Tư Duy Nhanh Và Chậm

Phần 2 - Chương 18: Thuần phục các dự đoán trực giác

Cuộc sống đòi hỏi chúng ta cần tới sự dự đoán trong nhiều thời điểm. Các nhà kinh tế học dự đoán lạm phát và thất nghiệp, các nhà phân tích tài chính dự đoán các khoản lợi nhuận, các chuyên gia quân sự dự báo số thương vong, các nhà đầu tư mạo hiểm ước đoán khả năng sinh lời, các nhà xuất bản và các nhà sản xuất phim dự đoán lượng khán/thính giả, các nhà thầu ước tính thời gian yêu cầu để hoàn công các dự án, các bếp trưởng lường trước nhu cầu dành cho các món ăn có trên thực đơn của họ, các kiến trúc sư ước tính lượng bê tông cần tới cho một tòa nhà, các đội trưởng đội cứu hỏa ước lượng số xe bồn sẽ cần tới để dập tắt một đám cháy. Trong đời sống của mình, chúng ta phải dự đoán phản ứng của vợ (chồng) mình trước một dự định chuyển nhà hoặc phán đoán của cá nhân chúng ta trước một công việc mới.

Một số phán đoán được tiên liệu trước, ví dụ những phán đoán được đưa ra bởi các kiến trúc sư, phần lớn dựa vào các bảng tham chiếu, các phép tính chính xác và các phân tích rõ ràng về kết quả thu được từ các thời điểm tương tự. Số khác dính dáng tới khả năng trực giác của Hệ thống 1 theo hai nhóm phân loại chủ yếu. Một số khả năng thuần thục của trực giác được gọi ra chủ yếu nhờ vào trải nghiệm được lặp đi lặp lại. Các phán đoán mau chóng và tự động cùng với lựa chọn của các cao thủ cờ vua, các vị chỉ huy đội cứu hỏa, cũng như các bác sĩ mà Gary Klein đã từng mô tả trong Nguồn gốc sức mạnh và một nơi nào đó minh chứng cho những khả năng trực giác đã được tôi luyện, tại đó nhanh chóng có một giải pháp cho một bài toán xuất hiện trong đầu đã được ghi nhận.

Những khả năng trực giác khác, đôi lúc không thể phân biệt chủ động ngay từ đầu, phát sinh từ quá trình hoạt động của các phương pháp suy nghiệm thường dùng một câu hỏi dễ để thay thế cho một câu hỏi khó hơn đã được đặt ra trước đó. Các phán đoán thuộc về trực giác được đưa ra với sự tự tin thái quá ngay cả khi chúng dựa trên những phân tích của các bằng chứng không chắc chắn không mang tính hồi quy. Dĩ nhiên, rất nhiều phán đoán, đặc biệt là trong lĩnh vực chuyên môn, bị chi phối bởi sự kết hợp giữa các phép phân tích thống kê và khả năng tư duy của trực giác.

TRỰC GIÁC KHÔNG MANG TÍNH HỒI QUY

Hãy cùng chúng tôi trở lại với một nhân vật mà chúng ta đã gặp:

Julie hiện là sinh viên năm cuối tại một trường đại học ở một bang của Mỹ. Cô biết đọc thành thạo khi cô mới bốn tuổi. Điểm GPA của cô là bao nhiêu?

Những người được thụ hưởng nền giáo dục tương đồng với nền giáo dục của Mỹ có thể nhanh chóng đưa ra một con số, vốn thường rơi vào khoảng 3.7 hoặc 3.8. Điều ấy diễn ra như thế nào? Ở đây một vài vận hành có dính líu tới Hệ thống 1.

