Эвристика репрезентативности: как мозг ошибается в суждениях

Когда нас просят оценить вероятность события, мозг нередко подменяет сложный статистический вопрос простым: «Насколько это похоже на типичный случай?» Именно этот механизм Даниэль Канеман и Амос Тверски назвали эвристикой репрезентативности. Она работает быстро и часто даёт верный ответ, но в определённых условиях приводит к предсказуемым и порой дорогостоящим ошибкам. Разберите конкретную ситуацию с помощью инструмента ниже - и посмотрите, как эвристика влияет на реальные выводы.

Что такое эвристика репрезентативности

Эвристика репрезентативности - это ментальное правило вывода, при котором вероятность принадлежности объекта к категории оценивается по степени сходства с прототипом этой категории. Если объект «выглядит» как типичный представитель группы, мы интуитивно считаем вероятность высокой - даже когда реальная частота говорит обратное.

Термин введён в классической работе Тверски и Канемана 1974 года «Judgment under Uncertainty: Heuristics and Biases». Авторы показали: вместо корректного байесовского пересчёта люди используют суждение о «репрезентативности» - о том, насколько данный случай представляет определённую категорию или процесс.

Рассчитать для своей задачи

Механизм прост: мы сравниваем описание объекта с мысленным прообразом категории. Чем больше совпадений - тем выше субъективная вероятность принадлежности. Объективная частота при этом игнорируется.

Важно понимать: эвристика не является «ошибкой программирования» мозга. Эволюционно она формировалась как быстрый способ классификации в среде, где типичное действительно было часто встречаемым. Когда наши предки видели полосатое существо, похожее на тигра, - правильным решением было немедленное бегство, а не байесовский пересчёт. Проблема возникает, когда тот же механизм применяется в контекстах с нетипичными распределениями: редкие болезни, нестандартные профессии, исключительные финансовые события.

Задача о Линде: ошибка конъюнкции

Самый известный эксперимент - задача о Линде (1982). Участникам давали описание: «Линда, 31 год, незамужем, прямолинейна и очень умна. Специализировалась по философии. В студенческие годы была глубоко обеспокоена проблемами дискриминации и социальной справедливости, участвовала в антиядерных демонстрациях».

Затем просили оценить, что вероятнее:

• A. Линда работает кассиром в банке.
• B. Линда работает кассиром в банке и активна в феминистском движении.

Около 85% участников выбирали вариант B. Но с точки зрения теории вероятностей это ошибка: вероятность совместного события не может превышать вероятность каждого из событий по отдельности. Описание Линды «похоже» на феминистку, и это сходство перекрывает базовую логику.

Ошибку назвали ошибкой конъюнкции (conjunction fallacy). Она возникает именно потому, что вариант B репрезентативнее описанию Линды, чем вариант A - даже несмотря на то, что математически вариант A всегда вероятнее или равновероятен.

Игнорирование базовых частот

Второй ключевой эффект - пренебрежение базовыми частотами (base rate neglect). Когда описание объекта очень «красноречиво», люди почти не используют информацию о распространённости категории.

Классический пример: врача просят оценить, болен ли пациент редкой болезнью (встречается у 1 из 1000 человек), если тест показал положительный результат при чувствительности 95% и специфичности 95%. Большинство говорят: «вероятность болезни около 95%». Правильный ответ по теореме Байеса - около 1,9%.

Рассчитать для своей задачи

Репрезентативность «перекрывает» вес базовой информации: положительный тест похож на признак болезни, и это сходство затмевает редкость заболевания. Та же логика объясняет, почему финансовые аналитики переоценивают перспективы «истории успеха» - прошлый рост выглядит репрезентативным для будущего роста, хотя базовая частота устойчивых подъёмов невысока.

Байесовский подход требует явно вводить приоритет (prior): начинать с базовой частоты, затем корректировать её на силу свидетельства. Для задачи с болезнью: стартуем с 0,1% (1 из 1000) - это prior. Тест с точностью 95% даёт likelihood ratio около 19. Итоговая вероятность: $P(\text{болезнь} \mid +) \approx \frac{0{,}001 \cdot 19}{0{,}001 \cdot 19 + 0{,}999} \approx 1{,}9\%$. Интуиция игнорирует prior и «перепрыгивает» к 95%.

Связь с эвристикой доступности

Эвристика репрезентативности работает в паре с другим когнитивным правилом - эвристикой доступности Канемана. Доступность оценивает вероятность по лёгкости извлечения примеров из памяти; репрезентативность - по сходству с прототипом. Оба механизма снижают когнитивную нагрузку, но оба дают систематические ошибки в разных ситуациях.

Если вы слышали много историй про авиакатастрофы, доступность завысит оценку риска полёта. Если описание человека напоминает «типичного» учёного, репрезентативность завысит оценку того, что он и правда учёный - даже если учёных в популяции мало. В реальных суждениях обе эвристики часто работают одновременно.

Ошибка игрока и «горячая рука»

Репрезентативность лежит в основе двух противоположных, но родственных ошибок:

Ошибка игрока (gambler's fallacy): серия случайных событий в одну сторону воспринимается как «нерепрезентативная» для случайного процесса, поэтому следующее событие ожидается в обратную сторону. «Орёл выпадал пять раз подряд - значит, скоро будет решка». Реальная монета не «знает» своей истории.

