Эвристики принятия решений

Эвристики принятия решений — это упрощённые, интуитивные стратегии, правила или «умственные сокращения», которые люди и животные используют для быстрого формирования суждений и принятия решений в условиях неопределённости, ограниченного времени или неполной информации. В отличие от формальных, рациональных методов анализа, эвристики не гарантируют оптимального или логически безупречного результата, но позволяют эффективно справляться со сложностью окружающей среды, экономя когнитивные ресурсы. Термин происходит от греческого слова «εὑρίσκω» (heurisko — нахожу, открываю). Систематическое изучение эвристик в психологии и поведенческой экономике началось во второй половине XX века, прежде всего в работах Амоса Тверски и Даниэля Канемана, которые показали, что люди часто полагаются на ограниченный набор эвристик, что приводит к систематическим ошибкам (когнитивным искажениям).

История изучения

Первоначально понятие эвристики использовалось в философии и математике для обозначения методов решения задач, не имеющих строгого алгоритма. В середине XX века Герберт Саймон ввёл концепцию ограниченной рациональности, утверждая, что когнитивные возможности человека ограничены, и поэтому люди ищут не оптимальное, а «достаточно хорошее» решение (satisficing). Эта идея заложила теоретическую основу для изучения эвристик.

В 1970-х годах психологи Амос Тверски и Даниэль Канеман провели серию экспериментов, которые показали, что люди при оценке вероятностей и прогнозировании систематически нарушают законы теории вероятностей. В 1974 году они опубликовали статью «Judgment under Uncertainty: Heuristics and Biases», где описали три основные эвристики: эвристику доступности, эвристику репрезентативности и эвристику закрепления и корректировки. Эта работа стала основополагающей для области поведенческой экономики и когнитивной психологии. За свои исследования Канеман получил Нобелевскую премию по экономике в 2002 году (Тверски умер в 1996 году и премия не присуждается посмертно).

В 1990-х и 2000-х годах Герд Гигеренцер и его коллеги из Института человеческого развития Макса Планка предложили альтернативный взгляд, известный как программа «быстрых и экономных эвристик». Они утверждали, что эвристики — это не просто источник ошибок, а адаптивные инструменты, которые позволяют принимать точные решения в реальном мире, особенно когда доступно мало информации. Гигеренцер показал, что простые эвристики (например, «распознавание») могут превосходить сложные статистические модели в определённых условиях.

Основные виды эвристик

Существует множество классификаций эвристик. Наиболее известными и изученными являются три, описанные Тверски и Канеманом, а также ряд других, предложенных позднее.

Эвристика доступности (Availability heuristic)

Эвристика доступности — это тенденция оценивать вероятность или частоту события на основе того, насколько легко примеры этого события приходят на ум. Если событие легко вспомнить или представить, человек склонен считать его более вероятным.

• Пример: После просмотра новостей об авиакатастрофе человек может переоценить риск полётов на самолёте, хотя статистически это один из самых безопасных видов транспорта. Яркие, эмоционально заряженные и недавние события оказываются более «доступными» в памяти.
• Искажения: Эта эвристика приводит к искажению восприятия рисков, переоценке редких, но запоминающихся событий (теракты, природные катастрофы) и недооценке распространённых, но рутинных причин смерти (диабет, сердечно-сосудистые заболевания).

Эвристика репрезентативности (Representativeness heuristic)

Эвристика репрезентативности — это тенденция оценивать вероятность события или принадлежность объекта к категории на основе того, насколько он похож на типичного представителя этой категории (прототип). Люди игнорируют базовые статистические данные (априорные вероятности) и размер выборки.

• Пример: Если человек описывается как «тихий, аккуратный, любящий порядок», многие решат, что он скорее библиотекарь, чем фермер, хотя фермеров в популяции гораздо больше. Суждение основано на сходстве со стереотипом, а не на реальной вероятности.
• Искажения: Приводит к ошибке базового процента (игнорированию общей распространённости явления), иллюзии кластеризации (видению закономерностей в случайных данных) и ошибке игрока (вера в то, что после серии «орлов» вероятность выпадения «решки» возрастает).

Эвристика закрепления и корректировки (Anchoring and adjustment heuristic)

Эвристика закрепления и корректировки — это тенденция сильно полагаться на первое полученное значение («якорь») при оценке неизвестной величины, а затем недостаточно корректировать это значение в сторону окончательного ответа. Разные «якоря» приводят к разным оценкам.

• Пример: В одном эксперименте участников спрашивали, больше или меньше 10 лет (или 100 лет) прожил Чингисхан, а затем просили назвать точный возраст. Те, кто получил «якорь» 10 лет, в среднем называли гораздо меньший возраст, чем те, кто получил «якорь» 100 лет. Первое число влияло на итоговую оценку, даже если оно было абсурдным.
• Искажения: Широко используется в переговорах (первое предложение цены), маркетинге (указание «старой» цены рядом с новой) и судебной практике (влияние запроса прокурора на срок наказания на решение судьи).