  • Mối liên kết nhân quả giữa khả năng đọc của Julie và mục tiêu của sự dự đoán (điểm GPA của cô) được yêu cầu. Liên kết ấy có thể là gián tiếp. Trong thí dụ này, việc biết đọc sớm và điểm GPA cao cùng là biểu hiện của một tài năng học vấn. Một số mối quan hệ nhân quả là cần thiết ở đây. Bạn (Hệ thống 2 của bạn) hẳn nhiên sẽ bác bỏ một mẩu tin chẳng liên quan về việc giành giải trong một cuộc thi câu cá hoặc sự vượt trội trong môn cử tạ tại trường trung học. Quy trình này phân đôi một cách có hiệu quả. Chúng ta có đủ khả năng bác bỏ thông tin kiểu như không liên quan hoặc sai nhưng việc điều chỉnh để các yếu điểm nhỏ hơn trở nên phù hợp với dấu hiệu đưa ra không phải là điều mà Hệ thống 1 có thể làm. Như một hệ quả, các dự đoán dựa trên trực giác gần như hoàn toàn vô cảm trước đặc tính có thể thấy trước của dấu hiệu này. Khi một mối liên kết được tìm ra, như trong trường hợp biết đọc sớm của Julie, WYSIATI được áp dụng: Trí nhớ liên tưởng của bạn nhanh chóng và tự động đưa ra một câu chuyện khả thi nhất từ thông tin có sẵn.
  • Kế đó, dấu hiệu này được đánh giá trong mối quan hệ với một tiêu chuẩn có liên quan. Một đứa trẻ 4 tuổi có thể đọc trôi chảy đã sớm phát triển ra sao? Thứ hạng hay điểm số nào có tương quan với thành tích này? Tập hợp mà theo đó đứa trẻ này được so sánh (chúng ta gọi là một nhóm tham chiếu) không hoàn toàn được định rõ nhưng đây cũng là quy tắc trong cách nói thông thường: Nếu ai đó tốt nghiệp từ một trường đại học được mô tả như là “khá thông minh” bạn hiếm khi cần phải hỏi, “Khi bạn nói ‘khá thông minh’, nhóm tham chiếu nào bạn sẽ nghĩ tới trong đầu?”
  • Bước tiếp theo liên quan tới sự thay thế và cường độ phù hợp. Sự đánh giá chứng cứ mong manh về khả năng nhận thức trong thời thơ ấu được thay thế bởi một câu trả lời cho câu hỏi về điểm GPA của cô bé. Julie sẽ được gán phần trăm số điểm GPA và những thành tích của cô bé với vai trò là một đứa trẻ biết đọc sớm.
  • Câu hỏi đã định rõ rằng câu trả lời buộc phải nằm trong hệ điểm GPA, nó đòi hỏi một sự vận hành cường độ phù hợp khác, từ một ấn tượng chung về thành tích học tập của Julie tới điểm GPA được gán cho tài năng của cô bé. Bước cuối cùng là sự truyền đạt, từ một ấn tượng về học vấn có liên quan của Julie gắn với điểm GPA tương ứng với nó.

Cường độ phù hợp đưa ra những dự đoán vốn dĩ cực đoan là dấu hiệu mà chúng dựa trên đó, dẫn dắt người ta đưa ra cùng câu trả lời cho hai câu hỏi khá khác biệt:

Điểm số phần trăm về khả năng biết đọc sớm của Julie là
bao nhiêu?

Điểm GPA theo phần trăm của Julie là bao nhiêu?

Tới giờ thì bạn có thể dễ dàng nhận thức rằng tất cả những vận hành này đều là các đặc tính của Hệ thống 1. Tôi đã liệt kê ra ở đây như là một chuỗi theo trật tự gồm các bước nhưng dĩ nhiên độ phủ của sự vận động này trong trí nhớ liên tưởng không vận hành theo cách này. Bạn nên mường tượng ra một chu trình của hoạt động trải rộng mà ngay từ đầu được thúc đẩy việc đưa ra các dấu hiệu và câu hỏi, nó cung cấp ngược trở lại nhờ vào chính nó và cuối cùng nó xuất hiện ở giải pháp khả thi nhất.

Một bận, Amos và tôi đã đề nghị những người tham gia vào một thí nghiệm đánh giá các miêu tả về tám sinh viên năm thứ nhất đại học, được cho là được soạn ra bởi một cố vấn viên dựa trên nền tảng các cuộc phỏng vấn lớp đầu vào. Mỗi miêu tả bao gồm năm tính từ, như trong ví dụ sau:

Thông minh, tự tin, hiểu biết, chăm chỉ, tìm tòi.

Chúng tôi đã đề nghị một số người tham gia trả lời hai câu hỏi:

Miêu tả này đã gây ấn tượng cho bạn nhiều như thế nào với sự chú ý tới năng lực học vấn?

Tỷ lệ phần trăm nào trong số các miêu tả về những tân sinh viên này bạn cho rằng có thể gây ấn tượng với bạn nhiều hơn?

