【內文試閱】
預期之外的世界
我們對於世界的預期，是從自身經驗所衍生出的預測與直覺。你的手機的自動完成功能，是使用人類語言常見字序的模型，猜測你接下來要輸入什麼字。我們也是依據累積的經驗，形成一個世界模型，就能更準確預測近期可能發生的事。預測是人理解事物的關鍵。明明如此重要，我們卻往往沒發現，預測其實會深深影響我們對世界的解讀。即使是察覺到移動的物體這樣簡單的事情，也需要預測才能完成。大腦需要時間處理我們看見的光，所以我們感覺到的「現在」發生的事情，其實比「現在」延遲了幾百分之一秒。若是不想被車子撞，那需要掌握的並不是車子剛剛在哪裡，而是現在在哪裡，以及稍後會在哪裡。但等到掌握所需的視覺資訊，就來不及了，所以大腦必須使用類似「自動完成」的功能，預測車子稍後所在的位置。人面對移動物體的經驗豐富，而且向來就知道物體不會突然出現，也不會突然不見，因此可以建立一個有效的預測模型。要預測複雜得多，更久以後的行為、決策與行動，也是依循同樣的原則。
我們對於動作的預測若是出錯，就會被撞。對世界將會發生的事情的預測出錯，就會感到意外。而一旦感到意外，自然就會懷疑，但經驗若是符合預測，通常就不會質疑。人不能什麼都懷疑。同樣的道理，若是什麼都接受，就無法理解這個世界。我們必須做出預測。從經驗歸納出預期，再據此解讀所遇見的事物，而預期通常能讓人專注在重要的資訊上。
有時候，我們因為預測成真而感到高興，卻容易陷入確認偏誤（confirmation bias）。存心推銷的人就會利用確認偏誤這個弱點，刻意將「產品」塑造成我們想要，也符合我們預期的樣子。精明的騙子知道漢娜．鄂蘭（Hannah Arendt）說得對：「謊言往往比現實看起來真實多了，也更為合理，因為騙子握有巨大的優勢，能事先得知觀眾想聽見，也預期會聽見的東西。」
要避免犯CBS在小布希報導所犯的錯誤，就要問自己一個有些矛盾的問題：「這跟我預測的一樣嗎？」如果答案是「是，這跟我預測的一模一樣」，那就代表你應該確認得更多，而不是更少。確認的方法之一，是假設你的預期與實際發生的完全相反。CBS的記者看到伯克特提供的文件，若是認為小布希不會逃避應盡的職責，也許就較有可能質疑備忘錄的來源。若是以這種方式檢視支持先前想法的證據與論點，就會發現這些證據與論點往往站不住腳。
不過要假裝相信你並不相信的東西，其實很困難。另外還有一種方法，源自軍方與情報界，最近應用在科學界，就是邀集同僚擔任「紅隊」，負責抓出你思考的錯誤之處。美國中央情報局在建議歐巴馬總統發動2011年那場最終擊斃賓拉登的襲擊行動之前，選擇了多年來並未參與追捕賓拉登行動的四位情報分析師，挑戰中情局「賓拉登住在巴基斯坦阿伯塔巴德的一處院落」的結論。四位分析師評估其他三種假設的合理性，這三種假設都研判賓拉登不在院落裡。他們尋找這三種假設成立的理由，仍然認為賓拉登在院落的機率為40至60％。「紅隊」最終的結論，與中情局的研判類似。紅隊質疑的聲浪若是較大，這起行動很有可能就不會發生。
（摘自〈02 預測：做好感到意外的心理準備〉）
問題與遁辭
你了解決策太有「效率」可能會有的負面效應，也逐漸發現提問的機會，但也許你還是不知道該問些什麼。最實用的問題，應該是與當前的情況有關，也能揭露更多先前沒注意到的門。在本書第一部的最後，我們要討論幾乎在任何情況下都很實用的問題。據說律師除非已經知道問題的答案，否則不應問證人問題，所以我們先看看可能會得到的答案類型。
我們常犯了把答非所問當成真正答案的毛病，要小心這種傾向。政治人物是答非所問的高手。他們指望聽的一方接受這個答案，或是誤以為這就是真正的答案。兩位心理學家陶德．羅傑斯（Todd Rogers）以及麥可．諾頓（Michael Norton）表示，很多人通常不會發覺政治人物答非所問。只要對方閃避的言詞很有技巧，而且至少與問題的主題稍有相關，很少人會發現自己被騙。
