Thinking, Fast and Slow (2011)
by Daniel Kahneman
“Nothing in life is as important as you think it is, while you are thinking about it”
Thinking, Fast and Slow คือ สุดยอดคัมภีร์จิตวิทยาที่เล่าเรื่องราวของ “ความบกพร่อง” ของระบบการตัดสินใจของมนุษย์ โดยฝีมือของ Daniel Kahneman นักจิตวิทยาเจ้าของรางวัลโนเบลสาขาเศรษฐศาสตร์ที่ได้รับฉายาว่าเป็น “บิดาแห่งเศรษฐศาสตร์เชิงพฤติกรรม”
Daniel Kahneman ได้แยกระบบประสาทของมนุษย์ออกเป็น 2 ระบบ ได้แก่ ระบบอัตโนมัติ System 1 (รวดเร็ว, อัตโนมัติ, ขึ้นกับอารมณ์, ใต้จิตสำนึก, เต็มไปด้วยข้อบกพร่อง) และระบบควบคุม System 2 (ช้า, ใช้พลังงานสูง, มีเหตุมีผล, คำนวณ, ตระหนักรู้ถึงการตัดสินใจในแต่ละครั้ง)
พูดง่ายๆ คือ ณ ขณะหนึ่งๆสมองของคนจะเปิดใช้งาน System 1 ตลอดเวลา ตั้งแต่การมอง เดิน ดม ได้ยิน ขับรถ หรือถ้าบางคนชำนาญอะไรบางอย่างมาก System 1 จะทำงานให้แทนได้ เช่น การเดินหมากรุกโดยไม่ต้องคิดเพราะจำแพทเทิร์นได้ การแยกของแท้ออกด้วยตาเปล่า หรือ การฟังภาษาต่างประเทศรู้เรื่อง รวมถึงการกระทำต่างๆที่เป็นแบบอัตโนมัติโดยไม่รู้ตัว เช่น วิ่งหนี ตอบคำถามง่ายๆ การตัดสินคนจากภาพแรกที่เห็น บลาๆ ซึ่งระบบนี้มีความรวดเร็วสูง แต่อาจเกิด Systemic Error (ข้อบกพร่องจากระบบ) จาก Bias (ความลำเอียง) ต่างๆได้ ส่วน System 2 จะถูกกระตุ้นเมื่อเกิดความจำเป็น เช่น เดินเร็ว การคิด การตัดสินใจ ที่ต้องใช้ความคิดอย่างจริงจังต่างๆ ซึ่ง System 2 จะได้รับผลกระทบจาก Bias ของ System 1 ได้ด้วยหากไม่ระมัดระวัง
Daniel Kahneman ยังได้แยกประเภทของมนุษย์จากระบบการตัดสินใจออกเป็น Econs หรือคนที่มีเหตุผลสูงสุดและตัดสินใจตามหลักเศรษฐศาสตร์เป้ะๆ กับ Human ที่เต็มไปด้วย Systemic Error เช่น การเลือกให้น้ำหนักของ Loss (ความสูญเสีย) มากกว่า Gain (การได้รับ) และแยกระบบการรับรู้ออกเป็น Experiencing Self หรือการรับรู้จริงๆตลอดช่วงระยะเวลาที่ประสบกับประสบการณ์ต่างๆ กับ Remembering Self หรือความทรงจำจากสิ่งที่ได้รับรู้มาซึ่งจะให้น้ำหนักกับช่วงสูงสุดและตอนจบโดยไม่ค่อยสนใจระยะเวลา (เช่น คนมักจะให้น้ำหนักตอนจบของหนังมากกว่าตอนกลางๆของเรื่อง)
ผู้เขียน Daniel Kahneman นักจิตวิทยาเจ้าของรางวัลโนเบลสาขาเศรษฐศาสตร์ (ขอบคุณภาพจาก TED)
<<< ก่อนเริ่มอ่าน อย่าลืมกดไลค์ Panasm’s Facebook Page เพื่อติดตามอัพเดทใหม่ของผมที่นี่ [CLICK] >>>
Characters of the Story
“24 x 17 เท่ากับเท่าไหร่”
ไม่น่ามีใครตอบได้ทันที แต่ที่แน่ๆ System 1 น่าจะรู้ว่ามันต้องมีค่ามากกว่า 200 หรือ น้อยกว่า 5000 แน่ๆ
ส่วนการจะหาคำตอบจริงๆนั้นเป็นหน้าที่ของ System 2 ที่จะต้องใช้พลังงานในการคิด สังเกตได้จากการเกร็งก้ามเนื้อหรือม่านตาขยาย
System 1 เป็นระบบอัตโนมัติที่ไม่ต้องใช้ Mental Effort (การใช้พลังงานในการคิด) ใดๆ และมักจะไม่สามารถต่อต้านได้ เช่น เห็นหน้าคนแล้วมองว่าสวย เห็นตักอักษรแล้วคิดเป็นคำ ส่วน System 2 เป็นระบบที่ต้องทำการจัดสรร Mental Effort เพื่อนำมาใช้นึก คิด วิเคราะห์ สังเกต ตัดสินใจ และสามารถโปรแกรมให้ควบคุม System 1 ได้ เช่น คอยเตือนตัวเองให้มองซ้ายขวาก่อนข้ามถนน ควบคุมให้พูดจาสุภาพต่อหน้าผู้ใหญ่
การทดลอง Gorilla Test ที่ให้คนนั่งดูคลิปการแข่งขันกีฬาระหว่างผู้เล่นสองทีมโดยมีกติกาให้ผู้ชมต้องคอยนับแต้มของแต่ละทีมให้แม่นยำที่สุด ซึ่งในระหว่างการแข่งขันตอนหนึ่งของคลิป กอริลล่าตัวใหญ่ได้ค่อยๆเดินมากลางสนามอย่างช้าๆจนแทบจะเป็นไปไม่ได้เลยที่ผู้ชมจะไม่สังเกตเห็น (ถ้าเราบอกพวกเขาว่ามีกอริลล่านะ) แต่ผู้ทดลองกว่าครึ่งไม่เห็นและยืนยันตามความเชื่อของตัวเองว่าไม่มีกอริลล่าแน่ๆเพราะว่าพวกเขาได้ใช้ Mental Effort ทั้งหมดไปกับการตั้งสมาธินับคะแนนโดยไม่สนใจสิ่งอื่นๆรอบข้าง
ภาพลวงตาก็เป็นอีกสิ่งที่แยกความเป็น System 1 กับ 2 มาก เพราะ System 1 จะมองยังไงก็โดนภาพลวงตาหลอกถึงแม้ System 2 จะรู้ว่าภาพมันหลอกตาอยู่ก็ตาม ประมาณรู้ว่าใช่แต่ใจไม่อยากเชื่อ
ภาพลวงตา Shepards’ Tabletops ที่โต๊ะทั้งสองตัวนั้นมีขนาดเท่ากันจริงๆ (ขอบคุณภาพจาก Wikipedia)
Attention and Effort
การทำงานที่ต้องคิดวิเคราะห์หรือคำนวณมีความจำเป็นในการดึง Mental Effort จาก System 2 มาใช้
แต่ System 2 เองก็มี Capacity (ขีดจำกัด) ของตัวเองอยู่ เช่น คนเราไม่สามารถขับรถและคำนวณเลขยากๆพร้อมๆกันได้
