简介

精彩点评

• 

  王鑫

  推荐

  值得重新翻译的好书 作者卡尼曼是值得备受尊敬的学者，快90岁高龄，依然执着地汲取当今世界最先进的知识：人工智能，用于扩展他在行为心理学的认知边界，严谨的治学态度，详实的跨领域数据分析，深邃的思想以及富有洞见的研究，在我们看似平常的领域获得超凡的智慧与认知，为改善人类判断提供建议。 但是，非常可惜，如此优秀的著作，中文翻译水平却完全无法与之匹配，在经典著作面前应该有极致敬畏心啊！这里只是列举一些有代表性的例证，来说明中译本中处处存在的不专业且不认真，甚至逻辑上曲解作者原义的内容。还有大量原作并不存在的黑体着重字体，属于牵强作者原义的划重点。 专业性错误： 原文1：对于每一个正态分布来说，大约2/3的预测值都落在偏离平均值正负一个标准差的范围内。本例指的是，约2/3的市场份额落在34%～54%这一范围内。（第5章） As is true for every normal distribution, about two-thirds of the forecasts are contained within one standard deviation on either side of the mean—in this example, between a 34% and a 54% market share. >> 画蛇添足的“约2/3的市场份额落”，说明不懂统计学的置信区间。 原文2：用简单的数学公式表示：我们将噪声定义为误差的标准差，因此噪声的平方就是误差的变异性。变异性的定义是“平方的平均数减去平均数的平方”。既然偏差是平均误差，“平均数的平方”就是偏差的平方。因此：噪声^2=MSE -偏差^2。(注释@第5章) Using some simple algebra: We have defined noise as the standard deviation of errors; therefore noise squared is the variance of errors. The definition of variance is “the mean of the squares minus the square of the mean.” Since the mean error is bias, “the square of the mean” is bias squared. Therefore: Noise^2 = MSE – Bias^2. >> 将variance翻译“变异性”，而不是数学统计学的“方差”。严重曲解原义！ 随意而不严谨: 原文3：道斯将均等权重的公式定义为“非最适线性模型（improper linear model）。他出人意料地发现，这些均等权重模型（equal-weight models）的准确性与合适的回归模型差不多，且远胜于诊断性判断。 连“并非最合适的模型”的支持者也承认，这种说法是不可信的，并且与统计直觉相悖。……(第10章) Dawes labeled the equal-weight formula an improper linear model. His surprising discovery was that these equal-weight models are about as accurate as “proper” regression models, and far superior to clinical judgments. Even the proponents of improper models admit that this claim is implausible and “contrary to statistical intuition.” …… >> 对于“improper linear model”做了翻译不确定的标注，此处生硬的翻译本身存在问题，但紧接着下一句中“improper models”又被强行造出另一个不太相关的词义，这很容易让读者丢失原义。 还有不少反复出现的词汇翻译值得再深入推敲一番： information cascades：信息级联 mechanical prediction：机械性预测 level noise: 水平噪声 pattern noise：模式噪声 illusion of validity：效度错觉 scale: 量表 ……

• 

  元来

  推荐

  >> 噪声就像地下室漏水，它之所以能被容忍，不是因为人们认为它是可接受的，而是因为它一直未被发现。 >> 从某种意义上说，《噪声》一书比《思考，快与慢》更加雄心勃勃。如果说《思考，快与慢》的主要目标是展现和揭示人类行为决策中普遍存在的大量非理性行为及其产生原因的话，那么《噪声》一书则是希望帮助读者意识、识别、分析和减少噪声，从而削弱噪声对完整系统的影响。 ◆ >> 哪里有判断，哪里就有噪声 >> 我们将噪声定义为：判断中不必要存在的变异。偏差是平均的、共有的误差，噪声则是这些误差的变异。 >> 减少噪声的代价就是使决策变得更机械化，这让人难以接受。 >> 关于良好决策，一个得到普遍认可的准则是：不应混淆自己的价值判断和事实。决策需要根据客观、精确的预测性判断做出，这些判断不应受到你的希望与恐惧、偏好与价值取向的影响。 >> 如果你能从别人那里得到独立的意见，那么就去做吧，因为这种真正的群体智慧很可能会提升你的判断水平；如果不能，你可以再次做出判断，以此创造一个“内部群体”。针对后者，你可以采用两种方式：要么隔一段时间再做出第二次判断，要么质疑自己的第一次判断，从另一个角度来看待问题。 >> 最佳判断者具有如下特征：拥有与任务相关的技能、智力以及特定的认知风格——用积极开放性思维来形容这种认知风格最为恰当。 >> 噪声是隐形的敌人，战胜隐形的敌人也只能取得隐形的胜利，但是，就像保持身体健康需要讲卫生一样，决策卫生至关重要。

