爱华网萨拉· 利希滕斯坦是风险商测试领域的专家，她推测有几种因素有助于提交天气预报人员的风险商。第一，多年来他们一直用具体的概率估计值进行天气预报。自1965 年以来，国家气象局的天气预报人员不仅必须说出第二天是否下雨，而且还必须说出下雨的可能性有百分之几。他们已经习惯于用数字来预测这样的事情，因此更善于估算概率。另一方面，医生没有这样的义务，他们的结论一向很含糊。 第二，天气预报人员的工作具有重复性。要回答的问题（“会下雨吗？”）始终是相同的。然而，医生每天必须考虑各种不同的问题：“他的肋骨骨折了吗？”“这是恶性肿瘤吗？”“她对不同类型的抗抑郁药物会有何反应？”……最后，天气预报人员收到的反馈是明确而迅速的，而医生却不一定能收到明确而迅速的反馈。患者也许不会回来，或者去别处求医，诊断也许仍然不明确。大部分知识理论强调迅速反馈的必要性，行动（或者在这种情况下 的预测）和校正信号之间延迟的时间越长，后面的信息让接受者受益的可能性就会越小。 有趣的是，一些领先的医学院已经认识到医生存在着风险商低的问题，他们逐渐采用“置信度评估”或者“确定性标志”一类的措施。在这样的评估中，学生不仅必须给出正确的答案，还必须确定他们对每一个答案的把握有多大。如果他们自信地给出错误的答案，那么成绩可能就是最差的。如果他们回答错误，但是在不自信的情况下给出的，那么他们的成绩就会稍高些。 如果不自信地给出正确的答案，则还算可以，但不是最理想的，就像在现实生活中，这种情况最后可能导致不得不浪费更多的时间向其他人咨询。最佳答案就是，回答是正确的，而且是在自信的情况下给出的。这种评估是一种非常有效的方法，既可以强调在可用信息分析过程中评价一个人置信度的必要性，又可以提供反馈信息。其目的就是帮助学生了解什么时候应该向别人请教（或者求助于教科书等）、什么时候应该独立解决问题。在人们进行风险商培训时提供及时的反馈是至关重要的，它在处理一系列范围较小的问题时也有帮助，这是天气预报人员往往比医生具有更高风险商的另一个原因。他们必须一遍又一遍地回答一系列范围较小的问题，而医生不得不考虑一系列范围较大的问题。问题涉及的范围越小，意味着天气预报人员在每一个问题上得到的反馈信息就越多，于是就可以基于在回答这一系列问题时必须考虑的一些因素来建立一个更丰富的心智模型。有趣的是，当要求天气预报人员对一般常识性的说法（诸如附录1 中列出的那些阐述）进行概率估算时，他们的风险商就低多了。1987 年，以色列心理学家吉迪恩· 克伦在一项研究中得出的结论进一步支持了这一观点，即对同类事件反复进行概率估算可以提高风险商。吉迪恩· 克伦为职业玩家和业余玩家组织了两场桥牌比赛，在每场比赛叫牌结 束和比赛开始之前（在放下明手牌之前），每个玩家都必须私下估算确定定约的概率是多少。桥牌比赛为风险商研究提供了极好的环境，因为估算概率是这种比赛必不可少的一部分。在叫牌过程中，每一个玩家必须评估自己手中的牌，在评估的基础上，估算己方比前一轮叫牌赢得更多墩数的概率有多大。如果玩家判断有这种可能，他就会叫牌，否则，他就不会叫牌。因此，高风险商是桥牌获胜的关键。 图2–5 是职业玩家和业余玩家的校正曲线。正如你所看到的，职业玩家（虚线）比业余玩家（实线）表现出了更高的风险商。根据我的计算结果，职业玩家的平均风险商是89，但业余玩家也相当不错，他们的平均风险商是74。这可能是因为业余玩家也相当有经验，他们是组织常规桥牌比赛的运动俱乐部的会员，多年来他们一直参加比赛。尽管他们没有一个人曾经参加过国家比赛（所有职业玩家都参加过），但他们绝对都不是新手。就像职业玩 100% 80% 60% 40% 20% 0 10020% 40% 60% 80% % 概率估计值 正确比例 注：虚线=职业玩家；实线=业余玩家家一样，他们评估过成千上万手牌，可能就是这项任务的反复性让他们在这个领域里的风险商得以提高。 图2–5 中的校正曲线突出了业余玩家和职业玩家的风险商之间的重要区别。职业玩家的风险商高主要归因于他们估算极值概率的能力比较强——也就是0~20%和80%~100%的概率分类。在使用其他概率分类时，业余玩家看起来并联比职业玩家差很多，但是，在估算非常低或者非常高的概率时，他们过于自信了。在后面的几章里，我们将会探讨这种现象的原因，但是，注意到这一点已足以说明，区分极值概率之间更细微的不同之处的能力通常决定了风险商最高的人会比那些稍有逊色的人更技高一筹。