错误的偏见
这种对偏见的赞美相当惊人。毕竟在日常生活的语言中,“偏见”一词有着非常负面的含义,这也事出有因。偏见似乎会不可避免地导致各种不平等待遇和歧视。然而,我们需要认识到,知识哲学与知识的使用之间有着本质上的区别。
在探讨这个关键问题之前,我们可以回忆一下,许多偏见是非贝叶斯的,意即它们并不是通过贝叶斯公式(的近似)得到的。其中大量偏见甚至与概率定理相悖。我们已经见识过了,即使是最伟大的数学家也有无法正确应用贝叶斯公式的时候,哪怕他面对的情况相当简单。我们的偏见都没有坚实的基础,如果没有花上长时间思索偏见的来源的话就更是如此。
在推理中反复出现的漏洞之一就是贝叶斯置信度语境的缺失。比如说,有些西方电影和电视剧展现亚洲人不会开车的刻板印象。好笑的是,人们居然可以提出理由去相信这种刻板印象。比如,在有些亚洲国家,并不是人人都喜欢驾驶汽车,因为那里的交通十分拥挤,骑轻便摩托车或者搭公交车出行或许更方便。所以,比起汽车至上的美国人来说,认为亚洲人开车没那么好,似乎也有道理。然而,如果考虑某位在西方国家成长的亚洲人(比如我自己),他与美国人的驾驶水平差距就远远没那么明显,甚至基本不存在。没有语境和质疑,概率检验就出问题。
同样,任职于瑞士洛桑、纳沙泰尔和日内瓦等地大学的犯罪学与刑法教授安德烈·库恩认为,外国人的犯罪率更高。如果我让纯粹贝叶斯主义者考虑一位法国人和一位外国人,她对这位外国人犯罪的置信度会比对法国人犯罪的置信度稍微高一点。然而,如果我现在告诉她,两人都是年轻男性,社会经济地位不高,那么安德烈·库恩表示,纯粹贝叶斯主义者现在对两人犯罪的置信度应该相仿。实际上,纯粹贝叶斯主义者对外国人犯罪的置信度稍微更高的原因主要是,外国人年轻、性别男且社会经济地位不高的概率更大,这正是犯罪风险的三个主要因素。然而,一旦我们将两个人放入适当的语境,对纯粹贝叶斯主义者来说,他们到底是法国人还是外国人,对两人各自犯罪的置信度的影响就微不足道了 [13]。
一般来说,我们更喜欢描述、发表和阅读类似“ 导致 ”的因果关系。用概率术语来说,这相当于说 远远大于 9 非 。然而,这种一般化的说法一般来说并不适用于每个个体。这是因为每个个体 都有各种各样的特征 将他与一般而言的个体 区别开来。适用于这个个体的数值就不是 ,而是 。然而,这两个数值可能天差地别。典型的例子就是身体质量指数(BMI),它可以用于有效地描述不同的人群,但是它对于特定个体不一定有着决定性的意义 [14]。当然,问题在于对 所有可能的情况列出对应的 的话,那这样的事情就登不上报纸头条了。
9我们会在第 13 章看到,这并不完全是费希尔认为“ 导致 ”这句话包含的意义,但上面的批评意见对于费希尔的定义仍然适用。
更糟糕的是,这种因果关系在实际中的意义可能相当有限。的确,通常最有意义的问题是,如果某个人 去做某事 的话,是否有可能得到 。然而,如果将“特地去做 ”记为 的话,那么 跟 并不是一回事。举个经典例子,进行肌肉锻炼的人可以举起重物,但你如果接受一场他们的训练,那么有可能之后一段时间什么也举不起来了!所以,要对个体 提出有用的建议,最重要的数值是 ,而不是 。不幸的是,对 的估计通常要比 困难得多,比 更是难到不知哪里去了!
众多偏见并不正确的另一原因,是为了更新置信度而进行的观察结果之中的偏差。这本质上还是语境的问题。我们必须意识到,这些观察结果同样被语境所影响,而且也许并不能代表其他语境中类似的观察结果。当我跟一位导游说我是个数学研究者的时候,他的回答让我大跌眼镜:“但是……你也不是很老啊!”很奇怪的一点在于,人们对数学研究者最普遍的印象就是蓄着胡子的智者。然而,正如我在纠正他时说的那样:“那些老数学家也有年轻的时候。”我无须严格的证明就说服了他。
然而,过分短视的推广、对次要特征的过度解读以及描述中的偏差,只是我们的偏见不准确的成千上万个原因之中的一小部分。除此以外,还有其他广为人知的认知偏差,比如确认偏差、认知失调以及认知捷径导致的偏差。值得一提的是,偏见不准确的重要原因之一就是它们通常建立在口耳相传而不是经验数据之上。与依赖基于贝叶斯公式的计算(哪怕只是近似)相比,我们的置信度通常更依赖喜爱与敬佩之情,这种情感来自尝试说服我们的那些人的魅力、修辞和形象。
人们常常指责贝叶斯主义者,说他们能选择不同偏见来扭曲他们的结论。的确,对于任何可能的结论,都存在可以得出这个结论的偏见。我愿意承认这一点。在各执一词的疯狂支持者之间的辩论中,他们唯一的目标就是胜利,而贝叶斯主义的方法的确难以辩护。如果你的目的是说服并赢得最多人的青睐,我会首先推荐你看看修辞、“标题党”和挑衅的艺术 [15],还要(几乎)完全忘记一切知识哲学。一阶逻辑并不能让你收集到更多签名或者拥有更多话语权。
在对经济效益重大的企业产品进行测试(比如评测、撞击测试或者质量认证)时,刚才的问题也同样关键。在这些情况中,人们更青睐简单、明确的流程。然而合适的偏见通常极端复杂,难以建模、描述或理解。不幸的是,测试流程的可阐释性通常与贝叶斯主义的基础并不兼容。
虽说如此,如果在交谈时,你与对方的首要目的都是更好地理解这个世界,即使这可能要用到你不喜欢的模型,那么我认为一开始必须做的就是明确双方的偏见,然后尝试解释这些偏见的来源。只有当这些偏见足够清晰,变得足够符合贝叶斯主义时,你们才能稳步前进,应用贝叶斯公式以逐步逼近更好的理论。
简而言之,我们的偏见在本质上都不符合贝叶斯主义,但错误偏见的存在绝对不能证明贝叶斯式偏见并非必要。这样做就相当于因为没有人能理解逆否命题而弃用演绎逻辑。