前三篇，我们聊了噪声长什么样、你的大脑是一把不完美的尺子、以及预测未来的判断里藏着多少噪声。
但还有一个更根本的问题没解决：噪声到底是从哪儿来的？
为什么两个同样专业、同样经验、同样掌握全部信息的专家，面对同一个问题，会得出截然不同的结论？为什么同一个人，上午和下午的判断会不一样？
今天，我们进入第四部分：噪声是如何产生的。
读完之后我才明白一件事：那些你以为“很合理”的判断，其实是被一系列你看不见的心理机制推着走的——而你根本意识不到它们在推你。
一、先做一个诚实的自我检查：你的判断，真的是“判断”吗？
回想一下你最近做过的一个判断——比如给一个候选人打分、评估一个方案的风险、决定要不要投资某个项目。
你当时是不是觉得“我是在仔细分析之后得出这个结论的”？
好。那现在问自己一个问题：你在做这个判断的时候，用的是“认真分析”，还是“凭感觉”下的结论？
如果答案是后者——或者“两者都有”——那恭喜你，你跟大多数人一样。我们大部分判断，其实都是快速、自动、凭直觉完成的。而正是这种“凭直觉”，把噪声悄悄地塞进了你的判断里。
二、噪声的源头：那些你意识不到的“快捷方式”
第四部分的核心，是揭示噪声的深层心理来源。
书中指出，噪声与偏差一样，源自人类思维的“快捷启发式” 。当判断者在相似情境下反复使用这些启发式时，会形成可测量的方向性误差和随机波动。
什么意思？
我们的大脑为了省力，发展出了一套“快捷方式”——遇到问题时不重新思考，而是调用已有的模式快速给出答案。这套“快捷方式”在大多数情况下够用，但在需要精确判断的场景里，它会把无关因素当作线索，把随机波动当作信号。
而卡尼曼著名的“系统1与系统2”理论，在这里派上了用场。
系统1是快速、自动、直觉的——你边开车边聊天，靠的就是系统1。它依赖情感、记忆和经验迅速作出判断。大部分时候它很好用，但在关键判断中，它会引入噪声。
系统2是缓慢、审慎、逻辑的——做决策时参考客观数据，靠的就是系统2。只有激活系统2，才能部分抑制系统1带来的噪声。
但问题是：系统2很懒。 除非你刻意调用它，否则它不会主动工作。而系统1一直在运行，一直在给你“答案”。
三、量表与匹配：你用错尺子了，量出来的当然不对
第四部分还有一个让我特别有启发的分析：量表的选择，会放大噪声。
书中指出，选择模糊或不合适的量表，会让判断者把无关因素当作线索，从而放大噪声。
这是什么意思？
比如你让面试官给候选人打分，量表是“1-10分”。但“7分”到底是什么意思？是“还不错”还是“很好”？不同人对“7分”的理解完全不一样。有人给7分是因为“这个人还行”，有人给7分是因为“这个人已经很好了，但我不给满分”。
同样的分数，不同的含义。这就是噪声。
书中给出的解决方案是：采用相对判断、直接比较和精炼量表，可以显著降低因标尺定义不清带来的随机误差。
比如不要问“这个候选人打几分”，而是问“这个候选人和上一个比，谁更好？”相对判断比绝对判断更稳定，因为它减少了“每个人对尺子理解不同”带来的噪声。
四、模式噪声：你以为是“专业判断”，其实只是“个人偏好”
第四部分还深入分析了模式噪声的构成。
模式噪声可以分为两种：
稳定的模式噪声——每个人在长期稳定的“反应模式”中会表现出系统性差异。比如你总是对“说话大声的人”打分偏低，这不是因为你针对谁，而是因为你有一个稳定的模式。
情境噪声——情境变化带来的额外波动。比如你刚吃完午饭、心情好，打分就偏高；你下午累了、烦躁，打分就偏低。
书中给出了一组让我震惊的数据：稳定的模式噪声，几乎是水平噪声的4倍。
什么意思？就是：你以为是“专业判断”的东西，其实大部分是“个人偏好”在起作用。 你跟别人的差异，不是因为谁更专业、谁更理性，而是因为你们的“模式”不一样——你对某种类型特别敏感，他对另一种类型特别敏感。