ซึ่งการทดลองทางวิทยาศาสตร์ก็ยังค้นพบด้วยว่าเวลามนุษย์เลือกใช้ Mental Effort ปริมาณมากๆ รูม่านตาของเขาจะขยายมากกว่าปกติ
และแน่นอนว่า Mental Effort เป็นสิ่งที่ทำให้สมองต้องใช้พลังงานซึ่งขัดกับความเป็นจริงที่ว่า “สมองขี้เกียจมาก” จึงเกิดทฤษฎี Law of Least Effort ที่บอกว่าสมองจะพยายามทำงานน้อยที่สุดหรือใช้งาน System 1 ให้มากที่สุด แต่บางเหตุการณ์ที่สำคัญมากๆสิ่งที่สมองตอบโต้อย่างทันทีจาก System 1 อาจไม่ได้ผลดีเสมอไป คนจึงต้องเตือนตัวเองให้คิดดีๆก่อน
นอกจากนั้นยังพบว่าคนที่อารมณ์ดีมักจะปล่อยให้ System 1 ทำงานมากกว่าคนที่อารมณ์เสีย กลัวหรือเศร้าโศกอยู่ ซึ่งก็ตรงกับสัญชาติญาณการอยู่รอดของสัตว์เวลาเจอเหตุการณ์ร้ายๆ สัตว์จะระวังตัวมากกว่า
The Lazy Controller
System 2 เปรียบเสมือนผู้ควบคุมความคิดของ System 1 (ที่จริงๆมักจะโดน Bias จาก System 1 อยู่ดี) ความสามารถในการควบคุมของ System 2 แตกต่างกันไปในแต่ละช่วงเวลา ถ้าร่างกายและสมองเหนื่อยมากๆหรือเมาเครื่องดื่มแอลกอฮอล์ ความสามารถของ System 2 จะยิ่งห่วยลงๆ
นอกจากนั้นสิ่งที่สมองพบเจอแล้วมองเผินๆเหมือนง่าย System 2 จะพลาดได้ง่ายมากๆ เช่น โจทย์เลข ซื้อไม้แบดพร้อมลูกแบด 110 บาท ราคาไม้แพงกว่าลูก 100 บาท ถามว่าไม้แบดราคาเท่าไหร่ ถ้าคิดแบบผ่านๆจะตอบ 100 ทันที ทั้งๆที่จริงๆแล้วคำตอบที่ถูกต้องคือ 105 บาท (ลูกแบดราคา 5 บาท)
คนที่สามารถทำงานด้วย System 1 อย่างต่อเนื่องมักเกิดจากความเคยชินและความชำนาญเรียกว่า State of Flow
การทดลองชื่อดังที่ให้เด็ก 4 ขวบนั่งอยู่ในห้องว่างๆพร้อมกับบราวนี่ 1 ชิ้น ถ้าเด็กรอ 15 นาที จะได้ทานอีกชิ้น ผลสรุปว่าเด็กที่เลือกที่จะรอนั้นถือเป็นเด็กที่มีเหตุผลมากกว่า (Rational) และจะโตเป็นผู้ใหญ่ที่มีเหตุผลมากกว่า เช่น ไม่ใช้ยาเสพติด แต่ไม่ได้หมายความว่าจะต้องฉลาดกว่าเสมอไป
สมองมนุษย์ทั้งสองระบบ (ขอบคุณภาพจาก The New York Times)
Priming : The Associative Machine
System 1 ทำงานจากการไล่หาสิ่งที่เรา “จดจำได้” อย่างรวดเร็วที่สุดไปทั่วทุกทิศทุกทางของสมอง โดยที่เราไม่สามารถควบคุมได้ เช่น เราเห็นป้ายที่มีตัวอักษร เราก็จะบังคับตัวเองให้ไม่อ่านไม่ได้ หรือ ได้ยินคำว่าอ้วกก็จะนึกถึงอ้วกและความอยากอาหารลดลง
ปรากฏการณ์ Priming Effect เป็นสิ่งที่เหลือเชื่อแต่มีความสำคัญมากๆต่อความคิดของมนุษย์
Priming เกิดจากการที่ System 1 รับรู้อะไรบางอย่างจากสิ่งที่พบเห็นและเก็บไว้ก่อนที่สมองจะตัดสินใจในเรื่องถัดๆไปโดยสิ่งที่ได้พบเจอก่อนหน้าจะส่งผลกับการตัดสินใจครั้งใหม่อย่างไม่น่าเชื่อ เช่น การให้เติมคำในช่องว่าง SO_P ถ้าคนเจออะไรที่เกี่ยวกับการกินมาก่อนจะเลือกตอบว่า Soup ส่วนคนที่เพิ่งทำความสะอาดร่างกายมาก่อนจะเลือกตอบว่า Soap
ตัวอย่างการทดลองผลของ Priming Effect ได้แก่ การทดลองการติดรูปไว้ที่ห้องครัวของบริษัทที่มีพื้นที่บริการขายสินค้าโดยให้คนหยอดเงินเองตามราคา การติดรูปตาคนที่แสดงถึงการ “แอบมองเธออยู่นะจ้ะ” จะทำให้พนักงานหยอดเงินจ่ายค่าสินค้ามากกว่าการติดรูปดอกไม้
การทดลองจัดสถานที่ทำงานแบบเรียบๆเป็นทางการจะทำให้คนทำงานด้าน Creative ไม่มีความคิดสร้างสรรค์
การทดลองบังคับผู้ทดสอบให้ยิ้มจะทำให้พวกเขาอารมณ์ดีขึ้นและตลกไปกับการ์ตูนมากกว่ากลุ่มผู้ทดสอบที่ถูกสั่งให้ทำหน้าบึ้ง
การทดลองบังคับให้ผู้ทดสอบส่ายหน้าส่งผลให้พวกเขาเลือกที่จะปฏิเสธมากกว่ากลุ่มผู้ทดสอบที่ถูกบังคับให้พยักหน้า
การทดลอง Money-prime หรือ บังคับให้ผู้ทดลองคิดเรื่องการเงินเยอะๆส่งผลให้พวกเขามีแนวโน้มที่จะช่วยเหลือคนอื่นน้อยลง
Priming สามารถนำไปใช้ประโยชน์ได้หลากหลายมาก อาทิ การโหวตว่าจะเอาเงินไปช่วยโรงเรียนหรือไม่ ถ้าตั้งคูหาอยู่ในโรงเรียนจะทำให้คนโหวตผ่านมากขึ้น (และแน่นอนว่า Priming ก็อันตรายมากๆ ถ้าเลือกใช้ในทางที่ผิด)
ผลการทดลอง “สายตา” กับ “ดอกไม้” (ขอบคุณภาพจาก Cesar Ailson Barros)
Cognitive Ease
ต่อจาก Law of Least Effort สมองของคนมักจะขี้เกียจและชอบทำอะไรง่ายๆ โดยการปล่อยให้ System 1 ทำงานเป็นหลัก ซึ่งจริงๆก็เป็นสิ่งที่ดีสำหรับการใช้ชีวิตประจำวันธรรมดา ใครๆก็คงไม่อยากให้สมองควบคุมการเดินแต่ละก้าว
แต่การยึดมั่นกับ “ความขี้เกียจทางสมอง” มักจะส่งผลต่อการเกิด Illusions (การหลอกลวงตัวเอง) อาทิ Illusion of Remembering ที่คนมักจะหลอกตัวเองว่าจำอะไรได้ เช่น ถ้าคนได้ยินชื่อคนคนหนึ่งซ้ำๆ มักจะรู้สึกว่าคนนั้นเป็นคนดังแน่ๆ