在非常具体胡领域里进行概率估算时，如果我们经验丰富，风险商就会变高，这一事实可能解释了我们在第一章中看到的菲利普· 泰洛克未能在其研究的专家中发现高风险商的原因。简要重述一下，菲利普· 泰洛克动员了数以百计的专家，这些专家以“对政治经济发展趋势发表评论或提供建议”为生，他们被要求对未来事件进行概率估算。菲利普· 泰洛克在分析他们的概率估算结果时发现，这些专家的表现很差，还不如他们简单地掷硬币猜其落地时是正面还是反面来得准确。然而，菲利普· 泰洛克让这些专家预测的事件覆盖了范围广泛的政治和地理领域。尽管他试图区分每一个专家在相关专业领域里的预测和领域之外的预测（这些专家在这两种情况下都做得很 差），但这样的区分也许还是太笼统了。例如，专家也许善于对当前美国政府的政治任命进行概率估算，但却不善于对一般的美国政治进行预测。当我们考虑这对提高风险商意味着什么的时候，这种现象其实是很好的征兆。如果风险商可以通过对小范围的事件概率的重复估算得到提高，那么这就指明了研究和实践的明确方向，我们可以研究出培训计划，以满足特定职业的需求。 20 世纪70 年代，荷兰皇家壳牌石油公司就实施了这样一个计划。高级管理人员注意到，新聘请的地质学家在对石油发现进行概率估算时过于自信。地质学家对在某一区域里钻遇油层的概率估算的结果是40%，但是钻了10 口井，实际上只有一两口井出油。这种过度自信让荷兰皇家壳牌石油公司付出了数百万美元的代价。 这些判断上的失误令高级管理人员感到费解，因为地质学家个个都是杰出的专业人才。然而，正如我们已经看到的，清楚掌握基本知识（了解情况）未必与高水平的元认知（知道自己了解多少情况）密切相关。专家通常认为自己知道很多，但实际上并非如此。 为处理这一问题，荷兰皇家壳牌石油公司实施了一个全新的培训计划。在培训过程中，他们给地质学家提供了以前的详细勘探资料，让他们对每一种情况下钻遇油层的概率提供数值估计。然后，把实际钻遇率数字以反馈的形式提供给他们。这次培训效果很好，在培训结束时，地质学家的风险商提高了很多。现在，如果他们估算某一区域发现石油的概率是40%，那么10 口井就会有4 口井钻遇油层。我常常想，其他跨国公司为什么没有实施类似的培训计划？例如，一位就职于一家大型IT（信息技术）公司的工程师给我发了一封电子邮件，阐述了以下想法： 我们部门的职责是处理服务器运行系统的可靠性，负责应对可能影响整个网络的破坏和危机。风险评估技能对我们来说特别重要。我们的工程师面试了许多求职者，但结束那天，求职者中只有很小一部分是在第一次面试时被雇用的。我很想把求职者风险测试的成绩与他们在招聘过程中的出色表现进行对比，看看它们之间有什么关系。如果不了解风险商测试的内容以及文化和语言因素对特定问题的影响，那么在把风险商测试作为招聘衡量标准时确实要很谨慎。但是，一个最基本的问题已经有目共睹：如果这种方法对荷兰皇家壳牌石油公司奏效的话，为什么其他大机构不做同样的事情呢？例如： ? 银行可以要求信贷员评估他们发放的每一笔贷款按期还贷的可能性。在接下来的几个月里，当一些贷款出现问题时，这些信息可能就被用于计算并绘制每一名信贷员的校正曲线，信贷员可以利用这一反馈信息提高自己的业绩。随着贷款违约率相关信息的增多，校正曲线可以不断得以更新和修正，从而使信贷员监控其风险商的提高情况。 ? 在预测世界大事和即将出现的安全威胁时，情报机构可以要求分析人员提供数值概率估算结果。在预定时限内，有关这些事件是否已经发生的信息就会被搜集起来。最后就可以计算出风险商分数，评定分析人员的业绩。
? 在签订新书发行合同时，出版商可以要求责任编辑提供数值概率估算结果，例如，他们评估作者将会在规定时限内分期获得销售利润的概率。根据之后的销量数字，哪位编辑精于判断、哪位过度自信将会逐渐清晰。 ? 律师可以告诉诉讼委托人，打赢官司的可能性有多大。哪位律师过于自信、哪位律师更现实逐渐就变得更加清楚了。 ? 在制订战术行动计划时，武装部队可以要求战地指挥官对摧毁不同目标或者达到其他目标进行概率估算。然后，随着战争的发展，通过校正测试和实时反馈给战地指挥官的战果可以量化这些概率估算结果的准确性。 ? 在人才招聘和选择时也可以使用风险商测试。许多机构广泛使用性格测试，这种测试可能包含简单的风险商测试。在没有直接评估方法的情况下，可以把有关性格解析的现有资料作为参考，因为一些性格特征可以提高风险商，而其他则会降低风险商。
