陷阱
自信、流暢，卻錯誤
每天你都會遇到看似完全確信自身的來源：精緻的網站、熱門影片、從不保留意見的朋友、購物應用程式、學習輔助工具、健康追蹤器。它們快速提供答案，語句清晰，且看不出任何猶豫。
以下是本課程所基於的不適事實：自信並非證據。 一個來源可以極度確定地陳述某事，卻仍然完全錯誤。答案的修飾程度無法告訴你它是否為真。
那麼，你究竟如何知道某件事？不是憑感覺確信，也不是信任那個聽起來最確信的人。你是透過謹慎推理，並將主張與獨立證據進行核對來「知道」的。這項技能包含四個部分，而你今天將逐一建立：
1. 基礎比率：為什麼針對稀有事件的極高準確度測試，仍會產生大量虛警。
2. 相關性與因果性：為什麼兩件事物同步變動，並不意味著其中一件導致了另一件。
3. 確認偏誤：為什麼我們過度信任那些符合我們既有信念的答案。
4. 驗證：在採取行動之前，如何透過獨立來源對主張進行三角驗證。
暖身活動
在開始之前，先進行一個簡單的反思。在感到確信的情況下出錯並不罕見：這是人類正常的狀態。指出一次發生在你身上的經歷，能讓這堂課的其餘內容更加深刻。
罕見疾病檢測
為何準確的檢測仍會誤導我們
基礎比率（base rate）是指在進行任何檢測之前，某事物出現的普遍程度。忽略它是最昂貴的推理錯誤之一：而幾乎每個人都會犯。
以下是情境描述。請仔細閱讀；你將在下一個畫面計算答案。
- 某種疾病影響 1000 人中的 1 人（這就是基礎比率）。
- 有一種檢測，其準確率為 99%：如果你生病了，它有 99% 的機率顯示陽性；如果你健康，它有 99% 的機率顯示陰性（也就是說，它對 1% 的健康者會給出錯誤結果）。
- 你接受了檢測。結果顯示為 陽性。
幾乎所有人的直覺都會說：準確率 99%，所以我生病的機率大約是 99%。 先記下這個想法。我們將用基礎比率來驗證它，而不是盲目相信直覺。
方法：假設 1000 個人並進行計算。
- 在 1000 人中，大約有 1 人確實生病了。檢測能發現這個人：稱之為 1 個真陽性。
- 其餘的 999 人是健康的。檢測對其中 1% 的人會給出錯誤結果：999 x 0.01 大約是 10 個假陽性。
因此，在所有檢測結果為陽性的人中，大約有 1 個真陽性和 10 個假陽性。
進行計算
你的計算
使用樹狀圖中的計數：約有 1 個真陽性，約有 10 個假陽性。
數字所揭示的教訓
重點摘要
本節最重要的習慣：當某事發生機率極低時，即使測試非常準確，產生的誤報（假陽性）仍佔大多數。 基礎率（base rate）的影響力可能壓過準確度。
這不僅僅關乎醫療檢測。它同樣適用於詐欺警報、垃圾郵件過濾器、安全掃描器，以及任何對稀有事件發出警報的自信系統。來自此類系統的「陽性」結果是進一步查證的理由，而非最終裁決。事件越稀有，單一警報越應觸發驗證程序，而非直接相信。
當兩件事物同步變化時
相關性與因果性
當兩件事物相關時，它們會一起變動：當一個上升時，另一個也傾向於上升。人們很容易得出其中一個導致另一個的結論。通常，這種結論是缺乏根據的。對於任何相關性，至少有三種無辜的解釋：
1. 混淆變量（一個隱藏的第三個原因）。冰淇淋銷量和溺水死亡人數一起上升。冰淇淋不會導致溺水；炎熱的天氣才是驅動這兩者的真正原因。混淆變量才是真正的引擎。
2. 反向因果。使用健身應用程式的人更健康，所以應用程式必須導致健康？也許是那些本來就健康的人選擇了該應用程式。箭頭可能指向另一個方向。
3. 巧合。當測量足夠多的變量時，有些變量會純粹出於偶然而對齊，實際上沒有任何聯繫。
專業的做法：在接受「X 導致 Y」之前，問問自己還有什麼其他解釋？。一個自信地跳過這個問題的來源，是在向你兜售一個故事，而不是一個發現。
找出隱藏的原因
輪到你了
一項研究報告稱：「擁有更多書籍的學生在閱讀測試中得分更高。因此，購買更多書籍能提高測試成績。」 一個購物應用程式甚至引用它來向父母銷售書籍組合，非常自信地。
相信符合預設的
滋養你信念的偏見
確認偏誤（Confirmation bias）是一種傾向，使人們只注意到、相信並記住那些符合我們既有想法的證據，同時忽略或為不符合的證據找藉口。它幾乎在我們所有的判斷背後默默運作。
現代工具讓情況更加惡化。搜尋結果、資訊流和推薦系統會學習你的喜好，並提供更多你喜歡的東西。當你提出引導性問題時，往往會得到一個自信的回答，而這個回答是經過塑造以同意你的觀點的。這種結果感覺像是獨立的確認，但它其實是一個回聲：同一個信念被反彈回來，並被包裝成證據。
解藥是刻意的：主動去尋找證明你是錯的最強證據。 如果你找不到任何證據，或者你過快將其駁斥，那就是偏誤在說話。
捕捉偏誤
輪到你了
瑪雅非常確定某種補充劑治好了她的感冒。她記得那些服用補充劑並康復的時刻，反覆講述這些故事，卻忘記了那些補充劑毫無作用的時刻。當朋友提到一項顯示該補充劑無效的研究時，她說那項研究「一定有偏見」，然後就繼續做其他事了。她還問一個自信的醫療應用程式「這種補充劑對感冒有幫助嗎？」，應用程式愉快地表示同意。
獨立驗證
貫穿始終的習慣
迄今介紹的每項工具都指向同一項技能：不要輕信自信的斷言；必須加以驗證。 最可靠的方法是三角驗證：在採取行動之前，將某項斷言與兩個或更多獨立來源進行比對。
獨立一詞承擔了關鍵作用。如果三個網站都抄襲了同一份新聞稿，它們並非三個來源：而是同一個來源被重複了三次。真正的三角驗證需要的是那些本可能出現分歧、但實際上卻一致的來源。
在對任何高風險斷言採取行動之前，請參考以下實用檢查清單：
- 獨立性： 我的來源是否可追溯至同一起源，還是分別獨立收集的？
- 基礎率： 這件事實際上有多常見？自信的警報是否很可能只是虛報？
- 因果關係： 是否有人試圖從僅為相關性的現象中，推導出一個因果故事？
- 自身偏見： 我是否因為原本就希望這是真的，而部分地相信了它？
- 利害關係： 決策的風險越大（涉及健康、金錢、安全），就越需要獨立的確認。
驗證真實的聲稱
輪到你了
一款學習輔助應用程式以非常自信且流暢的文筆告訴你，某個歷史日期是 1847 年，且某個公式以某種方式運作。你明天就要考試，而這個答案至關重要。
你將帶走什麼
最後一點思考
現在，你已經擁有四種對抗「自信錯誤」的工具：在相信罕見事件的警報之前，先檢查基礎比率；將相關性與因果性區分開來；留意自己與工具中的確認偏誤；以及在採取行動之前，透過獨立來源進行三角驗證。
這些都不需要你成為天才。它們只需要一個習慣：將自信——無論是自己的，還是某個花哨來源的——視為一個需要測試的問題，而非一個需要接受的答案。
最不容易被騙的人，不是那些感覺最確定的人。而是那些進行驗證的人。