兒子在中學時曾經去參加過一個辯論夏令營。當他在跟我分享某個辯論的主題及過程時,我意識到他跟其他的孩子一樣,可能對於辯論這件事抱著一種令我擔憂的觀念。 於是我告訴他: 「我覺得學習辯論技巧,對你來說最重要的好處是訓練你的思考邏輯,穩固你的辯證能力。它的目的是讓你有更好的能力去釐清及理解事情的前因後果,把問題想清楚,增加你做判斷時的自信心,絕對不是為了使用這個工具來駁倒別人,甚至成為一個狡辯的高手。」 這是我個人的態度 —- 面對時事議題,政治議題,敏感議題,複雜議題,等等,大多時候,我都選擇不參與討論或爭辯。並不是因為那些話題不重要,或者我不關心,或者我是個騎牆派,而是因為,第一,當我自己在思考時,總是很習慣地會在兩種(或多種)不同的角度之間來回切換,嘗試要去理解另一方的思維。當我越是深入去瞭解或同理不同立場的出發點之後,就越覺得我無法用很單純的一個角度來回應或選邊站。 第二,基於對人類心理及大腦偏誤的認識,我知道在爭辯的過程中,每個人都深受自己過去的個人經驗、社會文化、以及當時的情緒,甚至面子,等等包袱所影響,很少有人能真正做到客觀。事實上,完全客觀的邏輯分析只有無情無義的人工智能(AI)才做得到。大部份人所謂理性的陳述,充其量只是在「尋找合理化的解釋」(參閱「我理性,但我不合邏輯」)。其中常常夾帶了各式各樣有意識的、無意識的動機在裡面。我無法相信別人是客觀的,同樣的,我也不敢相信自己是客觀的。 在面對一件模糊或者難以簡單判斷是非好壞的情況時,我們的大腦會不自覺地去尋找我們潛意識所偏好的訊息,加以放大,然後很自然地說服自己,這就是答案──即使同樣的訊息可以被不同的人解讀出完全不同的結論。心理學家們之為「動機化的論證」(motivated reasoning)。這些論證大多時候都無所謂對錯的,端看你自己要相信哪一個。 在看一張由一些模稜兩可的線條所組成的圖片之前,受試者事前被告知,如果待會他們看到的是一種農場動物,他就會被分配到飲料A,若是看到的是海裡動物,他們就會分派到飲料B。曖昧的圖片只在受試者眼前閃過一秒鐘,結果喜歡飲料A 的人看到馬,喜歡飲料B的人看到海狗,這兩種的比例都高達70%左右(而控制組則是接近隨機比例,50%)。 1982 年在黎巴嫩的貝魯特發生了一場令人震驚的大屠殺。在美國的電視新聞上看到同樣的畫面及報導之後,親猶太裔的觀眾及親阿拉伯裔的觀眾,雖然立場各自不同,卻異口同聲抗議電視台的報導不公正,對他們所支持的那一觀點有偏見。 當我們聽到那些和我們政治立場不同的人的說法時,我們總是很自然地覺得對方若不是搞不清楚狀況,就是故意扭曲信息。其實很多時候兩者都不是,他們是真的看到了我們沒有看到的部份,就像盲人摸象一樣。因為無意識的「動機化的論證」,讓每一方都可以找到符合各自想要得到的結論的有用信息,而藉此懷疑或打擊對方。 因為動機化論證是潛意識的,所以人們會理直氣壯地宣稱自己是完全中立的,沒有偏見,不受外界因素影響,自己的結論來自非常清晰的思考。但許多的心理學實驗已經告訴我們,我們的潛意識是多麼狡猾地溜進我們所謂有意識的想法及行為中,主宰著我們的理性運作。 要選哪一邊站,這本無可置喙。但若一眛堅持自己的論證而不願意聆聽別人的觀點,固執相信自己是理性的,而別人都非理性,這才真的是大錯特錯。 於是我體會到「爭辯無用」。爭辯並不能幫助人與人之間的對話達成結論,解決問題。我會運用這樣的辯證思考來挑戰自己尋找真理,但作為一個和別人對話的工具,我覺得它既危險,且注定成效不彰。
