Эти
две
версии
математически
одинаковы,
но
разнятся
с
психологической точки зрения. Те, кто ознакомился с первым вариантом
задания, не знают, как пользоваться априорной вероятностью, и часто ее
игнорируют. Те, кто видит второй вариант, напротив, уделяют априорной
вероятности
значительное внимание, и в среднем их оценки недалеки от
байесовского решения. Почему?
В первом варианте априорная вероятность «Синих» такси —
статистический факт, количество такси в городе. Разуму, жаждущему
каузальных историй, не о чем думать: количество «Синих» и «Зеленых»
такси в городе не заставляет водителей скрываться с места происшествия.
С другой стороны, во втором варианте водители «Зеленых» такси в
пять с лишним раз чаще попадают в аварии, чем водители «Синих». Вывод
напрашивается немедленно: водители «Зеленых» такси — отчаянные
безумцы! У вас сформировался стереотип неосторожности «Зеленых»,
который вы применяете к неизвестным отдельным водителям компании.
Стереотип легко вписывается в каузальную историю, поскольку
неосторожность — это каузально важная черта для отдельных водителей. В
этой версии присутствуют две каузальные истории, которые требуется либо
объединить, либо привести в соответствие друг другу. Первая — это
происшествие, естественным
образом вызывающее мысль о том, что
виноват неосторожный водитель «Зеленых». Вторая — это свидетельские
показания, дающие веские основания предполагать, что такси было из
«Синих». Выводы из двух историй относительно цвета машины
противоречивы и примерно нейтрализуют друг друга. Цвета примерно
равновероятны (байесовская оценка составляет 41 %, что отражает чуть
более сильное влияние соотношения виновных в происшествиях водителей
«Зеленых» по сравнению с надежностью свидетеля, заявившего, что такси
было «Синим»).
Пример с такси иллюстрирует два типа априорных вероятностей.
Статистические априорные вероятности — это неважные для отдельного
случая факты о совокупности, в рамках которой рассматривается ситуация.
Каузальные априорные вероятности
меняют ваше видение того, как этот
случай произошел. Обращаются с этими двумя типами информации об
априорных вероятностях по-разному:
Статистическим
априорным
вероятностям
обычно
придают
небольшой вес, а иногда и вообще игнорируют при наличии конкретной
информации о рассматриваемом случае.
Каузальные априорные вероятности рассматривают как информацию о
конкретном случае и легко сочетают с другой относящейся к нему
информацией.
Каузальная версия задачи про такси сформулирована как стереотип:
«Зеленые» водители опасны. Стереотипы — это утверждения о группе,
которые считаются (хотя бы условно) верными для каждого ее члена. Вот
два примера:
Большинство выпускников этой школы в бедном районе поступают в
колледж.
Во Франции широко интересуются велоспортом.
Эти утверждения с готовностью интерпретируются как определение
склонности отдельных членов группы и
вписываются в каузальную
историю. Многие выпускники этой школы в бедном районе желают и идут
учиться в колледж, предположительно из-за каких-то благоприятных
особенностей школы. Во французской культуре и общественной жизни есть
силы, заставляющие многих французов интересоваться велоспортом. Вы
вспомните эти факты, когда будете обдумывать вероятность того, пойдет ли
конкретный выпускник этой школы в колледж, или размышлять, стоит ли
упоминать «Тур де Франс» в разговоре с недавно встреченным французом.
Формирование стереотипа — отрицательное понятие в нашей
культуре, но я использую его нейтрально. Одна из основных характеристик
Системы 1 заключается в представлении категорий в виде норм и
прототипов.
Именно так мы думаем о лошадях, холодильниках и нью-
йоркских полицейских; мы держим в памяти представление об одном или
нескольких «нормальных» примерах из каждой категории. В социальных
категориях такие представления называют стереотипами. Некоторые из них
катастрофически ошибочны, а формирование неприязненных или
враждебных стереотипов приводит к ужасным последствиям, но от
психологии не уйдешь: мы представляем
категории через верные и
фальшивые стереотипы.
Обратите внимание на иронию: в контексте задачи про такси
пренебрежение информацией об априорных вероятностях — когнитивный
недостаток, ошибка в байесовском обосновании, тогда как доверие к
каузальным
априорным
вероятностям
желательно.
Формирование
стереотипов о водителях «Зеленых» такси повышает точность оценки.
Однако в другом контексте — например, при найме на работу или в
профилировании — существуют жесткие социальные и законодательные
нормы против создания стереотипов. Так и должно быть. В деликатных
социальных ситуациях нежелательно
делать потенциально неверные
выводы об индивиде на основании статистики группы. С моральной точки
зрения считается желательным рассматривать априорные вероятности как
общие статистические факты, а не как предположения о конкретных людях.
Иными словами, в этом случае мы отвергаем каузальные априорные
вероятности.
Социальные нормы против формирования стереотипов, включая
неприятие профилирования, полезны для создания более цивилизованного
и справедливого общества. Тем не менее стоит помнить, что
пренебрежение обоснованными стереотипами
неизбежно влечет за собой
неоптимальные оценки. Противостояние стереотипам похвально с точки
зрения морали, однако не следует ошибочно придерживаться упрощенного
мнения, что это не несет последствий. Такую цену стоит заплатить ради
улучшения общества, но отрицание ее существования, хотя и успокаивает
душу и политически корректно, все же не имеет научного обоснования. В
политических дебатах часто используют эвристику аффекта: симпатичные
нам принципы якобы не требуют затрат, а те, что нам не нравятся, якобы не
дают никакой пользы. Мы должны быть способны на большее.
Do'stlaringiz bilan baham: 
