21. 直觉判断与公式运算，孰优孰劣？——算法的胜利

本章探讨了一个经典的心理学争论：在预测和决策时，是依赖专家的临床直觉（Clinical Prediction）更准确，还是依赖简单的统计公式（Statistical Prediction）更有效？结论是：在低效度、高不确定性的环境中，简单的运算公式通常胜过专家的判断。

一、 米尔的发现：专家的挫败

心理学家保罗·米尔在他那本引起轰动的“小书”中回顾了20项研究，比较了经过训练的专业人士的主观预测与简单的统计公式预测。

• 结果：在预测学业成绩、假释违规、飞行员训练成功率等领域，简单的统计公式（仅基于少数几个变量）在准确性上胜过或至少等同于专家的临床判断。
• 现状：经过50多年的后续研究（约200篇报告），这一结论依然成立。约 60% 的研究显示运算更准确，其余显示两者相当。至今没有令人信服的反例。

二、 为什么公式比专家强？

1. 专家的过度自信与复杂化
专家往往试图跳出框框，考虑各种复杂的交互因素。虽然这种复杂思考偶尔能捕捉到特殊情况（如断腿原则），但在大多数情况下，它反而降低了预测的准确性。简单地将特征整合在一起通常效果更好。

2. 专家判断的不一致性

• 不可靠性：让同一位专家对同一案例进行两次评估，结果往往存在显著偏差（如放射科医生对同一片子的判断偏差可达 20%）。
• 原因：系统1对环境中的微小变化（如天气、心情、上一顿饭的时间）非常敏感。这些无关因素会随机影响专家的判断，而公式永远是输入不变输出也不变。

3. 简单的等权公式
心理学家罗宾·道斯发现，甚至不需要复杂的回归分析，只需选定几个有效的预测变量并赋予相等的权重，就能得到极佳的预测效果。

• 婚姻稳定性公式：做爱的频率 – 争吵的频率。
• 阿普加评分（Apgar Score）：通过简单的5个变量（心率、呼吸等）评分，极大地降低了新生儿死亡率。

三、 专家的抵触与伦理困境

尽管证据确凿，但专家们对算法持有强烈的抵触情绪。

• 波尔多酒案例：经济学家阿申菲尔特通过简单的天气公式准确预测了葡萄酒价格，却遭到品酒专家的嘲笑和愤怒。
• 道德取向：人们更能容忍人为错误，而对算法导致的错误（如因公式失误导致婴儿死亡）感到极度悲痛和愤怒。

四、 如何结合直觉与公式？

作者在以色列军队建立面试系统时，通过一项创新实验找到了平衡点：

1. 结构化面试
将整体评估分解为 6个 独立的个性特征（如责任心、社交能力）。针对每个特征设计标准化问题，并独立打分，避免光环效应。

2. “闭上眼睛”的直觉
在完成所有客观评分后，要求面试官“闭上眼睛”，凭直觉给出一个整体评分。
结果：这种受过客观信息约束的直觉判断，准确率竟然与公式相当，且远高于之前的无结构面试。

结论与建议：
在做招聘或其他复杂决策时：

1. 制定标准：选定几个关键的先决条件。
2. 独立评分：针对每个条件收集信息并独立打分，避免光环效应。
3. 相信公式：汇总得分，优先考虑得分最高者。
4. 保留直觉：在严格执行上述步骤后，可以参考一下“闭眼”后的直觉，但不要轻易推翻公式的结论。不要简单地相信直觉，也不要完全抛弃它，而是要用结构化的方法来约束它。