2020年四月份的時候,住在紐約的大衛測試新冠病毒得到確診的結果,同期間另一個住在台北的大衛也得到確診的結果。兩個人都沒有出現症狀,但都被納入當地確診人口的統計數字。 但是我可以告訴你,即使在已經確診的情況下,紐約的大衛其實真的有被病毒感染的機率只有 93%,而台北的大衛真的有被感染的機率更低,只有 29%。 為什麼呢?第一,所有的測試本身都是有誤差的,比如說,真的有病卻未被偵測到,這叫做假陰性(false negative);而其實沒病卻被測出有病,這叫做假陽性(false positive)。關於測試的準確性,在醫學上或是統計學上,至少可以分為兩種: (1)敏銳性(sensitivity)指的是在真的有病的人當中能夠正確測出陽性(true positive)的比例 (2)明確性(specificity)指的是在真的無病的人當中能夠正確測出陰性(true negative)的比例 測試的敏銳性與明確性 任何一種統計的誤差若能壓低到5%,其結論就具有非常有效性。所以不管是敏銳性或明確性,若能達到95%,就算是很了不起了。目前以新冠病毒的測試來說,實驗室裡用RT-PCR的測式結果是最準確的,也最昂貴,但其敏銳性落差很大,從 70% 到97%不等;唾液測試是 72%,鼻腔抹拭63%,喉嚨抹拭則只有32%。 第二,大部份人在做類似的認知判斷時,常常犯一種忽略環境因素的基準比例的毛病,只用既得數字而草率地推論出比實際情況嚴重的結論。這是所謂的「忽略基準比例的謬誤」(base rate neglect fallacy),這無論在機率學或認知心理學的領域,都是很有名的一種常見的錯誤判斷行為模式。 所有測試結果的解讀牽涉的都是機率問題,而在做此機率判斷之前,必須先根據之前已得的數據來建立統計模型。這過程中,採樣及數據的讀取方法都會影響最後的判讀結果。因為我們的測試結果是把個人數據放進一個經過採樣的模型,在做解讀時必須將這一步納進考量,才能獲得真正更準確的機率做為結論。 以新冠病毒為例,先讓我們假設其測試非常精準,誤診(false positive) 的機率只有 5%。所以當大衛(不管是紐約的大衛還是台北的大衛),被確診之後,一般人會認為這就表示 95% 的機率他的確是被感染了。但我卻告訴你,他真正被感染的機率其實低於 95%。 讓我們先以紐約為例。假設紐約這個疫區的感染率是 40%,也就是說,每1000個人當中有400個人會被感染,這一步的數字來自之前經過採樣而得到的模型。如果我們假設測試非常嚴格,其敏銳性高達100%(也就是說真的有病的人都不會被漏掉),但有5 %的 false positive rate (也就是每100個無病的人當中有五個人會被誤診為有病)。我們可以用以下的表格及簡單的數字來表示: 例一:紐約測試(敏銳性100%) 對於被確診的紐約大衛來說,現在已知的是他是430人當中的一個。此時當我們要再更進一步來瞭解他真正被感染的機率,看他是否屬於真正有病的那400人之一。 也就是說,在已得知確診的情況底下,他真正有感染的機率是:400 /430 = 93%。 那麼同樣被確診,對於台北大的衛為什麼會有不一樣的解讀呢?原因是台北的感染率很低,也就是環境不同,所套用的模型不同,基準比例(base rate)不同。同樣的表格,若我們把感染率改為 2%, 例二:台北測試 (敏銳性100%) 對於被確診的台北大衛來說,現在已知的是他是69人當中的一個。此時當我們要再更進一步來瞭解他真正被感染的機率,看他是否屬於真正有病的那20人之一。也就是說,在已得知確診的情況底下,他真正有感染的機率是:20 /69 =…