Эвристика аффекта (Affect heuristic)

Эвристика аффекта — это тенденция принимать решения на основе эмоциональных реакций («нравится» / «не нравится»), а не рационального анализа выгод и издержек. Если объект вызывает положительные эмоции, его преимущества переоцениваются, а риски недооцениваются, и наоборот.

• Пример: Люди могут быть склонны инвестировать в компанию, производящую «зелёные» технологии, потому что испытывают к ней положительные эмоции, игнорируя при этом её слабые финансовые показатели. Страх перед ядерной энергетикой часто приводит к переоценке её рисков и недооценке её преимуществ (отсутствие выбросов CO2).

Эвристика «распознавание» (Recognition heuristic)

Эвристика «распознавание», предложенная Гердом Гигеренцером, гласит: если из двух объектов один распознаётся, а другой нет, то человек делает вывод, что распознаваемый объект имеет более высокое значение по некоторому критерию (например, размер города, численность населения). Эта эвристика эффективна в средах, где распознавание коррелирует с реальностью.

• Пример: На вопрос «Какой город больше: Детройт или Милуоки?» большинство немцев ответит «Детройт», потому что они его слышали. Это часто оказывается верным, хотя Милуоки может быть больше. Эвристика работает, когда человек обладает лишь частичными знаниями.

Применение в различных областях

Эвристики играют ключевую роль во многих сферах человеческой деятельности.

Поведенческая экономика и финансы

В поведенческой экономике эвристики используются для объяснения иррационального поведения инвесторов. Например, эвристика доступности может заставить инвестора продавать акции после падения рынка, поддавшись панике из-за ярких новостей, а эвристика репрезентативности — покупать акции компании, которая недавно показала хорошие результаты, считая, что эта тенденция сохранится (недооценка возврата к среднему).

Медицина

Врачи часто используют эвристики для быстрой постановки диагноза, особенно в условиях нехватки времени. Например, эвристика доступности может привести к тому, что врач будет диагностировать заболевание, которое он недавно видел, а не более редкое, но соответствующее симптомам. Эвристика репрезентативности может заставить врача игнорировать нетипичные симптомы, если пациент похож на «типичного» больного с определённым заболеванием. Это может приводить к диагностическим ошибкам.

Право и судопроизводство

Эвристики влияют на решения судей и присяжных. Эвристика закрепления сильно влияет на размер назначаемого наказания: если прокурор запрашивает суровый срок, присяжные склонны назначать более длительное наказание, даже если они считают запрос завышенным. Эвристика доступности может повлиять на оценку вероятности рецидива: если в памяти всплывает яркий пример рецидивиста, оценка риска повышается.

Искусственный интеллект и алгоритмы

В информатике эвристики используются для решения задач, для которых точное решение требует слишком много времени или ресурсов (NP-полные задачи). Эвристические алгоритмы (например, алгоритм A* для поиска пути, генетические алгоритмы, имитация отжига) находят приближённое, но приемлемое решение за разумное время, используя эвристические функции для оценки перспективности различных вариантов.

Критика и ограничения

Основная критика эвристик, особенно в рамках подхода Тверски и Канемана, заключается в том, что они систематически приводят к ошибкам и иррациональным решениям. Противопоставление эвристик «рациональному» мышлению (модели ожидаемой полезности) долгое время доминировало в психологии.

Однако программа «быстрых и экономных эвристик» Гигеренцера предложила иной взгляд: эвристики не являются «второсортными» стратегиями, а представляют собой адаптивные инструменты, которые хорошо работают в определённых средах. Критики этого подхода, в свою очередь, указывают, что эвристики могут быть менее точными, чем сложные статистические модели, и что их эффективность сильно зависит от контекста.

Кроме того, эвристики трудно изучать изолированно, так как в реальном принятии решений они часто взаимодействуют друг с другом и с другими когнитивными процессами. Также существует проблема эвристического обучения: люди могут не осознавать, что используют эвристику, и не корректировать своё поведение даже после получения обратной связи.

Источники

1. Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science, 185(4157), 1124–1131.
2. Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux. (Русский перевод: Канеман, Д. Думай медленно... решай быстро. АСТ, 2013).
3. Gigerenzer, G., & Gaissmaier, W. (2011). Heuristic Decision Making. Annual Review of Psychology, 62, 451–482.
4. Simon, H. A. (1955). A Behavioral Model of Rational Choice. The Quarterly Journal of Economics, 69(1), 99–118.
5. Slovic, P., Finucane, M. L., Peters, E., & MacGregor, D. G. (2007). The affect heuristic. European Journal of Operational Research, 177(3), 1333–1352.
6. Gilovich, T., Griffin, D., & Kahneman, D. (Eds.). (2002). Heuristics and Biases: The Psychology of Intuitive Judgment. Cambridge University Press.