Hai câu hỏi này đòi hỏi bạn phải đánh giá các dấu hiệu thông qua việc so sánh sự miêu tả ấy với tiêu chuẩn của bạn đối với những miêu tả về các sinh viên của các nhà cố vấn. Sự tồn tại phong phú của một tiêu chuẩn như vậy thật rõ rệt. Mặc dù bạn chắc chắn không hề biết được rằng làm thế nào để có được nó, bạn vẫn có được một cảm nhận khá rõ ràng về việc miêu tả ấy truyền tải niềm hăng say nhường nào: Viên cố vấn tin rằng sinh viên này giỏi nhưng không quá xuất sắc. Có cả một kho các tính từ mạnh hơn từ thông minh (lỗi lạc, sáng tạo), hiểu biết (uyên thâm, uyên bác, thông tuệ), và từ chăm chỉ (đam mê, cầu toàn). Nhận định: Rất có khả năng ở mức trên 15% nhưng không chắc ở mức trên 3%. Đó chính là ấn tượng nhất quán trong các suy nghiệm kiểu như vậy, chí ít là trong phạm vi văn hóa.

Còn những người khác đã được hỏi các câu hỏi khác:

Đâu là ước tính của bạn về điểm trung bình chung mà sinh viên đó sẽ đạt được?

Tỷ lệ phần trăm của những tân sinh viên mà sẽ đạt được điểm GPA cao hơn là?

Bạn cần tới cái nhìn mới để phát hiện ra sự khác biệt giữa hai nhóm câu hỏi này. Khác biệt này lẽ ra nên rõ ràng nhưng thực tế lại không phải vậy. Không giống như những câu hỏi ban đầu, nó đòi hỏi bạn chỉ việc đánh giá dấu hiệu đưa ra, nhóm thứ hai liên quan tới một trạng thái rất không rõ ràng. Câu hỏi nhắc đến thành tích cụ thể của các tân sinh viên vào cuối năm học. Điều gì đã xảy ra trong suốt năm học kể từ khi cuộc phỏng vấn ấy được tiến hành? Bạn có thể dự đoán như thế nào cho những thành tựu thực tế của sinh viên đó trong năm học đầu tiên ở trường đại học từ năm tính từ ấy? Liệu người cố vấn ấy có thể dự đoán điểm GPA hoàn toàn chính xác từ một cuộc phỏng vấn?

Mục đích của nghiên cứu này nhằm so sánh các dự đoán bằng phần trăm mà những người tham dự đã đưa ra trong quá trình phân tích các dấu hiệu trong một tình huống và dự đoán kết quả trong một tình huống khác. Các kết quả được tổng kết lại một cách dễ dàng: Các phán đoán hoàn toàn giống nhau. Mặc dù hai nhóm câu hỏi này khác nhau (một là về sự mô tả, còn lại là về thành tích học tập của sinh viên trong tương lai), những người tham gia đã xử lý chúng như thể chúng cùng một dạng câu hỏi. Như trong trường hợp của Julie, dự báo trước về tương lai không được phân biệt từ một sự đánh giá chung về dấu hiệu hiện tại mà là dự đoán đã khớp với đánh giá. Có lẽ đây là dấu hiệu tốt nhất mà chúng ta có đối với vai trò của hành động thay thế. Những người được hỏi xin một lời dự đoán nhưng họ lại thay thế bằng một lời đánh giá, mà không nhận thức được rằng câu hỏi mà họ trả lời kia không phải là câu hỏi mà họ đã được hỏi. Quá trình ấy được đảm bảo để sản sinh ra những dự đoán sai lệch theo hệ thống; chúng hoàn toàn bỏ qua sự hồi quy về mức trung bình.

Trong suốt thời kỳ quân dịch của tôi trong lực lượng phòng bị Israel, tôi đã tham gia vào quá trình tuyển chọn các ứng viên cho hoạt động huấn luyện viên chức dựa trên một chuỗi các bài phỏng vấn và bài kiểm tra thực địa. Tiêu chuẩn để xét các ứng viên có được tuyển chọn hay không được đánh giá dựa trên điểm số cuối kỳ của học viên đó trong trường võ bị. Đánh giá dựa trên thứ hạng được cho không phản ánh hết được khả năng của các ứng viên này (tôi sẽ nói thêm về điều này trong một chương về sau). Đơn vị này vẫn còn tồn tại tới tận khi tôi đã là một giáo sư và đang cộng tác với Amos để nghiên cứu về phán đoán của trực giác. Tôi vẫn duy trì mối quan hệ tốt với nhiều người tại đơn vị đó và đã hỏi xin họ một số ưu tiên. Tôi đã hỏi các dự đoán của họ về mức điểm trung bình của từng học viên trong tương lai có thể đạt được trong trường võ bị. Họ đã thu thập vài trăm dự báo kiểu như vậy. Các viên chức đưa ra các dự đoán ấy đều quá quen thuộc với hệ thống thang điểm bằng chữ vốn được các trường học sử dụng cho các học viên của mình và các tỷ lệ xấp xỉ của A, của B, ... Kết quả thật ấn tượng: Tần số tương đối của A và của B trong các dự đoán này gần như là tương đồng với tần số trong các điểm số cuối kỳ của trường học.

