• Shai Danzingeri ja tema kolleegide uurimuse tulemusel selgus, et Iisraeli kohtunikud olid altid tingimisi vabastusi andma pigem tööpäeva alguses ning pärast söögipausi. Ja vahetult enne vaheaega – kui nad olid ilmselt väsinud või nende veresuhkur oli madal – soovitasid nad suurema tõenäosusega vangistuse jätkamist. On teisigi uurimusi, mis kinnitavad oletust, et kohtuotsuseid mõjutavad tihti tegurid, millel puudub seos juhtumi endaga. Majandusteadlased Ozkan Eren ja Naci Mocan avastasid, et ühes USA osariigis tegid piirkonna silmapaistva ülikooli vilistlastest kohtunikud märkimisväärselt rangemaid otsuseid vahetult pärast seda, kui nende alma mater’i meeskond oli jalgpallis ootamatult kaotanud, ning et need ranged otsused puudutasid „asümmeetriliselt mustanahalisi”.
• Florida osariigi Browardi maakonna kooliametis pöörduti andekate laste väljaselgitamisel kõigepealt vanemate või õpetajate poole. Browardis kuulus enamik õpilasi vähemustesse, kuid 56 protsenti andekate programmides osalevatest lastest olid valged. XXI sajandi esimesel aastakümnel otsustas kooliamet selle subjektiivse meetodi asemele võtta võimalikult süstemaatilise ja objektiivse: igal maakonna lapsel lasti sooritada mittesõnaline intelligentsustest. Selle ühe muudatuse tulemus olid majandusteadlaste David Cardi ja Laura Giuliano kirjeldusel rabav: andekaks osutus 80 protsenti rohkem afroameeriklasi ning 130 protsenti rohkem latiinosid.
• Õigusteaduse professorid Ted Ruger ja Pauline Kim ning politoloogid Andrew Martin ja Kevin Quinn tegid katse, et selgitada välja, kas Martini ja Quinni loodud lihtsa, kuue muutujaga mudeli abil saab ennustada USA Ülemkohtu otsuseid 2002. aasta vältel paremini, kui seda oskaksid 83 silmapaistvat õiguseksperti. Neist juristidest 38 olid töötanud ülemkohtunike abina, 33 olid õigusteaduse õppetoolide juhatajad ning kuus olid praegused või endised õigusteaduskonna dekaanid. See rühm ennustas keskmistatuna õigesti veidi alla 60 protsendi ülemkohtu otsustest – algoritm aga 75 protsenti.
Kas eelnev loetelu on esinduslik ja objektiivne? Või tõstame sihilikult, võib-olla isegi ebateadlikult, esile juhtumeid, kus inimese taip jääb puhtalt andmepõhisele lähenemisele alla, ning eirame näiteid inimese paremuse kohta? Suur hulk uurimusi osutab, et sugugi mitte.
Üks rühm eesotsas psühholoog William Grove’iga otsis 50 aasta jooksul ilmunud psühholoogia- ja meditsiinikirjandusest näiteid otseste võrdluste kohta kliiniliste ja statistiliste ennustuste vahel (s.t kogenud inimekspertide ning 100 protsenti andmepõhise metoodika vahel). Nad leidsid 136 säärast uurimust mitmesugustel teemadel alates IQ ennustamisest kuni südamehaiguste diagnoosimiseni. 48 protsendil juhtudest mõlema meetodi järgi tehtud prognoosid palju ei erinenud – teisisõnu polnud eksperdid keskmiselt valemitest paremad.
Palju suurema hoobi sai arvamus inimeste parema taibu kohta tähelepanekust, et 46 protsendil juhtudest oskasid inimeksperdid prognoosida palju halvemini, kui seda sai teha ainult arvude ja valemitega. See tähendab, et inimestel oli selge paremus kõigest kuuel protsendil juhtudest. Ja lõpetuseks lisasid autorid, et peaaegu kõigis uurimustes, kus inimesed olid arvudest paremad, „oli raviarstide käsutuses rohkem andmeid kui mehaanilisel prognoosimisel”. Nagu Paul Meehl, too legendaarne psühholoog, kes hakkas 1950. aastate alguses dokumenteerima ja kirjeldama inimekspertide viletsat sooritust, asja kokku võttis:
Ühiskonnateadustes pole ühtegi debatti, mis hõlmaks nii suurt hulka kvalitatiivselt erinevaid ja samal ajal säärase üksmeelega ühte suunda osutavaid uurimusi nagu see [milles võrreldakse statistiliste ja kliiniliste prognooside õigsust]. Kui võtta üle 100 uurimuse, mis ennustavad kõike jalgpallimängu tulemustest kuni maksahaiguste diagnoosini, ning nende hulgas on vaevu poolkümmend, mis viitavad kas või nõrgalt arsti paremuse poole, on aeg teha praktiline järeldus.
