สรุปหนังสือ Thinking, Fast and Slow: คิดเร็ว คิดช้า คิดอย่างไรให้ไม่โดนหลอก

นี่เป็นหนังสือที่อยากอ่านมานานมาแล้ว ได้ยินชื่อตั้งแต่สมัยเรียนมหา’ลัย จนกระทั่งอาจารย์ที่มหา’ลัยแนะนำในคลาสเรียนรีเสิร์ชครั้นอยู่ปี 4 จากนั้นก็ได้ยินชื่อนี้เรื่อยมาในหนังสือหลาย ๆ เล่มและคนรอบ ๆ ตัว

นั่นแหละ ผ่านมาหลายปีก็ยังไม่ได้มีโอกาสอ่านสักทีจนกระทั่งตอนนี้

Thinking, Fast and Slow เขียนโดยคุณ Daniel Kahneman นักจิตวิทยาและนักเศรษฐศาสตร์พฤติกรรมเจ้าของรางวัลโนเบลในปี 2002 โดยหนังสือเล่มนี้จะมาเจาะลึกถึงระบบความคิดที่จะส่งผลกระทบต่อการตัดสินใจของมนุษย์ มีอยู่ด้วยกันสองระบบ ตามชื่อหนังสือนั่นแหละ คือระบบแบบคิดไว และคิดช้า

PART 1: TWO SYSTEMS

ตัวละครหลักในหนังสือเล่มนี้คือ System 1 และ System 2 ซึ่งเอาเข้าจริงในทางวิชาการมันไม่ได้มีชื่อเรียกแบบนี้จริง ๆ หรอก แต่ผู้เขียนอยากให้จำง่าย ๆ ก็เลยใช้ชื่อนี้

ระบบทั้งคู่นั้นเกี่ยวข้องกับความคิดของเรา โดยระบบแรกนั้นจะเป็นการคิดแบบไว ๆ ทำตามสัญชาตญาณ ไม่ต้องใช้สมาธิมาก เรียกได้ว่าทำไปตามธรรมชาติ ส่วนระบบที่สองนั้น จะเป็นการคิดช้า ๆ แบบเพ่งพินิจ ใช้สมาธิ ใช้ต่อเมื่อต้องการโฟกัสในการทำอะไรสักอย่างที่ซับซ้อนหรือยาก

ยกตัวอย่าง หากเราเจอคนหน้าบึ้ง ระบบแรกก็จะประมวลผลทันทีเลยว่าคนนี้อารมณ์บูด หรือเวลาเราได้ยินเสียงอะไรดัง ๆ สมองก็จะสั่งให้เราหันไปหาต้นเสียงโดยอัตโนมัติ นี่คือการทำงานของระบบแรก

กลับกัน หากเราเจอโจทย์เลขแบบ 394 x 39 ถ้าไม่มีเครื่องคิดเลขแล้วต้องคิดเอง เราก็คงใช้เวลากันพักนึงในการเพ่งหาคำตอบ หรือ เวลาเดินเขาที่มีเส้นทางน่าหวาดเสียวเสี่ยงตาย สมองเราก็จะโฟกัสโดยอัตโนมัติ นี่คือการทำงานของระบบสอง

สองระบบนี้ทำงานควบคู่กันไป เราไม่สามารถพึ่งพาอันไหนได้เพียงอันเดียว ระบบแรกนั้นมีข้อดีตรงที่ไม่กินแรง ทำให้การดำเนินชีวิตสะดวกสบายขึ้น แต่มีข้อเสียตรงที่อาจจะพ่ายแพ้ต่อกลลวง ภาพลวงตา หรืออคติทางจิตได้ ส่วนระบบที่สองนั้นดีตรงที่สามารถช่วยให้เราทำอะไรยาก ๆ ได้ แต่ข้อเสียก็คือมันกินแรงเหลือเกิน จะให้ใช้ระบบนี้ในชีวิตประจำวันตลอด ก็คงหมดแรงพอดี

ตัวอย่างการทำงานที่บกพร่องของระบบ 1 ลองดูภาพนี้แล้วบอกสิว่าเส้นไหนยาวกว่ากัน

The Müller-Lyer illusion (Müller-Lyer, 1889)