Những phát hiện này cung cấp một ví dụ thú vị về cả hành động thay thế lẫn cường độ phù hợp. Các viên chức được cung cấp các dự đoán đã hoàn toàn thất bại trong việc phân biệt hai nhiệm vụ:

  • Nhiệm vụ thường lệ của họ, đó là đánh giá thành tích của các ứng viên trong thời gian họ đóng tại đơn vị.
  • Nhiệm vụ tôi đã đề nghị họ thực hiện, đó là dự đoán thực tế về một điểm số trong tương lai.

Họ chỉ đơn thuần áp dụng việc sử dụng cường độ phù hợp để truyền tải các điểm số của chính họ sang hệ số được sử dụng trong trường võ bị. Một lần nữa, họ đã thất bại trong việc dự đoán không chắc chắn (đáng kể) đã dẫn dắt họ tới các dự đoán vốn dĩ hoàn toàn không mang tính hồi quy.

MỘT SỰ HIỆU CHỈNH DÀNH CHO NHỮNG DỰ ĐOÁN TRỰC GIÁC

Trở lại với trường hợp Julie, người biết đọc từ rất sớm. Phương pháp để dự đoán điểm GPA của cô bé đã được giới thiệu trong chương trước đó. Như tôi đã ví dụ ở cuốn sách này về môn đánh gôn và đối với trọng lượng tương thích với kỹ năng chơi piano, tôi viết ra một công thức giản lược dành cho các yếu tố vốn xác định độ tuổi biết đọc và các điểm số đại học:

Độ tuổi biết đọc = các yếu tố cùng chung + các yếu tố riêng biệt đối với độ tuổi biết đọc = 100%.

GPA = các yếu tố cùng chung + các yếu tố riêng biệt đối với điểm GPA = 100%.

Các yếu tố cùng chung gồm năng khiếu di truyền, quan tâm của gia đình cho sở thích học tập và bất kể thứ gì khiến những kiểu người như những đứa trẻ con trở thành những người biết đọc sớm và những lớp thanh niên trở nên thành đạt về mặt lý thuyết. Dĩ nhiên ở đây có rất nhiều yếu tố có thể tác động tới một số kết quả này lại không tác động tới các kết quả khác. Julie hẳn có thể đã được thúc đẩy để biết đọc sớm bởi những người bố người mẹ đầy tham vọng, cô bé có thể có không được sống trong tình thương yêu và quan tâm của bố mẹ nên bị sa sút điểm số ở trường đại học, cô cũng có thể từng bị tai nạn trượt tuyết ở tuổi dậy thì khiến khả năng của cô bị suy giảm...

Hãy nhớ lại rằng sự tương quan giữa hai thước đo này là tuổi biết đọc và điểm GPA hiện tại ngang bằng với tỷ lệ của các yếu tố cùng quyết định đến khả năng của họ. Dự đoán chuẩn nhất của bạn về tỷ lệ đó là bao nhiêu? Dự đoán lạc quan nhất của tôi là khoảng 30%. Bằng việc thừa nhận ước tính ấy, chúng ta có được tất cả những gì chúng ta cần để sản sinh ra một dự đoán không bị sai lệch. Dưới đây là những chỉ dẫn làm cách nào đạt được mục đích đó chỉ với bốn bước đơn giản:

1. Bắt đầu với một ước tính về điểm GPA trung bình.

2. Xác định điểm GPA khớp với ấn tượng của bạn về dấu hiệu đưa ra.

3. Ước tính mối tương quan giữa căn cứ của bạn với điểm GPA.

4. Nếu mối tương quan là .30, dịch chuyển 30% khoảng cách ấy từ điểm trung bình tới điểm GPA phù hợp.

Bước 1 đặt ra vạch ranh giới, điểm GPA mà bạn có thể từng dự đoán về Julie nếu bạn không có thông tin gì về cô ấy ngoài thông tin cô bé là sinh viên năm cuối sắp tốt nghiệp ở một trường đại học. Mặc dù thiếu thông tin như vậy, bạn vẫn có thể dự đoán điểm trung bình. (Điều này tương tự như việc gán xác suất hệ số gốc dành cho sinh viên tốt nghiệp ngành quản trị kinh doanh khi bạn chẳng được kể gì về Tom W.) Bước 2 là dự đoán trực giác của bạn, nó khớp với phán đoán của bạn dựa vào dấu hiệu đưa ra. Bước 3, bạn tự vạch ranh giới tiến gần tới trực giác của bạn nhưng khoảng cách mà bạn được phép dịch chuyển này phụ thuộc vào ước tính tương quan của bạn. Bạn kết thúc ở bước 4, với một dự đoán vốn bị tác động bởi trực giác của bạn nhưng có chừng mực hơn nhiều.

