کتاب نویز

تصور کنید یک کرونومتر در دست دارید. بدون نگاه کردن به آن، روشنش کنید و دقیقاً بعد از ده ثانیه آن را متوقف کنید.

اگر این کار را چند بار پشت سر هم انجام دهید، متوجه خواهید شد که متوقف کردن ساعت درست در ده ثانیه تقریبا غیرممکن است. گاهی کمی کوتاه می‌شود و گاهی طولانی‌تر. گاهی اوقات شما چند میلی‌ثانیه اختلاف خواهید داشت. در مواقع دیگر یک ثانیه یا حتی بیشتر عقب یا جلو می‌افتید. با همین آزمایش کوچک، شما با مجموعه‌ای از خطاها مواجه می‌شوید که نه الگوی مشخصی دارند و نه دلیل خاصی.

این مثال، نمونه‌ای است از نویز یا اشتباهات تصادفی در قضاوت.

هرچند اشتباهات شما در این آزمایش، بی‌ضرر هستند ولی در این کتاب متوجه خواهید شد خطاهایی از این دست می‌تواند عواقب بسیار جدی‌تری داشته باشد. به دنیای شگت‌آور نویز خوش آمدید.

در این کتاب می‌آموزیم:

• آب و هوا چه ارتباطی با شانس شما برای قبولی در دانشگاه دارد.
• چرا شما و دیگران، در پیش‌بینی آینده عملکرد خوبی ندارید.
• چرا مغز داستان‌جوی ما قضاوت‌هایمان را ویران می کند.

تصور کنید که شما در یک دبیرستانی هستید که به همراه بهترین دوستتان دانش‌آموزان مدرسه به حساب می‌آیید. هر دو شما همیشه نمره بیست می‌گیرید، کنکور را هم پشت سر می‌گذارید و در دانشگاه سراسری قبول می‌شوید.

به مصاحبه ورودی دانشگاه می‌روید، همه‌چیز هم به خوبی پیش می‌رود. نمرات بالای شما مصاحبه‌ کننده را تحت تاثیر قرار می‌دهد و شما در حالیکه آفتاب بر صورتتان می‌تابد و نسیم ملایم پشتتان را خنک می‌کند، با احساس خیلی خوبی از محوطه دانشگاه به سمت ماشین خود می‌روید.

دوست شما روز بعد با همان مصاحبه کننده قرار ملاقات دارد. دقیقاً شبیه به شما، مصاحبه او هم خوب پیش می‌رود. اما وقتی او از دفتر خارج می‌شود، ابرهای آسمان شروع به باریدن می‌کنند.

چند هفته‌ می‌گذرد و هر کدام از شما نامه‌ای از اداره پذیرش دریافت می‌کنید. معلوم می‌شود، آن‌ها شما را رد کرده‌اند اما دوستتان را پذیرفته‌اند. ذهن شما به هم می‌ریزد. چرا؟ او چه چیزی داشت که شما نداشتید؟

یوری سیمونسون(پژوهشگر حوزه رفتارشناسی) در سال ۲۰۰۳ مقاله‌ای عنوان «ابرها باعث می‌شوند بچه‌درس‌خوان‌ها بهتر به نظر برسند» به این نکته اشاره کرد که آب‌وهوا ممکن است تفاوت مهمی در دیدگاه و قضاوت افراد، ایجاد کند.  سیمونسون متوجه شد که در روزهای ابری، افسران پذیرش کالج توجه بیشتری به نمرات متقاضی دارند.

از طرفی در روزهای آفتابی، افسران پذیرش نسبت به ویژگی‌های غیرآکادمیک حساس‌تر هستند، به این معنی که در روز مصاحبه شما، افسر ممکن است بیشتر به ورزش‌ و استعدادهای هنری علاقه داشته باشد تا نمرات شما.

شاید تصمیم افسر پذیرش اصلا ربطی به آب‌وهوا نداشته باشد و بیشتر به مصاحبه‌شوندگانی که قبل از شما مراجعه کرده بوده‌اند مربوط شود. مثلا آن‌ها دانشجویانی عالی بودند ولی افسر پذیرش فقط به خاطر اینکه نمی‌خواست پشت سر هم دانشجوها را قبول کند، آن‌ها را رد کرده.