有些答非所問的答案含有「安慰劑資訊」，意思是說這種答案感覺好像解決了我們的顧慮，但其實並沒有。舉個例子，柯林頓說「我與那個女人並沒有性關係」，感覺像是個答案，但他所謂「性關係」的定義可以有各種解讀，所以他其實沒有明確否認某種行為。按照禮貌與有效率溝通的標準，一個人回答問題所說的話，無論說的是什麼，都應該是一個完整的回答。所以我們有時會將含糊其詞，甚至空洞的回答，當成有意義的回答。當記者的當然很清楚這個問題，有時會用「這是不否認的否認」之類的話予以反擊，拆穿對方。
我們可以學會察覺常見的答非所問的答案，就是很多人會使用的「庫存」答案，意在阻止別人繼續問下去。這樣的答案不見得是刻意欺騙，但若聽見了，就該知道應該追問，才能得到更多資訊。以下是幾種讓人尷尬的答案。
「已經經過驗證。」
在科學上，所謂「驗證」，意思是一項工具、量表、測驗或其他方法經過仔細研究，證實的確具有其所宣稱的量測功能。要量測憂鬱症，使用經過驗證的量表，會比使用沒經過驗證的量表更理想。但說這句話的人，多半並不清楚驗證的定義究竟是什麼。他們要是知道，就會向你說明驗證過程，而不是僅僅宣稱已有驗證。有些人所謂的「驗證過」，往往只是使用過的意思，甚至使用的方式都不見得一致。我們應該追問：「經過驗證的證明在哪裡？」
「這份名單能證明我們的說法。」
兜售有問題的產品的人或企業，喜歡抬出知名組織、專家，或是科學刊物為自己背書，但仔細探究往往就會發現，響亮的名單本身就值得懷疑。研發血液檢驗設備的可疑新創公司 Theranos 謊稱，大型製藥公司已經「仔細驗證」（呃……）他們的技術，甚至沒有經過那幾家公司同意，就擅自將那些公司的商標印在自家報告上。另外還有一群設計精美的網站列出幾十項研究，宣稱能證明伊維菌素（Ivermectin）這種藥物確實能治療新冠肺炎，但網站列舉的研究多半設計不佳、執行不良，或是有其他可疑之處。看到一長串的名單，在深信不疑之前，應該想想名單上的人、公司，或是研究，是否真能為對方的言論背書。
「嚴謹、堅實、透明……」
這些字眼都是沒有拿出具體證據，就自稱有品質。類似的字眼還可以寫出一大串。當聽見有人說「嚴謹的流程」，就該請對方仔細說明整個流程，而且除非有明確證據，否則應該先假設過程不嚴謹。聽見別人說「我們很透明」，就該想想他們為何不以實際行動展現透明，而是吹噓自己透明。
「（沉默以對）……」
有時候問了問題，得到的答覆是鬼扯，或是搪塞，但被置之不理的次數，才是多到驚人。若是問了問題卻得不到答案，或是感到對方太過閃避，就應該鼓起勇氣離去。有些投資人眼看 Theranos 不願回答他們眾多詳細的問題，就乾脆決定不投資。也有一些投資人向馬多夫提問，覺得他對於自己的經營狀況閃爍其辭，因此決定不投資。
（摘自〈04 效率：多問一些問題〉）
穩定成長
任何合法的投資工具，都離不開虧損的風險。不願承受虧損風險的人，就有可能湧向馬多夫推出的產品：每年報酬率的波動範圍很小，一律是正報酬，沒有一年是負報酬。正如新病毒能攻破現有的免疫機制，馬多夫的騙局，能騙到那些知道該避開保證超高報酬的陷阱（例如 BitConnect 與 Celsius），卻仍然相信能獲得長期穩定正報酬的人。財經記者黛安娜．亨利克（Diana Henriques）的著作《謊言教父馬多夫》（The Wizard of Lies）對於馬多夫的騙局描寫最為詳盡。她認為馬多夫騙局是改良版的龐氏騙局。她告訴我們，很多投資馬多夫基金的專業投資人「認為一年賺進至少8％的獲利，而且完全零風險，是他們的天賦人權」，而且馬多夫若是想將報酬率弄得真實一點，也就是偶爾低於8％，這些客戶就不滿。
馬多夫騙局之所以激增，原因除了我們不喜歡風險與虧損之外，也關乎我們對於一致性的偏好的另一個層面：我們不理解，也無端討厭一致性的相反，亦即「雜訊」。在這個情境，「雜訊」的意思是任何複雜過程的隨機層面。季節由冬入春，氣溫並不會每天升高一度。棒球隊不會每一場比賽得分都相同。股價每一天、每一週，甚至每個十年都有可能劇烈波動。在一個交易日，一家公司最高與最低的平均價值，相差將近2％。簡言之，真實世界的真實資料充滿了雜訊。但即使是專家，往往也會相信沒有雜訊才代表是真實的，甚至當成一件好事。