Đây là phương pháp thông thường dùng để dự đoán. Bạn có thể ứng dụng bất cứ khi nào bạn cần dự đoán một đại lượng biến thiên, ví dụ như điểm GPA, lợi nhuận từ một khoản đầu tư hay sự tăng trưởng của một doanh nghiệp. Phương pháp này xây dựng dựa trên trực giác của bạn nhưng nó tiết chế, chuyển dịch chính nó về mức trung bình. Khi bạn có những căn cứ vững chắc để tin vào độ chính xác của dự đoán trực giác trong một sự tương quan giữa chứng cứ và dự đoán thì sự điều chỉnh ở đây sẽ ở mức nhỏ.

Những dự đoán trực giác cần được sửa đúng vì chúng không được tính dựa trên hồi quy và bởi vậy đã bị sai lệch. Giả sử tôi dự đoán về mỗi gôn thủ trong một vòng đấu rằng điểm số của anh ta vào ngày thứ hai sẽ tương tự với điểm số của anh ta vào ngày thứ nhất. Dự đoán này không chấp nhận sự hồi quy về mức trung bình: Các tay gôn đã có sức khỏe tốt vào ngày thứ nhất thường sẽ chơi kém hơn vào ngày thứ hai và những ai đã thi đấu tệ thì hầu như sẽ cải thiện được thành tích. Rốt cuộc khi chúng được so sánh với các kết quả thực tế, các dự đoán không dựa trên hồi quy sẽ bị phát hiện ra là sai lệch. Tính trung bình các dự đoán là quá lạc quan đối với những ai đã chơi tốt hơn vào ngày thứ nhất và quá cực đoan đối với những ai đã có sự khởi đầu kém. Những dự đoán này cực đoan giống như dấu hiệu đưa ra. Tương tự, nếu bạn sử dụng các thành tích thời thơ ấu để dự đoán điểm tổng kết ở trường đại học mà không tính các dự đoán của mình đưa vào phép tính hồi quy về mức trung bình, bạn sẽ bị thất vọng bởi kết quả học tập của những người biết đọc sớm và kinh ngạc trước điểm số của những người biết học biết đọc muộn. Các dự đoán trực giác đưa tới những sai lệch này, bởi vậy những dự đoán (cả cao lẫn thấp) đều có khả năng ở mức ngang bằng với giá trị được đánh giá quá cao và không đúng mức. Bạn sẽ mãi mắc phải những lỗi ấy khi các dự đoán của bạn bị sai lệch nhưng các lỗi này ít hơn và không nghiêng hẳn về các kết quả được đánh giá xảy ra cao hay thấp.

SỰ PHÒNG VỆ CỦA CÁC DỰ ĐOÁN CỰC ĐOAN?

Tôi đã giới thiệu về luận đề Tom W trước đó để minh họa cho các kết quả riêng biệt như trong các lĩnh vực chuyên môn hay kết quả của một bài kiểm tra, nó được diễn đạt qua việc gán một xác suất cho một tình huống trên lý thuyết (hoặc trong trường hợp đó qua việc xếp hạng các kết quả từ khả thi nhất tới ít khả thi nhất). Tôi cũng đã mô tả một quy chuẩn vốn ngăn chặn những sai lệch chung trong sự dự đoán riêng biệt: Không chú ý tới các hệ số gốc không nhạy với chất lượng nguồn tin.

Các sai lệch mà chúng tôi thấy được trong các dự đoán được biểu thị trên một hệ đo lường, ví dụ như điểm GPA hoặc thu nhập của một doanh nghiệp, tương đồng với các sai lệch đã thu được trong việc đánh giá các xác suất của kết quả.