• 

  小王同学

  推荐

  也是因为内心太浮躁 看到了噪声二字 果断打开了书籍 正是因为科学家的严谨与细心 所以内容超级详细 给人有一种很长的感觉  回头看看书友的评书 总结很到位 就开始偷工减料 跳读 闲暇时 听听书   自我觉得 看看那些点 就可以啦 书中的例子 语言上有科学家的风范 不适应的书友一定看不下去

• 

  朱恒

  推荐

  本书很大一部分内容是基于大量社会现实研究的事实呈现，将很多大家没有思考过的问题分类汇总起来带到读者的面前，说句实话阅读过程中的趣味性不强但却不断引发读者去思考之前并未认真思考的问题。可以说是读起来非常费脑、需要持续运用慢思考的一本书，而且很多问题并没有直接给出答案甚至于到本书结束也没有答案，更多呈现的是作者对于此类问题的思考，问题的背后反应了人类哪些共同的心理以及作者解决此类问题所使用的方法和考虑的因素。读完本书，逐渐理解作者要解的是一个大难题，就是提高人类判断的准确性，读本书之前方程是：目标值/判断值=预测值+偏差+随机性；读完本书后方程是：目标值/判断值=预测值+偏差+噪声+其他随机性。作者将随机性这样人类心理容易很容易理解和接纳的问题进行了放大并把其中由于噪声产生的随机性拿出来思考解决办法，解决了这个问题，随机性对于人类判断带来的影响就大大降低了。噪声和偏差一样，它们无法被消除，只是人类在判断过程中要意识到它的存在并将偏差和噪声控制在合理的水平就好。 综上，作者非常有勇气的掀开了人类的未知，虽然说这种探索在很多年后未必一定是正确的，但是确实是人类将认知心理学应用于经济学、社会学等领域的一大步。在人类的认知心理可以接受偏差的因果关系、容忍随机性带来的较大误差的当下，噪声这个理念被引入去降低随机性对人类判断带来的影响具有划时代的意义。

• 

  酋长

  推荐

  噪声来自人类判断力的缺陷。有决策就会有噪声，减少噪声可以提高决策品质。但消除噪声也有代价。减少噪声既取决于人们从减少噪声中获得的好处，也取决于人们多大意愿承担减少噪声的成本。书中很多观点比较常识，但推荐初学统计的同学看看。

• 

  徐家浩

  推荐

  噪声和偏差在生活中无处不在。可能是朋友的一句话改变了你原有的想法，这是噪声。看完这本书对你的影响，难道不是噪声吗？

• 

  老白

  推荐

  噪声在哪里？ 哪里有判断，哪里就有噪声。噪声的数量和影响远远比我们想象的多。司法判决和保险系统就有大量关于噪声存在的研究。 噪声是什么？ 人类的大脑并不完美，其中同时存在偏差和噪声。 我们在做决策时，关注于方向的正确性，往往忽略了不稳定性带来的影响。 事实上正确的方向与稳定的发挥同等重要，这就是书中所表达概念，误差=偏差+系统噪声。这个公式扩展后为：误差 = 偏差 + 系统噪声（水平噪声 + 模式噪声（稳定的模式噪声 + 情境噪声））。 未来充满不确定性，只要有预测就会有客观无知。预判性判断中，算法模型比人类判断更准确。 我们应该减少省力的“系统1”这种因果思维方式去做决策判断，而要加强在“系统2”统计模式这种系统思维上去努力。 先射箭再画靶只是我们习惯给自己找理由、做解释、自圆其说和逻辑自洽，我们要发现并承认噪声所带来的影响。 噪声为什么存在？ 由于人类个人之间的各种因素的差异、心理偏差、对不同因素的加权和相同量表中的理解差异，导致了噪声的产生。但因为归因偏差、容易事后对事物做出解释等等原因，噪声无处不在却不被重视。 噪声如何处理？ 如果说《思考：快与慢》讲述的是偏差，那边本书《噪声》主要描述关于系统噪声的部分。 噪声是细菌一样隐形的敌人，战胜隐形的敌人只能取得无声的胜利，这是噪声像通过洗手预防细菌一样虽然很重要，但经常被忽视的原因。 书中的决策卫生六原则通过不同行业的案例可以给我们带来操作实践作为参考，让噪声保持在最佳水平。 噪声的消除不但可以提高决策准确性，还能减少歧视。 中国过去几十年的发展一直以效率为重心，在如今越来越讲究公平的情况下，减少和消除噪声是值得所有人去努力的。

