保守主义偏差

一览

1. 快速摘要

当我们遇到应该改变想法的新信息时，我们并没有像逻辑上应该的那样去更新信念。我们看到了证据，承认它指向某个方向，可是大脑却像陷进了泥沼，在应该大幅调整的时候只做轻微的调整。这并不是我们拒绝改变；我们改变得太慢、太少，就好像先前的信念产生了一种引力，削弱了新现实的冲击力。

2. 科学原理

2.1. 发现与历史

保守主义偏差是由心理学家沃德·爱德华兹（Ward Edwards）在20世纪60年代心理学从行为主义向认知革命过渡期间首次分离并正式命名的。爱德华兹开创了一个名为“作为直觉统计学家的人”的研究项目，旨在根据概率论（特别是贝叶斯定理）的规范基准来测试人类的推理能力。

关键的见解来自于比较：人类实际如何更新信念，与数学上根据贝叶斯概率应该如何更新信念。爱德华兹发现了一个一致的模式：人类会正确识别证据指向的方向，但会大幅低估其强度。正如爱德华兹和他的同事所指出的著名结论那样，“意见的改变是非常有规律的，而且通常与贝叶斯定理的数字成正比——但改变的数量是不充分的。”

随着时间的推移，我们的理解已经从简单地将其视为一种“错误”，演变为认识到它可能具有适应性功能。现代神经科学已将其重新定性为可能是在嘈杂世界中提供认知稳定性的“特征”，尽管当环境急剧变化时它可能变得不适应。

2.2. 主要研究者

2.3. 里程碑研究

书包与扑克牌筹码实验 (Edwards, 1968; Phillips & Edwards, 1966)

这个极其简单的范式成为了决策科学中的“果蝇”，它剥离背景、情感和先前的偏见，以分离概率推理的原始过程。

协议（Protocol）： 受试者面前有两个装有扑克筹码的袋子：

• A袋：700个红筹码，300个蓝筹码（70%红色）
• B袋：300个红筹码，700个蓝筹码（30%红色）

通过抛掷公平的硬币来选择一个袋子（确立50/50的先验概率）。实验者随机抽出筹码，并在抽出后放回，宣布颜色。受试者被要求估算所选袋子是A袋的概率。

贝叶斯计算： 在观察到8个红筹码和4个蓝筹码（净多出4个红色）之后，似然比计算得出约为29.6:1。一个理性的贝叶斯主体应该有97%的把握确信该袋子主要是红色的。

人类实验结果： 受试者一致估算的概率大约在0.70到0.80之间，而不是数学上正确的0.97。爱德华兹量化了这种惊人的差距，指出通常需要“两到五次观察才能达到一次观察在人类心智中应有的作用”。

变体与鲁棒性测试：

• 样本量效应： 受试者在第一组数据上表现出的保守性最低，随着数据的积累，他们变得越来越保守。也就是说，信息越多，处理能力反而越差。
• 反应模式测试： 要求提供赔率而不是概率可以减少但无法消除保守主义。
• 平稳性控制： 即使实验者明确保证袋子里的东西不会改变，这种偏差依然存在。

盈余公告后的漂移研究 (Ball & Brown, 1968及后续重复实验)