Trình tự hiệu chỉnh cũng tương tự:

  • Cả hai gồm có một dự đoán cơ sở mà bạn có thể đặt ra nếu bạn không biết chút gì về tình huống trước mặt. Trong tình huống cụ thể, đó chính là hệ số gốc. Trong tình huống thể hiện bằng số, đó chính là kết quả bình quân trong phạm trù liên quan.
  • Cả hai đều có một dự đoán trực giác biểu diễn con số xuất hiện trong đầu bạn, dù đó là một xác suất hay một điểm GPA đi nữa.
  • Trong cả hai trường hợp, bạn mưu cầu một dự đoán nằm ở giữa đáp án cơ sở và đáp án trực giác của bạn.
  • Trong tình huống mặc định là không có dấu hiệu hữu ích nào, bạn bám vào mức cơ sở.
  • Trong hoàn cảnh khác, bạn cũng có thể bám vào dự đoán ban đầu của mình. Dĩ nhiên điều này sẽ xảy đến chỉ khi bạn duy trì sự tin tưởng tuyệt đối trong dự đoán ban đầu của mình sau khi có một nhận định bình phẩm về căn cứ mà vốn ủng hộ cho dự đoán ấy.
  • Trong hầu hết các trường hợp bạn sẽ tìm ra được vài lý do để nghi ngại rằng mối tương quan giữa xét định của trực giác và thực tế là chính xác và bạn sẽ dừng lại ở đâu đó giữa hai thái cực.

Quy trình này là một phép tính xấp xỉ đối với các kết quả có khả năng xảy ra về một phân tích thống kê thích hợp. Nếu thành công, nó sẽ đưa bạn tiến về hướng các dự đoán không bị sai lệch, các ước tính hợp lý dành cho xác suất và các dự đoán có chừng mực về các kết quả bằng số. Hai quy trình này được dự định chỉ ra cùng một sai lệch: Các dự đoán trực giác có chiều hướng trở nên tự tin thái quá và cực đoan quá mức.

Hiệu chỉnh lại các dự đoán trực giác của bạn là nhiệm vụ của Hệ thống 2. Nỗ lực lớn được tìm đến nhằm đưa ra phạm trù tham chiếu liên quan, ước tính dự đoán cơ sở và kiểm chứng các chứng cứ. Nỗ lực này được chứng minh là đúng chỉ khi các số tỷ lệ này cao và khi bạn chủ tâm không mắc sai lầm nghiêm trọng. Hơn thế nữa, bạn nên biết rằng việc hiệu chỉnh các khả năng trực giác của mình có thể làm phức tạp đời sống của bạn. Một đặc trưng của các dự đoán không bị sai lệch đó là chúng thừa nhận dự đoán về các biến cố hiếm hoặc cực đoan chỉ khi thông tin đưa ra là hoàn toàn đầy đủ. Nếu bạn kỳ vọng những dự đoán của mình có giá trị khiêm tốn, bạn sẽ không bao giờ đoán định một kết quả hoặc là hiếm hoặc là cách xa mức trung bình. Nếu dự đoán của bạn không bị sai lệch, bạn sẽ chẳng bao giờ có được sự trải nghiệm đem lại sự thỏa mãn về việc đưa ra chính xác một kết quả cực đoan. Bạn sẽ chẳng bao giờ có thể nói: “Tôi đã nghĩ vậy!” khi sinh viên giỏi nhất của bạn tại trường luật trở thành một thẩm phán tòa án tối cao, hay khi một sự việc bắt đầu mà bạn nghĩ rằng đầy hứa hẹn cuối cùng cũng thành công và mang lại rất nhiều lợi nhuận. Đưa ra những giới hạn cho một căn cứ, bạn sẽ chẳng bao giờ dự đoán rằng một học sinh trung học nổi bật sẽ là một sinh viên hạng A của trường Princeton. Vì một vài lý do, một nhà đầu tư mạo hiểm sẽ chẳng bao giờ được biết xác suất cho sự thành công trong những thời kỳ đầu là “rất cao”.

Những mục tiêu đề ra cho nguyên lý này nhằm tiết chế các dự đoán trực giác cần phải được thực thi một cách thận trọng, bởi sự sai lệch không phải lúc nào cũng là điều quan trọng nhất. Một sự ưu ái dành cho các dự đoán không bị sai lệch được điều chỉnh nếu tất thảy các lỗi dự đoán được xử lý giống nhau, bất chấp sự chỉ dẫn của chúng. Nhưng có những tình huống mà tại đó một số lỗi sẽ tồi tệ hơn so với những lỗi khác. Khi một nhà đầu tư mạo hiểm tìm kiếm “thứ vĩ đại nối tiếp”, rủi ro của việc mất đi một Google hay Facebook kế tiếp quan trọng hơn nhiều so với rủi ro của việc đưa ra một khoản tiền khiêm tốn vào một khoản đầu tư rốt cuộc sẽ thất bại. Mục tiêu của các nhà đầu tư mạo hiểm đó là để gọi tên chính xác các tình huống cực đoan, ngay cả sẽ phải trả giá cho việc đánh giá quá cao các triển vọng thuộc rất nhiều dự án mạo hiểm khác. Đối với một chủ ngân hàng thận trọng cho vay các khoản lớn, rủi ro từ một khách hàng vay riêng lẻ sắp vỡ nợ có thể sẽ lớn hơn nguy cơ của việc từ chối một số khách hàng tiềm năng có thể sẽ thực hiện đầy đủ các nghĩa vụ của họ. Trong những trường hợp như thế, việc sử dụng ngôn ngữ cực đoan (“triển vọng rất tốt,” “rủi ro ghê gớm theo mặc định”) có thể thỏa đáng cho sự thoải mái mà nó đặt ra, dù cho phán đoán này được dựa trên nguồn thông tin ít giá trị.

