بوت‌استرپینگ دیالکتیکی: چگونه تحمیل اختلاف‌نظر درونی، قضاوت فردی را به لحاظ ریاضی بهبود می‌بخشد

در یک نمایشگاه روستایی در سال ۱۹۰۶ در پلیموت، فرانسیس گالتون (Francis Galton) آمارشناس، مشارکت ۸۰۰ نفر را در مسابقه‌ای برای تخمین وزن یک گاو ذبح‌شده مشاهده کرد. میانه حدس‌ها که ۱۲۰۷ پوند بود، با خطای کمتر از ۱ درصد به وزن واقعی ۱۱۹۸ پوندی نزدیک بود. این نمایش کلاسیک از «خرد جمعی» بر تجمیع قضاوت‌های متنوع و مستقل برای خنثی کردن خطاهای فردی تکیه دارد. تنها وجه تمایز بوت‌استرپینگ دیالکتیکی با نمایشگاه گالتون این است که در اینجا، تمام آن جمعیت در محدوده‌ی یک ذهن انسانی واحد شبیه‌سازی می‌شود.

این فرض که یک فرد منزوی می‌تواند بدون هیچ ورودی بیرونی، دقت خود را به‌طور قابل‌اعتمادی بهبود بخشد، دهه‌ها اقتصاد رفتاری را به چالش می‌کشد. انسان‌ها در رها شدن از لنگر نتیجه‌گیری‌های اولیه‌شان به‌شدت ضعیف عمل می‌کنند. وقتی از ما خواسته می‌شود حدس دومی بزنیم، معمولاً از همان توزیع احتمال ذهنی قبلی نمونه‌برداری می‌کنیم و تخمینی تکراری ارائه می‌دهیم که وقتی با حدس اول میانگین‌گیری می‌شود، فایده ریاضی چندانی ندارد.

در سال ۲۰۰۹، روان‌شناسان استفان ام. هرتزوگ (Stefan M. Herzog) و رالف هرتویگ (Ralph Hertwig) در دانشگاه بازل، مقاله‌ای پیشگامانه در نشریه Psychological Science منتشر کردند که راه‌حلی ساختاری برای این تله شناختی ارائه می‌داد. آن‌ها استدلال کردند که اگر افراد مجبور شوند لنگر اولیه خود را بشکنند، می‌توان «خرد جمعیت درونی» را به‌طور فعالانه‌ای مهار کرد. هرتزوگ و هرتویگ نوشتند: «میانگین تخمین کمیِ گروهی از افراد، همواره دقیق‌تر از یک تخمین معمولی است و گاهی حتی بهترین تخمین ممکن است.» آن‌ها پیشنهاد کردند که از این قدرت از طریق رویکردی که آن را «بوت‌استرپینگ دیالکتیکی» نامیدند، بهره‌برداری شود.[1]

مکانیسم این مداخله در ظاهر ساده اما از نظر شناختی بسیار دشوار است. فرد ابتدا یک تخمین استاندارد اولیه می‌زند. سپس به او دستور داده می‌شود فرض کند که تخمین اولش کاملاً اشتباه بوده است. او باید فعالانه دلایلی برای اشتباه بودن مفروضات اولیه‌اش بتراشد، بررسی کند که اطلاعات جایگزین چه چیزی را نشان می‌دهند، و تعیین کند که آیا حدس اولش دست‌بالا بوده یا دست‌پایین. او صرفاً بر اساس همین دیدگاه متضاد، تخمین دومی را تولید می‌کند.[1]

جادوی ریاضی در مرحله تجمیع رخ می‌دهد. با میانگین‌گیری تخمین اول و تخمین دیالکتیکی دوم، فرد قضاوتی ترکیبی می‌سازد که همواره از حدس اولیه به‌تنهایی دقیق‌تر است. از آنجا که تخمین دوم بر پایه اطلاعات متضاد بنا شده، پروفایل خطای آن—چه سیستماتیک و چه تصادفی—با تخمین اول متفاوت است. هنگام میانگین‌گیری، این خطاهای متضاد یکدیگر را خنثی می‌کنند، درست شبیه به حدس‌های متنوع آن ۸۰۰ نفر در نمایشگاه گالتون.[1]

این خود-مخالفتیِ ساختاریافته اساساً با اینکه صرفاً از کسی بخواهیم دوباره فکر کند، تفاوت دارد. آزمایش‌های سال ۲۰۰۹ هرتزوگ و هرتویگ، که در آن از شرکت‌کنندگان خواسته شد تاریخ رویدادهای تاریخی را تخمین بزنند، نشان داد که حدس‌های دومِ بدون محرک، دستاورد دقتی ناچیزی دارند. اما محرک دیالکتیکی، استقلال شناختی لازم برای وقوع اثر «براکتینگ» (Bracketing) را تحمیل کرد—جایی که مقدار واقعی دقیقاً بین دو تخمین قرار می‌گیرد.[1]

قوی‌ترین استدلال متقابل علیه کارایی بوت‌استرپینگ دیالکتیکی، از مقیاس عظیم سوگیری‌های فردی و ذاتی نشأت می‌گیرد. در حالی که جمعیت درونی یک پدیده شناختی جذاب است، اما از نظر ریاضی پایین‌تر از یک جمعیت واقعی قرار دارد. در سال ۲۰۱۷، پژوهشگری به نام دنی ون دولدر (Dennie van Dolder) و همکارانش تحلیلی را در نشریه Nature Human Behaviour منتشر کردند که ۱٫۲ میلیون مشاهده از ۳ آزمایش طبیعی بزرگ را بررسی می‌کرد.[2]

