Vì sao não mình rất thích đi đường tắt kể cả khi nó làm mình phán đoán sai

Một trong những cách dễ nhất để thấy việc con người phán đoán “lạ” đến mức nào là bảo họ đoán giá một món đồ.

Cho ai đó nhìn một chiếc túi hàng hiệu, một chai whiskey hay một cây violin. Đưa cho họ một con số trước. Rồi hỏi giá thật là bao nhiêu.

Điều thường xảy ra không hề ngẫu nhiên.

Con số đầu tiên cứ thế bám lại.

Nó trở thành điểm xuất phát trong đầu họ, kể cả khi nó chẳng liên quan gì đến đáp án thật.

Một bài tập kiểu lớp học đơn giản như vậy lại mở ra một ý lớn hơn nhiều: rất nhiều quyết định của mình được xây trên những lối tắt tinh thần. Những lối tắt đó giúp mình phản ứng nhanh, nhưng cũng bẻ cong phán đoán theo những cách rất dễ đoán.

Đó chính là thế giới của heuristic và bias .

Heuristic và bias có liên quan rất chặt, nhưng không phải là một

Heuristic là một lối tắt tinh thần giúp mình ra quyết định nhanh hơn.

Bias là sai lệch có tính hệ thống có thể xuất hiện vì lối tắt đó.

Nói cách khác, heuristic là cơ chế. Bias là hiệu ứng để lại phía sau.

Điểm này quan trọng vì heuristic không mặc định là xấu. Trong rất nhiều tình huống, nó hiệu quả và hữu ích. Vấn đề là khi mình dựa vào nó quá tự động, nó có thể kéo suy nghĩ của mình lệch khỏi thực tế.

Ba ví dụ dễ nhìn thấy nhất là anchoring, representativeness, và availability.

Anchoring giải thích vì sao con số đầu tiên lại có sức nặng quá mức

Anchoring xảy ra khi một giá trị ban đầu trở thành mốc neo cho một ước lượng về sau.

Dù con số đó là ngẫu nhiên, con người vẫn có xu hướng bị nó kéo về phía nó.

Một ví dụ kinh điển nghe khá vô lý: người ta quay một vòng quay số, rơi vào một giá trị ngẫu nhiên, rồi được hỏi tỉ lệ các quốc gia châu Phi trong Liên Hợp Quốc cao hơn hay thấp hơn con số đó. Sau đó họ đưa ra ước lượng cụ thể.

Về logic thì con số ngẫu nhiên kia không nên ảnh hưởng gì cả.

Nhưng thực tế là có.

Người nhìn thấy số lớn sẽ đưa ra ước lượng cao hơn. Người nhìn thấy số nhỏ sẽ đưa ra ước lượng thấp hơn.

Đó là anchoring bias .

Và điều thú vị là nó cũng xuất hiện khắp đời sống hằng ngày:

• Một cửa hàng bảo món đồ từng có giá 200 đô, giờ còn 89 đô, nên 89 đô bỗng thấy “hời”.
• Một lời mời lương đầu tiên xuất hiện, và mức counteroffer của bạn thường xoay quanh con số đó.
• Một căn nhà được rao ở mức rất cao, rồi mọi đánh giá sau đó cũng bị kéo lên theo mức niêm yết ban đầu.

Não bộ đối xử với con số đầu tiên như một mốc tham chiếu có ích, rồi không điều chỉnh đủ xa khỏi nó.

Điểm cuối này rất quan trọng. Vấn đề không chỉ nằm ở cái neo ban đầu. Nó còn nằm ở việc mình điều chỉnh tiếp theo không đủ mạnh.

Representativeness giải thích vì sao thứ “trông có vẻ đúng” lại thắng được thống kê

Representativeness heuristic xảy ra khi mình đánh giá một thứ dựa trên mức độ nó giống với hình dung sẵn có trong đầu về một nhóm nào đó.

Nghe có vẻ hợp lý, cho đến khi cảm giác giống đó bắt đầu thắng luôn cả toán.

