Bias. Невидимый перекос, который решает за нас
Bias (произносится "ба́йэс") — это систематическое отклонение от истины. Проще говоря, это предвзятость, смещение или перекос из-за которого результаты оказываются неточными или несправедливыми.
Когда ты покупаешь бананы, тебе кажется, что ты свободен в своём выборе. Что это именно ты — с высоты прожитых лет, вкусов и витаминной осведомлённости — решил взять именно эти, спелые. Но нет. Это bias.
Bias — слово, которое не переводится одним словом. Оно про склонность. Про наклон в мышлении, в алгоритмах, в новостной ленте. Про чуть-чуть "вбок", которое со временем становится привычным маршрутом.
В статистике bias — это когда данные не говорят правду. Точнее, говорят, но только то, что им разрешили сказать.
Например, если ты проводишь опрос о счастье и спрашиваешь только у тех, кто согласился на опрос, у тебя получится, что все счастливы. Потому что несчастные в этот момент заняты тем, чтобы как-то прожить утро.
В искусственном интеллекте bias — это когда алгоритм обучили на людях в очках, и он начинает путаться, если кто-то в шляпе. Или когда нейросеть честно считает, что программист — это мужчина, а няня — женщина. Это не потому что она злая, а потому что её так воспитали. На данных.
В жизни bias проявляется куда чаще, чем мы хотим признать. Мы выбираем новости, которые подтверждают наши взгляды. Мы запоминаем случаи, когда угадали, и забываем все те, когда ошиблись. Мы боимся того, что недавно произошло, и надеемся на то, что случалось с кем-то, но не с нами.
Это не болезнь. Это устройство мозга. Он хочет сэкономить энергию, поэтому лепит шаблоны. Увидел тень — решил, что это собака. Увидел таблицу — решил, что всё под контролем.
Иногда bias — это просто удобство. Ты идёшь одной и той же дорогой на работу и не проверяешь каждое утро, не появилась ли там новая улица. Иногда — ошибка, которая стоит дорого. Например, когда инвестиции делаются на основе "прошло хорошо — значит, и дальше пойдёт".
Но самый хитрый bias — тот, который говорит, что у тебя его нет. Что ты — исключение. Что ты — человек разумный. Что твои выводы объективны, решения взвешены, а интуиция всегда права.
Bias есть у всех. В этом, кстати, есть и плюс. Поняв, где ты склонен ошибаться — ты уже ошибаешься чуть менее автоматически. А это уже начало.
Проверяй источники. Переосмысляй привычное. И не верь первому впечатлению — оно часто просто результат алгоритма, которому лень думать. Даже если этот алгоритм — ты сам.
И помни: иногда бананы ты выбираешь не ты. Выбирает тот, кто положил их на уровень глаз.
Примеры, чтобы стало понятно:
1. В статистике и анализе данных
Если мы исследуем зарплаты в компании, но опрашиваем только топ-менеджеров — у нас получится **bias в выборке**. Мы не увидим, сколько зарабатывают обычные сотрудники.
2. В машинном обучении и нейросетях
Если нейросеть обучена на одних мужчинах и плохо распознаёт женщин — это гендерный bias,
Если она лучше предсказывает поведение покупателей в США, чем в России — это географический bias.
3. В мышлении человека (когнитивный bias)
Наш мозг тоже любит короткие информационные порции - ролики, тексты. Мы переоцениваем свежие события (bias недавности), замечаем то, что подтверждает наши убеждения (confirmation bias), и считаем, что если выпадала «чёрная» рулетка 5 раз подряд, то теперь точно будет «красная» (игровой bias).
Почему bias — это проблема?
- даёт искажённые результаты,
- вводит в заблуждение,
- приводит к несправедливым или неэффективным решениям.
А можно ли bias использовать в плюс?
Иногда можно — например, если мы понимаем, что генератор случайных чисел в лотерее не идеально случайный (например, в нём есть физический дефект) — мы можем использовать этот bias для прогнозов. Но это редко, сложно, и часто быстро устраняется.
Вывод:
Bias — это когда «что-то пошло не так» не случайно, а регулярно.
В данных, в алгоритмах, в голове.
ПРИМЕРЫ
Бизнес:
Survivorship bias — смещение выживших.
Все читают истории успешных стартапов и делают выводы: «надо просто поверить в мечту и не сдаваться». А про тысячи тех, кто точно так же верил и сдался, просто не пишут. Они — за кадром. А значит, и уроки из их провалов не извлечены.
Маркетинг:
Anchoring bias — эффект якоря.
Сначала показывают цену в 10 000 рублей, а потом — «со скидкой за 3 999». Покупатель не знает, сколько это на самом деле стоит, но по сравнению с якорем в 10 000 — это уже почти даром. Хотя и из воздуха.
Образование:
Confirmation bias — подтверждение своих убеждений.
Учитель уверен, что у Петя слаб по математике. И когда Петя делает ошибку — учитель кивает: «Ну вот, подтверждение». А когда Петя решает задачу правильно — «ну, с кем не бывает удачи». И всё остаётся на своих местах.
Фасилитация:
Availability bias — ошибка доступности.
Во время обсуждения участники вспоминают свежую новость о провале похожего проекта и начинают считать, что у них обязательно будет так же. Хотя вероятность мала, но образ — яркий и свежий, он и управляет мнением. Не факты — ощущения.
ссылка на табличку - дополняйте https://docs.google.com/spreadsheets/d/1Jgmm7enVY_w0wpbREy3QUOFBeuvCBlN-C2yy4LSRWVE/edit?usp=sharing
Болтаем о командной креативности тут https://t.me/coritmer