基思·斯坦诺维奇：这才是心理学（十一）(8)

接受错误以减少错误：临床预测与统计预测
在试图解释世界上发生的所有事，同时又拒绝承认偶然因素的作用，实际上会降低我们对现实世界的预测能力。在某个领域中，承认偶然因素的作用意味着研究者必须接受这样一个事实，即我们的预测不可能百分之百准确，预测中总是会犯一些错误。但有趣的是，承认我们的预测达不到百分之百的准确度，实际上反而有助于我们提高整体预测的精确性。这听起来好像有点儿矛盾，但是事实确是如此：为了减少错误，就必须接受错误（Einhorn, 1986）。
“我们必须接受错误以减少错误”这一概念可以通过一个在认知心理学实验室里研究了数十年的、非常简单的实验任务来证明。这个实验任务是这样的：被试坐在两盏灯（一红一蓝）前，实验者要求他们去预测每次测试时哪一盏灯会亮，被试要参与很多轮这样的测试，并按准确率给予一定的报酬。实际上，所有的测试都是在70%的次数亮红灯、30%的次数亮蓝灯的条件下进行的，两种灯以随机顺序出现。实验过程中，被试很快就感到红灯亮的次数比较多，因此也就在更多的测试中预测红灯会亮。事实上，他们确实在大约70%的测试中预测红灯会亮。然而，正如前面所讨论的，被试在实验过程中逐渐发现并相信灯亮是有一定模式的，但却从没想过序列是随机的。为了要使他们的预测百发百中，他们在红灯与蓝灯之间换来换去，保持70%的次数预测红灯会亮，30%预测蓝灯会亮。
被试极少意识到，尽管蓝灯亮的概率为30%，如果他们停止在红灯和蓝灯之间换来换去，他们的预测会更好一些！为什么会是这样的呢？
让我们想想这一情境背后的逻辑。在以70∶30的比例随机点亮红灯或蓝灯的情况下，如果被试在70%的测试中预测红灯会亮，30%的测试中预测蓝灯会亮，他的准确率会是多少呢？我们将用实验中间部分的100个测试来计算——因为那时被试已经注意到红灯亮的次数比蓝灯多，从而开始在70%的测试中预测红灯会亮了。在100次测试中有70次红灯亮了，所以被试在这70次中有70%的正确率（因为被试在70%的测试中预测红灯会亮），也就是说，被试在70次中有49次正确的预测；100次测试中有30次蓝灯亮了，被试在这30次中有30%的正确率（因为被试在30%的测试中预测蓝灯会亮），也就是说，被试在30次中有9次正确的预测。因而，在100次测试中，被试的正确预测是58次。但是请注意，这是多么可怜的成绩啊！如果被试在注意到哪一盏灯亮得比较多后，就总是预测那盏灯会亮——在本实验中，就是注意到红灯亮的次数比较多，因此就总是预测红灯会亮（姑且称之为“百分百红灯策略”），那么，他在100次测试中会有70次正确的预测。
虽然在蓝灯亮的30次测试里，被试将没有一次正确的预测，但是总准确率仍然高达70%——比在红灯与蓝灯之间来回变换以追求“百发百中”的58%的准确率要高12个百分点！
最优策略也意味颇多——每次蓝灯亮起你都错了。而且，由于蓝灯总会亮若干次，永不押蓝灯似乎也不对，但这却是正确的概率思维所需要的，它要求接受在蓝灯上所犯的错误，以换得每次都押红灯之后整体命中率的提高。以一定的精度预测人类的行为时，有时也需要接受错误以减少错误，也就是说，在依靠一般性的原则来做出比较准确的预测的同时，也要承认我们不可能在每件具体事情上都对。