这项金融研究证明了保守主义在涉及数十亿美元的现实金融市场中的运作。

发现： 当公司宣布超出预期的盈利时，股票价格不会立刻跃升至正确的新价值。相反，价格表现出立即的部分反应，然后在之后的60多天里继续向着意外的方向漂移。

含义： 投资者锚定在先前的估值上，更新并不充分，造成了市场效率低下的窗口。利用这种漂移的交易策略持续产生超额收益，本质上就是拿集体的认知惯性来赚钱。

2.4. 神经学基础

现代神经科学提出了“嘈杂的贝叶斯推断”模型来在神经层面上解释保守主义。

核心机制： 神经计算具有固有的噪声，生物神经元的放电不像数字那样精确。如果大脑执行“完全的”贝叶斯更新，这种噪声将被放大，导致不稳定、不规律的信念。

适应性反应： 大脑采用了一种保守的更新策略，把传入的感官信息当作不如其实际那么精确的信息来处理。这防止了内部模型在面对神经静电时出现剧烈跳跃。

涉及的脑区： 前额叶皮层（执行功能、信念维持）、前扣带回皮层（冲突监测、错误检测）和基底神经节（动作选择、习惯形成）似乎在维持这种稳定性-准确性权衡中相互作用。

结果： 大脑为了稳定性牺牲了准确性。这是一种以稳健性为目标的元认知策略，但在行为上表现为保守主义偏差：我们被设计成抵制信念的快速改变。

3. 进化起源

保守主义偏差可能是作为我们祖先心智中一种稳定机制发展而来的。考虑一下相反的情况：一个随着每条新信息充分更新信念的心智将是极其危险且不稳定的。

认知惯性的生存优势：

• 抵御噪音： 我们的祖先生活在充满模糊信号的环境中，树叶沙沙作响可能是风，也可能是捕食者。如果心智对每一个信号都反应过度，将会把大量能量浪费在虚假警报上。

• 保护来之不易的知识： 关于哪些植物可食用、哪里有水源以及哪些领地危险的信念是通过代价高昂的经验积累起来的。快速更新可能会因为误导性的一次性观察而抹除这些宝贵的知识。

• 社会稳定性： 对盟友和敌人信念的快速改变将使社会合作变得不可能。我们在评估他人时的一些“粘性”使得稳定的关系和联盟成为可能。

• 节约能量： 大脑消耗了我们大约20%的能量。不断充分重新计算信念在代谢上会非常昂贵。保守主义作为一种认知捷径而存在。

权衡： 当以下情况发生时，这种偏差具有适应性：(1) 大多数信号是嘈杂的，(2) 环境变化缓慢，以及 (3) 犯错的成本不是灾难性的。然而，当发生相位转移时，也就是地面真相突然急剧改变而我们仍然锚定在旧现实时，它就会变得不适应了。