Illusion of Truth เช่น คนที่ได้ยินคำว่าอุณหภูมิของเนื้อไก่บ่อยๆ มักจะเชื่อประโยคเช่น อุณหภูมิของเนื้อไก่เท่ากับ 100 องศา มากกว่าคนทั่วไป
และก่อให้เกิดความผิดพลาดในการตัดสินใจมากมาย อาทิ ผลงานวิจัยพบว่าการเขียนตัวอักษรที่อ่านได้ชัดเจน เช่น ตัวหนา หรือ การใช้คำพูดคล้องจอง จะทำให้ผู้อ่านเชื่อคำพูดนั้นมากขึ้น หรือโจทย์คิดเลขหลอกสมอง เช่น อามีบ้าจะเพิ่มขึ้น 2 เท่าทุก 1 นาที ถ้าใช้เวลา 20 นาทีในการทำให้อามีบาเต็มแก้ว เวลาที่ใช้ในการทำให้อามีบามีปริมาณครึ่งแก้วนั้นใช้เวลากี่นาที การคิดแบบผ่านๆของ System 1 จะให้คำตอบว่า 10 นาที แต่จริงๆคำตอบที่ถูกต้องคือ 19 นาทีต่างหาก
นอกจากนี้ยังมีการทดลองอีกเช่น หุ้นที่ชื่ออ่านง่ายๆ เช่น KAR มักจะมีคนสนใจมากกว่าหุ้นที่มีชื่ออ่านยากๆ เช่น PXG
สรุปสั้นๆว่า สมองมักชอบอะไรที่ดูเหมือนจะง่ายๆ ดังนั้นต้องเตือนสติตัวเองตลอดเวลา
Norms, Surprises and Causes
เหตุการณ์ Surprise จะเกิดขึ้นเฉพาะสิ่งที่คาดไม่ถึงนั้นได้เกิดขึ้นเป็น “ครั้งแรก”
ถ้าสิ่งนั้นเกิดขึ้นอีกคนมักจะไม่มองว่าเป็นเรื่องบังเอิญอีกต่อไป เช่น เห็นรถชนที่ถนนนี้ พอเห็นอีกคนก็จะมองว่าเป็นเรื่องปกติและพยายามหลีกเลี่ยงถนนเส้นนี้
เหตุการณ์ปกติหรือ Norm เป็นเหตุการณ์ที่เรามีจิตสำนึกพอที่จะคาดเดาได้ เช่น โต๊ะไม่น่าจะมี 25 ขาแน่ๆ หรือ ช้างตัวใหญ่กว่าหนูเสมอ
การที่คนจะมีความเข้าใจและเชื่อถือเหตุการณ์ใดเหตุการณ์หนึ่ง คนมักจะเชื่อถ้าเหตุการณ์นั้นมีเหตุผลรองรับ (Causal Story) เห็นได้ชัดจากข่าวที่บอกว่าหุ้นขึ้นลงเพราะอะไร การทดลองหนึ่งเล่าเรื่องนักท่องเที่ยวที่กระเป๋าเงินหายในอิตาลี หลังจากเล่าเสร็จผู้ทดลองจะต้องสรุปว่าเกิดอะไรขึ้น คนส่วนใหญ่มักจะสรุปว่ากระเป๋าเงินถูกขโมยแทนที่จะบอกว่าแค่ “กระเป๋าเงินหาย” เฉยๆ (นักท่องเที่ยวอาจจะลืมทิ้งไว้ก็ได้…)
A Machine for Jumping to Conclusions
สมองของคนมักจะขี้เกียจและชอบที่จะ “กระโดด” ไปหาบทสรุปที่คิดขึ้นได้เร็วที่สุด เช่น I go to bank คนส่วนใหญ่จะคิดว่าไปธนาคารทั้งๆที่จริงๆแล้วประโยคนี้กำกวมมาก สามารถแปลว่าไปริมแม่น้ำได้ด้วย คำถามที่ว่า Is Sam friendly? จะได้ผลลัพธ์ต่างจากการถามว่า Is Sam unfriendly? เพราะสมองจะคิดถึงแต่เหตุการณ์ที่สามารถคอนเฟิร์มคำถามนั้นๆ
Halo Effect หรือ ผลจากความเชื่อที่มีต่อคนๆหนึ่งหรือสิ่งๆหนึ่งเมื่อแรกเห็น เช่น คนนี้หน้าตาดีแต่งตัวดีน่าจะเป็นคนดีนะ รวมไปถึงเหตุการณ์ที่เจอมาก่อนหน้ามักจะส่งผลต่อเหตุการณ์ถัดมา เช่น อาจารย์ตรวจข้อสอบ 2 ข้อติดกัน คนที่ทำข้อแรกดี อาจารย์จะเอาใจช่วยให้ทำข้อ 2 ได้ดีมากกว่า แต่ถ้าทำข้อแรกห่วย แต่ข้อสองดีเนี่ย อาจารย์จะลังเลว่าเอ้ะลอกใครมาหรือเปล่าหว่า
ผลการทดลองเปรียบเทียบหน้าตาของประธานาธิบดีสหรัฐกับคู่แข่งแต่ละสมัยพบว่า “ประธานิบดีมีหน้าตาดีและดึงดูดกว่าอย่างชัดเจน”
What You See Is All There Is (WYSIATI) เป็นสิ่งที่อธิบายการตัดสินใจของคนได้ดีที่สุด คนเรามักมีความเชื่อมั่นในตัวเองสูงแม้เราจะได้รับรู้ความจริงแค่เพียงส่วนเดียว เราก็จะยึดความจริงนั้นมาเป็นตัวแทนของสิ่งนั้นทั้งหมด เช่น คนนี้เรียบร้อยจังดูน่าจะเป็นบรรณารักษ์มากกว่าชาวนานะ ทั้งๆที่ข้อมูลทางสถิตินั้นบอกไว้ว่าชาวนามีจำนวนมากกว่าบรรณารักษ์เป็นพันเท่า ดังนั้นคนคนนี้มีโอกาสเป็นชาวนามากกว่าต่างหาก
How Judgments Happen
สมองมีความชำนาญในการคิด “ค่าเฉลี่ย” มากกว่าการคิด “ผลรวม” เช่น มีเส้น 5 เส้น มองแวบๆก็พอคิดออกว่าความยาวเฉลี่ยเป็นเท่าไหร่ แต่พอคิดความยาวรวมนี่ยากเลย การทดลองให้บริจาคเงินช่วยนกที่เปื้อนน้ำมันจากเรือน้ำมันล่ม 2000, 20000 และ 200000 ตัว พบว่าค่าเฉลี่ยของเงินบริจาคเท่าๆกัน เพราะคนไม่นึกถึงผลรวมแต่จะนึกถึง Prototype คือ ภาพนก 1 ตัวที่เปื้อนน้ำมัน (เทพมากๆก็ 20 ตัว ไม่น่ามีใครนึก 2000 หรือ 200000 ตัว)
Intensity Matching หรือ การเปรียบเทียบความรุนแรงของสิ่งหนึ่งกับระดับความรุนแรงของอีกสิ่ง เป็นงานที่สมองของมนุษย์เชี่ยวชาญมาก เช่น การเทียบความสูงของเด็กเป็นความดังของเสียงหรือความสว่างของแสง
Mental Shotgun คือ ความคิดของคนเวลาคิดถึงสิ่งหนึ่งมักจะส่งผลให้นึกถึงสิ่งอื่นๆเป็นทอดๆไปด้วย เช่น นาย A วิเคราะห์งบการเงินของบริษัทหนึ่งว่าไม่ดีแต่เค้าก็อาจจะคิดเลยเถิดไปถึงสินค้าของบริษัทนี้ที่เขาชื่นชอบและอาจจะเผลอสรุปคำแนะนำการซื้อหุ้นที่ผิดพลาดได้
Answering an Easier Question (Heuristics)
เมื่อสมองชอบทำอะไรง่ายๆ “คำถามยากๆ จึงมักถูกแทนที่ด้วยคำถามที่ง่ายกว่าในการตอบ”
