后见之明偏差

后见之明偏差是一种认知幻觉，指对结果的知晓会改变人们记忆中的过去。事件发生后，人们往往觉得它本来就可以预见，即使他们先前的信念并不确定，或者与实际发生的事情相反。这种偏差之所以重要，是因为它会使世界显得比实际情况更加有秩序、更加可预测，同时不公平地损害人们对那些在真正不确定性下作出的决策的评价。

定义与心理机制

后见之明偏差始于心智试图理解已经发生的事情。心智会构建关于过去的叙事，而出乎意料的结果会促使它修正自己对世界的模型。一支实力旗鼓相当的足球队决定性地击败另一支球队后，人们会回溯性地认为胜者强得多、败者弱得多；这种新的解释会改变人们对过去和未来的理解。

核心困难在于，当人们的信念已经发生变化后，他们无法可靠地重构自己先前的知识状态。他们提取的是当前的理解，却误以为那就是自己先前持有的理解。在态度改变实验中，参与者先报告自己的观点，随后听取一段有说服力的论证，最后再报告自己原来的意见。他们后来的回答通常会朝着所听到的信息移动，而且许多人很难相信自己曾经有过不同的感受。这种替代会使先前的世界显得比实际情况更加容易理解。

语言会强化这种扭曲。“知道”“直觉”和“预感”等词通常被保留用来描述后来证明正确的想法；错误的预感听起来几乎自相矛盾。结果便是，语言会以一种微妙的方式偏向于把成功的预见当作真正的先见之明，而把失败的预见视为根本不曾是真正的直觉。

演示与实验性证据

在尼克松访华与访苏之前，巴鲁克·菲什霍夫和露丝·贝思提供了一项清晰的演示。他们要求受访者为十五种可能结果分配概率，其中包括毛泽东是否会会见尼克松、美国是否会给予中国外交承认，以及美国和苏联是否会在数十年的敌对之后达成一项重要协议。

尼克松返回后，研究人员要求同一批人回忆自己最初分配的概率。结果呈现出系统性模式——当某一事件确实发生时，参与者会夸大自己当初认为它发生的可能性；当某一事件没有发生时，他们会错误地记得自己原先认为它不太可能发生。后续研究发现，人们不仅会夸大自己先前预测的准确性，也会夸大他人先前预测的准确性。在奥·​​杰·辛普森谋杀案审判和比尔·克林顿总统遭弹劾等受到高度关注的事件周围，也出现了类似的扭曲。

因此，这种效应不只是普通的遗忘。它会沿着已知结果的方向，有选择地改写不确定性。过去的预测并非只是被错误地记住；它还会被吸收到一个连贯的故事中，使结果仿佛早已提前宣布。

对决策评价的后果

后见之明偏差会产生结果偏见——观察者会依据结果是好是坏来评判一项决策，而不是询问，鉴于当时可获得的证据，决策过程是否合理。在一项低风险外科干预之后发生不可预测的事故并导致患者死亡的例子中，陪审团事后可能会断定手术必然具有危险，而且医生本应更早知道这一点。坏结果改变了人们对原始选择风险的理解。

当决策者代表他人采取行动时，这种扭曲尤其严重。医生、财务顾问、三垒教练、首席执行官、社会工作者、外交官和政治家，可能会因为审慎的行动最终结果不佳而受到指责；而成功的行动也可能得到过少的肯定，因为它们的明智之处只有在事后才显得显而易见。当时看不见的不确定性，回溯性地被当作清晰可见的警告。

一个涉及明尼苏达州德卢斯的法律例子显示了结果信息如何改变判断。当受访者只能看到城市作出决策前可获得的证据时，24%的人认为德卢斯应当支付费用雇用一名全职桥梁监测员，以防止碎屑堵塞河道。当另一组人得知碎屑确实堵塞了河道并造成重大洪水损失后，56%的人支持雇用监测员，尽管他们被明确要求不要让后见之明影响判断。已知的洪水使这一预防措施显得比事前展望中更有必要。

预测、专业知识与秩序幻觉

后见之明偏差有助于维持一种更广泛的幻觉，即过去本来可以预测，因此未来也应当可以知晓。“历史进程”这一形象暗示着方向与秩序，然而重大的历史发展可能取决于偶然性。设想那些后来成为希特勒、斯大林和毛泽东的胚胎原本可能孕育出不同的人，这一例子说明偶然事件如何能够改变20世纪的走向。这种偶然性很难与把历史描绘成必然进程的叙事相协调。

金融、商业和政治领域的专业预测者会利用这种幻觉。菲利普·泰特洛克开展了为期20年的研究，收集了284名以评论政治和经济趋势为生的人所作的8万多项预测。这些专家评估了诸如戈尔巴乔夫可能遭遇政变、美国是否会在波斯湾发动战争，以及一个主要新市场是否会出现等事件的概率，同时解释他们如何使用证据，以及在预测错误后如何作出回应。

他们的表现糟糕得令人震惊。与简单地在三种可能结果之间分配相等概率相比——维持现状、增加或减少——这些专家的表现更差。即使在他们最熟悉的地区，他们也没有显著优于非专业人士。更多知识只带来轻微改善，而知识最丰富的预测者反而可能变得不那么可靠，因为知识强化了技能幻觉并助长了过度自信。名望放大了这一问题——受到追捧的专家比那些不在聚光灯下工作的同行更加过度自信，也更加浮夸。

相关偏差与纠正性训练

后见之明偏差属于一大类错误，这些错误源于利用有限信息构建连贯故事。贝叶斯推理提供了一种纠正方式——它要求将先验信念或基准率与新证据的诊断性结合起来，而不是让生动的解释占据主导。在汤姆·W问题中，计算机科学专业入学率为3%，而相关证据对于计算机科学学生出现的可能性是其他学生的4倍，因此后验概率为11%，而不是仅凭描述所促成的高得多的判断。这个例子说明，证据必须参照一个参考总体来解释。

出租车问题明确呈现了统计基准率与因果基准率之间的差异。如果一座城市85%的出租车是绿色、15%是蓝色，而一名辨认出租车颜色的证人有80%的正确率，那么即使证词针对的是具体案件，总体基准率仍然相关。因果基准率则不同——如果绿色出租车司机造成的事故数量超过蓝色出租车司机的5倍，这一信息会改变人们对个别事故的解释，并可能几乎抵消证人的证词。后见之明偏差同样会促使一个单一的因果叙事遮蔽结果发生前原本存在的不确定性。

预测还可以通过校准而不是回溯性自信来加以约束。经过适当校准的判断者所陈述的概率区间，应当包含相应比例的真实数值——例如，98%的结果应落在所陈述的第一百分位数和第九十九百分位数之间。然而，研究发现，实际数值约有30%的案例落在这类极端界限之外，表明置信区间过于狭窄。首席财务官中也出现了同样的过度自信——在对次年标准普尔指数作出的11,600项预测中，估计值与实际回报之间的相关性略低于零，而67%的结果落在本应只能容纳20%意外结果的区间之外。

这些发现为抵御后见之明偏差提供了实际方法。预测应在结果尚未知晓之前记录下来，应将概率与之后的频率进行比较，并应依据决策者当时掌握的信息集合及其推理过程，而不是依据随后发生的事件来评判决策。这种训练无法恢复已经失去的过去，但能够防止已知的未来伪装成清晰可见的过去。