公式优于人为判断

核心讲解

作者总结米尔与后续研究的结论：要提升预测准确度，最终结果应由公式给出，在低效度环境（高不确定性与不可预见性领域）尤其如此。医学院录取中，面试官若参与最终决定，面试反而降低选拔准确性——面试官过于相信直觉、重视个人喜好而忽略其他信息。专家评估新酒价格时品尝酒，这种信息反而起负面作用。阿申菲尔特用天气三个特征（夏季平均温度、丰收期降水量、冬季总降水量）构成的公式预测波尔多酒价格，相关系数超过0.9，比新酒市价更准确，让专家“愤怒和歇斯底里”。米尔分析专家输的原因：专家试图聪明、跳出框框、复杂组合特征——复杂化十有八九降低正确性，简单整合反而更好。人们认为“我有关于问题的其他信息”，但他们往往错了。在极少数情况（断腿原则）下主观判断有用，其他时候用判断替代公式不是好主意。

要点

• 低效度环境下最终预测应由公式给出。
• 面试官参与录取会降低选拔准确性。
• 阿申菲尔特公式预测酒价相关系数超0.9。
• 专家试图聪明，复杂化降低正确性。

常见误区

• 以为专家信息多判断准，专家常忽略权重与一致性。
• 以为公式太机械，机械恰是优点。
• 以为复杂模型更好，简单整合常胜出。

编者注

• 观点“公式优于人为判断”基于米尔50年研究综述，是作者认同的实证结论。

多方视角

作者的看法

低效度环境中公式应主导最终预测，专家判断常添乱。

不同的看法

• 临床医师认为公式机械化，无法捕捉判断的微妙复杂性。

支持作者的理由

• 约200项研究中公式不输于人。
• 阿申菲尔特公式预测酒价相关系数0.9。