“建議專家不要建議”為什么是對的？
“建議專家不要建議”為什么是對的？
“建議專家不要建議”為什么是對的？
過去的這個周末，人教版教材問題持續發酵，專家和機構的公信力再一次遭遇危機。
這讓我們聯想起兩周前，有一句話反復上了熱搜，叫“建議專家不要建議”。
當時就有媒體分析網友為什么不待見專家，大多數談的都是“公共話題”這一類方向。
網友對專家不買賬，一方面是認為“專家站著說話不腰疼”，給建議不接地氣，當然另一種情況是，如果專家本身“屁股就坐歪了”，那民眾不但不能相信，還要問責。
不過以上都屬于專家的主觀層面，我們要說的，是一個“建議專家不要建議”的客觀依據：
就算你對專家不感冒，這個結論也多少有點反直覺，下面我們還是舉一個招聘的例子。
想象你是一個校長，你們學校要招一位行政主管，現在有兩位候選人，在此之前，兩位候選人經過了層層面試，前幾輪的面試官分別從5個維度給兩位候選打了分（10分滿分），以下是他們各項得到的平均分：
候選A：領導力7分，表達能力6分，人際交往7分，業務技能8分，自我激勵8分
候選B：領導力8分，表達能力10分，人際交往6分，業務技能5分，自我激勵5分
請問校長，您覺得應該要誰呢？
我們大概可以總結三種比較的思路：
1、最簡單粗暴的，把每個人五項的分數再平均一次，在這里A是7.2分，B是6.8分，所以要A。
2、往深想一層，A好像各方面能力比較平均，而B有一個明顯的長處，就是表達能力，10分是什么概念，就是前面所有面試過他的人都給了滿分，行政崗位，溝通表達能力是不是要比業務技能重要？如果是，那應該選B。
3、再往深想一層，表達能力是重要，可是有多重要呢，比業務技能重要一倍？兩倍？所以是不是應該結合一些數據，對這五個指標做加權平均，這樣算出來的結果才更科學吧？
按照我們一般人的判斷，這三種思路，“思路1”好像是最不講道理的，所以是一個最差的策略，但真正的結論是：
剛才我們說的，候選A和候選B的案例來自一項真實的研究，其中“思路2”（也就是重視表達能力）這個臨床判斷，是眾多專家模型中比較典型的一款。
結果是，一群專業的心理學家，各自做了預測模型，但這個結果和實際工作表現之間的相關系數，只有0.15，這意味著專家的判斷跟扔硬幣效果差不多。
這個研究并不是孤例。早在2000年，有人曾綜合調查過136項研究，包括了各式各樣的預測主題，比如黃疸病的診斷、服兵役的適應性、婚姻的滿意度等等比較復雜的判斷，結果是：
其中63項機械判斷更準確，65項是機械判斷和臨床判斷同樣好，而只有8項是臨床判斷更好。
這里我們還沒有計算決策的成本問題，機械判斷顯然比臨床判斷快得多，而且根本不需要請專家，可謂省時省力省錢。
還是開頭的例子，為什么專家不會同意簡單的取平均分方法呢？因為專家認為這太一刀切了。
比如我們都聽過，有的數學天才，從小就是迷戀數學，但是英語非常差，如果取平均分，那這種數學天才肯定上不了大學了，我們不應該僅僅因為英語不好就抹殺一個天才，對嗎？
但是請注意，毛病恰恰出在這里——
開頭例子里的候選B，表達得分是滿分10分，這真的說明他是一個表達天才嗎？在只有兩個候選人的情況下，其中一個人表達得到了10分，這個10分只能被看做是一個“比較級”，而很可能不是“最高級”，這種情況下押寶在一項指標上，很冒險，并不靠譜。
更有可能的情況是：你以為的特殊情況，只不過是一般情況，你給自以為的特殊情況打了滿分，這個分數虛高的可能性，要大于他真的值一個滿分。
所以“英語差的數學天才”，這個故事模型也是經不起實操的，極少數真正的天才，的確可以通過自主招生之類的方式被錄取，但99.99%的學生不可能走這條路——
你以為自己是個數學天才，其實放到最頂級的那群人中間，可能又相形見絀了，所以想考好大學，請盡量把各科分數都提上去。這本身就是最公平的選拔方式。
我們來總結一下，機械判斷和臨床判斷的區別到底是什么：
機械判斷的不足是，好像抹殺了一些“特殊情況”，缺少“微妙考慮”，但研究結果告訴我們，這些所謂微妙考慮帶來的收益，不如那些噪聲的破壞力大。
機械模型，沒有喜怒哀樂，哪怕用非常簡單的甚至不合理的模型（比如在開頭例子中，隨機選一個打分項作為高權重），最后也有77%的概率比專家們強。
實際上，用“機械判斷”，而不是遇事就請教專家，上世紀50年代就有例子。
1953年，麻醉學家阿普加就設計了一個判斷新生兒是否健康的模型，也叫阿普加評分（Apgar Scale），一共五個指標：
膚色、心率、刺激反應、肌肉張力、呼吸
然后，醫生對每一項進行打分，可以打0分、1分或2分，比如膚色，全身是粉紅色給2分，四肢有青紫色給1分，全身青紫色給0分。
最后只需要把5項得分簡單相加就行，不需要加權平均。這個模型滿分是10分，只要嬰兒總分達到7分，就是健康，4-6分，不太健康，0-3分，需要立刻采取急救措施。
現代醫學對癌癥的篩查，也都有類似的評分系統，這種分幾個維度的判斷簡單易行，相對不受醫生經驗和水平的影響，事實證明準確率很高。
比如在醫院，大部分診斷還是醫生的臨床診斷，而不是真的用了模型，而像開頭說的招聘場景，或者公司要不要開啟一個新的項目，類似這樣的決策，“打分法”好像并沒有被嚴肅的采納過。
這里除了增加就業機會的社會學意義之外（真的都用打分法很多人就要下崗了），還有一個非常重要的原因：
試想，如果人類判斷錯了（事實上專家們幾乎天天都在犯錯），我們雖然會吐槽，但終究覺得這是正常情況，因為人本來就會犯錯；但是如果機械模型錯了，或者說算法錯了，哪怕就錯一兩次，我們就會產生質疑，可能再也不敢用了。
這有點像現在的自動駕駛技術。在可以預見的將來，自動駕駛發生事故的概率，一定會比人類司機要低，這是一定的，但是我們內心能容忍人類的事故，卻不太能容忍自動駕駛因為程序問題而出事（特斯拉肯定同意這個說法）。
換句話說，我們認為犯錯是人類的特權，但機器就不應該犯錯。
從這個意義上說，雖然我們“建議專家不要建議”，可是真到了讓機器讓模型給建議的地步，我們也難免會遲疑。
最后也許我們沒有聽專家的，卻聽了親戚、鄰居或者校友的建議（但這些人的建議也并不比專家強），這大概也是一種難以克服的人性——
前面講了那么多，到頭來你也不敢真的相信機器和模型。
比如孩子高考之后填報志愿，全家人在幾所高校和幾個專業之間舉棋不定，很多人在這個時候會選擇請教親朋好友：只要我請教的這個人日常表現很靠譜，那么他的建議應該也靠譜吧？
有沒有比這更好的決策方法呢？也許這時你需要一個“無情的機器”。
它能——
機不可失，為了孩子人生中最重要的決定，趕緊行動吧！
相關文章
發表評論
暫時沒有評論，來搶沙發吧~