ซึ่งทำให้ผลลัพธ์ที่ได้ไม่ตรงกับคำตอบที่คำถามนั้นต้องการจริงๆ เช่น ถามว่าคุณรู้สึกอย่างไรกับชีวิตคุณช่วงนี้บ้าง คนตอบมักจะนึกถึงอารมณ์ของตัวเองในปัจจุบัน หรือ ถ้าคนสัมภาษณ์ประทับใจคนที่มาสมัครงาน คนนั้นจะมีโอกาสได้งานมากกว่า ทั้งๆที่คำถามที่ถูกต้องคือ คนนี้เหมาะกับงานไหม ไม่ใช่คุณชอบบทสัมภาษณ์เค้าไหม
การทดลองกับนักศึกษากลุ่มหนึ่ง โดยการถามคำถาม 2 ข้อ 1.คุณรู้สึกมีความสุขกับชีวิตมากน้อยแค่ไหนในตอนนี้ 2.คุณมีเดทแล้วกี่ครั้ง ถ้าสลับเอาคำถามที่สองขึ้นมาถามก่อนคำถามแรก จะเป็นการยัดเยียดคำถามที่ง่ายกว่าให้คนตอบ ซึ่งผู้ทดลองส่วนใหญ่ก็มักจะตอบว่าเศร้ากับชีวิตมากกว่าถ้าพวกเขามีเดทน้อย ขณะที่ผู้ทดลองกลุ่มแรกนั้นไม่ได้อิงความสุขเข้ากับจำนวนการเดทเลย
Affection Heuristic เป็นรูปแบบการตัดสินใจง่ายๆอย่างหนึ่ง ถ้าคนชอบอะไรบางอย่าง คนนั้นมักจะมองหาและให้น้ำหนักข้อดีมากกว่าข้อเสีย
The Law of Small Numbers
Bias จากงานวิจัยต่างๆมักมีส่วนเกี่ยวข้องกับ Sample Size (จำนวนข้อมูล) ที่มีค่าน้อยเกินไป เช่น ผลวิจัยชี้ว่าโรงเรียนที่มีเด็กเก่งเยอะๆโดยเฉลี่ยมักจะเป็นโรงเรียนขนาดเล็ก หรือหมู่บ้านที่มีคนเป็นมะเร็งน้อยที่สุดมักจะเป็นหมู่บ้านขนาดเล็ก ซึ่งสาเหตุของผลวิจัยนั้นจริงๆแล้วเกิดมาจาก “โอกาส” และ “การกระจายตัวแบบสุ่ม”
ซึ่งอธิบายได้ว่า กลุ่มก้อนข้องชุดข้อมูลที่มีปริมาณเล็กๆ มันก็จะมีโอกาสที่บางกลุ่มในนั้นจะได้ผลลัพที่สุดโต่งไปจากการสุ่ม อาทิ การมีเด็กฉลาดเยอะๆ หรือได้คนเป็นมะเร็งน้อยๆไป ซึ่งแน่นอนว่าหมู่บ้านที่มีสัดส่วนคนเป็นมะเร็งเยอะสุดก็คือหมู่บ้านเล็กๆเช่นกัน (เพราะหมู่บ้านใหญ่ๆนั้นมีโอกาสน้อยกว่าที่จะค้นพบค่าเฉลี่ยแบบสุดโต่งจากปริมาณ Sample Size ที่มากกว่า)
สรุปได้ว่า “มนุษย์ไม่มีความเชื่อเรื่อง Randomness” (คนมักต้องการ Causal Story ที่มีเหตุมีผลเสมอ) ตัวอย่างง่ายๆในไทยก็คือความเชื่อว่าคนนั้นคนนี้มีเลขเด็ดเพราะถูกหวยบ่อยๆ ทั้งๆที่คนเล่นหวยมีเป็นล้านคน มันก็จะต้องมีคนสองสามคนบ้างแหละที่โชกดีถูกหวยบ่อยๆ
Anchors
วิธีการ “ปั่นสมองคน” ที่เทพที่สุดอย่างหนึ่ง คือ การ Anchoring หรือ การ “ทอดสมอความคิด” ของมนุษย์ให้ยึดกับค่าอะไรบางอย่างก่อนการตัดสินใจ เช่น คำถามลินคอล์นตายอายุมากกว่าหรือน้อยกว่า 40 ปี พร้อมกับถามว่าลินคอล์นอายุเท่าไหร่ คำตอบที่ได้จะน้อยกว่าคำถามที่ว่าลินคอล์นตายอายุมากกว่าหรือน้อยกว่า 60 ปี
การ Anchoring ถือเป็นการ Priming ที่สามารถนำมาใช้ในการขายได้ดีมาก เช่น ในการขอรับบริจาคเงิน ผู้รับบริจาคคนหนึ่งแจ้งขอรับการบริจาคคนละบาทสองบาท ในขณะที่ผู้รับบริจาคอีกคนบอกว่า “ขอคนละร้อยสองร้อยนะ” ผู้รับบริจาคคนที่สองมักจะได้เงินมากกว่าคนแรกแน่ๆ
เทคนิคการทำ Anchoring สามารถทำได้หลายวิธี เช่น โปรโมชั่นซื้อสินค้าลดราคาได้สูงสุด 12 กล่อง จะทำให้คนอยากซื้อในปริมาณที่เยอะกว่าถ้าไม่ติดป้ายจำกัดจำนวนสินค้าที่ซื้อได้ซะอีก เวลาขายของเซลส์ต้องมีเทคนิคการเอาเลขราคาไป Anchor ในใจลูกค้าให้ได้ หรือ การที่ทนายใช้วิธีการบอกตัวเลขค่าเสียหายที่ต่ำกว่าความจริงมากๆเพื่อ Anchor ผู้พิพากษาและลูกขุนให้จดจำตัวเลขนั้นไว้
The Science of Availability
สมองของคนเรามักจะให้น้ำหนักกับสิ่งที่ตัวเองพบเจอหรือได้ยินมากกว่าสิ่งที่เกิดขึ้นจริงทางสถิติ
ซึ่งแน่นอนว่าสื่อมีบทบาทต่อการตัดสินใจของมนุษย์มากๆ เช่น คนกรุงเทพกลัวผู้ก่อการร้ายสามชายแดนใต้มากกว่าคนในสามจังหวัดนั้นจริงๆ เครื่องบินมาเลย์ตก 2 ลำติดกันก็คิดว่าสายการบินนี้ตกบ่อยมาก ขึ้นไปตายชัวร์
สิ่งที่เห็นภาพชัดๆ (Vivid Events) ก็มักจะทำให้เกิด Bias ได้อย่างง่ายๆเช่นกัน ในทางตรงกันข้ามสิ่งที่ไม่ค่อยได้เห็นก็ไม่ใช่จะไม่อันตราย เช่น คนอาจจะกลัวทอร์นาโดมากกว่าโรคหอบหืด ทั้งๆที่โรคหอบหืดทำให้คนตายมากกว่า 20 เท่า
Availability Bias มักจะขึ้นอยู่กับความสามารถในการเรียกเหตุการณ์ในความทรงจำว่าเกิดขึ้นมาแล้วทั้งหมดกี่ครั้งและความยากง่ายในการพยายามนึกถึงเหตุการณ์นั้นๆ การทดลองที่ให้ผู้ทดลองยกตัวอย่างเหตุการณ์ที่ตัวเองอารมณ์เสีย 5 ข้อ เทียบกับอีกกลุ่มที่ให้คิด 20 ข้อ กลุ่มที่คิดแค่ 5 ข้อมักจะมองว่าตนเป็นคนอารมณ์เสียบ่อยมากกว่าเพราะไม่ต้องใช้ความพยายามในการคิดถึงเหตุการณ์ตัวอย่างมากเท่ากลุ่มคนที่ต้องคิด 20 ข้อซึ่งมักจะมองว่าตัวเองก็ไม่ค่อยเป็นคนอารมณ์เสียนี่หว่า (เพราะพวกเขามักจะนึกเหตุการณ์ลำดับที่ 12, 13… แทบไม่ออก)