مجموعه داده‌های عظیم ون دولدر محدودیت تأمل‌برانگیزی را فاش کرد: میانگین تعداد زیادی از قضاوت‌های یک فرد واحد، تنها اندکی بهتر از میانگین فقط ۲ قضاوت از افراد متفاوت است. تفاوت در اثربخشی، ناشی از خطاهای سیستماتیکی است که منحصر به هر فرد است. شما می‌توانید خود را مجبور به پذیرش دیدگاهی جدید کنید، اما هرگز نمی‌توانید کاملاً از سوگیری‌های بنیادین خود فرار کنید.[2]

اذعان به این محدودیت، بوت‌استرپینگ دیالکتیکی را بی‌فایده نمی‌کند؛ بلکه صرفاً دامنه عملیاتی مناسب آن را تعریف می‌کند. وقتی گروهی متنوع و مستقل از کارشناسان در دسترس باشند، تجمیع نظرات آن‌ها از نظر ریاضی همیشه بر دیالکتیک درونی یک فرد غلبه خواهد کرد. اما در اکثریت قریب‌به‌اتفاق تصمیمات استراتژیک، پزشکی و مالی روزمره، جمعیت‌های بیرونی یا در دسترس نیستند، یا هزینه‌ای گزاف دارند، و یا گرفتار تفکر گروهی شده‌اند.

در این محیط‌های منزوی، بوت‌استرپینگ دیالکتیکی همچنان قابل‌اعتمادترین ابزار شناختی برای کاهش خطا باقی می‌ماند. پژوهشگران به اصلاح این تکنیک ادامه داده‌اند تا بار شناختی لازم برای اجرای آن را کاهش دهند. مطالعه‌ای در سال ۲۰۲۳ که در Behavioral Scientist برجسته شد، نشان داد که ترغیب افراد به اتخاذ دیدگاه یک دوست خاص که غالباً با او اختلاف‌نظر دارند، به‌عنوان یک میانبر بسیار مؤثر برای رسیدن به همان اثر لنگرشکنی عمل می‌کند.

این مداخله‌ی مبتنی بر اتخاذ دیدگاه، دشواری انتزاعیِ تولید مفروضات متضاد از نقطه صفر را دور می‌زند. با شبیه‌سازی یک صدای مخالفِ آشنا، فرد به‌طور طبیعی به تخمین درونی خود تنوع می‌بخشد. این مطالعه تأیید کرد که این اختلاف‌نظر شبیه‌سازی‌شده، تخمین‌های یک فرد واحد را به‌طور قابل‌توجهی مستقل‌تر کرده و تخمین‌های تجمیعی یک گروه متنوع را تقلید می‌کند.

کاربرد جمعیت درونی فراتر از تخمین‌های نقطه‌ایِ کمیت‌های پیوسته است. پژوهش‌های اخیر بررسی کرده‌اند که چگونه میانگین‌گیری از چندین قضاوتِ مبتنی بر اطمینان، می‌تواند قطعیت نهایی یک شخص را در یک تصمیم‌گیری دسته‌بندی‌شده بهبود بخشد. پژوهشگران دریافتند که میانگین‌گیری از ۲ قضاوتِ اطمینان از یک فرد، همواره برتر از صرفاً به حداکثر رساندن اطمینان است؛ این ثابت می‌کند که جمعیت درونی می‌تواند قطعیت را به همان اندازه که حقایق را کالیبره می‌کند، تنظیم نماید.[3]

معماری شناختی مورد نیاز برای حفظ همزمان ۲ مدل متضاد از واقعیت، بسیار قابل‌توجه است. بوت‌استرپینگ دیالکتیکی مغز را وارد وضعیتی از ناهماهنگی فعال می‌کند. این امر نیازمند تواضع فکری است—یعنی پذیرش صریح این موضوع که چارچوب تحلیلی اولیه فرد احتمالاً دارای نقص است. به همین دلیل است که این تکنیک به‌ندرت به‌طور خودجوش به کار می‌رود.[3]

پژوهش‌های بعدی هرتزوگ و هرتویگ در سال ۲۰۱۴ در Trends in Cognitive Sciences بررسی کرد که افراد چه زمانی واقعاً تصمیم می‌گیرند تخمین‌های درونی خود را ترکیب کنند. آن‌ها دریافتند که وقتی اندازه اختلاف‌نظر درونی بزرگ باشد، افراد تمایل بیشتری به تجمیع حدس‌های خود دارند. مغز طوری عمل می‌کند که گویی در برابر خطر یک خطای فاجعه‌بار خود را بیمه می‌کند و از حدس دوم دیالکتیکی به‌عنوان یک بیمه‌نامه بهره می‌برد.[3]

علمِ جمعیت درونی ثابت می‌کند که شناخت انسان یک مخزن ایستا از پاسخ‌های ثابت نیست، بلکه یک موتور پویا و احتمالی است. ما میزبان انبوهی از دیدگاه‌های متضاد هستیم که بیشتر آن‌ها توسط میل مغز به اجماع سریع سرکوب می‌شوند. با تسلیح عمدیِ شک از طریق بوت‌استرپینگ دیالکتیکی، می‌توانیم آن دیدگاه‌های سرکوب‌شده را به سطح بیاوریم و درک خود از واقعیت را به لحاظ ریاضی بهبود بخشیم.[4]