{ "version": "https:\/\/jsonfeed.org\/version\/1.1", "title": "Блоги: заметки с тегом Даниэль Канеман", "_rss_description": "Автоматически собираемая лента заметок, написанных в блогах на Эгее", "_rss_language": "ru", "_itunes_email": "", "_itunes_categories_xml": "", "_itunes_image": false, "_itunes_explicit": "no", "home_page_url": "https:\/\/blogengine.ru\/blogs\/tags\/daniel-kaneman\/", "feed_url": "https:\/\/blogengine.ru\/blogs\/tags\/daniel-kaneman\/json\/", "icon": false, "authors": [ { "name": "Илья Бирман", "url": "https:\/\/blogengine.ru\/blogs\/", "avatar": false } ], "items": [ { "id": "135220", "url": "https:\/\/artemushanov.ru\/?go=all\/esche-pro-knigu-shum-danielya-kanemana\/", "title": "Еще про книгу «Шум» Даниэля Канемана", "content_html": "

Первый пост здесь: https:\/\/artemushanov.ru\/?go=all\/pro-knigu-shum\/<\/a><\/p>\n

Собрал заметки из канала<\/a> в общий пост.<\/p>\n

Про суждения (judgements)<\/h3>\n
Как они выносятся: эксперт изучает задачу\/кейс, отмечает важные детали и опускает неважные, делает вывод — и выносит суждение.<\/p>\n
\n
Важность или незначительность деталей при вынесении суждения определяются интуитивно, если нет руководства или методики;<\/li>\n
Эксперт не будет анализировать достаточность информации в задаче\/кейсе и вынесет суждение на основе доступных данных — если к тому нет прямого указания;<\/li>\n
Стремление к когерентности (последовательности, цельности) заставляет экспертов выносить суждение, даже если задача\/кейс криво сформулированы и данных для вывода недостаточно;<\/li>\n
Стремление к когерентности заставляет подгонять факты и логические шаги под зарождающийся вывод и следующее из него суждение, вместо устранения логических коллизий;<\/li>\n
Любой эксперт может объяснить логику, по которой он вынес то или иное суждение, но почти всегда эта логика уязвима либо на уровне построения, либо на уровне аргументов.<\/li>\n<\/ol>\n
Есть еще такой интересный вывод, подрезал у кого-то из западных рецензентов:<\/p>\n
\n
Суждение — это результат измерения, в котором инструментом послужил мозг<\/p>\n<\/blockquote>\n
Это отсылает нас к книге, которую я всегда всем советую — «Как измерить все, что угодно» Дугласа Хаббарда. Там описывается практика калибровки экспертов для определения диапазонов допустимых значений.<\/p>\n
Шум в индивидуальных и групповых решениях<\/h3>\n
В индивидуальных решениях помехи вносит ситуационный шум: настроение, погода, предшествующие события, вынесенные ранее суждения. На физиологическом уровне неустранимый источник такого шума — вариативность поведения нейронов, даже если по ним проходят сигналы одного и того же рассуждения.<\/p>\n
См. видео On These Questions, Smarter People Do Worse<\/a><\/p>\n
В групповых решениях ситуационный шум возникает из-за социального доказательства (залайканному комментарию чаще ставят лайки), порядка высказывающихся в групповых обсуждениях (первыми выступали сторонники новой инициативы — у остальных участников группы возникнет доверие к инициативе), позиции «своей» группы (демократы скорее проголосуют за инициативу, которую поддерживают другие демократы, чем за объективно более полезную).<\/p>\n
Мудрость толпы — усреднение независимо вынесенных суждений на ансамбле. Опрашиваем тысячу человек на предмет «какова высота Останкинской башни?», выводим среднее арифметическое — оно будет довольно близко к истине.<\/p>\n
Мудрость «внутренней толпы» в 2-3 раза менее точна, чем настоящая мудрость толпы, но точнее единственного вынесенного суждения. Чтобы максимизировать ее точность, нужно придерживаться такого алгоритма:<\/p>\n
\n
Вынести суждение<\/li>\n
