Hvordan endre mening
Kilde: Foto av Nataliya Vaitkevich fra Pexels
Vi må alle ta hundrevis av beslutninger hver dag. Beslutningsforskning tyder på at den gjennomsnittlige voksne gjør ca 35,000 fjernbevisste beslutninger hver dag. Men ikke alltid får vi nok data til å ta disse beslutningene. Faktisk, når vi blir presentert for store mengder tvetydige eller usikre bevis, finner vi ofte, forståelig nok, vanskelig å trekke konkrete konklusjoner.
Heldigvis, som jeg utforsker mer detaljert i Hvordan forvente det uventede det finnes verktøy som kan hjelpe oss til å resonnere i møte med usikkerheten. En slik mekanisme har eksistert i nesten 250 år. Bayes' teorem (også kjent som Bayes regel eller noen ganger bare Bayes) er et av de viktigste verktøyene på tvers av all anvendt matematikk.
I kjernen er Bayes' teorem et utsagn om betinget sannsynlighet - sannsynligheten for at en hypotese er sann gitt et eller annet bevis. Det kan være sannsynligheten for at en mistenkt er uskyldig (hypotese) gitt et rettsmedisinsk bevis, eller det kan være sannsynlighet (uten å se på lagarket) for at Pelé var på banen (hypotese) gitt at Brasil scoret et mål (bevis). I det virkelige liv er det ofte lettere å vurdere det som er kjent som det transponerte utsagnet – sannsynligheten for å se bevisene gitt at vi antar en underliggende hypotesen er sann: sjansene for å se et bestemt rettsmedisinsk bevis hvis en mistenkt er uskyldig, eller vurdere sjansene for at Brasil har scoret hvis Pelé spilte. Bayes utviklet teoremet sitt som et verktøy for å bygge bro mellom disse to sidene av den betingede sannsynlighetsligningen.
I dag jobber Bayes' teorem bak kulissene, filtrering ut spam e-poster som spenner fra phishing-forsøk til farmasøytiske tilbud. Det ligger til grunn for algoritmene som anbefale filmer, sanger og produkter til oss på nett og står bak dyplæringsalgoritmene som er med på å gi mer nøyaktige diagnoseverktøy for våre helsetjenester.
Kilde: Foto av MART PRODUCTION fra Pexels
Men implikasjonene av Bayes' teorem går langt utover enhver applikasjon. I et nøtteskall antyder det at man kan oppdatere sin første tro med nye data for å komme opp med en ny tro. I moderne språkbruk tidligere sannsynlighet(opprinnelig tro) er kombinert med sannsynlighet å observere de nye dataene for å gi bakre sannsynlighet (ny tro). Så mye som et matematisk utsagn, er Bayes' teorem et filosofisk synspunkt: at vi aldri kan få tilgang til perfekt absolutt sannheten, men jo mer bevis som tilfaller, desto tettere kan vår tro raffineres, og til slutt konvergere mot sannhet.
Når informasjonen min endres...
Bayes kjennetegner absolutt essensen av moderne vitenskap: evnen til å endre mening i møte med nye bevis. Som økonom John Maynard Keynes sa en gang: "Når informasjonen min endres, endrer jeg konklusjonene mine."
Mange av teoremets mer ivrige disipler hevder at Bayes’ teorem er en filosofi å leve av. Selv om dette ikke er mitt personlige syn, tror jeg det er praktiske lærdommer vi kan dra nytte av hvis vi lærer å tenke på en Bayesiansk måte – verktøy som kan hjelpe oss å bestemme hvilken av de mange konkurrerende historiene du skal tro, hvor trygg vi skal være i våre påstander og, kanskje viktigst, når og hvordan vi skal ombestemme oss. Selv om den har et presist matematisk utsagn, tror jeg det er mer nyttig her å fokusere på to av nøkkelleksjonene som Bayes regel gir oss å ta med oss inn i hverdagen.
Vurder et annet synspunkt
Mange av oss vil være klar over hvordan bekreftelsestendens kan føre oss på villspor. Det kognitive grunnlaget for fenomenet er imidlertid kanskje mest pent forklart ved å tenke i termer av Bayes' teorem. Bekreftelse partiskhet er i hovedsak en unnlatelse av å vurdere eller tillegge tilstrekkelig vekt til våre tidligere oppfatninger om alternative hypoteser, eller alternativt en undervurdering av sannsynligheten – styrken av bevis for – for disse alternative hypotesene, eller en kombinasjon av de to.