ทั้งนี้ Availability Bias ที่เริ่มจากคนกลุ่มเล็กๆซึ่งได้รับถูกปลุกปั้นด้วยสื่อต่างๆจนกลายเป็นประเด็นที่สังคมจับตามอง นั้นทำให้ระบบเศรษฐกิจไม่สมดุลเพราะคนจะหันไปโฟกัสที่ปัญหาเล็กๆนั้นทั้งๆที่มีปัญหาร้ายแรงกว่ามาก ดูง่ายๆพวกคดีสืบสวนที่ออกข่าวบ่อยๆ ตำรวจต้องเร่งใช้คนจำนวนมากสืบคดีแทนที่จะแบ่งคนไปทำคดีอื่นๆ
Representatives
การมองอุปนิสัยหรือจุดสังเกตบางอย่างแทนตัวตนของคนหรือสิ่งๆนั้นทั้งหมดถือเป็น Bias ที่พบเจอได้ง่ายมาก เช่น คนนี้แต่งตัวเซอร์ๆน่าจะเป็นสถาปัตมากกว่าบัญชีนะ ทั้งๆที่สถิติแล้วนักเรียนบัญชีเยอะกว่ามาก หรือ การพบเห็นผู้หญิงคนหนึ่งนั่งอ่านหนังสือหนาๆในรถไฟฟ้ามักทำให้เราคิดว่าเธอนั้นน่าจะเป็นดอกเตอร์จบปริญญาเอกมากกว่าการคิดว่าเธอนั้นเรียนจบแค่ม.6 ทั้งๆที่เทียบกันแล้วคนเรียนจบม.6 นั้นมีเยอะกว่าด็อกเตอร์มาก
Representatives Bias ควรจะต้องมีการเตือนสติด้วย “ข้อมูลทางสถิติ” ต้องระวังผักชีโรยหน้า คนที่ยิ้มแย้มเป็นกันเองอาจแอบหวังผลประโยชน์เราอยู่ก็ได้ หรือการตัดสินใครถ้าหลักฐานไม่ชัดอย่าเพิ่งรีบทำตามสัญชาตญาณ ถ้าพูดในเชิงสถิติต้องหาให้ได้ว่า Coefficient ของความสัมพันธ์ Representative กับสิ่งนั้นมากน้อยแค่ไหน
Less is More
การเปรียบเทียบของคนนั้นเต็มไปด้วย Bias ทำให้คนเราไม่สามารถคิดอย่างมีเหตุผลเชิงเศรษฐศาสตร์อยู่บ่อยๆ เช่น ถ้า Lisa สนใจเรื่องสิทธิสตรี Lisa มีโอกาสที่จะเป็นพนักงานธนาคาร หรือ พนักงานธนาคารที่ร่วมปกป้องสิทธิสตรีมากกว่ากัน คนส่วนใหญ่จะตอบอย่างหลังทั้งๆที่คำตอบนั้นเป็นเพียง subset ของคำตอบแรก
การทดลองตั้งราคาให้ผู้ทดลองกลุ่มหนึ่งตั้งราคาชุดถ้วยชามชุดหนึ่งกับอีกกลุ่มให้ตั้งราคาชุดถ้วยชามที่เหมือนกันแต่เพิ่มแก้วอีก 2 ใบโดยที่หนึ่งในนั้นคือแก้วที่มีรอยแตกอย่างชัดเจน ผู้ทดลองมักจะให้ราคาแก้วชุดแรกแพงกว่าชุดที่สอง ทั้งๆที่หากเอามาทั้งสองชุดมาวางรวมกันให้เปรียบเทียบนั้นจะเห็นง่ายๆเลยว่าแก้วชุดที่สองควรมีมูลค่ามากกว่า (มีแก้วดีเพิ่มอีกตั้ง 1 ใบ)
ดังนั้น การทำสินค้าแบบชุด ไม่ควรเอาของห่วยๆมารวมกับของดี เพราะมนุษย์มักจะให้มูลค่าสินค้าแบบ “ค่าเฉลี่ย” มากกว่า “ผลรวม”
Causes trumps Statistics
เหตุการณ์ที่ดูมีเหตุมีผล (Causal Event) มักจะได้รับการให้น้ำหนักมากกว่าค่าเฉลี่ยทางสถิติ (Base Rate)
Stereotype ถือเป็น Causal Event อย่างหนึ่ง เช่น คู่แต่งงานใหม่นี้ดูรักกันดีไม่น่าจะหย่ากันอย่างแน่นอน ทั้งๆที่ข้อมูลทางสถิติด้านการหย่าตอนนี้นั้นสูงถึงเกือบ 50%
Regression to the Mean
มนุษย์มักจะพบว่าการตำหนิคนอื่นตอนที่พวกเขาทำงานได้ไม่ดีมักจะทำให้งานออกมาดีขึ้น แต่เวลาชมคนตอนทำงานได้ดีมากกลับทำให้ผลงานของพวกเขาแย่ลง จริงๆแล้วเหตุการณ์เหล่านั้นมันเกิดจาก “การถดถอยกลับไปยังค่าเฉลี่ย” ต่างหาก (คนทำงานแย่ๆซักพักก็มักสามารถกลับมาทำได้ดีขึ้นตามค่าเฉลี่ย)
วิธีการจะฟันธงว่าปัจจัยนั้นส่งผลจริงหรือไม่ ต้องวัดจากความสัมพันธ์ Correlation index ทางสถิติเท่านั้น แต่แน่นอนว่าคนที่ทำอะไรนานมากๆจนชำนาญ มักจะมีค่าเฉลี่ยของตัวเองสูงกว่าคนทั่วไป
ตัวอย่างชัดๆ อีกข้อคือประโยคที่ว่า ผู้หญิงฉลาดมักแต่งงานกับผู้ชายที่โง่กว่า ซึ่งก็เป็นจริงทางหลักสถิติ (ก็ผู้หญิงกับผู้ชายน่าจะมีค่าเฉลี่ยทางความฉลาดเท่ากัน ถ้าผู้หญิงฉลาดมากๆแต่งงาน โอกาสที่เธอจะได้แต่งงานกับผู้ชายที่ฉลาดกว่าก็มักจะน้อยกว่าผู้ชายที่ฉลาดไม่เท่าเธอ)
สิบปีให้หลังการเขียนหนังสือคัมภีร์ธุรกิจขั้นเทพ Built to Last ที่กล่าวถึงบริษัทที่เติบโตได้สูงเทียบกับบริษัทที่เติบโตได้ช้ากว่า พบว่า บริษัทที่แย่กว่าในสมัยก่อนเริ่มที่จะมีผลการเติบโตมากขึ้น ส่วนบริษัที่ดีกว่าในสมัยก่อนก็เริ่มที่จะเติบโตช้าลง
การพยากรณ์เหตุการณ์ต่างๆจากสิ่งที่เห็นในปัจจุบันจึงไม่ถูกต้องเสมอไป เช่น ธุรกิจ Startup นี้เริ่มต้นดีจัง น่าจะไปไกล ทั้งๆที่ตอนนี้อาจจะเป็นแค่ “การมีโชคดี” และรอการถดถอยเข้าสู่ค่าเฉลี่ยที่ว่าธุรกิจ 90% จะเจ๊งใน 5 ปี
Illusion of Understanding (Hindsight)
เมื่อเหตุการณ์หนึ่งเกิดขึ้นและผ่านไปแล้ว มนุษย์มักจะเกิด Hindsight Bias ที่อ้างว่าตัวเองรู้ล่วงหน้าและเข้าใจสิ่งที่เกิดขึ้นไปแล้วได้อย่างชัดเจน ทั้งๆที่เหตุการณ์ทุกอย่างนั้นเต็มไปด้วยความซับซ้อนและเหตุการณ์ที่อธิบายไม่ได้จำนวนมาก
ขนาด Larry Page กับ Sergey Brin ยังคิดที่จะขายกิจการ Google ในช่วงสมัยเริ่มต้นเลย