ระบบ 1 ของเราจะบอกโดยอัตโนมัติว่า เส้นข้างบนยาวกว่า! แต่อันที่จริงแล้วถ้าเอาไม้บรรทัดมาวัด ก็จะพบว่าเส้นตรงทั้ง 2 เส้นนั้นเท่ากัน ปลายแหลมที่ต่างกันต่างหากทำให้ดูเหมือนไม่เท่า ทีนี้ระบบ 2 ก็จะเรียนรู้เหตุผลแล้ว แต่ระบบ 1 ก็จะยังทำงานเหมือนเดิม นั่นก็คือทำให้เราเห็นว่าเส้นทั้งสองมันไม่เท่ากัน

การใช้สองระบบควบคู่กันไป และรู้ทันว่าระบบไหนกำลังมีอิทธิพลเหนือกว่า จะช่วยให้เราใช้ชีวิตได้อย่างมีประสิทธิภาพขึ้น สมมติว่าเรากำลังคุยงานอยู่ แล้วเกิดโมโหเพื่อนร่วมงาน ถ้าไม่ได้ระบบ 2 ช่วยไว้ ระบบ 1 ก็จะสั่งให้เราลุกขึ้นตบโต๊ะด่าอีกฝ่าย แต่ถ้าระบบ 2 เรารู้ทัน ก็จะสั่งให้เราใจเย็น ๆ ไม่ตอบโต้ เรียกอีกแบบว่าระบบ 2 จะลุกขึ้นมาจัดระเบียบให้ระบบ 1 อีกทีก็ว่าได้

ในอีกแง่หนึ่ง ระบบ 1 ช่วยให้การใช้ชีวิตประจำวันแบบ Routine ของเราเป็นไปได้อย่างราบรื่น เราตื่นขึ้นมาอาบน้ำแปรงฟัน เดินทางไปทำงานด้วยเส้นทางเดิม ๆ แทบจะไม่ต้องออกแรงสมองเลย หากระบบ 2 เข้ามามีส่วนมากเกินไป เราอาจจะระแวดระวังไปเสียทุกย่างก้าว ทำให้เดินทางช้าลง แถมยังเหนื่อยจิตเหนื่อยใจมากขึ้น

นอกจากนั้น การใช้ระบบ 2 มาก ๆ บางทีอาจจะทำให้เราเผลอมองข้ามอะไรที่ไม่น่ามองข้ามได้ เรียกอีกแบบว่าตาบอดชั่วขณะ ตัวอย่างก็เช่นในคลิปวิดีโอนี้ ผู้ทดลองที่ถูกสั่งให้นับจำนวนครั้งที่ลูกบอลถูกส่งโดยผู้เล่นเสื้อขาว (ในสนามมีผู้เล่นเสื้อดำด้วย) ผลก็คือผู้ทดลองโฟกัสกับการนับมาก ๆ จนไม่ทันสังเกตคนสวมชุดกอริลล่าเดินเข้ามาในสนาม ทั้งที่ปกติแล้วระบบ 1 ของเราจะต้องเห็นทันทีเมื่อมีอะไรประหลาด ๆ โผล่มา สิ่งนี้แสดงให้เห็นว่า การที่ระบบ 2 ทำงานหนักมาก ๆ ก็จะกระทบกับการทำงานของระบบ 1 ด้วยเหมือนกัน

(นอกจากกอริลล่าแล้ว ก็มีจุดเปลี่ยนแปลงอื่น ๆ ในวิดีโอเช่นกันนะ)

ATTENTION & EFFORT

ในขณะที่เรากำลังตั้งใจคำนวณเลขที่ยากและซับซ้อน เมื่อถึงจุด ๆ หนึ่งเริ่มจะล้าและไม่โฟกัสต่อ หากมีใครสักคนมองหน้าเราแล้วบอกว่า “หยุดคิดทำไมล่ะ คิดต่อสิ” เราก็คงเซอร์ไพรส์ว่ารู้ได้ยังไง… ในการทดลองของคุณ Kahneman กับคุณ Beatty ยืนยันว่าเวลาคนเราโฟกัสกับอะไรมาก ๆ นั้น รูม่านตาจะขยายอย่างเห็นได้ชัด แต่ถ้าเริ่มไม่โฟกัสแล้ว รูม่านตาก็จะเล็กลง พวกเขาทำการทดลองโดยให้ผู้ทดลองทำโจทย์ที่ยาก ๆ ในช่วงเวลาหนึ่ง แล้วจึงเห็นว่ามีการขยับไซส์ของรูม่านตาอย่างน่าอัศจรรย์เลย

