文／丹尼爾．康納曼（2002年諾貝爾經濟學獎得主）

我們筆下的判斷和「思考」不同，兩者不可混淆。所謂的判斷是一種很狹義的概念，指的是一種測量，而測量工具就是一個人的頭腦。判斷和其他形式的測量一樣，會給予測量對象一個分數。分數不一定是數字。例如「國家經濟很不穩定」，判斷把零碎、不同的訊息納入整體評估之中，判斷不是計算，也沒有確切的規則可以依循。老師運用判斷給報告打分數，但選擇題測驗的給分不需要運用判斷。

很多人的職業涉及專業判斷，而每一個人都會以重要的方式受到這種判斷的影響。我們在此稱他們為專業判斷者，包括足球教練、心臟科醫師、律師、工程師、好萊塢影業公司主管、保險公司核保人員等，不勝枚舉。

有些判斷是預測性的。這種判斷有些可以驗證，我們最終會知道這些判斷是否準確，像是一些情況的短期預測，如某種藥物的效果、一場全球大流行病症的進程、選舉結果等。但是很多判斷，包括長期預測及回答虛構的問題，都是無法驗證的。這種判斷的品質只能透過產生這些判斷的思惟過程來評估。

均方差是測量標準

在一組判斷中，如果大多數的誤差都偏向同一個方向，就有偏誤存在。偏誤是平均誤差。例如有一群人去打靶，每一個人的彈著點都落在靶心的左下方；主管群年復一年高估銷售量；或是有一家公司不斷把資金挹注在失敗的計畫上，不願放棄這個計畫。

消除一組判斷中的偏誤，並無法消除所有的誤差。去除偏誤之後，留下的誤差並不是共有的。這些誤差就是我們不樂見的判斷變異，顯示我們運用在現實的測量工具並不可靠。這種變異就是雜訊。雜訊是原本應該相同的判斷出現的變異。

兩百多年來，均方差一直是科學測量準確性的標準。均方差的主要特點是，它將樣本平均值作為母體平均值的不偏估計量，對正負誤差一視同仁，對大誤差給予不成比例的懲罰。均方差不能反映出判斷誤差的真實代價，而且判斷誤差通常是不對稱的。

然而，專業決策總是需要準確的預測。對一個面臨颶風威脅的城市來說，低估和高估威脅的代價顯然是不同的，然而你可不希望代價的差異會影響氣象學家對颶風風速和路徑的預測。均方差就是做這種預測性判斷的適當標準。這種判斷的目標就是客觀的準確性。

偏誤和雜訊都可以用均方差來獨立衡量，而偏誤和雜訊都是誤差的來源。顯然，偏誤總是不好的，而且減少偏誤總是可以提高準確性。然而，我們比較難直覺的察覺雜訊一樣是不好的，而且減少雜訊也有幫助。即使判斷明顯有偏誤，最佳分散量會是零。當然，我們的目標是把偏誤和雜訊都減少到最小。

正視雜訊的問題

就某些判斷而言，意見分歧非但不成問題，甚至是件好事。意見的多樣性對想法的生成和選擇非常重要。對立的想法是創新的關鍵。相互競爭的新創公司間有策略差異，讓市場選擇出最適合生存的公司。然而，在我們所說的判斷之中，系統雜訊始終是個問題，多得令人驚訝，帶來的損害更是難以計數，這樣的震撼促成我們寫出這本書。

偏誤會導致誤差和不公平，雜訊也是。然而，我們對這點做的很少。判斷錯誤是隨機的時候，我們似乎比較願意容忍，比較不會去找尋原因。儘管如此，損害並不會減少。碰到重要的事情時，如果我們想做出更好的決定，就該正視雜訊的問題，致力於減少雜訊。（本文摘自天下文化出版《雜訊》一書）