想想产生判决的司法系统，或设定保险费的承保系统。此类系统旨在用“同一个声音”说话。我们希望司法判决能够反映犯罪，而不是反映恰好审理该案件的法官。我们希望两个拥有完全相同信息的承保人能够计算出相同或相似的保费。

　　那么，挑战在于识别不需要的可变性，然后采取措施来减轻它。

　　Daniel Kahneman in 2009. nrkbeta/Flickr, CC BY-ND

　　直觉的麻烦

　　关于这一点，本书提供了一个关键的见解，你可以将其应用于你自己的决策：抵制“过早的直觉”——你好像“知道”些什么的感觉，即使你不确定你为什么会知道。

　　在某些情况下，直觉对于做出即时决策非常有用。而在其他时间不那么紧迫的情况下，卡尼曼表示基于直觉感觉的判断需要受到约束和延迟。

　　他建议，只有在对证据进行了平衡和仔细考虑之后，才能根据直觉行事。尽可能地从不同的来源收集证据，并且从那些对证据做出自己独立判断的人那里收集证据。

　　卡尼曼说，如果不这样做的话，噪音很容易被放大。

　　转向人工智能

　　对判断中普遍存在的噪音的一种反应是求助于机器，让计算机来决定。

　　卡尼曼还不是狂热者。他认为人工智能会“在未来几十年内给人类带来重大问题”，并且在许多需要判断的领域中还没有做好准备。

　　然而，从长远来看，他确实看到了一个我们可能“不需要人”来做出许多决定的世界。一旦有可能以常规方式构建问题并积累关于这些问题的足够数据，人类法官就可能变得多余了。

　　在那之前还有很多工作要做——通过改善人类的判断来减少人为错误，而不是通过将决策外包给机器来消除人为错误。

　　对噪音（和偏见）的了解将有助于实现这一目标。

　　注：原文来源于cryptonews，由Carole编译，英文版权归原作者所有。