五、联邦法官案例：当208位法官对同一个案子给出16种答案
第四部分用了一个非常经典的案例来说明噪声的分解与治理——美国联邦法官判决研究。
1981年，研究人员设计了16起虚构案件，让全美208名联邦法官独立做出判决。这些案件包含了详细的案情描述和被告信息。
结果呢？
-
法官们只对3起案件一致同意判处监禁
-
在一起诈骗案中，平均刑期8.5年，最长的建议是终身监禁
-
另一起案件中，平均刑期1.1年，最长的建议是15年
-
在一起入室盗窃案中，建议刑期从5年有期徒刑到仅监禁30天并处100美元罚款不等
-
在一起非法持有大麻案中，一些法官建议监禁，一些法官建议缓刑
你可能会想：“这些案子是不是很复杂？”
但问题是：这些案件是精心设计的“标准化案例”，只包含与判决相关的信息，没有无关干扰。
即便如此，随机两名法官对同一案件的平均刑期差异，仍然超过了3.5年。而所有案件的平均刑期是7年。
7年的平均刑期，3.5年的随机差异——这意味着什么？
意味着判决的一部分，本质上是在“抽签”。你被判多久，很大程度上取决于你遇到了谁——而这个人自己可能都没意识到他在被噪声影响。
书中进一步指出，即便平均结果看似准确，个体裁决仍可能因噪声而大相径庭。水平噪声（整体偏向）较易发现，而交互性噪声（不同决策者之间的差异）往往被忽视，却是误差的主要来源。
六、底层逻辑：为什么噪声这么难发现？
读完这一部分，我试着把“噪声为什么这么难发现”的底层逻辑梳理出来：
第一层逻辑：我们习惯把所有错误都归咎于“偏差”。
书中有一句话让我印象很深：“将所有不好的结果都归咎于偏差，是毫无价值的解释” 。我们太习惯说“他有偏见”“我被带偏了”——但偏差只是误差的一部分。把一切都归咎于偏差，就像把所有的噪音都归咎于收音机频道没调对，却忽略了信号本身在波动。
第二层逻辑：偏差是“图形”，噪声是“背景”。
书中用了一个非常精妙的比喻：偏差是引人注目的图形，而噪声是不受我们关注的背景。偏差整齐、有方向、容易被看见；噪声随机、无规律、容易被忽略。但正是那些被忽略的背景，往往在悄悄决定你的判断质量。
第三层逻辑：我们看不见自己的“模式”。
你对自己的“模式”完全无感——你不知道自己对某种类型特别敏感，因为你从来没有对比过“如果是别人来判断，会得出什么结论”。没有对比，就没有噪声。
写在最后：噪声不可怕，可怕的是你不知道它在
第四部分读完之后，我最大的改变，是不再把“我的判断”和“事实”混为一谈。
我以前觉得“我判断完了，结论就是这样”。现在我知道：那只是“我的判断”，不是“事实”。换个时间、换个状态、换个人，结论可能完全不同。而那个不同，不是谁对谁错——只是噪声在起作用。
书中有一个公式贯穿了整本书：
误差 = 偏差 + 系统噪声 系统噪声 = 水平噪声 + 模式噪声 模式噪声 = 情境噪声 + 稳定的模式噪声
这不是一个需要记住的公式。它是一个提醒：你的每一次判断，都在被这些看不见的力量推着走。
而你能做的，不是消除它们——你做不到。你能做的是：看见它们，承认它们，然后在关键判断时，刻意放慢一点，调用你的系统2，问自己一句：
“如果换一个时间、换一个状态、换一个人，结论还会一样吗？”
如果答案是“不知道”——那这个判断，可能还需要再想一想。
下一篇，我们会进入第五部分，直面一个问题：怎么减少噪声？
我们下一篇见。
关键词标签： #噪声 #丹尼尔卡尼曼 #噪声如何产生 #系统1系统2 #模式噪声 #水平噪声 #情境噪声 #联邦法官 #决策质量 #行为经济学 #读书笔记 #好书精读 #智读致用
相关阅读：智读致用《噪声》04｜你的“我敢肯定”，可能只是噪声在说话
智读致用《噪声》03｜你的大脑是一把不完美的尺子——先承认它，再校准它
