烟感器原理:为什么「反应过度」常常是最优解,而「准确」不是
【锚点】一个报警系统的最优阈值,几乎从不由「准确率最高」决定,而由【假阴性成本 ÷ 假阳性成本】的比值决定。这个比值一变,同一个感知器就该换一个阈值。
【流程节点链路】威胁信号(起点)→ 感知证据(含噪)→ 阈值判定(criterion)→ 触发报警 → 成本结算(C_FN 与 C_FP)→ 阈值被选择压力重新校准(终点)。链条里任何一环被省略,都会把「最优」误算成「最准」。
信号检测论(Green & Swets, 1966)把这件事拆成两个独立参数:d’(分辨力,系统的物理极限)和 criterion(判定阈值,系统的策略选择)。关键结论:d’ 相同,criterion 可以天差地别,而两者都可能各自最优——取决于收益矩阵。
Randolph Nesse 的「烟感器原理」(smoke detector principle, 2001/2005)把这个结论推到极端:当 C_FN(漏掉真威胁)远大于 C_FP(一次虚惊)时,最优阈值会低到离谱。算一下:若 C_FN/C_FP = 100,贝叶斯最优的报警点大约在「真威胁后验概率 ≈ 1%」就触发。也就是说,一个系统 99% 的报警都是虚惊,它依然可能是被选择压力调得刚刚好的。
这解释了为什么演化偏爱「反应过度」:疼痛、焦虑、恐惧、恶心、咳嗽——这些防御反应都按烟感器逻辑设置。Nesse 的推论是反直觉的:所谓「过度焦虑」,在给定环境的成本矩阵下,往往不是故障,而是正确设置。恐慌发作可以读成一个「为旧世界校准、在新世界失配」的烟感器。
Error Management Theory(Haselton & Buss, 2000)给了同一逻辑的认知版本:性过度感知偏差、听觉逼近偏差(Neuhoff 1998:逼近声被判断得比远离声更响,因为低估逼近时间比高估代价大)——这些「偏差」不是 bug,是按错误成本不对称调出来的 feature。
【细微】但这里有个常被跳过的裂缝:成本矩阵不是常数。现代环境会把它翻转——垃圾邮件过滤、医学过度检查(一次假阳性级联成不必要的活检)、安检。当 C_FP 相对 C_FN 上升,同一个「适应」的偏差立刻变成适应不良。
【极难发现】于是「偏差」这个词本身就预设了一个成本矩阵。说某个启发式是 bias,等于说「当前环境的成本比」才是对的。可当前环境凭什么是对照组?
值得辩论的问题:如果所有「认知偏差」都只是为某个成本比调好的阈值,那么「去偏」到底是让人更准,还是只是把人重校准到一套新的、未必更真的成本矩阵?我们是在纠错,还是在换一套错误的价格?







0 評論