Đối với một người lý trí sẽ không dễ có một vấn đề nào bị đưa ra dựa trên các dự đoán chừng mực và vốn không bị sai lệch. Sau cùng, nhà đầu tư mạo hiểm có lý trí biết rằng: Ngay cả những khởi đầu hứa hẹn nhất cũng chỉ có một cơ hội thành công khiêm tốn. Anh ta nhìn nhận công việc hứa hẹn nhất trong số các lời dự đoán sẵn có và thấy không cần phải tự dối mình về những triển vọng của một khởi sự mà anh ta dự định đầu tư vào nó. Tương tự vậy, các cá nhân lý trí sẽ dự đoán lợi nhuận của một doanh nghiệp không dựa trên giới hạn ở một con số đơn lẻ nào, họ nên cân nhắc tới khả năng không chắc chắn có thể xảy ra nhất với kết quả. Một người lý trí sẽ không tự dối mình về những cơ hội thành công và đầu tư lượng tiền lớn vào một doanh nghiệp có khả năng thất bại nhất, nếu như phần thưởng của việc thành công dành cho sự mạo hiểm này đủ lớn... Tuy nhiên, không phải ai trong chúng ta cũng có lý trí và một số người trong chúng ta có lẽ cần tới vật thế chấp cho những ước tính bị bóp méo nhằm tránh tình trạng mất khả năng kiểm soát. Tuy nhiên, nếu bạn tự dối bản thân bằng cách chấp thuận các dự đoán cực đoan, bạn sẽ làm tốt việc đó nhằm giữ vững nhận thức về niềm đam mê của bạn.

Có lẽ đóng góp có giá trị nhất của quy trình hiệu chỉnh mà tôi đặt ra đó là quy trình này sẽ bắt bạn phải tư duy về việc bạn biết tới đâu. Tôi sẽ dùng một ví dụ quen thuộc trong thế giới học thuật nhưng tương ứng với phạm vi xã hội. Một đơn vị có ý định tuyển dụng một vị giáo sư trẻ có những triển vọng về khả năng lao động khoa học tốt nhất. Hội đồng tìm kiếm đã thu hẹp lựa chọn về hai ứng viên:

Kim hiện đã hoàn tất chương trình học của mình. Thư giới thiệu về cô rất ấn tượng và cô đã có một cuộc nói chuyện rất thông minh và gây ấn tượng cho tất cả mọi người trong cuộc phỏng vấn. Cô không có ghi nhận đáng kể nào về khả năng nghiên cứu khoa học.

Jane đã có bằng tiến sĩ suốt ba năm qua. Cô có khả năng làm việc rất tốt và hồ sơ nghiên cứu của cô rất xuất sắc, nhưng giao tiếp của cô và các cuộc phỏng vấn kém sinh động hơn so với Kim.

Lựa chọn trực giác nghiêng về phía Kim, bởi cô đã để lại một ấn tượng mạnh mẽ hơn, và WYSIATI. Nhưng đây cũng là tình huống mà thông tin về Kim ít hơn nhiều so với thông tin về Jane. Chúng ta lại trở về với quy luật số nhỏ. Trong thực tế, bạn có thông tin về Kim ít hơn thông tin về Jane và các kết quả cực đoan có khả năng thu được từ các mẫu nhỏ nhiều hơn. Ở đây có sự may mắn trong các kết quả thu về từ các mẫu nhỏ và vì thế bạn nên giảm lui dự đoán của mình đối với thành tựu trong tương lai của Kim nhiều hơn về phía trung bình. Khi bạn chú ý đến thực tế rằng Kim có khả năng sút giảm hơn là Jane, bạn hẳn nên dừng ở việc lựa chọn Jane mặc dù bạn đã ít bị gây ấn tượng trước cô ấy hơn. Trong bối cảnh về các lựa chọn học thuật, tôi sẽ bỏ phiếu cho Jane nhưng có thể đó sẽ là một cuộc vật lộn để vượt qua ấn tượng trực giác rằng Kim có hứa hẹn nhiều hơn. Hành động tuân theo những trực giác của chúng ta là điều tất nhiên và theo một cách nào đó, ta sẽ thấy thoải mái hơn so với việc đấu tranh chống lại chúng.

