低有效性环境

低有效性环境是指可获得信息与未来结果之间的关系过于微弱、不规则或充满噪声，无法实现高预测准确率的情境。这一概念划定了真正的专业技能与自信的猜测之间的边界——当稳定规律存在且专业人士能够获得充分反馈时，直觉可能变得娴熟；当这些条件缺失时，表面上的直觉成功很大程度上只是运气，而简单算法往往能达到或超过人类判断的表现。

定义与范围

该术语适用于广泛的不确定预测任务。已有记录的例子包括预测癌症患者的寿命、住院时长、心脏病以及婴儿对婴儿猝死综合征的易感性；评估新企业的发展前景、银行信贷风险以及劳动者未来的职业满意度；判断寄养父母、青少年再犯和其他暴力行为；评价科学演示和足球比赛；以及预测波尔多葡萄酒未来的价格。这些领域的主题截然不同，但都具有相当程度的不确定性和不可预测性。

最极端的形式是零有效性环境，在这种环境中，长期结果不包含预测者能够学会利用的可靠线索。长期政治和经济预测说明了这一问题。菲利普·泰特洛克开展了为期二十年的研究，从284名以评论政治和经济趋势为生的人那里收集了8万多个概率判断。这些专家预测了戈尔巴乔夫相关的政变、美国可能在波斯湾发动的战争，以及下一个重要新兴市场的身份等事件。在三个可能结果的等概率基线下，他们的判断表现更差；即使在专家最熟悉的地区，专业人士也没有显著优于非专业人士。

这个问题并不局限于时事评论。历史表面的秩序可能掩盖偶然性所起的决定性作用——最终成为希特勒、斯大林和毛泽东的胚胎能否存在以及其性别如何，各自都取决于偶然的受精事件；如果三人都不出现，一个没有三人的20世纪的概率是八分之一。这种反事实依赖使得无法把历史的长期进程视为能够可靠预测的对象，尽管评论者常常在事件发生后构造出井然有序的解释。

专家预测的证据

保罗·米尔对临床判断与统计预测的比较，确立了关于低有效性的最清晰证明之一。在一项典型研究中，受训辅导员分别用45分钟访谈每名新生，并查阅高中成绩、能力倾向测验和一份四页的个人陈述。统计公式只使用高中成绩和一项能力倾向测验，却比14名辅导员中的11名更准确地预测了学年末成绩。在预测假释违规、飞行训练成功和刑事再犯时，也出现了类似结果。

证据扩展到大约200项临床预测与统计预测的比较。其中约60%的研究显示，算法的准确率显著更高；其余研究结果相当，但从实际角度看仍然有利于公式，因为固定规则通常比专家判断的使用成本更低。没有记录到令人信服的例外。这一结果并不表明临床医生无能，而是表明，分配给他们的许多任务缺乏足够强的线索，无法让人类判断达到高准确率。

公式占优势的一个原因，是专家试图表现得聪明。他们考虑复杂的特征组合，寻找不寻常的解释，并认为自己掌握额外信息时有权推翻公式。然而，由少数变量组成的简单组合通常比复杂的判断具有更高的有效性。断腿规则指出了罕见的例外——某个决定性事实，例如某人当天摔断了腿，确实可以适当地推翻一个预测此人是否会去看电影的公式。这类例外之所以重要，恰恰是因为它们罕见而有力；普通的额外印象通常增加的是噪声，而不是洞见。

人类判断还缺乏可重复性。有经验的放射科医生把同一张胸部X光片分类为正常或异常时，在不同时间分别看到该图像，彼此或与自己先前的判断相矛盾的比例达到20%。一项针对101名审计员的研究发现，他们在评估企业内部审计可靠性时存在相近程度的不一致；对41项研究的综述表明，这种不稳定程度在审计员、病理学家、心理学家、组织管理者和其他专业人士中都很典型。在几乎相同的条件下会发生改变的判断，无法提供可靠的预测。

算法、校准与过度自信

人类判断的不稳定性与系统1对情境的敏感性有关。未被注意到的环境刺激可能逐时刻改变思想和行动。炎热天气中的凉风可能使评价略微变得更加积极，而进餐休息的时间则可能影响以色列假释法官的决定。由于法官没有意识到这些影响，产生的变异会被体验为对案件的理性反应，而不是噪声。相比之下，公式每次接收相同输入时都会返回相同结果。