4. 这种偏差如何表现

4.1. 在日常生活中

• 关系评估： 即使在朋友和伴侣多次表现出不可靠的行为之后，我们对他们的最初好感仍会维持比证据所证明的更长的时间。

• 第一印象： 对人的初步判断被证明具有惊人的粘性。与我们第一印象相矛盾的新信息会被打折扣。

• 新闻消费： 当我们遇到挑战我们世界观的新闻时，我们吸收了标题，但未能成比例地更新我们对问题的理解。

• 个人预测： 在收到我们的估算错误的反馈后，我们会进行调整，但调整的幅度低于错误本身理性上所能证明的幅度。

• 习惯改变： 即使有明确的证据表明某种行为（节食、锻炼计划、时间管理系统）不起作用，我们也很慢才会完全放弃它。

4.2. 在职场中

• 绩效评估： 经理对员工形成早期印象后，随后的证据很难将其推翻。头一个月的磕磕绊绊可能会给员工带来多年的阴影。

• 项目评估： 当一个项目显示出明显的失败迹象时，团队通常会承认存在问题，但并未充分调整他们的完工估算和成功概率。

• 战略转型： 组织认识到市场状况已经改变，但采取的是渐进式的调整，而不是相应的战略转移。

• 招聘决策： 面试的印象被证明极其抗拒基于背景调查或工作样本的更新。

• 会议共识： 一旦一个团队似乎倾向于某个决定，随后的矛盾信息就无法成比例地改变集体的立场。

4.3. 在商业和营销中

• 品牌忠诚度持久性： 尽管有证据表明有更好的替代品，消费者仍保持品牌偏好。公司通过专注于成为“第一”来确立地位，从而利用这一点。

• 定价锚： 初始价格确立了期望，即使有新的定价信息，这种期望依然存在，最初的数字起到了引力中心的作用。

• 产品分类： 一旦消费者在心理上对某个产品进行分类，关于其功能的新信息就很难改变这种分类。

• “亏本引流”策略： 零售商指望保守的更新——打折的商品会给顾客创造良好的印象，即使出现正常价格时这种印象也不会完全被修正。

• 订阅模式： 公司利用我们的保守性，使得取消订阅需要主动更新我们的现状。

4.4. 在政治和媒体中

• 党派持久性： 选民承认有关他们首选候选人的负面信息，但支持水平的调整远低于这些信息所对应的程度。

• 政策立场： 公民根据新数据更新他们对政策的看法，但不充分，这就解释了为什么尽管有新证据，政策辩论似乎常常停滞不前。

• 媒体叙事： 一旦一种政治叙事站稳脚跟，随后的矛盾报道就很难成比例地改变公众的理解。

• 选举预测： 显示变化的民意调查被吸收了，但调整得不够，导致在选举之夜出现意外。

• 丑闻处理： 最初的丑闻报道建立了先验，随后的证据（开脱的或定罪的）都未能让它完全更新。

4.5. 在医疗保健中

• 诊断势头： 一旦患者被确诊，这个标签就成了沉重的先验。随后提出替代诊断的证据很难推翻最初的评估。

• 治疗坚持： 医生继续治疗方案的时间长于新出现证据所证明的时间，对有效性评估的更新太慢。

• 风险沟通： 被告知健康风险升高的患者会调整他们的行为，但低于风险水平所能理性证明的程度。

• 症状解释： 患者和医生都会通过现有诊断的视角来解释新症状，而不充分考虑替代方案。

• “塞麦尔维斯反射”： 医疗专业人员抵制与既定实践相矛盾的新证据。洗手、防腐剂和无数其他创新都面临过这种保守主义。

4.6. 在金融和投资中

• 盈余公告后的漂移 (PEAD)： 最典型的表现：股票价格朝着盈利意外的方向漂移数月，因为投资者更新估值的速度太慢。

• 分析师预估： 专业分析师承认新信息，但价格目标的调整不充分，创造了可预测的修正模式。

• 投资组合再平衡： 投资者对有关资产类别的新信息做出反应，但调整配置的幅度小于最优投资组合理论的建议。

• 风险评估： 在市场波动事件之后，风险认知会有所调整，但回到基线的速度比历史模式所证明的要快。

• 动量交易： 保守的更新产生了动量效应：由于市场缓慢处理信息，朝着某个方向走势的价格继续保持这种趋势。

5. 真实案例研究

案例研究1：赎罪日战争情报失败 (1973)

• 背景： 以色列军事情报局（AMAN）在“概念”（HaKonseptzia）下运作，即认为埃及在拥有能够抵消以色列空军力量的远程轰炸机之前不会主动发动战争。战争的先验概率实际上被设定为零。

• 发生了什么： 1973年9月底至10月初，情报收集实际上非常出色。AMAN收到了多个高诊断性的信号：大量埃及军队在苏伊士运河沿岸集结，大规模军事演习转变为入侵编队，以及在袭击前几天突然从埃及和叙利亚撤离苏联家属。

• 偏差的运作： 苏联家属的撤离是一个对战争具有极高似然比的信号。然而，AMAN领导层以极端的保守主义来解释所有数据。他们将证据套入现有的“概念”中：演习是例行的年度演练；撤离是由于与莫斯科的政治裂痕。因为“没有战争”的先验被赋予了如此大的权重，新证据无法跨越动员的决策阈值。

• 后果： 埃及和叙利亚在赎罪日发动了毁灭性的突然袭击。以色列遭受重大伤亡，并面临生死存亡的威胁。这场战争导致了以色列情报理论的根本重组。

• 经验教训： 制度化的先验可能成为认知陷阱。高置信度评估需要有机制来确保传入的证据获得成比例的权重。攻击普遍假设的“红队”是必不可少的。

案例研究2：10月7日袭击 (2023)

• 背景： 赎罪日战争50年后，以色列安全部门在一个新的“威慑概念”下运作，认为哈马斯已被威慑，主要关注经济治理，并且没有能力进行复杂的多点突破行动，因此不会发动重大袭击。

• 发生了什么： 情报报告显示，哈马斯部队在模拟的以色列定居点练习突击，系统地破坏边境监控摄像头，并保持异常的通信静默。

• 偏差的运作： 这些高诊断性的信号被当作“渴望的”训练或装腔作势而被驳回。哈马斯已经从一个生存威胁转变为一个可管理的治理问题的根深蒂固的信念起到了锚点的作用。修正这一基本信念的认知成本太高，分析师只是增量式而非成比例地更新了风险评估。

• 后果： 哈马斯发动了以色列历史上最致命的袭击。失败的模式与1973年惊人地相似：强烈的信号通过根深蒂固的先验被过滤。

• 经验教训： 即使是有记录的历史失败，也不能使机构免疫于相同的偏见。“概念”的内容改变了，但对它的保守依附重演了。人员轮换和制度化的假设挑战可能是必要的。

历史例子：塞麦尔维斯悲剧 (1847)

伊格纳兹·塞麦尔维斯（Ignaz Semmelweis）在维也纳的产科病房工作，他汇编了压倒性的统计证据，证明用漂白粉洗手可将产妇死亡率从约18%降低至1%。这些数据具有巨大的似然比，它本应立即推翻医疗实践。

相反，医学界表现出了教科书般的保守主义。先验信念——“产褥热”是由瘴气、体液失衡或纯粹的命运引起的——证明是不可动摇的。医生们承认了数据，但拒绝成比例地更新。塞麦尔维斯遭到嘲笑、排斥，最终被关进精神病院，并在那里去世。

