把直覺外包給AI做決策真的可行嗎?利與弊一次看|《直覺鍛鍊》
在人工智慧逐漸滲透生活的時代,我們的思考與學習能力也面臨新的挑戰。AI能幫助我們追蹤偏見、修正錯誤決策,甚至提醒我們避免衝動行為。但同時,把決策過度外包給AI,可能讓我們的「生物直覺」逐漸退化。透過《直覺鍛鍊》提出的科學方法,我們能更好地理解直覺與人工智慧的關係,找到一種平衡...
在人工智慧逐漸滲透生活的時代,我們的思考與學習能力也面臨新的挑戰。AI能幫助我們追蹤偏見、修正錯誤決策,甚至提醒我們避免衝動行為。但同時,把決策過度外包給AI,可能讓我們的「生物直覺」逐漸退化。透過《直覺鍛鍊》提出的科學方法,我們能更好地理解直覺與人工智慧的關係,找到一種平衡...
退休後,很多人反而因為金錢、家庭和健康而感到更焦慮。理財作家嫺人在《有錢到老後》中提醒我們,不必事事追求完美,也不必跟別人比較,而是學會在有限的資源與時間裡,做出最智慧的選擇,享受每一次旅行、每一段陪伴,讓人生變得更自在、有溫度。
康納曼在《快思慢想》中,以艾沈費爾特把民間的製酒知識轉換為公式,來預測酒的價錢為例,探討為什麼專家會輸給演算法?有時候我們考慮的因素太多反而干擾我們做出更正確的判斷。
圖片來源:unsplash,CC0 Licensed.
品酒的人一般都同意,酒的品質只受到葡萄成長期間和氣候的影響(這是假設釀酒技術不變),最好的酒是出自溫暖又乾燥的夏天所長出來的葡萄,所以地球暖化對波多製酒業是有利的。
但是春天的潮濕也很重要,因為它會增加葡萄的量而不會影響葡萄的品質。艾沈費爾特把民間的製酒知識轉換為公式,來預測酒的價錢。他針對某一個葡萄園、某一年份的酒,採用三個氣候變項:夏天生長季節的平均溫度、收成時的雨量,以及前一年冬天的總雨量。他的公式提供了正確的價格預測,不但可以預測未來好幾年,甚至預測未來好幾十年。的確,他的公式預測未來的價格比目前新酒價格更準確。這個「米爾型態」(Meehl pattern)的新例子挑戰了專家的能力,這些專家不是別人,正是塑造先前價格的那一批人。它同時也挑戰了經濟學的理論,因為理論說價格應該反映所有的資訊,包括氣候在內。艾沈費爾特的公式非常的準確─他的預測和實際價格之間的相關是.90 以上。
為什麼專家會輸給演算法?米爾認為其中一個理由是專家想耍聰明,考慮範圍超越了變數的範圍,太複雜就失去了準頭。複雜度在特殊個案中可能有效,但是常常得不償失,失去了效度,把因素簡單綜合起來考慮有時效果更好。米爾認為只有在很少的情況,你應該用你的判斷去替代公式的判斷。在一個有名的思考實驗中,他預測某一個人今晚會不會去看電影。他說,假如更多訊息進來顯示這個人今天跌斷了腿,那麼這時可以不管公式怎麼說。
另一個專家不及公式的原因是人們從複雜的資訊中,做出總結判斷常常是不可救藥的不一致。當我們請同一個人評估同一個訊息兩次時,常常得出不一樣的答案,這個不一致性有時會出人命。檢視41個不同研究對查帳會計師、病理學家、心理學家、企業經理和其他專家判斷信度的評估,發現不一致性的程度很普遍,即使同一個案子在幾分鐘內再評估一遍,出來的答案也不一樣。一個沒有信度的判斷是不可能成為任何東西有效的預測的。
這個不一致的普遍性可能是來自系統一極端的仰賴內容。我們從促發效應的研究中知道,在環境中,沒有被注意到的刺激對我們的思想和行為也會有很大的影響,這個影響是每一分鐘都在變動的。在炎熱的夏天,一陣涼風吹過會使你比較正向、樂觀一點,這時,你對正在評估的東西分數就會高一點。因為你其實不知道大腦在做什麼,所以你永遠不知道在稍微一點點不同的環境中,你會做出不同的判斷或決定。公式就沒有這個問題。輸入同樣的資訊,會有同樣的答案出來。當預測度很低時─在米爾和後來的學者所做的文獻回顧中,發現這情形很普遍─不一致的判斷會破壞任何預測的效度。
這個研究有一個非常令人驚異的結論:為了要達到最大預測正確度,最後的決定應該留給公式去做,尤其在低效度情境下。
專家去評估一個還沒有成熟的葡萄酒,預測它未來的價格,他手邊的訊息幾乎一定使這酒被評得更糟而不是更好:他們可以品嚐這個酒。此外,當然,即使他們很了解氣候對酒的效度,他們也不可能像公式一樣,維持一致性。
➢【書籍資訊】《快思慢想(新版)》
➢【延伸閱讀】快思慢想》當執政者、醫生等權威患有「馬後炮偏見」,社會將付出多代價?