奥利·阿申费尔特的波尔多模型展示了，即使在被认为会纳入可用信息的市场中，简单规则也能胜过专家意见。该公式使用三个天气变量——夏季平均气温、收获期降雨量，以及前一个冬季的总降雨量。它能够提前数年、甚至数十年预测某一酒庄特定年份葡萄酒的价格。它与实际价格的相关系数超过0.90，预测准确率也高于年轻葡萄酒的当前价格。该模型把关于温暖干燥夏季和潮湿春季的常识转化为可重复的预测，而不依赖专家所使用的复杂叙事。

校准揭示了相关的另一项弱点。当法官表达主观概率分布时，适当校准要求所陈述的区间以承诺的比例包含真实值；例如，在评估的问题中，真实值应有98%落在百分之一界限与百分之九十九界限之间。然而，在大多数研究中，实际值约有30%的比例落在这些极端界限之外。无论是天真的参与者还是老练的参与者，其置信区间都系统性地过窄，而适当的评分规则也没有消除这种错误。锚定有助于解释这一点——法官从最佳估计开始，却向上或向下调整得不充分，因而产生看似精确、实则缺乏正当依据的紧窄区间。

金融预测中也出现了同样的模式。在一项杜克大学调查中，大型企业的首席财务官对下一年度标准普尔指数作出了11600项预测。他们的估计与实际回报之间的相关系数略低于零；当他们预测下跌时，市场反而略有超过一半的可能上涨。他们80%的置信区间也严重失准——67%的结果落在所陈述范围之外，超过预期20%的三倍。关键失败不仅在于预测不准确，还在于首席财务官似乎无法认识到自己的预测毫无价值。

直觉何时成为专业技能

低有效性并不意味着所有直觉都有缺陷。加里·克莱因对火场指挥官的研究揭示了另一种形式的专业技能。指挥官通常不会比较一长串选项。经过十多年真实和模拟经验后，他们会从一套模式中识别出一条可行的行动路线，在头脑中模拟它是否有效，必要时加以修改；只有当第一种方案无法修正时，才会转向另一种方案。克莱因将这一过程发展为识别启动决策模型——系统1提供一个暂定计划，系统2则通过有意的心理模拟对其进行检验。

差异在于环境。娴熟的直觉需要两个条件——环境足够规律，结果中包含可预测的模式；以及通过长期实践学习这些模式。国际象棋、桥牌、扑克、医学、护理、体育运动和消防都能够提供这类规律，不过反馈的质量和速度各不相同。消防员能够学会高度有效的线索，因为他们的经验反复把可识别的情境与后果及可行行动联系起来。

相比之下，股票选手和进行长期预测的政治学家所处的环境几乎没有或完全没有预测有效性。专业人士可能确实擅长一项任务，却错误地把这种能力扩展到另一项任务上。心理治疗师可能准确预判患者接下来会说什么，却没有依据预测患者一年后的状况。金融专家可能了解金融的许多方面，却没有选股能力；中东问题专家可能熟悉该地区，却不了解它的未来。失败往往始于把有限但真实的技能误认为普遍的专业能力。

有些环境甚至比不规律更糟。在“邪恶”环境中，专业人士可能从经验中学到错误教训。一位20世纪初医生的例子说明了这种危险——他反复为患者触摸舌头，却不在患者之间洗手，并由此形成了关于哪些患者会患伤寒的、看似准确的直觉。由于患者随后患病，他逐渐确信临床判断不会出错；但其预测表面上的有效性来自他造成的污染，而不是诊断洞见。

意义与实践边界

这一概念为关于专家直觉的主张提供了一项严格检验。信心、认知轻松感表达和连贯的故事并不能证明有效性；实际上，心智可能只关注与主导解释相符的信息，从而压制怀疑。因此，丹尼尔·卡尼曼与加里·克莱因一致认为，信心并不是判断直觉准确性的可靠指南。恰当的问题是——环境中是否存在稳定规律，以及专业人士是否有足够机会学习这些规律。

这一差异也澄清了算法应有的作用。在充满噪声的环境中，算法之所以胜过人类法官，是因为它们能够更一致地识别有效性微弱的线索，并避免时刻变化、会使人类总体判断不稳定的因素。算法本身仍可能只有中等准确率；它们的优势并不意味着任务本身已经变得可预测，而是意味着某种微弱信号得以被提取，同时没有加入主观解释所造成的额外噪声。

最终的边界既是认识论意义上的，也是实践意义上的。在不可预测的世界中，人们不应因无法准确预测而受到责备；但如果专业人士相信一项不可能完成的任务在自己能力范围之内，那么批评他们是合理的。在缺乏稳定规律时，一次直觉命中应归因于运气或欺骗，而不是魔法。因此，低有效性环境把专业技能从一种头衔转化为可检验的主张——在赋予信心以任何预测权威之前，应考察判断的来源、环境的规律性、反馈的质量以及表现的一致性。