教训：保守主义偏差不只发生在个人的头脑里，它同样发生在社会层面。当先验被专业身份、同行共识和制度地位强化时，锚就变得几乎无法拔起。直到几十年后和细菌理论革命，塞麦尔维斯提供的证据才起到了“一次观察的作用”。

6. 这种偏差的代价

6.1. 个人代价

• 关系破坏： 缓慢的更新意味着我们在有害的关系中停留的时间长于证据所证明的时间，或者我们未能意识到关系何时有所改善。

• 职业停滞： 对工作满意度、技能相关性或市场机会更新不充分会使人留在次优的职位上。

• 财务损失： 更新过慢的个人投资者把钱留在了桌子上（错过机会），或者在超过理性止损点后继续持有亏损头寸。

• 错失机会： 对不断变化的环境认知缓慢，意味着在充分处理其重要性之前，机会已经流失。

• 健康延误： 未能按比例更新健康症状导致延迟就医和治疗。

6.2. 职业代价

• 战略盲点： 对市场变化、竞争威胁或技术颠覆更新过慢的组织发现自己被淘汰。

• 项目失败： 团队承认了警告信号，但未按比例调整计划，导致可预测的失败。

• 人才配置不当： 对员工绩效更新缓慢意味着错误的人留在了错误的岗位上。

• 声誉持久性： 尽管随后的表现非常出色，早期的声誉损害几乎证明是无法克服的。

• 抗拒创新： 新的解决方案在对抗保守维持的现有方法上面临一场艰苦的战斗。

6.3. 社会代价

• 情报失败： 正如赎罪日和10月7日的案例所表明的那样，国家安全中的保守主义可能以数千人的生命为代价。

• 市场低效： PEAD（盈余公告后漂移）和相关现象代表了基于集体缓慢更新而错误分配的数十亿美元。

• 政策滞后： 社会对明确记录的问题（气候变化、大流行病准备、基础设施衰退）的反应缺乏足够的紧迫性。

• 科学进步延迟： 由于老牌科学家在面临反证时更新得太慢，范式转变面临几十年的阻力。

6.4. 统计影响

• 在市场中： 风险调整后，利用PEAD的交易策略每年产生3-8%的持续超额收益，这是衡量集体保守主义代价的一个指标。

• 在实验中： 爱德华兹发现，在人类心智中，通常需要2-5次观察才能达到“一次观察的作用”，信息处理方面的效率损失高达50-80%。

• 在诊断中： 医学研究表明，诊断势头导致有10-15%的初始误诊在矛盾的证据面前仍然未能纠正。

7. 隐藏的益处

保守主义偏差有其功能，把它彻底消除并不可取。

保守主义有帮助的时候：

• 在嘈杂环境中的稳定性： 通过抑制我们对每条新信息的反应，保守主义防止我们被随机噪声抛来抛去。在信号确实不可靠的环境中，这具有适应性。

• 防止被操纵： 一个完全贝叶斯的心智极其容易受到欺骗。不信任极端证据的保守倾向提供了防止骗子和宣传者的保护。

• 认知效率： 利用每个新数据进行完整计算，在计算上的代价非常昂贵。保守主义允许满意解（satisficing），即一种“足够好”的更新，以节省精神资源。

• 社会稳定： 如果人们对每一条社会信息进行充分更新，关系和制度将陷入混乱。在社会判断中保持一些惯性允许合作起作用。

• 预防精神病： 研究表明，精神分裂症中“急于下结论”的偏差可能代表了相反的极端。保守主义可能是防止病态信念不稳定的一种缓冲。

权衡： 目标不是消除保守主义，而是校准它。对于不可靠的信息，我们希望保持适当的保守；而对于高诊断性证据，我们希望保持适当的反应。

8. 自我评估：你有这种偏差吗？

8.1. 警告信号清单

• 即使证据清楚地指向一个方向，我还是经常发现自己说“我们等等看”。
• 尽管有矛盾的行为，我仍然经常维持对人的第一印象。
• 即使新信息是戏剧性的，我也倾向于仅对预测和估计做小幅度调整。
• 考虑到现有的证据，我常常对那些“本不该令人惊讶”的结果感到惊讶。
• 我发现自己常常将新信息套入我现有的信念，而不是更新我的信念。
• 在问题上，我经常是我所在群体中最晚改变主意的人之一。
• 我有时会承认证据，但补充说“但那只是一个数据点”。
• 我对未来的预测倾向于看起来像对现状的轻微修改。
• 尽管有警告信号，我留在某些情况（工作、关系、投资）里的时间还是比我应该的要长。
• 别人告诉过我我很“固执”或“迟迟不改变”。

