Организованный ум. Как мыслить и принимать решения в эпоху информационной перегрузки

Эксперименты в когнитивной психологии наглядно продемонстрировали, что обычно при рассуждениях и принятии решений мы игнорируем базовые показатели. Вместо этого мы предпочитаем информацию, которая нам кажется точной, едва ли не диагнозом, используя медицинский термин. Если у человека, с которым вы говорите на вечеринке, на пиджаке значок в виде американского флага, при этом он очень хорошо осведомлен о политике и за ним по пятам следует агент секретной службы США, вы можете заключить, что это член кабинета президента, так как имеет все атрибуты оного. Но вы игнорируете основные показатели. В США насчитывается 850 000 врачей[584]

и только пятнадцать членов кабинета[585]

. Из 850 000 врачей обязательно найдутся те, кто носит значки с американскими флагами, разбирается в политике и даже по той или иной причине преследуется секретной службой. Например, двадцать один участник 111-го Конгресса были врачами – это гораздо больше количества членов президентского кабинета. К тому же среди медиков существуют те, кто работает на военных, ФБР и ЦРУ, а также доктора, чьи супруги, родители или дети – высокопоставленные государственные служащие; есть те, кто может претендовать на защиту секретной службы. Некоторые из этих 850 000 врачей имеют право на допуск к секретным материалам или по какой-то причине находятся под следствием, что тоже будет поводом наличия рядом с ними секретного агента. Подобная ошибка в рассуждениях настолько распространена, что получила собственное название – «эвристика представительности». Это явление заключается в том, что люди или ситуации, которые кажутся репрезентативными по одной причине, немедленно подавляют способность мозга рассуждать и заставляют нас игнорировать статистическую информацию или очевидные показатели.

В типичном эксперименте из научной литературы вам дают прочитать сценарий. Говорят, что в конкретном университете 10 % студентов – инженеры, а 90 % – нет. Вы идете на вечеринку и видите, что у кого-то в кармане есть пластиковый карманный протектор[586]

(в описании не указано, но многие считают, что это типично для инженеров). Затем вас попросят оценить, насколько вероятно, что этот человек – инженер. Зачастую люди полагают, что это неоспоримый факт. Карманный протектор кажется настолько точным атрибутом, таким убедительным доказательством, что трудно представить, будто человек может быть кем-то еще. Но инженеров в этом университете довольно мало, и это нужно учитывать. Вероятность того, что описываемый человек – инженер, может быть не такой низкой, как очевидный показатель, 10 %. Но и не такой высокой, не 100 %, потому что другие люди тоже могут носить карманные протекторы. Вот тут становится интересно. Затем исследователи воссоздают тот же сценарий – вечеринку в университете, где 10 % студентов – инженеры, а 90 % – нет, но при этом поясняют: «Вы сталкиваетесь с кем-то, у кого может быть пластиковый карманный протектор или нет; вы не можете сказать этого, потому что человек в пиджаке». Когда просят оценить вероятность того, что это инженер, люди обычно говорят: «50 на 50». Если предложат объяснить почему, они произносят: «Потому что у него может быть карманный протектор, а может и не быть, мы не знаем». В подсчетах опять-таки не учитываются базовые показатели. Если вы ничего не знаете о человеке, то у вас всего 10 % шансов предположить, что он инженер, а не 50 %. Просто если есть только два варианта, это не значит, что они одинаково вероятны.

Рассмотрим интуитивно более понятный пример. Представьте, что вы входите в местный продуктовый магазин и сталкиваетесь с кем-то, не видя его. Это может быть королева Елизавета или нет. Насколько вероятно, что это королева? Большинство людей не думает, что тут шансы 50 на 50. Насколько велика вероятность, что королева зайдет в какой-то продуктовый магазин, тем более тот, где обычно бываете вы? Ничтожно мала. Это показывает, что мы можем использовать информацию об очевидных показателях, когда события крайне маловероятны. Однако если вероятность чуть больше, мозг застывает. Организация наших решений требует объединить данные очевидных показателей с соответствующими точными сведениями. Этот тип рассуждений был открыт в XVIII веке математиком и пресвитерианским священником Томасом Байесом и носит его имя – правило Байеса.

Правило Байеса позволяет уточнять оценки. Например, пишут, что примерно половина браков заканчивается разводом. Но показатель 50 % имеет место для совокупности всех, поэтому мы можем уточнить оценку, если есть дополнительная информация: возраст, религия или место жительства людей, с которыми это происходит. Одни группы населения имеют более высокий процент разводов, чем другие.