ซึ่งระหว่างที่ตั้งใจมาก ๆ นี้ หากมีอะไรสักอย่างผ่านตามา ก็มีโอกาสสูงที่เราจะไม่รับรู้ นั่นเพราะระบบ 2 ของเราลงแรงไปกับการโฟกัสในภารกิจที่สำคัญยิ่งกว่า จนไม่เหลือไม่รับรู้สิ่งอื่น ๆ ที่ไม่ได้สำคัญขนาดนั้น (ตัวอย่างก็เช่นวิดีโอกอริลลาด้านบน)

ยิ่งสิ่งที่ต้องทำนั้นยากเท่าไร ระบบสองก็จะยิ่งทำงานหนักเท่านั้น และจะยิ่งหนักไปอีกเมื่อมีการสลับการทำงานไปมา และมีข้อจำกัดด้านเวลามาเกี่ยวข้อง (เรียกง่าย ๆ ว่าถ้ามีเดดไลน์ก็จะยิ่งเครียด) ในหนังสือบอกว่า การพยายามคิดเร็ว ๆ ในสิ่งที่ควรคิดช้า ๆ นี่แหละกินแรงมาก

หลาย ๆ คนที่ไม่อยากให้สมองทำงานหนักเกินไป ก็มักจะหั่นสิ่งที่ต้องทำเป็นชิ้นเล็ก ๆ ง่าย ๆ วางเป้าหมายเป็นขั้นเป็นตอน ค่อย ๆ ทำไปทีละอย่าง แทนที่จะทำก้อนใหญ่แบบรวดเดียวทีเดียว

เออ แต่งานบางงาน สำหรับคนบางคน ก็แทบจะไม่ต้องใช้ effort อะไรเลย คือ System 2 สามารถทำงานได้เรื่อย ๆ ชิว ๆ ถ้านึกฟีลไม่ออก ก็เหมือนเวลาเรานั่งทำงานอะไรสักอย่างแล้วเพลินจนลืมเวลานั่นละ นี่คือสิ่งที่เรียกว่าการมี Flow ซึ่งก็จะเกิดแค่กับบางคนและบางงานเท่านั้น เช่น เวลาทำงานที่เราชอบ ก็คงทำไปได้เรื่อย ๆ ต่างกับเวลาเราโดนบังคับให้ทำอะไรสักอย่าง ซึ่งถ้าทำนาน ๆ ก็จะเริ่มล้า มึนหัว หาข้ออ้างออกไปเดินเล่นดีกว่า

System 2 ก็มีข้อบกพร่องเหมือนกัน

เห็นว่า System 2 เป็นอะไรที่ดูจริงจังตั้งใจ แต่มันก็มีลิมิตของมันเหมือนกัน

อย่างแรกเลยคือ System 2 ก็เหนื่อยเป็น (นะเว้ย) ซึ่งเราก็พอจะทราบกันมาอยู่แล้วจากเนื้อหาบน ๆ ซึ่งพอ System 2 ทำงานหนักจนล้าเนี่ย System 1 จะเริ่มมีอำนาจเหนือ กล่าวคือ พอใช้ความคิด เพ่งสมาธิมาก ๆ จนล้า หลัง ๆ เราก็จะเริ่มแบบ ช่างแม่ง ไม่ต้องทำดีมากละ หรือไม่ก็เริ่มหยิบหาของกินอ้วน ๆ มากินแทนที่จะหยิบสลัดผักมา เรียกได้ว่าพอ System 2 เหนื่อยล้า ดึงพลังงานมาใช้จนหมด คนก็จะเริ่มไม่สามารถควบคุมตัวเองได้ (ขาด self control ซึ่งเป็นหนึ่งในฟังก์ชั่นหลักของ System 2) เกิดเป็นอาการ Ego Depletion ดังนั้นถ้าใครอยากปั่นหัวคนอื่นให้ตัดสินใจแบบลวก ๆ ไร้เหตุผล ก็ล่อให้เขาไปทำอะไรที่ใช้ความคิดหนัก ๆ ดู