评分：

• 勾选 0-2 项：敏感度低
• 勾选 3-5 项：敏感度中等
• 勾选 6-8 项：敏感度高
• 勾选 9-10 项：敏感度非常高

8.2. 自我反思问题

1. 回想一次你对某个结果感到惊讶的经历。事后看来，是否有什么证据是你承认了但未给予足够权重的？

2. 回想一个你在过去五年中改变了的重大信念。从“第一次出现相互矛盾的证据”到“实际修正信念”花了多长时间？

3. 当你收到负面反馈时，你是进行成比例的调整还是只做最少的调整？

4. 当证据强烈地与你公开声明或承诺的事情相矛盾时，你会如何回应？

5. 有人曾指责你更新迟缓或墨守成规吗？你对这一反馈本身作何回应？

8.3. 快速诊断场景

场景： 你基于强劲的基本面投资了一只股票。该公司发布的季度业绩明显低于预期——收益比分析师估计低40%。新闻报道表明其核心业务存在结构性问题。

你会如何应对？

• A) “这可能只是暂时的波动。我会持有并等待情况恢复正常。” → 高敏感度
• B) “这令人担忧，但我会将我的仓位减少10-15%并密切监控。” → 中等敏感度
• C) “这极大改变了我的评估。我需要根据这个新信息重新彻底计算我的头寸，这可能意味着大幅减仓。” → 低敏感度

9. 识别他人的这种偏差

9.1. 行为指标

• 言语中的明显迹象： 在处理新信息时，大量使用限定词、弱化词以及“是的，但是”等结构。
• 决策模式： 即使证据需要做出重大改变，也只对立场进行小幅度的增量调整。
• 惊讶表情： 对明显有预兆的结果频繁感到意外，当他们应该能预见时，却说“我没预料到会这样”。
• 证据处理： 承认信息，但立即将其放在现有的框架内去理解。
• 行动延迟： 当可行动的数据已经具备时，仍然表现出“等待更多数据”的模式。

9.2. 对话中的危险信号

人们在受到这种偏差影响时会说的话：

• “让我们不要对一个数据点反应过度。”
• “我明白你的观点，但我仍然认为……”
• “这可能只是一个异常情况。”
• “等我看到更多证据才会相信。”
• “这并没有真正改变大局。”

他们提出的论点类型：

• 强调过往证据的一致性，而不是新证据的诊断能力。
• 将戏剧性的新信息视同日常的确认性信息一样对待。

他们避免提出的问题：

• “需要什么才能让我改变想法？”
• “我对这个新证据的权重与其真实的诊断价值成比例吗？”

9.3. 情境触发因素

• 高投入： 当某人公开承诺了某项立场时，自我投入会放大保守主义。
• 专家身份： 领域专家表现出更多的保守主义，因为他们的专业知识植根于先验框架。
• 群体共识： 当群体持有某种立场时，个人在偏离这种立场时会更加保守。
• 时间压力： 矛盾的是，压力可能会增加保守主义，因为人们会退缩到先前的信念中。
• 复杂性： 复杂的信息会触发更保守的处理方式，认知负荷鼓励了锚定。
• 模糊性： 当新证据可以有多种解释时，保守主义就会增加。

10. 认知去偏策略

10.1. 即时技术

• “2-5倍”修正法： 记住爱德华兹的发现：需要2-5次观察才能完成一次观察应起的作用。当你发现自己在更新时，刻意将最初的调整幅度乘以2到3倍。

• 贝叶斯检验： 在确定你更新后的信念之前，明确计算贝叶斯定理的建议值。即使是粗略的计算通常也能揭示你的直觉偏离了多少。

• “新眼光”测试： 问问自己：“如果一个没有任何先验信念的人只看到这个新证据，他们会得出什么结论？”用它作为一个锚，反向拉动你的保守主义。

• 似然比清晰化： 在更新之前，明确表述：“如果我目前的信念是错误的，对比它是正确的情况，这一证据出现的可能性大多少倍？”这迫使你直面证据的诊断力。

• 反转测试： 如果你持有相反的信念并收到相同的证据，你会以同样的幅度更新吗？如果不是，你表现出的保守是具有不对称性的。

10.2. 长期策略

• 校准追踪： 记录预测和信心水平。定期回顾以发现更新不足的模式。

• 预先承诺更新规则： 在接收信息之前，承诺具体的更新规则：“如果测试呈阳性，我将把估计值至少增加X。”