اما صبر کنید، شاید سایر عوامل بی‌ربط نیز بر این تصمیم تأثیر گذاشته باشند. ممکن است افسر پذیرش گرسنه بوده باشد یا مثلا ممکن است تیم فوتبال محبوب او یک بازی مهم را باخته باشد.

محققان نشان داده‌اند که هر یک از این عوامل نامربوط می‌تواند بر تصمیمات ماموران بانکی، داوران بیسبال، پزشکان و قضات تأثیر بگذارند.

نکته مهم این است که در همه این شرایط، یک نفر مدام با وضعیتی مشابه روبرو می شود، اما قضاوت‌های متفاوتی می‌کند. به این مسئله «نویز مناسبتی» می‌گویند که یکی از دسته‌بندی‌های اصلی نویز است. که البته این مدل، تنها نوع نویز نیست.

تصور کنید در کارناوال یک بازی تیراندازی، شما و یکی از دوستانتان با تفنگ بادی چند گلوله فلزی را به سمت اهداف آویزان در انتهای برد، شلیک می‌کنید. هر دوی شما هم به دلایل مختلف، تیراندازهای بدی هستید.

گلوله‌هایی که به هدف برخورد نکردند، بدون هیچ الگوی خاصی در طول سیبل پراکنده هستند.

گلوله‌هایی که شلیک کرده‌اید، نویز هستند.

اما سیبل دوست شما داستان دیگری دارد. شلیک‌های او همه در کنار هم هستند، اما نه در وسط خال. تیرهای او به سمت پایین و چپ، منحرف شده‌اند. گویا او خال سیاه را در آن سمت دیده باشد. یا شاید لوله تفنگش کج باشد. دلیل بی‌دقتی سیستماتیک او چیست؟

هر زمان که به طور سیستماتیک خطا کنیم، آن را سوگیری می‌نامیم.

ما هر روز از واژه «سوگیری» برای توصیف تعصب مثبت و منفی نسبت به یک گروه خاص از مردم استفاده می کنیم. در زمینه روانشناسی، این اصطلاح اغلب برای نوعی از مکانیسم‌های شناختی‌ استفاده می‌شود که قضاوت‌های ما را منحرف می‌کند.

برای مثال، سوگیری نتیجه‌گیری را در نظر بگیرید، که باعث می‌شود ما قضاوت‌هایمان را به سمت یک نتیجه دلخواه تغییر دهیم و شواهد را به شیوه‌ای اشتباه تفسیر کنیم.

دادگاه مهاجرت میامی را در نظر بگیرید، جایی که شانس دریافت پناهندگی بسته به اینکه کدام یک از دو قاضی پرونده شما را بررسی کرده‌ باشند از ۵ تا ۸۸ درصد، درنوسان است.

این دو قاضی به احتمال زیاد از سوگیری نتیجه‌گیری رنج می بردند. نیازی به گفتن نیست که عواقب این سوگیری می‌تواند سرنوشت زندگی یک شخص را برای همیشه تغییر دهند.

اگر تصمیمات پناهندگی به صورت گلوله‌های تفنگ بادی بود، دو قاضی میامی هر کدام به روش‌‌های متفاوتی تیرشان به سیبل برخورد نمی‌کرد. اما اگر تصمیمات پناهندگی کل دادگاه میامی، از جمله تصمیمات قضات دیگر را در نظر می‌گرفتیم، سیبل دادگاه یک آشفتگی پراکنده و بدون الگو را نشان می‌داد.

به این نوع پراکندگی که در آن قضاوت‌های درون یک سیستم به طور غیرقابل توجیهی با یکدیگر ناسازگار هستند «نویز سیستم» می‌گوییم.

نویزهای مناسبتی افسر پذیرش دانشگاه را به خاطر دارید؟ آن رخداد نیز ممکن است ناشی از سوگیری باشد. اما چه از نویز مناسبتی جلوگیری کنیم یا از نویز سیستماتیک، باید سیبل را در فاصله مناسب بررسی کنیم. اگر هدف را خیلی نزدیک به چشم خود نگه داریم، نویزی دیده نخواهد شد.

حالا بیایید به حوزه دیگری بپردازیم که مستعد نویز است: پیش‌بینی.

