“建议专家不要建议”为什么是对的？

过去的这个周末，人教版教材问题持续发酵，专家和机构的公信力再一次遭遇危机。

这让我们联想起两周前，有一句话反复上了热搜，叫“建议专家不要建议”。

当时就有媒体分析网友为什么不待见专家，大多数谈的都是“公共话题”这一类方向。

网友对专家不买账，一方面是认为“专家站着说话不腰疼”，给建议不接地气，当然另一种情况是，如果专家本身“屁股就坐歪了”，那民众不但不能相信，还要问责。

不过以上都属于专家的主观层面，我们要说的，是一个“建议专家不要建议”的客观依据：

相信专家，你还真不如去相信机器。

就算你对专家不感冒，这个结论也多少有点反直觉，下面我们还是举一个招聘的例子。

想象你是一个校长，你们学校要招一位行政主管，现在有两位候选人，在此之前，两位候选人经过了层层面试，前几轮的面试官分别从5个维度给两位候选打了分（10分满分），以下是他们各项得到的平均分：

候选A：领导力7分，表达能力6分，人际交往7分，业务技能8分，自我激励8分

候选B：领导力8分，表达能力10分，人际交往6分，业务技能5分，自我激励5分

请问校长，您觉得应该要谁呢？

我们大概可以总结三种比较的思路：

1、最简单粗暴的，把每个人五项的分数再平均一次，在这里A是7.2分，B是6.8分，所以要A。

2、往深想一层，A好像各方面能力比较平均，而B有一个明显的长处，就是表达能力，10分是什么概念，就是前面所有面试过他的人都给了满分，行政岗位，沟通表达能力是不是要比业务技能重要？如果是，那应该选B。

3、再往深想一层，表达能力是重要，可是有多重要呢，比业务技能重要一倍？两倍？所以是不是应该结合一些数据，对这五个指标做加权平均，这样算出来的结果才更科学吧？

这里面，“思路2”是一种基于个人经验和直觉的判断，我们称之为“临床判断”。专家们做出的判断，基本都属于“临床判断”，因为这个判断一定要包含专家本人的主观经验（比如认为表达能力是核心指标）。

而与之相对的，“思路1”和“思路3”就叫做“机械判断”，是基于数据的一种判断，其中“思路1”是简单模型，“思路3”是复杂模型。

按照我们一般人的判断，这三种思路，“思路1”好像是最不讲道理的，所以是一个最差的策略，但真正的结论是：

“机械判断”强于“临床判断”（也就是专家判断），而“简单机械判断”也并不比“复杂机械判断”逊色。

刚才我们说的，候选A和候选B的案例来自一项真实的研究，其中“思路2”（也就是重视表达能力）这个临床判断，是众多专家模型中比较典型的一款。

结果是，一群专业的心理学家，各自做了预测模型，但这个结果和实际工作表现之间的相关系数，只有0.15，这意味着专家的判断跟扔硬币效果差不多。

这个研究并不是孤例。早在2000年，有人曾综合调查过136项研究，包括了各式各样的预测主题，比如黄疸病的诊断、服兵役的适应性、婚姻的满意度等等比较复杂的判断，结果是：

其中63项机械判断更准确，65项是机械判断和临床判断同样好，而只有8项是临床判断更好。

这里我们还没有计算决策的成本问题，机械判断显然比临床判断快得多，而且根本不需要请专家，可谓省时省力省钱。

可这是为什么呢？奥秘其实很简单：只要是人做判断，就必定会伴随各种不可预知的干扰，我们之前有介绍过，这个东西叫做“噪声”。（点击回顾关于“噪声”的解读）

还是开头的例子，为什么专家不会同意简单的取平均分方法呢？因为专家认为这太一刀切了。

比如我们都听过，有的数学天才，从小就是迷恋数学，但是英语非常差，如果取平均分，那这种数学天才肯定上不了大学了，我们不应该仅仅因为英语不好就抹杀一个天才，对吗？

专家的逻辑是：我们应该具体问题具体分析。这听起来好像非常合情合理。

但是请注意，毛病恰恰出在这里——

我们往往高估了“具体问题具体分析”的有效性和可实操性。

开头例子里的候选B，表达得分是满分10分，这真的说明他是一个表达天才吗？在只有两个候选人的情况下，其中一个人表达得到了10分，这个10分只能被看做是一个“比较级”，而很可能不是“最高级”，这种情况下押宝在一项指标上，很冒险，并不靠谱。