• 系统性信念审查： 定期安排对重要信念的审查。问问自己：“自从我上次检查这事以来，我收到了什么证据？我成比例地更新了吗？”

• 建立更新宽容度： 练习在低风险问题上进行快速、重大的信念更改，以建立对认知灵活性的适应。

10.3. 环境设计

• 信息呈现： 设计强调新信息诊断能力的仪表板和报告，而不仅仅是信息本身。

• 魔鬼代言人： 制度化地设立特定角色，他们的工作是为更新情况进行辩论，而不仅仅是中立地评估证据。

• 预测市场： 利用市场来汇总信念，它们往往比个人更新得更有效。

• 轮换政策： 通过岗位轮换机制，让新鲜眼光定期审查已确立的信念。

• 更新警报： 创建在积累的证据越过阈值时发出警告的触发机制，迫使做出明确的更新决定。

10.4. 何时寻求外部输入

• 高风险决策： 当后果严重时，外部校准变得必不可少。
• 专家领域： 你的专业知识可能让你在更新时变得更加保守，而不是更少。
• 长期持有的信念： 持有多年的信念有更多的时间积累锚定权重。
• 公开承诺： 当你公开陈述立场时，请外部评估新证据。
• 模式识别： 如果你在这个领域多次感到惊讶，那么你的更新很可能校准失常。

11. 实用练习

练习1：概率估算日志

• 目标： 培养对你的更新模式的意识。
• 所需时间： 每天5分钟，每周30分钟回顾。
• 所需材料： 日志本或电子表格。
• 难度级别： 初级。
• 说明：
  1. 每天确定一个你持有的信念或预测（例如：“项目将按时完成”、“股票将会上涨”）。
  2. 给它分配一个概率（0-100%）。
  3. 记下你收到的任何与该信念相关的新证据。
  4. 记录你收到该证据后更新的概率。
  5. 在周末进行回顾：你更新了多少？计算一个贝叶斯主义者会更新多少。注意其中的差距。
• 反思问题：
  • 你的更新幅度是否一致小于证据所应证明的幅度？
  • 哪些类型的证据引发了最严重的更新不足？
  • 随着积累更多证据，你的更新变得更小了吗？
• 频率： 每日记录，每周回顾。

练习2：扑克筹码模拟

• 目标： 通过经典范式直接体验偏差。
• 所需时间： 30分钟。
• 所需材料： 两个袋子、带颜色的物品（弹珠、珠子或实际筹码）、纸。
• 难度级别： 中级。
• 说明：
  1. 准备两个袋子：一个有70%红色物品，另一个有30%红色物品。
  2. 让其他人秘密选择一个袋子。
  3. 每次抽出一件物品，记录颜色。
  4. 在每次抽取后，写下你估计这是红色居多袋子的概率。
  5. 抽取12次后，计算贝叶斯后验概率。
  6. 将你的估计值与数学答案进行比较。
• 反思问题：
  • 你与贝叶斯后验的差距有多大？
  • 随着抽取的次数累加，你的更新是否变小了？
  • 看到你的直觉偏离如此之远感觉如何？
• 频率： 每月练习。

练习3：历史案例分析

• 目标： 识别现实失败中的保守主义模式。
• 所需时间： 45分钟。
• 所需材料： 案例研究材料（关于情报失败、金融危机、医疗错误的文章）。
• 难度级别： 高级。
• 说明：
  1. 选择一个有记载的由于错过信号导致的失败案例（赎罪日战争、珍珠港事件、2008年金融危机）。
  2. 列出决策者持有的先验信念。
  3. 识别在失败发生前可用的证据。
  4. 估计该证据的似然比。
  5. 追踪决策者实际如何更新（或未能更新）。
  6. 找出放大了保守主义的结构性因素。
• 反思问题：
  • 什么“概念”成为了锚？
  • 什么时候应该发生更新？
  • 哪些制度变革可能有帮助？
• 频率： 季度深度探讨。

每日实践

“更新乘数”检查

每天晚上，找出你白天更新过的一个信念。问问自己：“我有没有至少乘以2？”如果没有，请自觉向上修正你更新后的信念（如果证据是肯定性的）或向下修正（如果证据是否定性的），再增加一个因子。

