“磚家叫獸”們為什麼常常“不靠譜”？_風聞

科學決策系列第九篇：我活得好好的，為什麼要聽專家的？

1/5

為什麼專家變“磚家”

幾年前，媒體曝出過“把工業明膠當食用明膠添加”的事件。一個電視談話節目中，一位食品專家嘉賓信誓旦旦説，工業明膠絕對不可能做出果凍的品相。可當場有記者放出親身暗訪的鏡頭，地下工場用工業明膠做出外形以假亂真的果凍來。

應該是這位專家的經驗落後於科技發展了，但他的表現很有趣：雖然睜大了眼睛，但始終面帶微笑，嘴裏説“不可能的，這個不可能的”。

2008年金融危機時，美國有個麥道夫的“龐氏騙局”被揭穿，手段其實很老套，募集新投資者的錢來償還老投資者，但涉案金額巨大，而且受騙者都是各界名人，其中居然有一位專家中的專家——美聯儲前主席、大名鼎鼎的格林斯潘。

專家也會在自己熟悉的領域犯錯，這一點大家都能理解。但網絡時代的專家名聲真的是江河日下，變成了“磚家”和“叫獸”，遠遠超過了“名人效應”所能解釋的範疇。

為什麼這些“磚家”常常讓人覺得很不靠譜呢？到底是專家本身的問題，還是普通人自己的問題？

2/5

到底是誰不靠譜？

有一次在網上看到視頻，某地因液化氣泄露造成失火，但奇怪的是，消防隊的高壓水龍頭雖然開着，卻全部澆在大火周圍，根本不像是在滅火。於是下面就有網友大罵消防隊不專業，水龍頭都壓不準。

其實這才是專業方法，氣體泄露失火在沒有找到泄露點前，必須要留着火頭，把氣體消耗光了，水龍頭澆在起火點周圍是為了降温防止爆炸。

網絡時代的一個特點是有大量現場的照片和視頻，信息透明看起來是好事，但問題是，普通人生活中大多靠直覺判斷——直覺的好處是速度快，消耗大腦資源比較少，用來對付日常工作生活瑣事綽綽有餘，可一旦遇上了非專業領域，跟我們想象的不一樣，跟影視劇裏不一樣，就很容易出現“直覺性偏差”。

而專家在自己的領域內，用的是基於邏輯的科學分析，繞過了吃瓜羣眾的直覺判斷盲區，反而讓普通人誤解“專家不靠譜”。

比如有一個統計，生活條件越好的地方，癌症患者的比例反而越大。這個數據難免讓普通人覺得是在胡説八道，但在專家看來卻很好理解，與癌症最相關的因素不是生活質量，而是年齡，超過50歲，得病率直線上升，而生活質量高地方必然人均壽命長。

在專業領域內產生錯覺的另一個原因，很多專業領域內的數字是有欺騙性的，偏偏大部分普通人都不擅長數學，或者懶得算一下。

很多人去做一種叫“低劑量螺旋CT”的早期肺癌篩查，因為這種檢測特異性和靈敏度都是99％，也就是説，有病的人99％會被查出來，而沒病的人99％也會被排除。聽起來很不錯吧？

可是，醫學博士、科普作家“菠蘿”在他的《癌症真相:醫生也在讀》一書中認為，就算這個數據是真的，普通人也沒必要做，除非是幾十年的老煙槍這種高風險人羣。

讓我們來跟“菠蘿”一起做個簡單的算術題：

假設10萬個人做測試，有多少人會被查出有問題？

第一部分，有病查出有病的人數：假設肺癌得病率為千分之一，那麼10萬人實際上是有100人生病的，99%的被查出，就是查出99個人。

第二部分，沒病查出有病的人數：剩下的99900個實際上沒病的人，因為1%的誤診，就是999個人誤診出癌症。

最後，求出誤診率：被檢出999+99=1098個有問題的人中，其實有999個人是誤診，被誤診的概率高達91%.。

而實際上，很多醫生都認為這個篩查的特異性和靈敏度只有90％，那麼誤診率就高達98.3％！再考慮到這種檢查的高輻射對人體的影響，非高風險人羣做檢測是得不償失的。

假如你是其中的一個，虛驚一場後，你一定會大罵“磚家”不靠譜，但真正不靠譜的是你的數學水平，還有玩數字遊戲的推銷員。

3/5

專家忽視了人性的弱點

不過，在上面的案例中，你可能會想，沒有癌症診斷出癌症還好啦，重點是——有癌症的人，99%都能診斷出來。

這正是專家和普通人看法分歧的第二個原因，專家站在第三者的角度分析，忽視了人性的弱點，反而給人一種站着説話不腰疼的感覺，而普通人如果有切身利益關係，感受就完全不同。

假如你午飯去吃20元的套餐，一個同事告訴你，他有一張滿40減20元的優惠券，20元剛好買兩份，但他有個條件——他只想付1塊錢！

從理性的角度分析，你應該接受，相當於你只付了19元，還是賺到了。但事實上，你十有八九會斷然拒絕——憑什麼啊，我就算是多付一塊元，也不願接受如此不公平的分配方式。

現實中典型的例子是“該不該判人販子死刑”的網絡大討論。

專家的想法很有邏輯，第一、如果販賣兒童有可能被判死刑，那麼人販子就會傾向於在逃避追捕中，置兒童的性命於不顧，反正都是一死；第二、大量司法實踐證明，加大刑罰力度不會降低犯罪率。