เหตุการณ์ทุกอย่างนั้นขึ้นอยู่กับโชคและดวงมากกว่าที่มนุษย์รับรู้
Bias นี้ทำให้คนมักจะด่าคนที่ยอมเสี่ยงแล้วเจ๊ง (นั่นไงตูบอกแล้ว) แต่ชมคนที่เสี่ยงแล้วสำเร็จ (เค้าเห็นโอกาสมากกว่าเรานะ) ทั้งๆที่ตอนก่อนคนนั้นตัดสินใจเราก็ไม่รู้เหมือนกันว่าผลลัพธ์จะเป็นไง ซึ่งการด่าคนเสี่ยงนี้จะทำให้ผู้บริหารขององค์กรและประเทศไม่กล้าดำเนินการนโยบายที่ท้าทายและมักจะมัวแต่เสียเวลาหาเหตุผลป้องกันตัวเองให้ไม่โดนกล่าวโทษจากเหตุการณ์ในอนาคตต่างๆนาๆที่ล้วนแล้วแต่ไม่เป็นประโชยน์ต่อการพัฒนาเลย
Illusion of Validity
มนุษย์โดยเฉพาะผู้เชี่ยวชาญมักมี Bias กับความเชื่อมั่นของตัวเองเป็นอย่างมาก โดยส่วนหนึ่งนั้นเกิดขึ้นจากการหา Causal Event ได้ (แต่ Causal Event นั้นๆอาจมี Correlation ที่ต่ำมาก เทียบกับปัจจัยตัวอื่นที่อาจมีผลกระทบมากกว่า) ทำให้การพยากรณ์ไปข้างหน้ามักผิดพลาดเสมอและยังทำให้ผู้พยากรณ์หลงคิดว่าตัวเองเก่งมาก
ผลลัพท์ของเหตุการณ์หนึ่งๆนั้นสามารถอธิบายได้เป็นสมการ Y = c1x1 + c2x2 + c3x3 + …… ซึ่งเราอาจมีข้อมูลแค่ x1 ตัวเดียวที่มี c1 (correlation index) ไม่เยอะ แต่ดันทำนายผลถูกอย่างบังเอิญ ทั้งๆที่ปัจจัยที่ส่งผลต่อเหตุการณ์นั้นๆอาจจะเป็น x2 หรือ x3 ที่มี c2 และ c3 ที่มากกว่า
สิ่งที่ทุกคนต้องถามตัวเองก่อนไม่ใช่ว่าเรามีข้อมูลมากน้อยแค่ไหน แต่เป็น “เหตุการณ์นั้นมันสามารถพยากรณ์ได้หรือเปล่า??” ต่างหาก
การสร้างสมการทางสถิติง่ายๆ เช่น Linear Regression ก็อาจเพียงพอที่จะพยากรณ์เหตุการณ์ใดๆได้แม่นยำเท่ากับผู้เชี่ยวชาญที่มีความรู้และเข้าใจในศาสตร์นั้นอย่างลึกซึ้งก็ได้ เช่น โอกาสที่คนจะหย่า = จำนวนครั้งการมี Sex – จำนวนครั้งการทะเลาะ
The Outside View
คนมักจะมีความเชื่อมั่นในสิ่งที่ตัวเองทำมาก โดยไม่คำนึงถึงผลลัพธ์ของคนอื่นที่ทำสิ่งคล้ายๆกันอยู่ Planning Fallacy เกิดจาก Overconfidence ที่คนมักจะมองโลกในแง่ดีมากเกินไป สนใจแต่ปัจจัยภายในไม่สนใจปัจจัยที่ควบคุมไม่ได้อื่นๆ หรือ การไม่สนใจคู่แข่ง ทำให้แผนที่วางไว้จริงๆต้องใช้ต้นทุนสูงกว่า นานกว่าตอนวางแผน
Sunk-cost Fallacy เกิดจาก Bias ของคนที่ไม่อยากล้มเลิกงานงานหนึ่งที่ลงทุนลงแรงไปมากแล้ว ทั้งๆที่ ถ้าเอาแรงและเงินที่เหลือไปทำอย่างอื่นอาจทำให้ได้ผลลัพธ์โดยรวมที่ดีกว่า
การวางแผนที่ดีจึงอาจจะต้องเริ่มจากการตั้งคำถามว่า ถ้างานไม่เป็นไปตามที่วางแผนไว้ก่อนหน้า คุณคิดว่าเกิดจากอะไร
Prospect Theory
เคยสงสัยไหมว่าทำไมคนส่วนใหญ่ถึงไม่ชอบเสี่ยงเวลาได้เงิน แต่จะยอมเสี่ยงเวลาจะเสียเงิน ตัวอย่างเช่น ให้ผู้ทดลองเลือกระหว่าง A. ได้เงินแน่ๆ 70 บาท กับ B. โอกาส 70% ที่จะได้เงิน 100 บาท และ 30% ที่จะไม่ได้อะไร คนจะเลือก A แต่ถ้ากลับกันเป็นเสียเงินคนจะเลือกข้อ B. แทน
Bernoulli’s Utility Theory ที่อธิบายถึงการเพิ่มขึ้นของผลลัพธ์จะส่งผลต่อจิตใจลดลง สามารถอธิบายข้อแรกได้ คือจาก 0 เป็นได้เงิน 70 บาท มีค่ามากกว่าจาก 70 บาท เป็น 100 บาท แต่สิ่งที่อธิบายไม่ได้คือทำไมคนถึงชอบเสี่ยงเวลาต้องเสียเงินและกรณีที่คนรวยกับคนจนได้เงินก็จะมี Impact ไม่เท่ากัน
Prospect Theory ของผู้เขียนสามารถอธิบายเหตุการณ์นี้ได้ โดยการเพิ่มปัจจัยสถานะปัจจุบันเข้ามาเกี่ยวข้องด้วย คือ ถ้าจากเดิมมีเงิน 100 ได้เพิ่ม 100 ถือว่าได้เพิ่มเยอะมาก เทียบกับจากเดิมมีเงิน 10,000 ได้อีก 100 คงไม่รู้สึกอะไร และการได้เงินจะส่งอิทธิพลน้อยกว่าการเสียเงิน ทำให้คนมีคุณสมบัติ Loss Aversion หรือ “พยายามหลบหลีกการสูญเสีย” โดยคนสวนใหญ่จะให้น้ำหนัก Loss อย่างน้อย 2 เท่าของ Gain (พนันหัวก้อย ชนะได้ 100 แพ้ได้ 50 คนถึงจะเริ่มยอมเล่น) ง่ายๆ เหมือนเล่นหุ้นไม่ขายไม่ขาดทุนแต่กำไรนิดๆก็ขายซะละ หรือการฟ้องร้องกันคนที่ฟ้องมักจะยอมที่จะยอมความมากกว่าคนที่ถูกฟ้องที่มักเลือกเสี่ยงเผื่อชนะในศาลเพราะยังไงก็มีแต่เสียกับเสียอยู่แล้ว
แผนผัง Prospect Theory (ขอบคุณภาพจาก Economics Help)
The Endowment Effect
Loss Aversion นั้นส่งผลรุนแรงกว่าที่คนคิด การทดลองหนึ่งที่สุ่มให้คนกลุ่มหนึ่งได้รับช็อกโกแลตหลังจบการทดลอง ขณะที่อีกกลุ่มหนึ่งได้รับแก้วกาแฟแทน โดยที่ผู้ร่วมทดลองสามารถแลกช็อกโกแลตเป็นแก้วหรือแก้วเป็นช็อกโกแลตได้ ผลลัพท์ของการทดลองพบว่าคนส่วนใหญ่เลือกที่จะไม่ยอมแลก คนที่ได้แก้วตอนแรกก็เอาแก้ว คนได้ช็อกโกแลตก็เอาช็อกโกแลต