• 

  Lima

  推荐

  一本重磅的关于科学决策的著作，不需要深厚的经济学、统计学功底也能读懂，稍微费脑。可以说翻译真的很牛了，顺畅到几乎觉察不到翻译痕迹！至于本书提倡的“用算法大面积取代人类决策”的举措，不明觉厉！

• 

  大脑袋

  推荐

  只是用各种复杂的词汇或者换了个拗口的表达方式不断地在重复解释什么是噪声，其实你会发现“噪声”就是“决策过程中是有各种影响因素”这个现象。书中只是用不同章节换着方法反复告诉你有这个现象，但我个人认为这个现象本身的发现并不神奇和难理解。本书在最后所谓的给出方法避免噪声，也都是一些没有实操性的空洞概念，比如要懂得“事前预防”“事后纠正”。 总之，不推荐。

• 

  安迪

  推荐

  本书的第一作者是现年87岁的著名行为心理学家丹尼尔·卡尼曼。他擅长把心理学研究和经济学研究结合在一起，并在2002年获得了诺贝尔经济学奖。 本书的另外两个作者，一位叫卡斯·桑斯坦，是哈佛大学教授，还曾经担任过奥巴马时期的白宫信息和监管事务办公室主任；另一位叫奥利维尔·西伯尼，是巴黎高等商学院教授，同时也是麦肯锡的高级合伙人。二人都曾跟卡尼曼有过合作研究。  本书指出：哪里有判断，哪里就会有噪声；人们之所以常常会做出错误的判断，在很多时候是因为忽略了“噪声”的影响。这本书正是希望带我们在了解噪声的基础上，减少决策判断中的噪声，“做聪明的决策者”。 核心内容 什么是“噪声”？ 噪声的成分有哪些？ 如何减少决策判断中的噪声？