Se for deg situasjonen der du prøver ut en ny medisin for å behandle de kroniske ryggsmertene du har lidd av. Etter en uke med pillene begynner du å føle deg bedre. Den åpenbare konklusjonen å trekke er at medisinen har forbedret ryggproblemene dine. Men det er viktig å huske at det er minst én alternativ hypotese å vurdere. Kanskje ryggsmertene svinger betydelig fra uke til uke uansett, og i løpet av perioden du tok medisinen, er det sannsynlig at smertene dine kan ha avtatt uansett. Kanskje mindre sannsynlig er muligheten for at forbedringen var forårsaket av noe helt annet - en annen sover posisjon eller ta ulike former for trening, for eksempel. Vi unnlater ofte å ta dette viktige skrittet tilbake og spør, hva om jeg tok feil? Hva er de alternative mulighetene? Hva ville jeg forvente å se hvis de var riktige? Og hvor forskjellig er det fra det jeg ser nå? Med mindre vi vurderer de andre hypotesene og tildeler dem realistiske forhåndssannsynligheter, så vil bidraget til de nye bevisene vil alltid uforholdsmessig tildeles den åpenbare hypotesen vi vær klar over.
Alternativt kan bekreftelsesskjevhet oppstå når vi er godt klar over alternative hypoteser, men ikke klarer å oppsøke, eller tillegge passende vekt, bevis som motsier våre egne foretrukne oppfatninger. Dette resulterer i at vi overestimerer sannsynligheten for at data støtter vår foretrukne hypotese og at vi undervurderer sannsynligheten for at data støtter alternativene. X (tidligere Twitter) og andre sosiale medier nettsteder er klassiske eksempler på plattformer hvor det finnes mange brukere inne i et ekkokammer. Ved å bli matet bare de innleggene som forsterker deres nåværende synspunkter, beskytter feedene deres mange av plattformens brukere fra alternative synspunkter. Brukere med det som kan starte som bare mildt forskjellige synspunkter, får sine meninger forsterket kontinuerlig til nesten sikkerhet. Dette kan resultere i økt polarisering og tribalisme, både på den sosiale medieplattformen og tilbake i den virkelige verden.
Endre mening gradvis
Bayes regel ble aldri designet for å være et verktøy som bare kunne brukes én gang for å oppdatere en enkelt tidligere tro med ett nytt bevis. Evnen til å kontinuerlig gjenbruke Bayes' teorem for å oppdatere vår tro er en av dens største styrker. Vi må være forsiktige med å overvekte vår tidligere tro. Følelsen av selvtillit i vår overbevisning kan det gjøre det fristende å ignorere små informasjonsbiter som ikke endrer vårt syn på verden vesentlig. Baksiden av å tillate oss selv å ha tidligere tro som en del av det Bayesianske perspektivet er at vi må forplikte oss å endre vår mening hver gang en ny relevant informasjon dukker opp, uansett hvor ubetydelig den virker. Hvis det skulle komme mange små bevis som hver enkelt undergraver en sterk tro, så ville Bayes tillate oss – ja, teoremet ville diktere at vi må – oppdatere vårt syn trinnvis.
Endre mening gradvis
Kilde: Foto av Altered Reality på StockSnap
Inkrementelt kan små bevis begynne å endre måten vi føler om et problem. Vi kan ha ignorert dem individuelt, fordi de så ut til å gjøre liten forskjell, men sakte de små posisjonsskiftene forårsaket av den gradvise platetektonikken til datainnsamling kan akkumuleres til vi finner oss hevet opp til toppen av et bevis fjell.
Det er ikke alltid en lett ting å gjøre, å endre våre meninger i lys av nye bevis. Det føles ubehagelig å innrømme at vi tok feil og nesten feige å avstå fra troen vi tidligere holdt så sterkt fast på. Faktisk krever det stort mot å holde på og gå inn for et syn som er i strid med et du tidligere har omfavnet.
Å forsøke å resonnere i møte med usikre og fluktuerende bevis er ingen enkel oppgave. Vi må akseptere at vi ikke alltid vil ta de riktige valgene, generere de riktige spådommene eller ha de riktige meningene. Til syvende og sist vil vi alle være lykkeligere når vi lærer å akseptere, om ikke alltid forvente, det uventede.