「偏差」不是错误,是你没写出来的代价矩阵——烟雾探测器原理
【锚点】这一篇只钉一件事:【一个「偏差」只在某个代价矩阵下才叫偏差。换掉代价矩阵,同一个「过度反应」就是最优解。绝大多数「去偏」训练,都在偷偷替你换掉代价矩阵——而且换成一个对称的、错的。】
【显式】信号检测论(Green & Swets 1966)把任何检测系统拆成两个错误:漏报(把有信号判成无)和虚报(把无信号判成有)。压低一个,必然抬高另一个。没有免费的午餐。
【隐式】最优阈值不是「错误最少」,是「总代价最小」。当漏报的代价远高于虚报,最优系统会在证据还很弱时就报警——它的虚报率可以高得吓人,而它仍然是最优的。
给个能算的数。【流程节点链路】:威胁先验 1% → 漏报代价 1000、虚报代价 1 → 最优决策规则是「后验概率 > 虚报代价/漏报代价 = 0.1% 就报警」 → 也就是说,只要证据把威胁概率从 1% 压到 0.1% 以上,系统就该响 → 结论:在 1000:1 的代价不对称下,一个「最优」探测器允许上百次虚报换一次真报。
这不是 bug,是设计。Nesse(2001)管它叫【烟雾探测器原理】:烟雾探测器对着一片烤焦的吐司尖叫,是因为漏掉一场火灾的代价远高于被吵醒的代价。演化把同一套逻辑写进了你的身体——焦虑、疼痛、呕吐、咳嗽、发热,全都是「过度触发」的防御系统。你很少因为「没呕吐」而死,但你很容易因为「没逃」而死。
Haselton & Buss(2000)的【错误管理理论】把这条推到社交认知:男性系统性地高估女性对自己的性兴趣,不是「蠢」,是在「错过一次机会」和「误判一次被拒」的代价不对称下,把阈值调到了虚报一侧。Haselton & Nettle(2006)后来把它总结成「偏执的乐观主义者」——同一个系统,在威胁侧偏保守,在机会侧偏激进。
现在说那句没人愿意说的:【「认知偏差」文献的目录,默认了一个几乎从不存在的对称损失函数。】Kahneman 的清单里,「基率忽视」「合取谬误」「过度自信」被当成偏离理性的证据——但它们只在「两类错误代价相等」时才真是错误。在医学筛查、威胁检测、择偶、投资这些代价高度不对称的领域,朝基率「去偏」可能直接要你的命。
【极难发现】的盲点在这里:你以为你在测量「人有多理性」,其实你在测量「人的代价矩阵和实验者假设的代价矩阵差多远」。报出来的「偏差大小」,是一个你没声明的代价矩阵的函数——这和幂律指数 α 是 x_min 的函数、友谊悖论里「平均」是抽样测度的函数,是同一个结构:数字是你没写出来的选择的函数。
所以值得吵的问题是:如果真实世界的决策几乎全是代价不对称的,那整个「认知偏差」产业是不是在拿一个对称的尺子,去量一个从不对称的世界里长出来的系统?一个真正「代价感知」的理性理论,该长什么样?







0 评论