มนุษย์มักรู้สึกว่าการต้องเสียของที่ได้มานั้นมีความรุนแรงมากกว่าความรู้สึกของการได้ของอีกอย่างหนึ่งมาก ซึ่งถือเป็นการตัดสินใจที่ไม่มีเหตุผลเอาซะเลย และไม่ส่งผลดีกับสังคมหรือองค์กร เช่น การเจรจาระหว่างสองฝ่ายที่ต่างก็ได้และเสียเท่ากัน อาจเกิดการไม่มีใครยอมใครเพราะแต่ละคนมองว่าสิ่งที่ตัวเองเสียไปมากกว่าสิ่งที่ตัวเองได้มา
คนที่ไม่ติดกับดัก Endowment Effect คือ Trader ผู้พร้อมที่จะซื้อขายแลกเปลี่ยนสิ่งของได้ตลอดเวลา เช่น นักเก็งกำไรหุ้น ยอมขายขาดทุนเพื่อเอาไปซื้ออีกตัวที่เทรนด์มา
Bad Events หรือ เหตุการณ์แย่ๆที่ทำให้คนต้องสูญเสียมักจะทำให้เกิด Loss Aversion ที่ส่งผลเสียต่อประสิทธิภาพขององค์กรหรือสังคม เช่น การต่อต้านการขึ้นค่าเช่าทั้งๆที่มูลค่าของที่ดินเพิ่มสูงขึ้น หรือ การที่บริษัทอยากลดเงินเดือนลูกจ้างแต่ไม่สามารถทำได้เพราะถูกต่อต้านทั้งๆที่เศรษฐกิจกำลังแย่ (แต่บริษัทสามารถจ้างพนักงานใหม่ที่เงินเดือนต่ำกว่าเดิมได้)
The Fourfold Pattern
พิจารณาเหตุการณ์ 4 เหตุการณ์ดังต่อไปนี้
- โอกาสจะได้เงิน 95% ไม่ได้อะไรเลย 5% คนจะเลือกไม่เสี่ยงและยอมรับเงินที่น้อยกว่า Expected Value ซึ่งเป็นหลักการเจรจากันในศาลหรือการประกันราคาสินค้าด้วยสัญญาล่วงหน้า
- โอกาสจะได้เงิน 5% ไม่ได้อะไรเลย 95% คนมักจะยอมเสี่ยงและจ่ายในสิ่งที่มากกว่าค่า Expected Value ตัวอย่างคือ การซื้อลอตเตอรี่ที่มีโอกาสถูกรางวัลน้อยมากๆ
- โอกาสที่จะเสียเงิน 5% ไม่เสียอะไรเลย 95% คนมักจะไม่เสี่ยงและเลือกที่จะจ่ายเงินมากกว่า Expected Value ตัวอย่างที่ชัดเจนคือ การประกันต่างๆ
- โอกาสที่จะเสียเงิน 95% ไม่เสียอะไรเลย 5% คนมักจะเสี่ยง เพราะว่าไม่มีอะไรจะเสียแล้ว เสีย 100 โดยที่ค่า Expected Value เท่ากับ 95 ยังไงๆก็ไม่ต่างกันมาก
จะเห็นได้ว่าการตัดสินใจของคนในแต่ละเหตุการณ์ไม่เหมือนกัน เช่น ในศาลคนที่เป็นโจทย์มักจะยอมเจรจาเพื่อปิดความเสี่ยงแต่จำเลยมักจะสู้หมดตัว ทำให้จำเลยมีอำนาจมากกว่าและเงิน Settlement จะน้อยกว่าค่าเสียหายจริงมาก
นอกจากนั้นการให้น้ำหนักยังได้รับอิทธิพลจาก Certainty Effect และ Probability Effect ด้วย
Certainty Effect คือ มนุษย์ให้น้ำหนักเหตุการณ์ที่การันตีการได้รับอะไรบางอย่างแบบ 100% มากกว่าเหตุการณ์ที่มีโอกาสไม่ได้เล็กน้อย (เช่น โอกาสได้ 97%) มากๆ
Probability Effect คือ มนุษย์ให้น้ำหนักต่อ “โอกาส” ที่อาจจะทำให้พวกเขาได้รับอะไรบางอย่างมากกว่าการไม่มีโอกาสเลยมาก (เช่น การซื้อล็อตเตอรี่)
Vivid Event
เหตุการณ์ที่ถูกทำให้เห็นเป็นภาพอย่างชัดเจนมักส่งผลให้มนุษย์ให้ความเป็นไปได้ของเหตุการณ์นั้นๆมากกว่าความเป็นจริง เช่น คนเจอสึนามิที่ญี่ปุ่นจะกลัวมากกว่าความจำเป็น
การบรรยายที่ทำให้เห็นภาพยังสามารถทำให้คนคล้อยตามและสนใจมากกว่า โอกาสที่จะหยิบบอลสีแดงระหว่างเหยือกที่มีบอลสีขาว 9 ลูก แดง 1 ลูก กับอีกเหยือกที่มีบอลสีแดง 8 ลูก สีขาว 92 ลูกนั้น โอกาสในการได้บอลสีแดงของเหยือกหลังนั้นน้อยกว่า แต่คนเห็นภาพที่ชัดเจนมากกว่า
นอกจากนั้นการเลือกบรรยายด้วยตัวเลขแทนการใช้ % จะส่งผลกระทบมากกว่า เช่น มีคนตายจากโรคอีโบล่า 900 คน มีน้ำหนักมากกว่า มีคนตายแล้ว 0.0078% ของประชากร
Risk Policy
ถ้ามองจากเหตุการณ์หนึ่ง Loss Aversion อาจเป็นสิ่งที่สมเหตุสมผล แต่ถ้าเราสามารถทำเหตุการณ์นั้นซ้ำๆได้หลายรอบ เราควรตัดสินใจเสี่ยงในทุกๆเหตุการณ์ที่ Expected Value มากกว่า 0 เพราะทั้งหมดจะถูกเฉลี่ยความเสี่ยงกันแล้ว
เหมือนองค์กรที่ควรจะต้องเลือกเสี่ยงบ้างถึงแม้บางสินค้าจะเจ๊ง แต่ก็น่าจะมีสินค้าที่ประสบความสำเร็จอย่างมากบ้าง หรือ นักลงทุนที่กระจายความเสี่ยงไปหลายๆจุด กำไรบ้าง ขาดทุนบ้าง ตามความสามารถในการรับความเสี่ยง
Mental Accounting
คนเรามักจะสนใจ Narrow Frame (คิดเป็นเรื่องๆ) มากกว่า Broader Frame (คิดแบบองค์รวม) ทำให้การตัดสินใจผิดบ่อยๆ เช่น ไม่ยอมขายหุ้นตัวที่ขาดทุนเพราะจะเกิดคำว่าขาดทุนในส่วนหนึ่งของสมอง แทนที่จะขายแล้วไปซื้อตัวที่จะได้กำไรมากกว่า
Regret และ Blame จะมีน้ำหนักมากกว่าสำหรับคนที่เลือกกระทำการใดๆแล้วผิดมากกว่าคนที่อยู่เฉยๆแล้วผิด ซึ่งส่งผลกระทบต่อการตัดสินใจเสี่ยงที่มีโอกาสผิดพลาดจนทำให้เกิดการถูกรุมประนามและการโทศตัวเอง จนทำให้ไม่กล้าเสี่ยงในสิ่งที่ควรจะเสี่ยง เช่น หมอไม่ยอมเสี่ยงผ่าตัดคนไข้และเลือกที่จะทำแค่การยื้อชีวิตคนไข้ไปวันๆเพราะกลัวการถูกฟ้องร้องหากการผ่าตัดไม่เป็นไปตามคาด