Эффект горячей руки (hot hand fallacy): спортсмен, забивший три мяча подряд, воспринимается как «разогретый», и следующий бросок кажется более вероятно успешным. Серия успехов выглядит репрезентативной для мастерства.

Обе ошибки возникают из одного убеждения: случайный процесс должен «выглядеть случайным» в каждом коротком отрезке - то есть соответствовать нашему прототипу случайности.

Примечательно, что ошибка игрока и эффект горячей руки - зеркальные противоположности: первая предсказывает «коррекцию» после серии, вторая - продолжение. Обе коренятся в одной эвристике, но применяются в разных контекстах: ошибка игрока типична для воспринимаемых как чисто случайные процессов (рулетка, монета), эффект горячей руки - для ситуаций, где реальные навыки возможны (спорт, биржа). Интересно, что более поздние исследования (Gilovich, 2016) выявили статистически слабые, но реальные следы «горячей руки» у некоторых баскетболистов - граница между эвристикой и реальным паттерном оказалась размытой.

Применение в юридических и медицинских суждениях

Исследования показывают высокую практическую значимость эвристики. В юридической аргументации присяжные могут оценивать вину по «типичности» поведения подозреваемого: если его действия «похожи» на поведение преступника, субъективная вероятность вины растёт - независимо от базовых частот и доказательной базы.

В медицинской диагностике - тот же паттерн: диагноз ставится по сходству с «учебным случаем», а не по точному байесовскому подсчёту. Это особенно критично для редких заболеваний: чем ближе симптоматика к «типичному» частому диагнозу, тем выше риск пропустить нетипичный редкий.

Рассчитать для своей задачи

Понимание этой ошибки изменило протоколы медицинского образования - студентов теперь специально учат задавать вопрос о базовой частоте до интерпретации симптомов.

Когда эвристика работает верно

Было бы ошибкой считать эвристику репрезентативности лишь источником ошибок. В мире с устойчивыми категориями и предсказуемыми прототипами она работает хорошо. Если описание животного соответствует «типичной» кошке - скорее всего, это кошка. Если стиль текста похож на XVIIIв. - скорее всего, текст из этого периода.

Эвристика - быстрый, малозатратный механизм с высоким базовым процентом верных ответов в повседневных суждениях. Проблема возникает там, где реальные частоты сильно отличаются от интуитивных - в редких событиях, конъюнктивных суждениях и специализированных областях (статистика, медицина, право, инвестиции).

Здесь связь с когнитивной теорией двух систем Канемана: эвристика - продукт Системы 1 (быстрой, автоматической). Система 2 (медленная, аналитическая) способна корректировать её, но требует сознательного усилия.

Частые ошибки

• Путать репрезентативность с вероятностью. Типичный образ не делает событие более вероятным - базовые частоты по-прежнему важнее описания.
• Игнорировать ошибку конъюнкции в повседневных рассуждениях. Добавление детали к сценарию делает его «реалистичнее», но никогда не делает вероятнее.
• Считать, что случайный процесс «должен исправиться». Ни монета, ни рулетка не помнят прошлого - серия не создаёт долга перед противоположным исходом.
• Недооценивать базовую частоту при диагностике. Даже высокоточный тест для редкого явления даёт больше ложноположительных результатов, чем верно положительных.
• Считать, что знания о когнитивных искажениях защищают от них. Ошибки репрезентативности воспроизводятся даже у статистиков - если описание достаточно содержательно.

FAQ

В чём разница между эвристикой репрезентативности и стереотипом? Стереотип - устойчивое обобщённое убеждение о группе, часто социально заряженное. Эвристика репрезентативности - когнитивный механизм оценки вероятности по сходству с прототипом. Стереотипы могут питать эту эвристику, но механизм шире: он работает и для несоциальных объектов (монеты, болезни, финансовые инструменты).

Можно ли «отключить» эвристику? Полностью - нет. Но можно ввести привычку задавать встречный вопрос: «Какова базовая частота этой категории?» - прежде чем делать вывод. Обучение явной байесовской процедуре снижает ошибки, хотя и не устраняет их полностью в условиях давления времени.

Как эвристика репрезентативности связана с задачей Канемана об инженере и юристе? Классический эксперимент: участникам говорили, что описание взято из выборки из 70 юристов и 30 инженеров (или наоборот). Описание «похожего на инженера» давало одинаковую оценку вероятности вне зависимости от пропорций. Люди почти не использовали соотношение 70/30, опираясь только на сходство с прототипом. Это прямое проявление игнорирования базовых частот.

Коротко

Эвристика репрезентативности - это замена вопроса «какова вероятность?» вопросом «насколько это похоже на типичный случай?». Механизм интуитивен и экономит усилия, но систематически даёт ошибки: конъюнктивные суждения (задача Линды), игнорирование базовых частот (диагностика редких болезней), ошибка игрока и эффект горячей руки. Знание о существовании эвристики помогает ввести корригирующую процедуру - явный вопрос о базовых частотах перед интерпретацией описания.