یک قاضی‌ که تصمیم به آزادی موقت با وثیقه می‌گیرد، مسئولیت بزرگی دارد. آیا او باید متهم را تا زمان محاکمه در زندان نگه دارد یا او را آزاد کند؟

اگر این قاضی به اشتباه قرار وثیقه متهم را رد کند، با این کار متهم ممکن است آزادی و حتی شغل خود را از دست ‌دهد. حتی ممکن است خانواده این متهم خانه خود را از دست بدهند. هیچ یک از این ضررها عادلانه نیست. از طرف دیگر، اگر او به اشتباه وثیقه را بپذیرد، ممکن است متهم فرار کند یا بدتر از آن، مرتکب جرم دیگری شود.

با سنجیدن این عواقب، قاضی با کمک تجربه و سوابق خود می‌خواهد پیش‌بینی کند که در صورت آزادی، متهم چه خواهد کرد؟

متأسفانه، انسان‌ها (مخصوصا قاضی‌ها) در پیش‌بینی‌های دقیق، خیلی بد هستند.

در سال ۲۰۱۸ تیمی به رهبری سندیل مالیناتان(پژوهشگر حوزه رفتارشناسی) الگوریتمی را ایجاد کردند که قضاوت وثیقه‌گذاری را مدیریت می‌کرد. آنها نتایج تقریباً ۷۶۰ هزار جلسه وثیقه‌گذاری واقعی را به الگوریتم ارائه کردند و متوجه شدند که استفاده از این الگوریتم جمعیت زندان و جرایم انجام شده توسط متهمان آزاد شده را ۲۴ تا ۴۲ درصد کاهش می‌دهد.

مطالعات دیگر نشان داده‌اند که فرمول ابتدایی که تنها دو عامل را در نظر می‌گیرد(سن متهم و تعداد جلسات دادگاهی که از دست داده است) خیلی بهتر از قضاوت‌های قاضی‌ها عمل می‌کند.

اینجا یک سوال مهم پیش می‌آید، آن‌هم اینکه چرا کارشناسان با سال‌ها آموزش و تجربه، از الگوریتم‌ها و ریاضیات تا این اندازه عقب می‌افتند؟ پاسخ ساده است. آن‌ها انسان هستند.

وقتی سعی می‌کنیم آینده را پیش‌بینی کنیم، به دنبال یک پایان می‌گردیم. این کار، تلاشی است برای حل یک معمای ذهنی. وقتی به یک پاسخ می‌رسیم، حسی درونی می‌گوید، بله، همین است!

یک پیش‌بینی رضایت‌بخش به نوع نگاه ما به جهان مرتبط است. قدرت این پاداش احساسی اغلب ما را نسبت به محدودیت‌های ذاتی در پیش‌بینی‌، کور می‌کند و ما درگیر یک جهل مرکب خواهیم شد.

ما نمی‌دانیم چه چیزهایی را نمی دانیم؛ آنچه می‌دانیم نیز ممکن است اشتباه، ناقص یا گمراه‌کننده باشد.

البته توجه داشته باشید قوانین و الگوریتم‌ها نیز در بسیاری از مواقع نادانی دارند. اما نکته اینجاست که آن‌ها احساسات درونی، پیش‌داوری در مورد جهان و پاداش‌های احساسی ندارند.

به طور خلاصه، الگوریتم‌ها فقط به این دلیل از ما بهتر عمل می کنند که نویز ندارند.

شاید متوجه شده باشید که هر فصل از کتاب اغلب با یک داستان شروع می‌شود. یک زمان و مکان را توصیف می‌کند، رویدادی شامل چند شخصیت، دارای هدفی مشخص و البته موانعی که باید بر آن‌ها غلبه کنند.

ما این کار را به این دلیل انجام می‌دهیم چون ذهن ما، داستان را دوست دارد. اطلاعاتی که در دل یک داستان ارائه می‌شوند بهتر در ذهن می‌مانند.

تا اینجا ما به مفهوم نویز و برخی پیامدهای آن در نظام قضایی و آموزشی نگاه کردیم. همان‌طور که اشاره کردیم، هر جایی که مردم قضاوت می کنند، این قضاوت همراه خود، نویز را نیز خواهد داشت.

اما یک سوال مهم: اگر نویز در همه جا وجود دارد، چرا کسی در مورد آن حرف نمی‌زند؟

بیشتر روان‌شناسان در دهه‌های اخیر وابستگی عمیق ما به داستان را بررسی کرده‌اند. امروز می‌دانیم که ذهن انسان جهان را با ساختن داستان‌هایی برای توضیح آنچه مشاهده می کنیم، درک می کند.