Подождать 2-3 дня (сбросить контекст)<\/li>\n
Вынести суждение еще раз, исходя из предположения, что первое суждение было неверным.<\/li>\n
Взять среднее арифметическое первого и второго суждений.<\/li>\n<\/ol>\n
Матмодели против экспертов<\/h3>\n
Дальше там, конечно, полнейший разнос.<\/p>\n
Авторы пишут: простые регрессионные модели (чем бы они ни были — прим. меня) выносят суждения лучше экспертов. Более того: эксперта, который хорошо выносит суждения, можно превратить в такую модель — и она будет перформить лучше своего живого прототипа 🤯.<\/p>\n
Причем исследования на эту тему проводились в 60-70х годах, задолго до чата гпт.<\/p>\n
Почему простая модель из ряда формул прогнозирует лучше, чем живой прототип этой модели? Потому что эксперту-прототипу мешает т. н. «внутриэкспертный шум» — факторы, которые заставляют этого эксперта по-разному оценивать схожие кейсы. Модель, с ее кондовым методом, таких изъянов лишена.<\/p>\n
Про замену эксперта моделью. Вследствие такой замены произойдут две вещи:<\/p>\n
\n
Устранится изобретательность эксперта, т. е. его способность менять набор оцениваемых факторов в зависимости от кейса;<\/li>\n
Устранится внутриэкспертный шум.<\/li>\n<\/ol>\n
Кажется, что устранять изобретательность — это плохое решение, ухудшающее точность; на деле же вся эта «изобретательность» просто порождает дополнительный шум, т. к. эксперт «изобретает» не по методу\/чеклисту, а интуитивно, а это всегда работает против точности.<\/p>\n
Статистически, утверждают авторы, преимущества громоздких экспертных правил не компенсируют негативное воздействие шума.<\/p>\n
Про прогнозы: для понимания верности этой главы у нас набралось немало актуальной фактуры за последние три года. Эксперты-прогнозисты есть на любой вкус — за любую из сторон, плюс все градации между ними. Прогнозисты с разных полюсов этого спектра дают диаметрально противоположные прогнозы, из которых не сбываются ничьи. А люди смотрят\/слушают тех, кто им симпатичен или близок по взглядам.<\/p>\n
Причина очевидная — в невозможности предсказать будущее<\/b>. Авторы называют такую неспособность «объективной неосведомленностью». В ситуации, когда эксперт должен сделать прогноз, он скорее всего обладает некоторым количеством информации для его обоснования.
\nНо есть два важных набора факторов: истинное незнание<\/i> (важная для прогноза информация, которую никак нельзя узнать) и неполная информация<\/i> (можно было узнать, но этого не произошло). Вместе они и составляют объем объективной неосведомленности, которая делает невозможным прогнозы с приемлемой точностью.<\/p>\n
Например, эксперты составляли прогноз успешности соискателей на выбранной должности. По их мнению, точность прогнозов составляла 75-80%, то есть из 10 нанятых сотрудников восемь работают так же хорошо, как предполагали эксперты.<\/p>\n
По факту точность оказалась в районе 28% (r=0,28) 💀.<\/p>\n", "date_published": "2025-03-12T18:26:28+05:00", "date_modified": "2025-03-31T16:25:39+05:00", "tags": [ "post", "Даниэль Канеман", "книги" ], "author": { "name": "Артем Ушанов", "url": "https:\/\/artemushanov.ru\/", "avatar": "https:\/\/artemushanov.ru\/pictures\/userpic\/userpic@2x.jpg?1722359928" }, "_date_published_rfc2822": "Wed, 12 Mar 2025 18:26:28 +0500", "_rss_guid_is_permalink": "false", "_rss_guid": "135220", "_rss_enclosures": [], "_e2_data": { "is_favourite": false, "links_required": null, "og_images": [] } }, { "id": "133942", "url": "https:\/\/artemushanov.ru\/?go=all\/pro-knigu-shum\/", "title": "Про книгу «Шум»", "content_html": "