更有可能的情况是：你以为的特殊情况，只不过是一般情况，你给自以为的特殊情况打了满分，这个分数虚高的可能性，要大于他真的值一个满分。

所以“英语差的数学天才”，这个故事模型也是经不起实操的，极少数真正的天才，的确可以通过自主招生之类的方式被录取，但99.99%的学生不可能走这条路——

你以为自己是个数学天才，其实放到最顶级的那群人中间，可能又相形见绌了，所以想考好大学，请尽量把各科分数都提上去。这本身就是最公平的选拔方式。

我们来总结一下，机械判断和临床判断的区别到底是什么：

机械判断的不足是，好像抹杀了一些“特殊情况”，缺少“微妙考虑”，但研究结果告诉我们，这些所谓微妙考虑带来的收益，不如那些噪声的破坏力大。

机械模型，没有喜怒哀乐，哪怕用非常简单的甚至不合理的模型（比如在开头例子中，随机选一个打分项作为高权重），最后也有77%的概率比专家们强。

丹尼尔·卡尼曼对此有一句经典评价：“你几乎不可能制造一个比专家表现更差的模型。”

实际上，用“机械判断”，而不是遇事就请教专家，上世纪50年代就有例子。

1953年，麻醉学家阿普加就设计了一个判断新生儿是否健康的模型，也叫阿普加评分（Apgar Scale），一共五个指标：

肤色、心率、刺激反应、肌肉张力、呼吸

然后，医生对每一项进行打分，可以打0分、1分或2分，比如肤色，全身是粉红色给2分，四肢有青紫色给1分，全身青紫色给0分。

最后只需要把5项得分简单相加就行，不需要加权平均。这个模型满分是10分，只要婴儿总分达到7分，就是健康，4-6分，不太健康，0-3分，需要立刻采取急救措施。

现代医学对癌症的筛查，也都有类似的评分系统，这种分几个维度的判断简单易行，相对不受医生经验和水平的影响，事实证明准确率很高。

但是，一个疑问就自然出现了：既然机械判断这么有效，为什么并没有在各行各业普及开呢？为什么很多时候我们听到的，还是各路专家的意见呢？

比如在医院，大部分诊断还是医生的临床诊断，而不是真的用了模型，而像开头说的招聘场景，或者公司要不要开启一个新的项目，类似这样的决策，“打分法”好像并没有被严肃的采纳过。

这里除了增加就业机会的社会学意义之外（真的都用打分法很多人就要下岗了），还有一个非常重要的原因：

人类对机械判断的容忍度太低了。

试想，如果人类判断错了（事实上专家们几乎天天都在犯错），我们虽然会吐槽，但终究觉得这是正常情况，因为人本来就会犯错；但是如果机械模型错了，或者说算法错了，哪怕就错一两次，我们就会产生质疑，可能再也不敢用了。

这有点像现在的自动驾驶技术。在可以预见的将来，自动驾驶发生事故的概率，一定会比人类司机要低，这是一定的，但是我们内心能容忍人类的事故，却不太能容忍自动驾驶因为程序问题而出事（特斯拉肯定同意这个说法）。

换句话说，我们认为犯错是人类的特权，但机器就不应该犯错。

从这个意义上说，虽然我们“建议专家不要建议”，可是真到了让机器让模型给建议的地步，我们也难免会迟疑。

最后也许我们没有听专家的，却听了亲戚、邻居或者校友的建议（但这些人的建议也并不比专家强），这大概也是一种难以克服的人性——

前面讲了那么多，到头来你也不敢真的相信机器和模型。

比如孩子高考之后填报志愿，全家人在几所高校和几个专业之间举棋不定，很多人在这个时候会选择请教亲朋好友：只要我请教的这个人日常表现很靠谱，那么他的建议应该也靠谱吧？

有没有比这更好的决策方法呢？也许这时你需要一个“无情的机器”。

它能——

智能推荐最适合你的大学和专业

为你解答相关专业的就业前景问题

也能为你带来一手的专业前沿资讯

还会介绍一些很有发展前景的小众专业

点击查看“网易高考智愿”网站使用说明↑

即日起到6月7日0点前，注册“网易高考智愿”网站购买会员卡志愿版/规划版，可尊享早鸟价，获得300元限时立减券！

298元入手原价598元的志愿版会员卡

398元入手原价698元的规划版会员卡

机不可失，为了孩子人生中最重要的决定，赶紧行动吧！