به عنوان مثال، روانشناسان خطای اسناد بنیادی را شناسایی کرده‌اند که می‌گوید ما عموما آدم‌ها را صرفا بر اساس کارهایی که وابسته به شرایطشان بوده، ستایش یا سرزنش می‌کنیم.

ما در همه جا شخصیت‌ها و داستان‌ها را می‌بینیم. هنگامی که واقعیت ما به چالش کشیده می‌شود، مکانیسم روانشناختی واقع‌گرایی ساده‌انگارانه(باور خودتقویت‌کننده مبنی بر اینکه ما واقعیت را همان‌طور که واقعا هست درک می‌کنیم) با کنار گذاشتن ضدروایت‌های مشکل‌ساز، روایت اولیه ما را تقویت می‌کند و وقتی واقعه‌ای غیرمنتظره رخ می‌دهد، ذهن ما آن را به جایی می‌برد که نویسندگان کتاب نام آن را «دره عادی‌انگاری» گذاشته‌اند، جایی که چیزهای عجیب با ارائه توجیهاتی از گذشته، عادی جلوه داده می‌شوند.

این موضوع ما را به نکته اصلی می‌رساند: نویز در برابر روایت مقاومت می‌کند.

نویز از قانون علیت پیروی نمی‌کند و با الگوهای ادراکی ما همخوانی ندارد. تا جایی که حتی اگر روایتی ارائه کند، داستانی خسته کننده و ظاهراً بی‌معنی از آب در می‌آید.

وقتی نویز جایی در داستان ما پیدا نکند، ما یا به طور کامل آن را کنار می‌گذاریم یا آگاهانه آن را تغییر می‌دهیم یا آن‌را به عنوان یک سوگیری در نظر می‌گیریم. چراکه سوگیری در یک داستان، خوب عمل می کند و نقش علّت و معلولی دارد.

از سوی دیگر، نویز فقط از نظر آماری قابل مشاهده است. خطا در رد قرار وثیقه، پذیرش در دانشگاه، جلسات رسیدگی به درخواست پناهندگی و تصمیم در مورد استخدام به شکل سوگیری دیده می‌شود.

هما‌ن‌طور که گفتیم، سوگیری ممکن است به توضیح برخی موارد کمک کند. اما هنگامی که ما این پدیده‌ها را عمیق‌تر بررسی می‌کنیم، ماهیت تصادفی و آشفته آن‌ها آشکار می‌شود.

قبل از آن که جلوتر برویم، بیایید یک مرور سریع بر آنچه تاکنون آموخته‌ایم داشته باشیم.

هرجا قضاوت انسانی وجود داشته باشد نویز نیز وجود خواهد داشت. که همین نویز گاهی اوقات می‌تواند پیامدهای جدی و البته تلخ برای ما به همراه داشته باشد.

با این تفاسیر، سوال مهمی که مطرح می‌شود این است که برای کم کردن نویز چه کاری می توانیم انجام دهیم؟

برای شروع پاسخ به این سوال، اجازه دهید به پاییز ۱۹۰۶ بازگردیم، زمانی که پسر عموی چارلز داروین(فرانسیس گالتون) از نمایشگاهی در پلیموث بازدید کرد.

گالتون در حین قدم زدن در غرفه‌ها با مسابقه‌ وزن‌کشی گاوها مواجه شد و از آن‎جایی که نظریه‌پرداز هوش بود، با کنجکاوی گوش می‌داد زیرا نزدیک به ۸۰۰ روستایی بهترین تخمین‌های خود را از وزن گاو ارائه می‌کردند. هیچ‌کس پاسخ صحیح که ۱۱۹۸ پوند بود را نگفت.

وقتی مسابقه به پایان رسید، گالتون از برگزارکنندگان خواست تا بلیت‌هایشان را برای تجزیه و تحلیل آماری به او بدهند. هنگامی که پاسخ‌ها بر روی یک نمودار رسم شد، برآوردها پراکنده بودند، با مقادیر متغیر و غیرقابل‌پیش‌بینی.

روستاییان نویز داشتند. اما وقتی گالتون میانگین تخمین‌های روستاییان را محاسبه کرد، متوجه چیز شگفت‌انگیزی شد. عالی بود! میانگین فقط یک پوند کمتر از وزن واقعی گاو بود.

گالتون با پدیده‌ای برخورد کرده بود که اکنون به عنوان اثر خرد جمعی شناخته می‌شود.

