你的经验不那么靠谱！合取谬误这样欺骗了你……
全文共1856字，预计学习时长6分钟
图源：unsplash
让我们先来做一个小测验！
希瑟是加拿大人，善良，友好，聪明，喜欢动物；她是可持续发展领域的顾问。在大学期间学习数学和心理学；她喜欢远足，平时住在几条远足小径附近。
提问：下面哪个更可能是描述希瑟的？
A.希瑟有博士学位。
B.希瑟拥有博士学位和一条狗。
对于那些喜欢脸和名字对应的人来说，测试形容的希瑟应该是右边
网友们在Twitter投票上分享了他们的答案，来看看投票答案的结果：
好消息是，约66%的观众选择了正确的选项（A）。由于受众主要是数据科学爱好者，剩余34%的人应该要知道不要陷入合取谬误！
什么是合取谬误？
合取谬误是让经验法则（认知启发）失控的一个典型例子：选项B是一个陷阱。
理想的启发方法是选项A，因为选项B（希瑟拥有博士学位，希瑟拥有一条狗）布下陷阱，加大了犯错的机会。犯错的机会越多，越应该谨慎行事。不幸的是，不是每个人都会使用这条经验法则，反倒是更愿意下结论。
统计学家和科学家都接受过这样的培训，更详尽的结论需要更多的证据。否则，结论越华丽，就越容易被驳斥；结论越详细越不可靠。
合取谬误会让你的偏见泛滥。问题不在于希瑟有没有养狗。相反，这与你是否意识到结论更详细有关。
两种选择都包含“希瑟有博士学位”，所以实质上是问，“希瑟养狗的概率是否超过100%？”概率在0到100%之间，所以这是不可能的；1000%答案是否定的。当把其逻辑列出来时，答案就像P(A) ≥ P(A ∩ B)*一样明显。
这里容易产生错觉，每当有一个详尽且符合成见的结论时，你就会觉得它又不是那么的尽善尽美。除非仔细分析，不然不会意识到已经越过了证据所能证明的复杂程度。
新手分析师为此不受欢迎，除非是更有能力的长辈教他们遵循分析的黄金法则，不然他们会从10个数据点中推出200个推断。数据新手和科学家的区别在于，科学家得出结论时内心是极不情愿的。
成见+可用性偏见=直接下结论
如果不理出逻辑，就会归于成见。刻板印象的例子更容易描绘，它们可能会触发一个带有可用性偏见的反馈循环：“越容易记住一个例子，选择其的可能性就越高。”
下面是一些例子，可用性偏见诱导你说出愚蠢的话：
· “暴力犯罪呈上升趋势。”
· “我们说好了碗各刷一半，但我还是刷得更多。”
· “以K开头的英语单词比以K作为第三个字母的英语单词多。”
刻板印象，雪上加霜
经验法则之外的想法你会认真对待吗？我们就好像生活在刻板印象比人还多的世界中。有着博士学位的狗主人怎么会比博士多呢？当停下来思考的时候，会发现这个推理很奇怪，但我们通常不会慢下来花时间惊讶一下。
再举两个例子，希望你能抵制住诱惑。
图源：unsplash
琳达住在纽约市。她三月份咳嗽得很厉害，不得不请假休养。她想知道自己是否感染了新冠肺炎并接受抗体检测。
提问：下面哪一个更可能与琳达有关？
A.琳达检测结果呈阳性。
B.琳达检测呈阳性，且检测程序非常准确。
再看到这个模式，就会注意到这种思维方式是一个让大脑诱骗去“学习”更多东西的好方法。也许她是通过掌纹读取器测试的；也许她的医生采用了一个不确定敏感性和特异性的试剂盒。保持警觉，不要与因社交媒体订阅中获取的信息而附上合取。
第二个问题：卡西热爱艺术、戏剧和旅行。她在大学里上过历史和人文课。她收藏了许多诗集，晚上常在写散文。
下面哪一个更可能是卡西？
A.卡西喜欢写作。
B.卡西喜欢写作，但数学不好。
智者会认为A比B更有可能。更谨慎的结论往往更安全。如果不能克制偏见，你可能不会意识到自己会基于偏见而不是证据过于自信地选择结论B。
意义何在？
不确定性十有八九，你可以保持开放的心态，没有人强迫你在希瑟养狗还是卡西擅长数学上站队。每一个问题在本质上都是问是否有足够的证据来完全消除其他的可能性，而每一次的答案都应该是否定的。
关键在于，不要强迫自己一下子得出最详尽的结论，保持开放的心态。即使认为有一个可靠的经验法则，也不要忘记可能存在的意外。如果忍不住选择了最详尽的结论，世界观上迅速膨胀的误差是巨大的！
图源：unsplash
最好的习惯是记住，有些东西是真的，有些东西是假的。通常还有一个更好的选择：保持开放的心态，直到有压倒性的证据。
别那么相信你的直觉和经验，谨慎点不是坏事，有理有据再下定论。
推荐阅读专题
留言点赞发个朋友圈
我们一起分享AI学习与发展的干货
编译组：苏韫琦、王俊博
相关链接：
https://towardsdatascience.com/dont-fall-for-the-conjunction-fallacy-d860ed89053e
如转载，请后台留言，遵守转载规范
推荐文章阅读
ACL2018论文集50篇解读
EMNLP2017论文集28篇论文解读
2018年AI三大顶会中国学术成果全链接
ACL2017论文集：34篇解读干货全在这里
10篇AAAI2017经典论文回顾
长按识别二维码可添加关注
读芯君爱你