• 建议时长：5分钟
• 最佳时间：晚上
• 如何跟踪进度：记录更新和乘数调整的周日志

每周挑战

信念审计

每周一次，选择一个长期坚持的信念，对其进行严格的更新分析：

1. 你何时形成此信念？
2. 从那时起积累了什么证据？
3. 该证据的总似然比是多少？
4. 你现在的信念应该是什么，而实际又是什么？
5. 进行修正性的更新。

• 4周后的预期结果：在审计领域具有明显更精准的信念；提高对信念修正的舒适度。
• 日志反思提示：
  • 哪些信念证明最能抵抗更新？
  • 在面临更新不足时，会产生什么样的情绪反应？
  • 刻意更新如何影响了你的决策质量？

12. 针对特定受众

致领导者和管理者

• 为更新创造心理安全感： 那些害怕表现得不一致的团队会表现出放大的保守主义。自己要树立信念修正的榜样。

• 制度化红队： 指定小团队，其明确角色是反驳流行的评估，并计算成比例的更新会是什么样子。

• 要求更新的合理化理由： 不要只是问“你相信什么？”要问“你根据这个新信息更新了多少，为什么？”

• 警惕“概念”的形成： 当你听到诸如“我们的方法”或“我们的战略”之类的短语变得僵化时，要意识到这些将成为抗拒证据的锚点。

• 建立更新指标： 跟踪您的组织根据信息抵达的关键预测的更新速度。衡量并奖励适当的响应能力。

致父母和教育者

• 尽早教授校准： 用简单的概率游戏向孩子们展示证据应当多大程度改变信念。

• 赞美改变想法： 明确赞扬“我改变主意是因为……”的陈述，而不是一致性。

• 做更新的榜样： 让孩子看到你基于新信息更新信念。叙述这个过程：“我以前以为X，但现在我了解到Y，所以我认为Z。”

• 培养“什么会改变你的想法？”的习惯： 经常向孩子们询问关于他们信念的这个问题。建立提前确定更新条件的习惯。

• 历史事例： 使用适合年龄的未能更新的案例（以及后果）和成功修正信念的案例（以及收益）。

致医疗保健专业人员

• 谨防诊断势头： 一旦患者被贴上标签，积极寻找反证。问：“什么会改变这个诊断？”

• 新眼光协议： 建立系统的节点，让新的临床医生在无法接触先前诊断的情况下审查病例。

• 基于概率的沟通： 量化你的诊断信心，并跟踪新测试应该如何在数学上更新该概率。

• 塞麦尔维斯意识： 记住，医疗界历史上的保守主义曾导致无数人丧生。你的先验判断可能是错的。

• 维持鉴别诊断： 保持替代诊断存在的时间长于感觉舒服的时间。“不太可能”的诊断仍然有一个随着证据应当被更新的概率。

致金融专业人士

• 系统地利用 PEAD： 设计从市场保守主义中获利的策略，这本质上是对集体认知惯性的套利。

• 客户更新指导： 帮助客户理解为什么他们凭直觉的更新往往太小。使用2-5倍校正作为启发式起点。

• 识别体制更迭： 建立机制以标记潜在的、需要范式级别更新而不是渐进式调整的“相位转移”。

• 分析师修正跟踪： 监控你自己的评估相对于贝叶斯更新是如何演变的。找出系统性的修正不足模式。

• 整合行为金融学： 将保守主义模型（如BSV模型）纳入你对市场动态和客户行为的理解中。

13. 与其他偏差的相互作用

放大保守主义的偏差

抵消保守主义的偏差

常见的偏差链

根深蒂固的信念级联： 确认偏差 → 保守主义偏差 → 过度自信 → 对结果感到意外

解释： 首先，确认偏差过滤了证据，使相悖的信息不那么显著。然后，保守主义确保即使是透过过滤网的相悖证据也产生不足的更新。这导致了对现有信念的过度自信。最后，当现实与信念偏离时，决策者感到惊讶，这一级联对可预测事件产生了“我没想到会这样”的反应。