در شرایط مختلف، دریافت قضاوت‌های مستقل از چندین قاضی و سپس میانگین‌گیری پاسخ آن‌ها، ما را به حقیقت نزدیک می‌کند.

وقتی از مردم می‌خواهید تعداد دانه‌های ژله‌ای در یک شیشه، فاصله دو شهر یا دمای یک روز خاص در هفته بعد را حدس بزنند، پاسخ‌هایشان متفاوت خواهد بود. چراکه آن‌ها پر از نویز هستند، با این حال، هنگامی که میانگین را به دست می آید، نویز در یک پاسخ با نویز در پاسخ دیگر مقابله می‌کند. بله، نویز خودش را از بین می‌برد.

اما خرد جمعی با برخی شرط حیاتی همراه است.

اول اینکه هر قاضی باید مستقل از بقیه باشد. وقتی از یک گروه سؤال می‌پرسید، افراد به همان اندازه که به خود سؤال پاسخ می‌دهند، به گروه نیز پاسخ می‌دهند.

همچنین، خرد جمعی تنها زمانی آشکار می‌شود که هر فرد دقیقاً به سوال مشابهی پاسخ دهد. پرسیدن سوال متفاوت از هر فرد، شما را به جایی نمی‌رساند.

توجه داشته باشید که خرد جمعی جلوی تعصب را نمی‌گیرد.

اگر جمعیت سوگیری داشته باشند، به خاطر یک خطای سیستماتیک در قضاوت، میانگین پاسخ‌های اعضا این تعصب را تقویت می‌کند. به عنوان مثال، اگر یک کمیته استخدام از سوگیری علیه زنان رنج می‌برد، این سوگیری تنها زمانی برجسته‌تر به نظر می‌رسد که ما قضاوت‌های آنان را در مورد یک نامزد زن، جمع‌آوری کرده و میانگین بگیریم.

تا اینجا در مورد قضات و انحراف‌های تصادفی و گاهی غیرقابل توضیح در احکامی که صادر می‌کنند، صحبت کردیم. ماروین ای فرانکل، قاضی منطقه‌ای ایالات متحده به این بی‌عدالتی آگاه بود.

فرانکل در اوایل کار خود متوجه شد که می‌تواند یک سارق بانک را تا ۲۵ سال به زندان بفرستد، یا می‌تواند او را فقط یک روز بازداشت کند. فرانکل می‌دید که قضاوت در نهایت به دیدگاه‌ها، تمایلات و تعصبات شخصی او بستگی دارد.

در سال ۱۹۷۳ فرانکل کتابی را منتشر کرد که در آن تفاوت‌ در مجازات برای جرایم بسیار مشابه نشان داده شده بود. یکی از این موارد یک جاعل چک بود که به ۳۰ روز زندان محکوم شد و شخص دیگری که دقیقا برای همان جرم، مشمول حکم ۱۵ سال زندان شده بود.

برهمین اساس، فرانکل تصمیم گرفت تا تصویری منظم‌تر از این اتفاق ترسیم کند. در سال ۱۹۸۱، فرانکل یک تیم تحقیقاتی را رهبری کرد و از ۲۰۸ قاضی فدرال خواست تا در مورد داستان ۱۶ متهم جنایی قضاوت کنند.

تیم فرانکل سناریوها را به صورت جداگانه به هر قاضی ارائه کرد و بعد از آن تفاوت بین احکام پیشنهادی قضات در هر مورد را شفاف کرد.

این مطالعه و چندین مورد مشابه آن از نظر آماری اثبات کردند که اختلاف‌هایی تکان دهنده، در صدور احکام جنایی وجود دارد.

فرانکل نشان داد که حسابرسی می توان سطح نویز را در هرجایی که در آن گروهی از متخصصان کار مشابهی را انجام می‌دهند تعیین کرد. چطور؟

قدم اول این است که انحراف از هدف اصلی را مشخص کنید. مشخص کنید که چقدر انحراف در قضاوت قابل قبول است. مثلا برای یک مدیر بیمه، ممکن است سوال این باشد: اختلاف قابل قبول، در میزان خسارت تعیین شده توسط بازرسان مستقل برای یک زیرزمین سیل‌زده چند دلار است؟

در مرحله بعد، گزارش را به قضات یا کارشناسان ارائه دهید. اطمینان حاصل کنید که برای هر قضاوت، یک عدد مشخص مانند سال‌های محکومیت زندان یا مبلغ پرداخت بیمه به آن‌ها ارائه می‌شود.