Praktiliseks järelduseks peame meie seda, et eksperdihinnangutele ja ennustustele tuleks vähem tugineda.
Samale järeldusele on jõudnud üha enam Ameerika firmasid. Koostöös USA Statistikabürooga vaatasid Erik ja nüüdseks Toronto Ülikooli professoriks saanud Kristina McElheren läbi 18 000 tehasest koosneva esindusliku valimi ja leidsid, et andmepõhisele otsustamisele üleminek oli kiirenemas, mida toetasid IT laienev kasutamine ning säärast metoodikat usaldavate ettevõtete märkimisväärselt paremad tulemused.
Ehkki näited on kaalukad, peame oma õnnestunud algoritmide loetelule lisama mõne tähtsa reservatsiooni. Selleks et inimtaipu saaks matemaatilise mudeliga kõrvutada, peab see mudel mõistagi olemas olema. Polanyi paradoksi kohaselt pole see alati võimalik. Sääraseid mudeleid on vaja kontrollida ja täiustada andmehulkadega, mis sisaldavad rohkesti sarnaseid näiteid – sel moel saab kirjeldada üksnes üht alamhulka otsustest, mida inimesed peavad tegema. Ent üldine seaduspärasus on selge: kui mudeli loomine ja katsetamine on võimalik, kipub see korduvalt toimima niisama hästi või paremini kui sarnaseid otsuseid tegevad inimeksperdid. Liigagi sageli usaldame inimtaipu isegi siis, kui masinad on meist paremad.
Kuidas saab metoodika, mis põhineb üksnes süsteemil 2 – puhtalt ratsionaalsete ja loogiliste tehete sooritamisel arvandmetega –, olla üldse parem metoodikast, mis põhineb süsteemil 2 ja süsteemil 1, ehk kõigile inimestele kaasa sündinud vaistlikul mõtlemisel? Süsteem 1 on ju toiminud küllalt hästi: me oleme elus ja õitseme hoolimata kõigist evolutsiooni halastamatutest darvinistlikest väljakutsetest (oleme ikka veel alles ning meid on lausa 7,5 miljardit). Niisiis, kuidas saaks süsteem 1 meid nii rängalt alt vedada?
Need küsimused on liiga suured, et anda neile ammendav vastus kõigest ühe raamatuga, ammugi ühe peatükiga. Oma raamatus „Thinking, Fast and Slow” võtab Kahneman lühidalt kokku suure hulga uurimusi (neist paljud enda tehtud):
Kuna süsteem 1 toimib automaatselt ja seda ei saa teadlikult välja lülitada, on vaistliku mõtlemise vigu tihti keeruline ära hoida. Moonutused on vältimatud, kuna süsteem 2 ei pruugi viga aimatagi.
Niisiis on süsteem 1 imetlusväärne, ehkki tõeliselt veaaldis. See läheb sageli kergema vastupanu teed, mitte ei kaalu probleemi korralikult läbi. Ühtlasi sisaldab süsteem 1 üllatavalt palju moonutusi. Teadurid, kes töötavad psühholoogia ning Kahnemani abil sündinud käitumisökonoomika alal, on tuvastanud ja nimetanud suure arvu süsteemi 1 tõrkeid.
Nende täielik loetelu mõjuks teile tüütavalt ja masendavalt. Rolf Dobelli vastavasisulises raamatus „The Art of Thinking Clearly” („Selge mõtlemise kunst”) on 99 peatükki ning Wikipedia kognitiivsete moonutuste loetelus (viimase seisuga) 175 kirjet. Tarkvarafirma Slack tootejuht Buster Benson on need moonutused meie meelest oivaliselt rühmitanud, et me mõistaksime, milliseid raskusi need meile valmistavad:20
1. Kuna me ei talu info üleküllust, sõelume seda agressiivselt … [Kuid] osa väljasõelutud teabest on siiski kasulik ja oluline.
2. Mõttetus ajab meid segadusse, seega mõtleme ise juurde … [Ent] mõtte otsimine võib illusioone tekitada. Mõnikord kujutame ette detaile, mis on sündinud meie eeldustest, ning mõtleme välja tähendusi ja lugusid, mida tegelikult pole olemas.21
3. Peame kiiresti tegutsema, et mitte võimalust kaotada, ja teeme seepärast ennatlikke järeldusi … [Aga] kiirelt tehtud otsused võivad olla väga valed. Esmased reaktsioonid ja ennatlikud otsused võivad osutuda ebaobjektiivseks, isekaks ja kahjulikuks.
4. Kuna me väsime, püüame meeles pidada vähemasti olulisi fakte … [Ent] meie mälu soosib eksimist. Mõni tõik, mida püüame meelde jätta, tekitab nimetatud süsteemides üksnes moonutusi ning kahjustab meie mõtlemist veelgi.
Tahame tähelepanu juhtida veel ühele