Социальные нормы против формирования стереотипов, включая неприятие профилирования, полезны для создания более цивилизованного и справедливого общества. Тем не менее стоит помнить, что пренебрежение обоснованными стереотипами неизбежно влечет за собой неоптимальные оценки. Противостояние стереотипам похвально с точки зрения морали, однако не следует ошибочно придерживаться упрощенного мнения, что это не несет последствий. Такую цену стоит заплатить ради улучшения общества, но отрицание ее существования, хотя и успокаивает душу и политически корректно, все же не имеет научного обоснования. В политических дебатах часто используют эвристику аффекта: симпатичные нам принципы якобы не требуют затрат, а те, что нам не нравятся, якобы не дают никакой пользы. Мы должны быть способны на большее.
Каузальные ситуации
Мы с Амосом составили варианты задания про такси, позаимствовав понятие каузальных априорных вероятностей у психолога Исаака Айзена. В своих экспериментах он показывал участникам краткие описания студентов, сдававших экзамены в Йельском университете, и просил оценить вероятность того, сдан ли экзамен. Каузальными априорными вероятностями манипулировали очень просто: Айзен объяснил одной группе, что описанные студенты были выбраны из потока, в котором 75% сдали экзамен, а другой группе – что в рассмотренном потоке было лишь 25% положительных результатов. Это – весьма существенная подстановка, поскольку априорная вероятность предполагает немедленный вывод о чрезвычайной сложности экзамена, который успешно сдали всего 25% студентов. Сложность экзамена – это, безусловно, один из каузальных факторов, определяющих результат каждого студента. Как и ожидалось, участники эксперимента Айзена оказались весьма чувствительны к каузальным априорным вероятностям и вероятность каждого из студентов сдать экзамен в более успешном потоке оценили выше, чем при условии множества провалов.
Айзен изобретательно подтолкнул испытуемых к мысли о некаузальной априорной вероятности. Он объяснил участникам эксперимента, что группу студентов взяли из выборки, в свою очередь составленной из студентов, сдавших или проваливших экзамен. Информацию о группе с высоким показателем провалов сформулировали так:
Экспериментатор, преимущественно интересующийся причинами неудачи, составил выборку, в которой 75% студентов не сдали экзамен.
Обратите внимание на разницу. Эта априорная вероятность – чисто статистическая информация о выборке, из которой извлекли рассматриваемые экземпляры. Она никак не связана с заданным вопросом, то есть сдал каждый отдельно взятый студент экзамен или провалил. Как и ожидалось, эксплицитно указанные априорные вероятности повлияли на оценочные суждения в гораздо меньшей степени, чем статистически эквивалентные каузальные априорные вероятности. Система 1 справляется с историями, где между элементами есть каузальная связь, но слаба в статистических рассуждениях. Разумеется, с байесовской точки зрения эти версии эквивалентны. Возникает соблазн заключить, что мы пришли к удовлетворительному выводу: каузальные априорные вероятности активно используются, а статистические факты в той или иной степени игнорируются. Но следующее исследование – одно из моих любимых – показывает, что ситуация гораздо сложнее.