در نهایت، پاسخ‌های داوران را در مقایسه به داوری خود ترسیم کنید. شما اکنون یک مرجع از نویز موجود در موسسه خود دارید. حالا، با آن چه کاری می توانید انجام دهید؟

تصور کنید روی تخت جراحی هستید و می خواهید زیر تیغ بروید. درست قبل از اینکه بی‌هوش شوید، جراح به سمت سینک می رود. دست‌هایش را صابون می‌زند و سپس آنها را زیر آب داغ می گیرد. او با همین کار ساده از ورود عوامل بیماری‌زا به بدن شما جلوگیری کرده است.

ما می‌توانیم همین کار را با نویز انجام دهیم. با رعایت اصولی که آن را بهداشت تصمیم‌گیری می‌نامیم، می‌توانیم نویز دنیای خود را به میزان قابل‌توجهی کاهش دهیم.

اولین قدم برای ایجاد بهداشت تصمیم‌گیری(شستن دست‌های جراح با صابون) این است که یاد بگیرید قبل از هر تصمیم مهمی صبر کرده و آماری فکر کنید.

پیش‌تر متوجه شدیم که ذهن داستان‌جوی ما از همه چیز داستان می‌سازد. ما در داستان غوطه‌ور می‌شویم و جزئیات را با علت‌ها و معناها در هم می‌آمیزیم.

هرچند این کار یک گرایش طبیعی است، اما ما را درگیر نویز می‌کند. پس باید هدف خود را چیزی در نظر بگیرید که کانمن آن را دیدگاه بیرونی می‌نامد: هر مسئله را با ارجاع به موارد مشابه، قاب‌بندی کنید.

به عنوان مثال، فرض کنید یک مدیرعامل جدید در محل کار خود دارید و به این فکر می‌کنید که آیا این فرد موفق خواهد بود یا خیر. تحصیلات، شهرت و سابقه عملکرد مدیرعامل ممکن است سرنخ هایی به شما بدهد، اما این اطلاعات، انبوهی از اطلاعات پیچیده و گمراه کننده است.

یک رویکرد کم نویز با بررسی موقعیت‌های‌ مشابه شروع می‌شود. به عنوان مثال، می‌توانید نرخ متوسط گردش مالی مدیران عامل در صنعت خود را پیدا کنید، یا بررسی کنید که هر چند وقت یک‌بار مدیران عامل جدید باعث می‌شوند ارزش سهام شرکت بالا برود؟

در حین ساختن یک چارچوب آماری قوی، باید در برابر قضاوت‌های سریع مقاومت کنید.

همه ما می‌خواهیم قضاوت ما احساس خوبی داشته باشد، اما همچنین می‌خواهیم که قضاوت ما همراه با حس خوب و رضایت باشد. پس باید در مورد محل تحصیل مدیرعامل یا در مورد آنچه در آخرین شغل او رخ داده است، کنار بگذارید.

پاداش عاطفی را برای قضاوتی نگه دارید که با دیدگاهی مستدل از محتمل‌ترین حالات به دست می‌آید.

ایجاد یک قضاوت پیچیده و منسجم از نظر احساسی پاداش دارد، اما این پاداش می‌تواند شما را گمراه کند. در صورت امکان، موارد سخت را به سوالات جداگانه تقسیم کنید و آنها را به داورانی مستقل بسپارید.

به عنوان مثال، ارتباط بین دوره تصدی مدیرعامل شما و ارزش سهام شرکت ممکن است یک معمای سرگرم کننده باشد، اما همچنین می تواند بی‌ربط به هم نیز باشد.

ما یک اصل مهم دیگر برای بهداشت تصمیم داریم، که در ادامه توضیح خواهیم داد.

در سال ۱۹۸۴، قاضی فرانکل پیروز شد. کنگره قانون اصلاح احکام را به تصویب رساند و بلافاصله پس از آن دستورالعمل‌های سختگیرانه‌ای را براساس تجزیه و تحلیل ده هزار پرونده واقعی وضع کرد. طبق قوانین جدید، قضات فقط می‌توانند جرم و سابقه جنایی متهم را بررسی کنند. پس از آن قاضی برای هر مورد یک مقدار عددی تعیین می‌کند و بر اساس اعداد به دست آمده، دامنه‌ای از میزان جریمه را پیشنهاد می‌کنند.