Читаю «Шум» Даниэля Канемана и соавторов. По сравнению с «Думай медленно, решай быстро» кажется более практичной: из нее можно вывести рабочие методы, помогающие принимать правильные решения. А эта тема, про решения, меня сейчас сильно занимает.<\/p>\n
\n $\"\"$ \n<\/div>\n
Основной тезис книги: шум и смещение приводят к ошибкам в суждениях.<\/p>\n
Шум<\/i> — это непредсказуемый разброс в суждениях людей, приводящий к непоследовательности и ошибкам в принятии решений. Например, когда два разных судьи по схожим делам выносят сильно различающиеся вердикты: один дает условный срок, второй — три года тюрьмы и штраф. Другой пример — когда страховые оценщики определяют страховую премию для схожих кейсов с разницей в 50%.<\/p>\n
Смещение<\/i> — так в книге перевели bias, «предвзятость» или «искажение», про них вся предыдущая книга Канемана и Тверски «Думай медленно, решай быстро». Отличие от шума — систематичность: смещение обычно работает в определенном направлении. Судьи в среднем выносят более суровые приговоры во второй половине дня, потому что устали или проголодались; страховые оценщики в среднем завышают страховые премии презентабельно выглядящим клиентам — и так далее.<\/p>\n
Суждение<\/i> — это короткий вывод, которые эксперт делает по результату изучения материалов кейса. В случае судьи это приговор, в случае страхового оценщика — размер премии. Суждения бывают прогнозные (сколько продадим за год) и оценочные (насколько хорошо работал ассистент директора).<\/p>\n
Канеман пишет про «системный шум» — как раз на примерах страховых компаний и судейских вердиктов. В этих доменах можно собрать статистику, провести сравнение и увидеть, насколько сильны отклонения между оценками разных экспертов. Кейсы в этих доменах можно назвать типовыми: они повторяются и должны укладываться в узкий коридор погрешности, чего по факту не происходит.
\nВыше упомянуто расхождение в 50% — это очень большая разница для страховых премий двух похожих клиентов. Бизнес усиливает риски, работая с таким разбросом, и может понести потери.
\nСкладывается такая же ситуация, как с очередями в продуктовой разработке: если не знать, что некоторое явление существует — обнаружить его будет сложно или невозможно. Чтобы победить демона — узнай его имя 👿.<\/p>\n
Дальше еще интереснее — глава про «уникальные решения», где суждение нужно вынести один раз и нет статистики или возможности сравнить с другими кейсами. Женитьба, выбор машины или дома, поглощение компании-конкурента — средний человек принимает от силы несколько подобных решений за жизнь. В этой ситуации во-первых нет референсных кейсов, во-вторых не всегда есть возможность постфактум определить, а верное ли было решение.<\/p>\n
В случае уникальных решений, говорит Канеман, нужно исследовать и оценивать не только кейс и его контекст, но еще и процесс формирования суждения. Признаки хорошего процесса: он логически непротиворечив, учитывает законы статистики и подходит для широкого набора ситуаций.<\/p>\n
Книга очень нравится, прям кайфую.<\/p>\n
upd. второй пост: https:\/\/artemushanov.ru\/?go=all\/esche-pro-knigu-shum-danielya-kanemana\/<\/a><\/p>\n", "date_published": "2025-02-04T12:03:47+05:00", "date_modified": "2025-04-10T20:27:48+05:00", "tags": [ "post", "Даниэль Канеман", "книги" ], "author": { "name": "Артем Ушанов", "url": "https:\/\/artemushanov.ru\/", "avatar": "https:\/\/artemushanov.ru\/pictures\/userpic\/userpic@2x.jpg?1722359928" }, "_date_published_rfc2822": "Tue, 04 Feb 2025 12:03:47 +0500", "_rss_guid_is_permalink": "false", "_rss_guid": "133942", "_rss_enclosures": [], "_e2_data": { "is_favourite": false, "links_required": null, "og_images": [] } } ], "_e2_version": 4079, "_e2_ua_string": "Aegea 11.0 (v4079e)" }