Lấy ví dụ quen thuộc về tung đồng xu. Hãy tưởng tượng ba chuỗi này đều đến từ một đồng xu công bằng:

• H T T H H T
• H H H H H T
• T T T H H H

Đa số mọi người sẽ nói chuỗi đầu tiên “trông ngẫu nhiên” nhất.

Nhưng cả ba chuỗi đều có xác suất như nhau nếu chỉ là sáu lần tung từ một đồng xu công bằng.

Điều thật sự đang xảy ra là mọi người đem từng chuỗi đi so với hình dung sẵn có của mình về “ngẫu nhiên”: phải cân bằng, phải xen kẽ, phải lộn xộn vừa đủ. Chuỗi nào trông ngẫu nhiên hơn thì nghe có vẻ đáng tin hơn, dù xác suất thực tế không khác gì.

Lối tắt này cũng xuất hiện trong cách mình nhìn người khác.

Hãy tưởng tượng có một người được mô tả là nhút nhát, khép kín, rất ngăn nắp và cực kỳ chú ý chi tiết. Rất nhiều người sẽ lập tức nói người đó giống thủ thư hơn là nông dân.

Nhưng ở đây có một thứ rất quan trọng dễ bị bỏ qua: base rate.

Nếu một nhóm phổ biến hơn nhóm còn lại rất nhiều, thì thông tin nền đó đáng lẽ phải có trọng lượng lớn. Khi mình bỏ qua nó và chỉ chăm chăm nhìn vào phần mô tả sống động, mình rơi vào base-rate neglect .

Đây cũng là một phần lý do vì sao stereotype nghe rất thuyết phục. Một vài đặc điểm dễ nhìn thấy có vẻ rất “đại diện” cho một kiểu người nào đó, rồi não bộ nhảy từ một lượng thông tin ít ỏi sang một kết luận rất rộng.

Bước nhảy đó thường khiến mình thấy như mình đang suy luận rất hay. Chỉ là nó không phải lúc nào cũng đúng.

Availability giải thích vì sao ví dụ sống động lại lấn át thực tế yên lặng

Availability heuristic là xu hướng đánh giá khả năng xảy ra của một việc dựa trên việc mình nhớ ra nó dễ đến mức nào.

Nếu một ví dụ vừa mới xảy ra, gây sốc, giàu cảm xúc, hay bị lặp lại liên tục, nó sẽ dễ được lôi ra khỏi trí nhớ hơn. Và một khi điều đó xảy ra, nó bắt đầu có cảm giác như là chuyện rất phổ biến.

Đó là lý do một người xem vài bản tin về cá mập tấn công rồi bỗng thấy biển cực kỳ nguy hiểm.

Đó là lý do một giai đoạn tin tức về tai nạn máy bay có thể làm việc đi máy bay trở nên đáng sợ hơn hẳn, dù trong đời sống thường ngày lái xe vẫn rủi ro hơn nhiều.

Đó là lý do một bộ phim kinh dị có thể khiến bạn thấy bất an trong phòng tối, kể cả khi bạn biết rất rõ chẳng có gì ở đó.

Sự kiện không cần phải phổ biến về mặt thống kê. Nó chỉ cần đủ dễ nhớ trong đầu bạn.

Điều này rất đáng để để ý vì môi trường truyền thông thường được xây để khuếch đại những gì gây sốc, cực đoan và khó quên. Nghĩa là loại thông tin sẵn có nhất trong đầu mình không phải lúc nào cũng là loại thông tin đại diện nhất cho thực tế.

Vì sao tiến hóa lại để mình dùng một hệ thống như thế này?

Vì tốc độ thường hữu ích hơn sự hoàn hảo.

Suy nghĩ thật kỹ tốn thời gian và tốn năng lượng. Trong những tình huống có nguy hiểm, bất định hoặc thiếu dữ liệu, một phán đoán đủ nhanh đôi khi thích nghi tốt hơn một phán đoán hoàn hảo nhưng đến quá muộn.

Heuristic hữu ích vì:

• xử lý thần kinh là thứ tốn kém, nên lối tắt giúp tiết kiệm công sức
• thế giới thường chỉ cho mình dữ liệu thiếu hoặc nhiễu
• phán đoán xã hội nhanh đôi khi giúp mình hành động sớm hơn
• một số mẫu hình ngoài đời thật sự đủ lặp lại để lối tắt hoạt động tương đối ổn

Nên ý chính không phải là con người bị “lỗi”.