نتیجه این کار این بود که نویز، در صدور احکام کاهش یافت.

به عنوان مثال، قبل از این اقدام، مردی که به دلیل خرید و فروش مواد مخدر محکوم شده بود، ممکن بود بسته به قاضی که به صورت اتفاقی برای رسیدگی به پرونده انتخاب شده بود، با چندین سال تغییر در مجازات خود مواجه شود. پس از تغییر قانون، این اختلاف به چند ماه کاهش پیدا کرد.

با این اتفاق، قضات در سراسر کشور به شدت ناراضی شده بودند. آن‌ها حس عدالت خود را از طریق سال‌ها مطالعه و تجربه به‌خوبی تنظیم کرده بودند و اکنون اختیار آن‌ها از بین رفته و یک مسئله ریاضی خام جایگزین قضاوت آن‌ها شده بود.

بر همین اساس در سال ۲۰۰۵، دیوان عالی، قانون اصلاح احکام را به دلایل فنی لغو کرد. چند سال بعد، کریستال یانگ، استاد حقوق دانشگاه هاروارد، ۴۰۰۰ پرونده جنایی را تجزیه و تحلیل کرد که پس از لغو این دستورالعمل محکوم شده بودند. اختلاف بین مجازات‌های خشن مشابه، دو برابر شده بود. ارزش‌های شخصی به عنوان مبنایی برای صدور حکم، پذیرفته شده بود.

به عبارتی بهتر مجددا نویز برگشته بود.

قاضی فرانکل و متحدانش در کمپین خود برای کاهش نویز شکست خوردند. آن‌ها نتوانستند به قضات این نکته را تفهیم کنند که هدف قضاوت باید دقت باشد، نه نظر شخصی.

برخلاف نقد ادبی، مسابقات ورزشی، فیلمسازی یا هر زمینه دیگری که در آن تنوع در عقاید و سبک باعث رشد می شود، تنوع در میان کارشناسانی که به طور عمده مواردی مشابه را قضاوت می‌کنند، مشکل‌ساز است. وقتی دو رادیولوژیست به طور مستقل یک تصویر اشعه ایکس را می‌بینند و به نتایج متفاوتی می‌رسند، یکی از آن‌ها دارد اشتباه می‌کند. به عبارت دیگر، هنگامی که داوران به بازی تیراندازی می‌روند، ابتدا باید در مورد محل قرارگیری خال سیاه توافق کنند.

هنگامی که قضات توافق کردند که دقت مهمترین اولویت است، حسابرسان باید از آنها دعوت کنند تا سناریوهایی برای راستی‌آزمایی ایجاد کنند. پرهیز از این کار باعث می‌شود حسابرسی با بررسی خصمانه و نظر شخصی مواجه شود. در مرحله بعد، داوران باید میزان و هزینه‌های نویز را در نظر بگیرند.

توجه داشته باشید، هرچند کاهش نویز کار خیلی لذت‌بخشی نیست اما با خواندن این کتاب احتمالا متوجه این موضوع شدید که نویز، هزینه بسیار زیادی را تحمیل می‌کند. منابع را هدر می دهد، بی‌عدالتی را افزایش می‌دهد و منجر به تراژدی‌هایی انسانی می‌شود و در نهایت ایمان به نهادهای قانونی، پزشکی، آموزشی و حرفه‌ای را از بین می‌برد.

اکنون که نویز را کشف کردیم، وظیفه داریم آن را کاهش دهیم.

انحراف تصادفی و ناخواسته در قضاوت انسان، همه‌جا هست و چه آن را ببینیم یا نادیده بگیریم، در حال پرداخت بهای سنگینی هستیم.

خبر خوب این است که اگر طرز فکر خود را تغییر دهیم و اصول پیشگیری را اتخاذ کنیم، می‌توانیم نویز را کاهش دهیم.

توصیه عملی:

با خودتان به خرد جمعی برسید. همان‌طور که دیدید، میانگین قضاوت‌های متعدد و مستقل از یک سوال می‌تواند با نویز آن قضاوت‌ها مقابله کند و پاسخی بسیار دقیق به شما بدهد.

مسئله این است که اگر چندین بار یک سوال را از خودتان بپرسید، می‌توانید به همان اثر برسید.