Bạn dễ dàng hình dung ra các luận đề tương tự trong các bối cảnh khác nhau, ví dụ một nhà đầu tư mạo hiểm đang lựa chọn giữa các khoản đầu tư vào hai doanh nghiệp hoạt động ở những thị trường khác nhau. Một doanh nghiệp có sản phẩm đáp ứng cho nhu cầu được đánh giá khá chính xác. Doanh nghiệp còn lại thú vị hơn và hứa hẹn qua trực giác nhiều hơn nhưng các triển vọng của nó ít chắc chắn hơn. Cho dù dự đoán tốt nhất về triển vọng của doanh nghiệp thứ hai vẫn còn ở mức cao thì khi sự bất định được xem như một yếu tố, nó lại là một câu hỏi đáng được cân nhắc cẩn thận.

CÁI NHÌN HAI CƠ CHẾ VỀ SỰ HỒI QUY

Các dự đoán cực đoan và một sự sẵn sàng dự đoán các biến cố hiếm từ dấu hiệu mờ nhạt đều là những biểu hiện của Hệ thống 1. Điều ấy là tự nhiên đối với cơ chế liên tưởng nhằm khớp nối tính cực đoan của các dự đoán với tính cực đoan nhận biết được của dấu hiệu mà nó dựa vào – đây chính là cách sự thay thế diễn ra. Và cũng là điều tự nhiên đối với Hệ thống 1 để sản sinh ra các dự đoán tự tin thái quá như chúng ta từng thấy, được phán đoán bởi sự gắn kết của mẩu chuyện tốt nhất mà bạn có thể kể dựa theo dấu hiệu có trong tay. Hãy cảnh giác: Trực giác của bạn sẽ sinh ra các dự đoán vốn dĩ quá cực đoan và bạn sẽ bị xui khiến đặt quá nhiều niềm tin vào chúng.

Sự hồi quy cũng là một vấn đề đối với Hệ thống 2. Ý nghĩ thuần túy về sự hồi quy về mức trung bình xa lạ và gây khó cho việc truyền đạt và lĩnh hội. Galton đã từng trải qua giai đoạn khó khăn trước khi hiểu được điều ấy. Nhiều giáo viên thống kê học kinh hãi những lớp học mà tại đó sinh viên của họ thường nhận thức mơ hồ về chủ đề cốt yếu này. Đó là tình huống nơi Hệ thống 2 cần có sự tôi luyện đặc biệt. Việc gắn kết các dự đoán với dấu hiệu đưa ra không chỉ là điều cần làm bằng trực giác, mà còn là một việc làm hợp lý. Chúng ta sẽ không tìm tòi để hiểu được sự hồi quy từ sự trải nghiệm. Ngay cả khi một sự hồi quy được nhận diện, như chúng ta đã thấy trong câu chuyện về các vị chỉ huy đội bay, thì nó vẫn sẽ được đặt ra theo diễn giải nhân quả mà hầu như luôn luôn sai.

BÀN VỀ CÁC DỰ ĐOÁN TRỰC GIÁC

 

“Sự khởi đầu này đã đạt được một minh chứng nổi bật cho ý tưởng, nhưng chúng ta không nên kỳ vọng chúng làm được như vậy trong tương lai. Từ đây tới thị trường vẫn còn là một chặng đường dài và vẫn còn rất nhiều lý do cho sự hồi quy.”

“Dự đoán trực giác của chúng ta rất có triển vọng, nhưng hẳn là nó quá khó. Hãy đặt vào phép tính này bằng chứng rõ ràng và dự đoán hồi quy ấy về mức trung bình.”

“Khoản đầu tư có lẽ là một ý tưởng hay, dù cho dự đoán chuẩn nhất rằng nó sẽ thất bại. Đừng nói rằng chúng ta thực sự tin nó sẽ là một hiện tượng tiếp sau Google.”

“Tôi đã đọc một bản báo cáo về thương hiệu đó và nó quả thực rất xuất sắc. Tuy nhiên, đó có thể là một sự may mắn. Hãy chỉ xem xét những thương hiệu đã có một lượng lớn các nhận xét và chọn lấy một cái có vẻ là tốt nhất.”