打破级联： 在最早的阶段通过积极寻找矛盾证据来干预，然后应用有意识的更新乘数来对抗保守主义。

14. 文化视角

关于保守主义偏差的文化差异研究有限，但有启发性。

• 普遍性： 其基本现象，也就是信念更新不及贝叶斯规范的要求，在所有被研究的文化中都存在。“书包”范式在西方、东方以及其他文化背景中均再现了保守主义。

• 程度的变化： 一些研究表明，更加强调尊重传统和既定权威的文化可能表现出放大的保守主义，而强调创新和挑战的文化可能表现出较少的（但仍然存在的）保守主义。

• 语境效应： 不同文化在引发更多或更少保守主义的领域上有所不同。在某些文化中，顾全面子可能会放大公开表达的信念的保守主义。

15. 神话与误解

16. 专家洞察

“意见的改变是非常有规律的，而且通常与贝叶斯定理的数字成正比——但改变的数量是不充分的。” —— 沃德·爱德华兹 (Ward Edwards, 1968)

“在人类心智中，通常需要两到五次观察才能达到一次观察的作用。” —— 沃德·爱德华兹，描述在信念更新中保守主义的幅度

“人类大脑的任务是在不确定的世界中航行，这是一个随机的环境，在这个环境中信号嘈杂、来源不可靠，并且基本事实常常被模糊的迷雾所掩盖。” —— 解释为什么保守主义可能具有适应性的当代总结

17. 关键要点

1. 有方向但幅度不足： 保守主义偏差并不阻止你看到证据指向的方向，它阻止你朝着证据所指向的方向走得足够远。

2. 2-5倍差距： 根据经验，人类需要两到五条证据才能完成一条证据本应完成的更新。你直觉上的更新可能只是应该更新幅度的二分之一到五分之一。

3. 聚合失败： 数据量越多，偏差越严重。恰恰当我们有最多的证据时，我们的更新最差，因为在应该做乘法时，我们选择了求平均。

4. 稳定性与准确性： 保守主义是一种妥协。大脑为了稳定性牺牲了准确性。我们的目标是更好的校准，而不是消除。

5. 制度放大效应： 组织可能会把保守主义奉为抵制更新的“概念”或原则，即使在出现灾难性证据时也是如此。

6. 代价是真实的： 从造成数千人死亡的情报失误、到价值数十亿美元的市场低效、再到延误病情诊断，更新不足有着可衡量且往往是悲剧性的代价。

7. 刻意修正是可能的： 有意识地应用更新乘数、“红队”（挑战假设的小组）和系统性的信念审计，可以部分抵消这种根深蒂固的偏差。

18. 进一步资源

学术论文

• Edwards, W. (1968). Conservatism in human information processing. In B. Kleinmuntz (Ed.), Formal Representation of Human Judgment. Wiley.
• Phillips, L.D. & Edwards, W. (1966). Conservatism in a simple probability inference task. Journal of Experimental Psychology, 72(3), 346-354.
• Barberis, N., Shleifer, A., & Vishny, R. (1998). A model of investor sentiment. Journal of Financial Economics, 49(3), 307-343.
• Ball, R. & Brown, P. (1968). An empirical evaluation of accounting income numbers. Journal of Accounting Research, 6(2), 159-178.
• Corner, A., Harris, A.J.L., & Hahn, U. (2010). Conservatism in belief revision and participant skepticism. Proceedings of the Annual Conference of the Cognitive Science Society.

书籍

• Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux.（中译本：《思考，快与慢》）
• Tetlock, P.E. & Gardner, D. (2015). Superforecasting: The Art and Science of Prediction. Crown.（中译本：《超预测》）
• Kuhn, T.S. (1962). The Structure of Scientific Revolutions. University of Chicago Press.（中译本：《科学革命的结构》）

书籍章节

• Edwards, W. (1982). Conservatism in human information processing. In D. Kahneman, P. Slovic, & A. Tversky (Eds.), Judgment Under Uncertainty: Heuristics and Biases (pp. 359-369). Cambridge University Press.

19. 总结卡片

20. 术语表 (Glossary of Terms Used)

21. 讨论问题

供读书俱乐部、课堂或自我反思使用：

1. 想想你强烈持有的一个主要信念。需要什么样的证据才能让你改变想法——你的答案是现实的，还是保守主义的标志？

2. 赎罪日战争和10月7日的失败相隔50年发生，且有关于早前失败的记载。为什么机构会重复同样的偏差模式？这如何可以被防止？

3. 保守主义偏差在快速变化的环境中还是在缓慢变化的环境中更成问题？为什么？

4. “理性怀疑”的观点表明，保守主义可能是对不可靠信息的一种适应性不信任。对证据的怀疑什么时候是合适的，什么时候又是为不合理的保守主义打掩护？

5. 可以被编程为进行全面更新的人工智能系统，将如何与人类的保守主义互动？这种不匹配可能会产生什么问题？