03 认知偏差：系统性错误的模式
TL;DR：认知偏差是大脑系统性偏离理性的模式，不是"不聪明"——它们是进化出来的认知捷径，在工程决策中会系统性地扭曲判断。最影响工程决策的偏差：确认偏差（只找支持证据）、锚定效应（被第一个数字锚住）、可得性偏差（最近/最生动的更容易想起）、幸存者偏差（只看成功样本）。识别偏差不是消除它（不可能），而是在关键决策前主动检查"我可能被哪个偏差影响？"
概念解释
认知偏差的定义
认知偏差（Cognitive Bias）是大脑在信息处理中的系统性偏移——不是随机错误，而是系统性、可预测地偏离理性。Kahneman 在《思考，快与慢》中将思维分为系统 1（快、自动、直觉）和系统 2（慢、刻意、分析）。偏差来自系统 1 的捷径——它在大多数时候高效，但在需要精确判断的场景会系统性出错。
为什么"知道偏差"不能消除偏差
研究表明，即使知道偏差的存在，人在实时判断时仍会犯——因为系统 1 是自动的，"知道"是系统 2 的活动，而系统 2 在时间压力和认知负荷下经常缺席。因此偏差管理的重点不是"消除偏差"，而是在关键决策前设计检查步骤——让系统 2 在决策前介入。
目录
| 章节 | 说明 |
|---|---|
| 影响工程决策的四大偏差 | 确认/锚定/可得性/幸存者 |
| 偏差检查清单 | 决策前自检 |
| 软件工程示例 | 偏差如何扭曲技术判断 |
| 适用边界与误用 | 偏差检查不是什么 |
影响工程决策的四大偏差
| 偏差 | 表现 | 工程例子 | 缓解 |
|---|---|---|---|
| 确认偏差 | 只找支持当前观点的证据 | "Agent 有效"→只看成功案例，不看失败 | 主动找反证 |
| 锚定效应 | 被第一个数字/方案锚住 | 第一个方案说"3 个月"，后续都围绕3个月 | 先独立估计再看参考 |
| 可得性偏差 | 最近/最生动的更容易想起 | 最近一次事故的影响被高估 | 用数据而非记忆判断频率 |
| 幸存者偏差 | 只看成功样本，遗漏失败 | "成功团队都用了微服务" | 问"失败的团队是否也用了" |
偏差检查清单
在关键决策前过一遍：
| 检查问 | 对应偏差 |
|---|---|
| 我有没有主动找反证？ | 确认偏差 |
| 这个估计是独立的还是被之前的数字影响？ | 锚定效应 |
| 我的判断基于数据还是最近的记忆？ | 可得性偏差 |
| 我有没有看失败案例？ | 幸存者偏差 |
| 乐观估计有没有考虑基础概率？ | 乐观偏差 |
| 大家都同意，是因为证据还是因为从众？ | 群体思维 |
软件工程示例
某团队评估"是否引入微服务架构"。偏差影响：
| 偏差 | 扭曲方式 | 修正 |
|---|---|---|
| 确认偏差 | 只引用Netflix的成功案例，不看失败案例 | 搜索"微服务失败案例" |
| 可得性偏差 | 最近读了微服务文章，觉得它很流行 | 查实际采用率和失败率数据 |
| 锚定效应 | 技术负责人说"3个月可以迁移"，后续都围绕这个时间 | 先独立评估每步所需时间 |
| 幸存者偏差 | "成功的大公司都用微服务" | 问"失败的公司是否也尝试了微服务" |
适用边界与误用
- 偏差检查不等于"不信任直觉"：直觉在经验丰富领域有参考价值，但不能替代证据。
- 不需要每个决策都过清单：低风险快速判断即可，清单留给高影响决策。
- 偏差不能被"消除"：只能通过设计检查步骤在关键决策前让系统 2 介入。
- "我没偏差"本身就是偏差：盲点偏差让人低估自己的偏差。
关联笔记
- 批判性思维总览：从主张到可检验论证（偏差是论证拆解中的薄弱点来源）
- 论证结构：前提、推理与结论（偏差扭曲前提和推理）
- 指标与决策复盘：避免 Goodhart 式自欺（偏差在复盘中的角色）
参考资料
评论 (0)