• 

  sealon

  推荐

  58 噪声（Noise），210910-1001，21天，697分钟，212个笔记📒，#⚡️速读，好看 :-),值得一读 51-70% 8月4日，《思考，快与慢（Thinking, Fast and Slow）》作者丹尼尔·卡尼曼（Daniel Kahneman）新书《Noise: A Flaw in Human Judgment》英文版加入书架，第二天就开启了亚马逊主题阅读计划，至今两个月已阅读19本“亚马逊和贝佐斯”相关的书籍，经网友介绍，正在读第20本——Twilio联创及CEO、亚马逊AWS首批产品经理Jeff Lawson今年1月出品的《Ask Your Developer》。自9月8日9点中文简体版《噪声》上架微信读书，9月10日开始阅读至今3周，因为亚马逊的内容更吸引人，本书的阅读进展缓慢，好在60%以后的内容跟亚马逊高度关联，渐入佳境后完成首次阅读。 为什么在准确性非常重要的场景中，噪声存在的数量依旧大量出现？《噪声》研究的主题是人类判断的错误，要想理解判断中的错误，必须同时理解偏差和噪声。噪声和偏差主要分布为四种现象：正常无噪偏、噪声（随机分布）、偏差（系统性偏差）和噪偏共存。本书六个章节分别讲以下内容：#01 洞悉噪声（噪声），从公、私两个领域了解噪声和偏差，通过✅引入“噪声审查”（noise audit）衡量决策中的分歧。#02 量化判断（判断），判断的本质和衡量的方法，判断受偏差和噪声影响，两者在影响结果方面惊人一致。#03 客观无知（预测），预测性判断和影响决策质量的“客观无知”，通过✅保持无知和客观，提升决策质量。#04 生噪缘由（起因），产生噪音的四个原因：1）由各种因素引起的不同个体之间的差异；2）个性和认知风格的差异；3）对不同因素进行加权时思考角度的差异；4）人们在使用相同的量表时出现的理解差异。#05 降噪工具🧰（决策和评估），书中提及两个降噪工具：卫生💊决策和中介评估。关于保持决策卫生的清洁性，书中提供了包括不太可靠的医学诊断、绩效评估、司法鉴定、招聘决策以及一般性预测五个案例。#06 噪声水平（降噪），噪声水平分为三种状态：有限降噪（不完全消除）、无法降噪（降噪成本高）、无益降噪（不利于竞争），三位作者建议从公、私两个方面进行噪声审查，以严肃的态度付出努力💪来尽量减少噪音。 “噪声”关注环境不确定和信息不完备的情况下做决策可能犯的错误及错误来源，想起视频平台Up主“西北小豆”采访“大叔”时的一个分析，为啥A股混乱🤪，因为不披露或不完全披露，前者好理解，不完全披露是啥？大叔举例，说有个公司公布“捡到一根绳”，并不说“这绳牵着一头牛”，这就是不完全披露，违背了完整性原则。人们判断失误的原因就是样本数量和质量有误🦑，也就是噪音和偏差影响决策。记住这个口号：“真、准、完、及”，就是充分披露的四条原则：真实、准确、完整和及时。（via 《上市公司信息披露管理办法》） “噪声的存在本身并不令人惊讶，如果说某个问题涉及判断，意味着我们允许存在分歧，甚至期望分歧的存在”。这个观点恰恰体现了“People trade because they disagree”，《噪声》虽然属于心理学、行为经济学范畴，但卡尼曼的数学背景让本书更具分量。很遗憾，书里涉及到数学或计算的部分，我的都是蒙过去的。 人们愿意相信世界就是他们看到的样子，更愿意相信别人跟自己看到的一样。这好比水中月🌛和镜🪞中花🌹，“你缺什么，就会想看到什么；你是什么，你就会看到什么”。为啥你更倾向看到你想看到的？因为没人喜欢未知，喜欢挑战。人类基因决定大家都会寻求舒适、安逸、平和的环境，所以人们会天然的给环境评级。最高评级的就是自己熟悉的环境，接着是臆想中的理想环境，第二种往往难以获得，这时眼睛👀和大脑🧠就开始发挥作用了，眼睛👁️把看到“真实”的信息💻传输给大脑，然后按着“禀赋效应”算法加工成有利的内容再返回给眼睛来确保“眼见所得”。我们理解的环境和世就是这么被构建的，然而人们总容易忽视更多的情况，有大量他们想不到、看不到，甚至不愿想、不愿看到的情况围绕身边。所以，在关键决策的时刻有必要审视自己是不是那个“井底之蛙🐸”？ 在面试的场景中，作者提到再次评估或延缓评估有助于决策。这让我想到，信徒总会遇到这样那样的问题，也会听人说各种可能，于是就问佛陀该怎么办？比方说，有人不信佛，有人不认可佛的教诲，有人不真相信佛菩萨显灵。这个时候，佛陀说，是不是可以假设“它”存在。假设“这种存在”的可能性，就是一个高深莫测的智慧，当我们不理解或遇到未知感到恐惧时就会停止思考“可能性”，这是源自古老的基因🧬。此时如果打破常规（常识）多换一个角度看问题想办法对我们提高决策质量、解决眼前问题可能产生莫大帮助。回到决策评估，你可以自己决策，也可以寻求帮助，自己决策时可以延迟结论、重复评估或者隔一段时间（比如三周，有啥依据？）再判断，甚至不妨试试换个角度寻找解决之道。各派宗教的智慧也好，现在科学🔬的研究成果也罢，宗旨皆在帮助人认识自己（和世界）、了解自己、与自己和解。 人们做决策会受情绪影响，这正是噪声之源，卡尼曼教授给读者提供了不少建议和工具，比如：“独立决策”、保持决策环境卫生等。不客气🙅‍♂️的说，这并非“真正”的解决之道。为什么这么说，因为学佛、禅修、冥想🧘‍♀️，或者静心也可以达成目标，先静心在“分别”。别误会，我要说的，分别并非佛学教导的“不二”或“分别心”，而是要区分行为和影响行为的因素，当然，你得在静下心来的时候才更容易识别哪些是行为哪些是条件。就好比这些影响因素（下雨☔️、撞车🚗）在特定条件（水平、模式和情景信息💻处理方式）被处理（收集、加工、分析这些信息）最终输出（分析结果，经加工计算后的知识）。这么做，不是说要拒绝或否认情绪，而是要先识别情绪，再区分情绪和行为，最后单独决策，不是跟别人比，单独决策，而是区分情绪后，单独决策。至于决策，那可算是另一个高深的话题了。 关于书中提及的招聘建议，亚马逊也可以做为一个有效的学习案例。《Working Backwards》里就提到亚马逊招聘会用到“独立评价”，他们建议面试官先独立评价，然后再综合会议，要求面试官在结束面试后详细写清楚为什么雇佣或拒绝这个人。管高级别的招聘官会影响最终决策，亚马逊还是建议大家公开讨论后再做决策，可以根据的更全面的信息调整沟通前的决定。还有一个独立的关键“把关人”，来为高门槛招聘提供保障。就前亚马逊的毕业生🎓而言，可以看出该举措应该能有效降噪。亚马逊的招聘文化，尤其是对候选人的评价令人印象深刻，这些都可以在亚马逊前高管的书中《亚马逊方法》、《Working Backwards》和《用户经营飞轮》里找到。 最后，“一旦意识到了噪声的存在，你就可以减少噪声，并减小其危害”，正如冥想🧘‍♀️，当你发现走神时就进入觉察状态了，这就是冥想🧘‍♂️体验的初级表现。“无论你何时发现噪声，你都需要想尽办法减少它”。这不就是查理·芒格、段永平多次推崇的“做对的事情”吗？发现错的事情的时候要马上停止，不管多大的代价都是最小的代价。（via 《段永平投资问答录（商业/投资篇）》）

