行面试已经准备就绪。每一个入伍的士兵都要完成一系列心理素质测试，对那些有作战任务的士兵要进行个性评估。我们的目标是要给这些新兵对作战适应性打一个分，并在步兵、炮兵、装甲兵等兵种中给他们选择一个最适合他们个性的兵种。面试官们本身也是新兵，之所以被选中做面试官是因为她们智商高，喜欢与人打交道，她们中的大多数人是当时不必参战的女兵。经过几周培训后，她们学会如何安排一个15~20分钟的面试，培训人员还鼓励她们要覆盖多个话题，而且要尽量对被测试者日后在军中的表现情况形成一个整体的印象。
不幸的是，接下来的评估已经显示这种测试过程对预测新兵日后成功与否毫无用处。于是他们要求我设计一个更有用但不会更耗时的测试。他们还要求我设计新的面试方法，并评估这个方法的准确性。从专业角度来讲，这些任务的难度与让我建一座横跨亚马孙河的大桥差不多。
幸运的是，我读过保罗·米尔那本一年前出版发行的“小书”。我很相信书中的论证，认为简单的运算法优于临床的直觉判断。我总结出，当前的面试之所以失败，部分原因是它允许面试者按照个人的喜好作决定，这个决定会因面试者的心理活动而发生一些变动。相反，我们应该用限时的项目来获得受试者在正常环境下更具体的信息。我从米尔那里还学到了我们应该摒弃这种用面试者的整体评估来给新兵打分的方法。米尔的书中指出这种评估不值得相信，而运算法从分散的评价中得出的结果则更有价值。
我决定采用这样的过程，面试者要评估几项相关个性特征，为每项单独打分。最后的作战适应性结果由计算机根据一个特定的公式给出，面试者不干预。我列了一个表格，其中包含与作战表现相关的6个特点，包括责任心、社交能力以及男子气概等。之后我再针对每个特点整理出一系列关于他们入伍之前生活的问题，例如之前做过几份工作、工作和学习时是否准时、和朋友交往的频率，以及他的兴趣爱好和参加过的运动等。这便使我能尽量客观地从每个角度对新兵进行评估。
通过这些标准化的真实问题，我希望能够排除光环效应，排除人们喜好的第一印象对判断结果的影响。为了进一步预防各种光环的影响，我要求面试官依照固定的顺序去测试这6个特点，在测试下一个特点之前要对前一个特点按5分制打分。我告诉他们不要为新兵在部队的未来发展操心。他们唯一的工作就是找出与新兵的过去相关的信息并以此来给每一个特性打分。“你们的作用就是提供可靠的测定值，”我说，“处理预测有效性的工作让我来。”我这句话的意思是我要用公式来整合他们的具体得分。
面试官们齐声抗议这种安排。这些优秀的年轻人对我这个和他们差不多大的中尉的命令有点不情愿，毕竟这样的要求禁止他们运用直觉，将注意力完全放在一些无聊的真实问题上。其中一个人抱怨说：“你在把我们变成机器人吧！”所以我妥协了，“按照要求进行测试吧，”我说，“请完全按照要求来进行测试，测试完后，就像许愿那样闭上眼睛，将新兵想象成一个战士，并给他打分。”
我们对几百次面试都采用了这个新方法。数月之后，我们收集了新兵指挥中心对他们表现的评价，这使我们很欣喜。正如米尔的书中提到的那样，新的测试过程比原来的过程有质的飞跃。虽然离完美还有一定差距，但6项指标整合起来作出的预测比之前的整体评估要准确得多。我们已经从“徒劳”进步到了“有效”。
面试官“闭上眼睛”后的直觉判断也很准确，甚至和整合6项指标得到的运算结果一样准确，这是我最为惊喜的地方。我从这一发现中学到了毕生难忘的一课：即使是不那么正规严肃的遴选面试，直觉也会起到积极作用，当然前提是按照规定收集客观信息并对不同特性进行独立评分。我建立了一个给予“闭眼”评估和整合6项指标同等权重的公式。从这件事中我学到一个普遍规律：不要简单地相信直觉判断，无论是你自己的还是他人的，但也不要完全抛开它。
45年后，我获得了诺贝尔经济学奖，在以色列一时间也小有名气。在一次访问中，一些人想带我看看旧时服役的军事基地，那里依然矗立着测试新兵的房子。有人把我介绍给心理组的司令部官员，她向我介绍了目前的测试方法，和我当时设计的没有什么两样。在那里，大量研究显示该测试依然有效。最后在介绍如何引导面试官时，她补充道：“我们告诉他们，‘闭上你们的眼睛’。”
本章的内容已经在部队人力测试以外的项目中也得到了应用。按照米尔和道斯的原则进行的测试过程相对来说不怎么费力，但却相当严格。设想你要为你的公司招聘一名销售人员。如果真的想选择最合适的人选，那么你应该这样做：首先，选择一些这个岗位要求的先决条件（比如技能熟练程度、个性稳重程度、可靠性等）。不要列太多，6个左右即可。这些条件最好相对独立，同时要保证你通过一个问题就能够对这几个条件进行评估。下一步就是为每个条件都列出一些问题，并想好如何对其进行评估，分数为1~5分。你应该清楚什么情况“最弱”，什么情况“最强”。
作这些准备大约需要半个小时，这种很小的投入能保证你招聘到的员工的质量。为了避免光环效应，你必须在一定时间内完成某一个特性的信息采集并对其打分，之后才能测试下一个。不要越过某个特性去测其他项目。评估每个候选者时，要将这6项评分累加起来。由于你要负责作出最终决定，那就不要“闭眼”测试了。即使你认为其他候选人更合适，也一定要雇用那个得分最高的人，请尽量克制自己创造“断腿”机会改变排位的想法。大量的研究可以向你保证：只要按照该过程操作，你就能找到最合适的人选。这比人们通常用的那些没有准备就开始面试，并依靠“我看到了他深邃的眼神，我喜欢自己看到的一切”这类主观判断要好得多。
示例：人工判断和公式运算
“不管何时，只要公式能替代人工判断，我们至少应该考虑一下（运算法）。”
“他认为自己的判断既缜密又微妙，但实际上把一些分数简单地整合在一起也许会更胜一筹。”
“我们应该事先考虑清楚自己有多重视这些候选者以往的表现，否则，对他们的第一印象会对我们产生过多的影响。”
第22章 什么时候可以相信专家的直觉
专业人士的争论暴露了学术界最为糟糕的一面。科学杂志上偶尔会有一些交流文章，开始是某人对他人研究的批判性评论，接着就是被批判专家的回复和反驳。我一直认为写这种文章是在浪费时间。最初的那篇批判若言辞犀利，其回复和反驳便尤其激烈，我将其称为对始作俑者的讽刺和深度讽刺。回复很少会对尖锐的批判作出任何让步，而且也没听说过某个反驳者会承认开始的那篇批判性文章有任何误导性或者错误。只有在少数情况下，在我认为批判具有严重的误导性时，我才会做出回应。这是因为，此时不回复可能会被视为对错误的默认，但我从来没有发现这些不友善的批判有什么指导意义。为了寻求另一种方式来化解分歧，我曾参与了几次“对手合作”活动，在这一活动中，对某项科学研究见解不同的学者需要就他们的不同观点共同撰写一篇论文，有时还要一起进行研究。在争论特别激烈的情况下，这项研究则由裁决�
小提示：按 回车 [Enter] 键 返回书目，按 ← 键 返回上一页， 按 → 键 进入下一页。
赞一下
添加书签加入书架