直觉与公式 — 思考，快与慢

读进去

如果必须在一位资深面试官的主观评分和一个简单公式之间二选一，多数人会选前者。但米尔的研究把这道选择题变成了陷阱：在低效度环境里，公式几乎从不输给专家，而专家却常常输给自己。

问题不在于专家不够聪明，而在于他们总想用更复杂的线索证明判断力。每多纳入一个变量，信心上升，准确率却在下降。更隐蔽的是，同一个人在不同时间面对同一份材料，结论可能完全不同。公式没有情绪，也不会因为前一天没睡好而改变权重。

阿申费尔特的葡萄酒定价公式只用三个变量，阿普加评分只用五个体征，它们赢在稳定，而不是精巧。专家真正擅长的是即时互动中的模式识别，却把这种能力误当成长期预测的可靠依据。

画出来

连续叙述里最难区分的是两个问题：专家为什么输，以及公式为什么赢。前者指向人的判断缺陷，后者指向规则的抗干扰能力。如果不把这两条线分开，很容易得出“人不如机器”的简化结论。

沿着图里的结构看，专家判断的失效路径变得清晰：追求复杂性导致准确率下降，缺乏一致性导致结果漂移。公式的优势恰好对应这两点——简单权重避免过拟合，固定规则消除随机波动。这不是两种方法的对比，而是两种失败模式的对照。

晋升评审里，评委们经常面对几十份材料，每份都写得很有说服力。如果完全依赖现场讨论和主观印象，同一个候选人在不同评审组可能得到完全不同的结果。

一个更可靠的做法是先把硬指标拆成几个固定维度，用统一权重打分，再允许评委在边界案例上做小幅调整。这听起来像公式，也确实牺牲了一些“全面性”，但它换来的是跨组一致性和可解释性。

在结果难以预知的领域，放弃一部分人类判断的灵活性，是提高整体准确率必须付出的代价。