Mà là mình được thiết kế để ưu tiên hiệu quả trước, còn hoàn toàn lý trí thì chỉ là đôi khi.

Mục tiêu không phải bỏ hết heuristic, mà là biết lúc nào nên chậm lại

Mình thấy đây là phần hữu ích nhất của cả chủ đề.

Có lẽ bạn không thể ngăn não mình tự động tạo ra anchor, stereotype hay những ví dụ quá sống động. Nhưng bạn hoàn toàn có thể giỏi hơn trong việc nhận ra khoảnh khắc mà lối tắt đang chiếm quyền điều khiển.

Một vài cách để kéo mình trở lại:

• Hỏi base rate là bao nhiêu. Trước khi tin câu chuyện, hãy hỏi nó thật sự phổ biến đến mức nào.
• Cố gỡ bỏ con số đầu tiên nếu có thể. Khi đàm phán, hãy nghiên cứu mặt bằng thị trường trước khi nhìn offer.
• Tách bằng chứng ra khỏi ấn tượng. “Nghe có vẻ đúng” không giống với “được hỗ trợ tốt”.
• Chậm lại khi mức độ quan trọng cao. Những quyết định nhỏ hằng ngày có thể theo trực giác. Quyết định lớn thì nên suy nghĩ kỹ hơn.
• Xây kiến thức nền. Càng hiểu một lĩnh vực, bạn càng khó bị một anchor ngẫu nhiên hay một ví dụ sống động kéo lệch.

Điểm cuối cùng này rất thực tế. Khi có nền tảng tốt hơn, con người bớt dễ bị những tín hiệu gây nhiễu thao túng hơn. Chuyên môn không làm bias biến mất hoàn toàn, nhưng nó cho não bộ nguyên liệu tốt hơn để làm việc.

Suy nghĩ nhanh rất hữu ích, nhưng không nên lúc nào cũng cầm lái

Điều mình thích ở chủ đề heuristic là nó làm cách con người suy nghĩ bớt bí ẩn hơn.

Nó giải thích vì sao một con số ngẫu nhiên có thể ảnh hưởng đến cách mình đoán giá. Vì sao một stereotype lại có thể nghe thuyết phục hơn cả thống kê. Vì sao một headline gây sốc có thể nặng ký hơn một dữ kiện lặng lẽ.

Não bộ của mình lúc nào cũng cố làm cho thế giới trở nên dễ xử lý hơn.

Điều đó rất hữu ích. Nhưng cũng rất nguy hiểm khi mình quên rằng đường tắt thì vẫn chỉ là đường tắt.

Kỹ năng thật sự không phải là trở thành một người hoàn toàn không có bias.

Mà là học cách nhận ra khi suy nghĩ nhanh đang nắm vô lăng, rồi biết lúc nào đáng để mình giành lại tay lái đó.

Nguồn tham khảo

• Judgment under Uncertainty: Heuristics and Biases (Tversky & Kahneman, 1974, PubMed) — bài nền tảng giới thiệu representativeness, availability, và anchoring như ba heuristic quan trọng khi con người phán đoán dưới bất định
• Availability: A Heuristic for Judging Frequency and Probability (Tversky & Kahneman, 1973, Cognitive Psychology) — bài kinh điển giải thích vì sao những ví dụ sống động, dễ nhớ lại có cảm giác phổ biến hơn thực tế
• On the Psychology of Prediction (Kahneman & Tversky, Cambridge Core) — thảo luận kinh điển về representativeness và việc con người thường bỏ qua base rate
• Judgment under Uncertainty: Heuristics and Biases (Cambridge Core chapter) — phiên bản chương sách của khung lý thuyết gốc, tóm tắt ngắn gọn các bias quan trọng
• Debiasing (Fischhoff, Cambridge Core) — nền tảng về việc khi nào sai lệch phán đoán có thể được giảm bớt và các nỗ lực mitigation thường làm gì