我們的一位同僚，最近與幾個投資經理人團隊進行一項研究。他給他們看一張圖表，內容是馬多夫的避險基金在垮台之前多年來的績效表現，並與另外三檔避險基金，以及整體市場的績效互相比較。不過四檔基金在圖表上的名稱都是假名。這位同僚問這些投資經理人，會用公司的錢投資哪一檔基金？馬多夫避險基金在圖表上的走勢，當然比其他幾個平順得多，但即使是這些專業投資人，也偏愛馬多夫的避險基金，沒有一位反對。僅僅幾年前，他們所處的金融業才在熱議馬多夫不可思議的高報酬率，但他們還是逃不開一致性這個強而有力的陷阱。
將不一致看成一種警訊，其實也有道理。嫌犯每次接受審訊的說詞若是都不一致，就有可能在說謊。商業大亨到了要繳資產稅的時候，就對政府說自己的資產價值不高，等到想申請低利貸款，就向銀行把自己資產的價值誇大了好幾倍，想必也是在說謊。遇到不同的聽眾，就改換立場的政治人物，對贏得選舉的興趣，可能高於制定良好的公共政策的興趣。但也不能將不一致一律視為好事。我們常常誤以為，強大的領導者應該永遠不會改變自己的信念。一旦調整政策，就會被對手抨擊為「出爾反爾」、「圖謀私利」。傑出的領導者，會願意隨著事實變化，調整自己的想法。依據新出現的證據，調整自己的信念，其實是一種理性的行為。
（摘自〈05 一致性：懂得雜訊的價值〉）
這些不會顯示四
在切割前，先量兩次，是很好的建議，但所用的設備若是根本量不出要測量的東西，那量兩次也沒用。說來令人意外，人竟然經常被自己的衡量標準或衡量工具的極限所騙。1986年，車諾比的核反應器爆炸，隨即陷入一片混亂，現場幾台劑量計顯示每小時劑量只有3.6侖琴，還不到必須疏散當地居民的標準。但這幾台劑量計所能呈現的最高數值，就是3.6，官方發布的數值也就是3.6。在核災時期使用這樣的設備，就好比用廚房秤量自己的體重，再宣稱已達成減重目標。寶貴的時間就這樣白白流失。後來更好的設備送到，顯示有熔毀的可能，這時要控制核災的難度已經大增，減輕核災要付出的成本也更高。
車諾比的問題，是所謂的錯誤否定（false negative），亦即明明有問題，測量法卻再三告訴我們沒問題。當時的人誤以為，劑量計所顯示的低數值，就代表輻射風險很低。若一項裝置給出精確的答案，而我們不知道該裝置的極限，就要特別留心錯誤否定的風險。舉個例子，無論是新冠肺炎的新增病例，或是癌症復發，總之所有醫學檢驗報告，形容結果為「陰性」正確用詞，都是「未檢出」而非「不存在」，因為檢驗無法檢出微小的病毒量，也無法檢出癌症初期不明顯的徵兆。既然沒有靈敏度高達百分之百的檢驗，就不可能證明某個東西完全不存在，所以不該做出「不存在」的結論。檢驗的靈敏度若是不足以檢出感染（例如若是最近才感染，體內的病毒量太少，無法檢出），那還是有已經感染的可能性。
新冠疫情剛暴發的那幾個月，情況相當緊急，所以還有許多無力顧及現有工具的精準度與極限的例子。舉個例子，英國政府的新冠確診病例統計，並未納入2020年9月25日至10月2日這一週檢出的15,84例陽性個案。因此英國人民無從得知，與先前數週相比，確診個案增加了多少。校正後的數字，足以讓平坦的趨勢線變為向上飆升。這個問題並不只是一時疏忽，而是量測工具出了問題。英格蘭公共衛生部（Public Health England）蒐集負責進行檢測的私營公司的檢測結果紀錄檔，自動併入 Excel 模板，再傳送給包括國民保健署（National Health Service）在內的各機構。不過這些檔案使用的是舊版的 Microsoft Excel.xls 格式，最多只能輸入65,536列資料（目前的版本是 .xlsx 格式，最多可輸入1,047,856列資料）。試算表的資料量一旦達到極限，就無法再增加新的檢測結果。確診個案的總數，被 Excel 自己的3.6侖琴，也就是自己的資料列數的上限限制住。真正的確診個案總數，遠高於 Excel 試算表所示。
（摘自〈07 精準：以正確的標準衡量〉）
2024專利防護中