這個邏輯大部分人其實都能理解，可就是感情上無法接受。而且對於很多人而言，子女被拐賣的痛苦並不亞於喪子之痛。

如果説上面的例子中，普通人反對專家，僅僅為了尋求一種情感宣泄，那麼在下面的例子裏，普通人往往明知自己不理性，也要堅持。

還是以醫生為例，假如某重症有兩種治療方案，A方案成功率50%，另外50%沒有任何變化，B方案成功率高達90%，但有5%的風險立刻死在手術枱上。

作為醫生，站在第三者的立場上，肯定覺得B方案更好，手術當然少不了風險。但患者就不一定了，5%的死亡風險，對於絕大部分人而言，還是太高了。

這就是行為經濟學上説的“大部分人都是風險厭惡者”，為了避免死亡、破產一類的“絕對風險”，寧可放棄“風險收益比”更好的方案。

所以作為專業人士的醫生，不僅要懂醫學，更要懂人心。美國醫學院入學考試從2012年開始，加入了大量人文內容；哥倫比亞大學醫學院甚至把“小説閲讀與討論”作為必修課，就是希望未來醫生們不但能作診斷，還能與病人溝通，讓病人理解自己的病情，作出更好的決定。

4/5

專家的盲區：極小概率事件

前面説的例子都是普通人的問題，要麼不科學，要麼不理性，好像專家永遠不會犯錯。當然並非如此，專家最熟悉的專業領域，正是他們的盲區所在。

美國有個議員，上班途中因超速被警察攔下，結果被關進了精神病院，費了老大的勁才被弄出來。媒體報道之後，輿論譁然，紛紛指責警察濫用職權。

但實際上，這件事沒那麼簡單。這個議員是女性，又是一位黑人，女黑人議員在當時是很少見的。最要命的是此人為了證明自己確有急事，説自己馬上要跟總統會面（實情如此）。

設身處地地想一想，如果你是一位攔超速的警察，結果下來一女黑人自稱自己是議員，情緒激動地滿口胡勒勒説自己馬上要見總統，你會不會懷疑她有精神病？

專業人士也會被直覺誤導，因為他們有一套處理突發事件的程序，一些被認為基本不會發生的極小概率事件，常常會被解釋成其他出現概率更高的原因，專家的自信又讓他們比普通人更容易在這裏犯錯。

最典型的案例是“美國長期資本倒閉事件”。

這是一家對沖基金，創始成員中有兩位諾獎得主和一位前美聯儲副主席。這些人可不是來撐門面的，他們建立基金的目的就是為了驗證自己提出的“高槓杆加固定收益套利模型”的獲利能力。這個經過數學計算驗證過的模型果然非常有效，運作的前四年的回報率平均超過40%，一下子和老牌的索羅斯量子基金一起躋身為“全球四大對沖基金”。

更牛逼的是，長期資本幾乎沒有大的回撤——可這正是問題所在。任何一個贏利模式都是有缺點的，要麼回撤大、要麼回報低、要麼市場機會少，你想，如果這個模型真的能長期有效，那十幾年下來，世界上所有的財富豈不是全部歸他們所有了？

問題事後才浮出水面，這個模型的有效性是建立在忽略極小概率事件的基礎上的，而這四年，金融市場剛好風平浪靜；而盈利又建立在超高槓杆之上，為未來埋下禍胎。

長期資本在第五年就等來了它的“極小概率事件”——1998年的俄羅斯債券違約事件。誰也不會想到，昔日的霸主竟然會債券違約，短短150天，“長期資本”鉅虧，並此發了一場波及全球金融市場的大地震。

俄羅斯債券違約被長期資本認為是“100億年才會出現一次的事件”，實際上，後來的二十年，類似的危機至少發生過兩次。所以，“極小概率事件”並不能僅僅用數學去判斷，它本身具有不確定性，忽視它們，往往會導致嚴重後果。

專家們忽視“極小概率事件”，還有一個原因：如果考慮這些因素，做事情的成本可能會高的驚人，預算可能永遠通不過。福島核反應堆就是一個慘痛的例子。

過去45年間，福島最大的地震是8.0級，所以日本人就按8.5級的防震標準來建造核反應堆。而事實上福島在過去很可能發生過9級地震，而這個信息被專業人士“當成極小概率事件”無視了，最終造成巨大的災難。

5/5

別對答案太在乎

無論是普通人，還是專家，思維上都有自己的盲區。普通人的盲區是“過於依賴自己的直覺”，專家的盲區是“過於相信自己的理性和經驗”。

這兩種思維盲區的產生，又有一個共同的特點：兩類人都過於在乎現在就得到一個答案——因為專家如果沒有這個答案，他們很可能什麼事都做不了，普通人如果不立刻得出答案，日常決策成本可能高得驚人。

這就導致我們把全部注意力集中在那些最有可能發生的結果上，而忽略了其他的可能。

——食品添加劑的專家覺得把工業明膠做成食用明膠很難，就忽略了技術的進步；

——普通人太希望找到一個準確率很高的癌症早期篩查方法，忽略了數字本身的意義，

——福島的核專家太希望證明這裏可以建核電站，忽略了小概率事件的不確定性……

上學時，我們都有做選擇題的經驗：不能因為一個選項看起來是正確的，就不看其他選項。這個經驗在日常生活工作的決策中同樣重要。

（本文為科學決策系列第九篇）

職場學習類微信公眾號：人神共奮（ID：tongyipaocha)