Responsibility จะเกิดจากการที่มนุษย์ได้รับรู้ถึงสิ่งที่ดีหรือปลอดภัยกว่าที่ต้องแลกมาด้วยการจ่ายเงินที่แพงกว่าเพื่อได้มา ทำให้พวกเขาเลือกที่จะยอมจ่ายแพงทั้งๆที่สามารถเอาเงินไปลดความเสี่ยงส่วนอื่นมากกว่า เช่น พ่อแม่ยอมจ่ายค่ายากันยุงที่เป็นพิษต่อเด็กน้อยลง จากปกติ 0.01% เป็น 0.008% แทนที่จะเอาเงินไปป้องกันความเสี่ยงด้านอื่นที่มีอีกมาก
Reversals
ถ้าเรา Broaden the Frame (ขยายจากการมองแค่ทีละเรื่องๆมาเป็นการมองแบบองค์รวม) จะพบว่าการตัดสินใจของเราจะเปลี่ยนไปมีเหตุผลมากยิ่งขึ้น (ถ้าตัดสินใจเดี่ยวๆจะยึดอารมณ์เป็นหลัก)
ตัวอย่างเช่น คนบริจาคเงินให้ปลาโลมาเกยตื้นประมาณ 10 เหรียญต่อคน เพราะคนเลือกมองตาม Category ว่าปลาโลมาน่ารักดีน่าช่วยเหลือ ส่วนคนอีกกลุ่มเลือกบริจาคให้คนที่เป็นโรคแปลกๆมากๆไม่มีใครเข้าใจแค่คนละ 5 เหรียญ เพราะเทียบกับ Category สุขอนามัยของคนแล้วพบว่าเอาเงินไปช่วยคนขาดแคลนอาหารดีกว่า แต่พอเอา 2 อย่างมาเทียบกันคนจะบริจาคให้คนมากกว่าปลาโลมา เพราะยังไงเพื่อนมนุษย์ก็สำคัญกว่าปลาโลมา…
Frames
การเลือกใช้คำพูดด้านหนึ่งของความจริงเป็นการยัดเยียดความคิดเข้าไปในใจของผู้รับสาส์นนั้นๆ
เช่น “เยอรมันชนะ” กับ ”บราซิลแพ้” หรือ “โอกาสรอดชีวิต 80%” กับ “โอกาสเสียชีวิต 20%” ทำให้ผลลัพธ์ต่างกัน เพราะคนเราให้น้ำหนัก Loss กับ Gain ไม่เท่ากัน
ตัวอย่างชัดๆ คือ ถ้ามีคน 600 คนคุณสามารถช่วยคนได้แน่ๆ 200 คน หรือเสี่ยงที่จะช่วยหมดเลยแต่ไม่น่าได้ คนจะเลือกช่วย 200 แต่ถ้าเปลี่ยนคำพูดเป็นคุณเลือกปล่อยให้คนตาย 400 แล้ว คนจะเลือกเสี่ยงแน่ๆ ฃ
อีกตัวอย่างที่เห็นผลชัดเจนมากๆเลยก็คือ อัตราการบริจาคอวัยวะที่เยอรมันนั้นมีแค่ 12% ทั้งๆที่อัตราการบริจาคในประเทศเพื่อนบ้านอย่างออสเตรียนั้นมีเกือบ 100% ทั้งๆที่สองประเทศมีความคล้ายกันมาก สิ่งที่ต่างกันก็คือ ขั้นตอนการทำบัตรประชาชนที่เวลากรอกเลือกว่าจะบริจาคอวัยวะหรือไม่ กล่องที่ติ๊กของเยอรมันเขียนว่า ติ๊กเพื่อบริจาค แต่ออสเตรียติ๊กเพื่อไม่บริจาค (ศาสตร์ของการส่งอิทธิพลต่อการตัดสินใจของผู้อื่นนั้นเรียกว่า Nudge ซึ่งผมได้ทำการสรุปเรื่องราวของการ Nudge ไว้แล้วที่นี่เลยครับ [CLICK])
Two Self
ทุกช่วงเวลาที่เราต้องเชิญกับเหตุการณ์ต่างๆทั้งทุกข์และสุข เชื่อไหมว่า “ความทรงจำของเราสามารถหลอกเรา” จากสิ่งที่เราประสบมาจริงๆได้
การทดลองชุดหนึ่งที่ให้ผู้ทดลองเอามือไปจุ่มในน้ำเย็นจัดเป็นระยะเวลา 60 วินาที จากนั้นให้พักแล้วเอามือไปจุ่มน้ำเย็นจัดอีกครั้งที่คราวนี้เป็น 90 วินาทีแต่ในช่วงท้ายๆจะมีการปรับน้ำให้อุ่นขึ้นเล็กน้อยแค่ 1 องศา จากนั้นจะให้ผู้ทดลองเลือกว่าจะยอมจุ่มมือแบบครั้งแรกหรือครั้งที่สองอีกครั้ง คนส่วนใหญ่เลือกครั้งที่สองทั้งๆที่โดยรวมแล้วร่างกาย (Experiencing Self) ต้องทนกับความเย็นนานกว่าถึง 30 วินาที ซึ่งเหตุผลที่คนเลือกการจุ่มมือที่นานกว่านั้นเป็นเพราะตอนจบของเหตุการณ์อันแสนทรมานนั้น น้ำมีอุณหภูมิที่ “อุ่น” กว่าเล็กน้อย Remembering Self เลยเลือกว่าจุ่มน้ำ 90 วินาทีรู้สึกดีกว่า
นำมาสู่กด Peak-End Rule ที่อธิบายไว้ว่า มนุษย์มักจะไม่จดจำเหตุการณ์แบบผลรวมตามช่วงเวลา (Duration Neglect) แต่เลือกที่จะสนใจแค่ “ตอนจบ” กับ “ตอนพีค” เท่านั้น ซึ่งใช้ได้กับความสุขเช่นกัน จะเห็นได้ว่าคนมักจะเลือกความสุขมากๆแต่ชั่วคราวมากกว่าความสุขระยะยาวหรือคนมักจะไม่พอใจกับหนังที่ดีมาทั้งเรื่องยกเว้นตอนจบ แม้แต่คนมักจะโกรธคู่รักที่ต้องเลิกรากันไปเพราะจบไม่สวยแม้ว่าระหว่างทางจะมีความสุขกันมากๆก็ตาม
งานวิจัยยังพบว่าคนที่จนมากๆจะใช้ชีวิตอย่างไม่มีความสุขที่สุด แต่ถ้าพอมีเงินไม่ว่าจะมากหรือน้อยแต่พออยู่ได้แล้วความสุขโดยเฉลี่ยจะเท่าๆกัน คนชั้นกลางซื้อฮอนด้าก็อาจมีความสุขมากกว่าคนรวยมากๆซื้อเฟอร์รารีได้ เพราะระดับการเปรียบเทียบต่างกัน
โดยเฉลี่ย “ความสุขของมนุษย์นั้นเกิดจากสิ่งที่พวกเขาให้ความสำคัญ” คนที่ต้องประสบพบเจอกับสถานการณ์บางอย่างนานๆจนเขาเลิกให้ความสำคัญไปแล้วไม่ว่าจะสุขหรือทุกข์นั้นก็จะมองว่าเหตุการณ์เหล่านั้นเป็นแค่เรื่องธรรมดา
<<< ติดตาม [สรุปหนังสือ] เล่มอื่นๆต่อได้ทางนี้เลยครับ [CLICK] >>>
<<< ที่สำคัญ อย่าลืมกดไลค์ Panasm’s Facebook Page เพื่อติดตามอัพเดทใหม่ๆของผมนะครับ [CLICK] >>>
<<< ปิดท้าย สิ่งที่ผมทำสรุปมานั้นเป็นเพียงแค่เนื้อหาส่วนที่ผมสนใจที่สุดของหนังสือเล่มนี้ สำหรับเพื่อนๆที่ถูกใจสรุปของหนังสือเล่มนี้ อย่าลืมซื้อหนังสือเล่มเต็มและอุดหนุนผู้เขียนกันด้วยนะครับ ขอบคุณที่ติดตามครับผม >>>
Leave a Reply