• 

  孙瀛剑

  推荐

  无愧经济诺奖得主，将晦涩的统计原理用生活中常见的司法、医学、人力资源表现出来，奠基式的用了噪声这个概念。解释了人类决策不如算法的原因，且差距和现实中的量化模型极为相似。这才是大师，擅长从司空见惯中找出科学规律。

• 

  SL3-Allen

  推荐

  《最简单也最困难的事》——华莱士 生活中有太多我们不假思考的瞬间，有些时候，无伤大雅，但更多地情况是，因为没有意识到噪声的存在，小的偏差累积到最后，最终造成了不可挽回的局面。每个人，都是自己生活的承受者，如果有机会让我们的决定更加客观公正，何乐不为？我们做决策（决定）的时候，我们的系统2并不一定参与其中，当我们的系统2参与其中的时候，我们的思考不一定是客观公正的。学会认识噪声，减少偏差，可以让我们更加客观公正地对待工作，生活，和围绕在自己身边的方方面面。理性的人，认识噪声，可以防止自己变得偏执。感性的人，认识噪声，避免噪声，或许也就不容易冲动行事。 这一本书，可以教会我们避免感情用事，又不显得冷漠刻薄，何乐不为？

• 

  托尼zhou

  推荐

  什么是噪声，噪声就是我们对判断同一事物的不同差异。打个比方，面对同一个病人，不同的医生因受各自不同的影响会判断这个病人的病情有不同的差异一样，因此容易让我们偏离真实值而影响准确率。 影响人们判断的噪声有，水平噪声（不同个体平均判断上的变异性），情景噪声（我们当时做判断所处的环境，温度，心情也会影响我们的判断)，模式噪声（我们的与生俱来的生活行为模式和文化价值观也会影响我们的判断表现）。 面对这个世界，事物未来会怎么样演绎，我们其实客观无知的，因此我们在做某些判断时，提高我们判断的准确性，需要避免不必要噪声，我们可以引用外部视角和以下原则来做判断:1判断的目的在于准确性，不在于个性化表达。2使用统计思维，采用外部视角审视个案。3对判断进行结构化，将其分解成几个独立的任务。4抵制不成熟的直觉。5获取多位判断者的独立判断，再考虑汇总这些判断。6用相对判断和相对量表会更好。

• 

  Mia

  推荐

  诺贝尔经济学家得主的最新力作，这让我觉得这本书看完之后没有看懂，是我的问题[捂脸][捂脸][捂脸]