ด้วยเหตุนี้ละมั้ง ถ้าเราทำงานนาน ๆ พอเริ่มล้า ก็จะเริ่มหยิบหาของกินรอบตัวไปเรื่อย และหนึ่งสิ่งที่เรามักจะหยิบคืออะไรหวาน ๆ ซึ่งตรงนี้เนี่ยเค้าก็มีงานทดลองออกมาว่ากลูโคสช่วยให้ระบบ 2 ทำงานต่อได้อย่างไม่ขัดข้อง (หรือขัดข้องน้อยลง) จริง ๆ ก็รวมถึงกลูโคสที่ได้จากอาหารมื้อหลักด้วย ฉะนั้นถ้าทำงานนาน ๆ พักผ่อนไปหาของกินบ้างก็เป็นเรื่องดี

แล้วคนที่สามารถควบคุมตัวเองได้ดีกว่า จะฉลาดกว่ารึเปล่า? อันนี้เค้ามีการทดลองออกมาว่ามีส่วนนะ หลายคนน่าจะเคยได้ยินการทดลองให้คุกกี้กับเด็กสี่ขวบ ที่ให้เด็กอยู่กับคุกกี้ 1 ชิ้นเป็นเวลา 15 นาที ถ้าสามารถทนไม่กินคุกกี้ชิ้นนั้นได้ ก็จะได้รับคุกกี้ชิ้นที่ 2 ผลออกมาว่าเด็กที่สามารถควบคุมตัวเอง ไม่รีบกินคุกกี้ชิ้นแรกก่อน 15 นาทีหมดลง มีผลการทดสอบด้านสติปัญญาที่สูงกว่า

ลิมิตอย่างที่สองของระบบ 2 ก็คือบางทีมันก็ขี้เกียจ เวลาเจอโจทย์หลอกสมอง ระบบ 1 จะโพล่งขึ้นมาทันทีว่าคำตอบต้องเป็นแบบนี้สิ! ซึ่งคำตอบนั้นก็มักจะผิด ใครที่มีอาการแบบนี้แสดงว่าระบบ 2 อยู่ในโหมดอู้งาน ขี้เกียจลงแรงที่จะมานั่งคิดนั่งหาข้อพิสูจน์ ตามกฏ Law of Least Effort คือใช้แรงคิดให้น้อยที่สุด ถูกไม่ถูกช่างมัน ให้ระบบ 1 ตัดสินใจไปเลย

ตัวอย่างง่าย ๆ ของโจทย์หลอกสมองที่เราคิดว่าได้ผลดีมากคืออันนี้

ราคารวมของไม้ตีกับลูกบอลนั้นอยู่ที่ $1.10
ราคาของไม้ตีนั้นแพงว่าลูกบอล 1 ดอลล่าร์
ลูกบอลราคาเท่าไร?

ถ้าระบบ 2 ของเราขี้เกียจคิดเยอะ ระบบ 1 ก็จะชิงตอบเลยว่า ลูกบอลราคา $0.10 หรือ 10 เซนต์ ซึ่งเป็นคำตอบที่ผิด เพราะถ้าลองคิดดูดี ๆ หากลูกบอลราคา 10 เซนต์ ไม้ตีก็จะต้องราคา $1.10 ทำให้ราคาของโดยรวมอยู่ที่ $1.20 ต่างหาก ราคาลูกบอลที่ถูกต้องจึงต้องเป็น $0.05 หรือ 5 เซนต์ต่างหาก

Associative Machine & Priming Effect

อย่างที่รู้กันว่าระบบ 1 ทำงานไวมาก ตัวอย่างหนึ่งคือกลไก Association ซึ่งจะเชื่อมโยงแต่ละไอเดียเข้าด้วยกัน แล้วทำให้เราเกิดปฏิกิริยาบางอย่าง ตัวอย่างเช่น เมื่อเราเจอคำว่า “กล้วย” และ “อ้วก” เข้าด้วยกัน เราก็จะรู้สึกหยึย ๆ โดยอัตโนมัติ เป็นกลไกที่ร่างกายตอบสนองแบบไม่ต้องพึ่งพาสมอง

ปรากฏการณ์ที่อยู่เบื้องหลัง Association คือ Priming Effect ซึ่งก็คือการที่เรายึดติดกับไอเดียอะไรสักอย่าง ทำให้การตอบสนองของเราสอดคล้องกับไอเดียนั้น ๆ ตัวอย่างเช่น หากได้ยินคำว่า “กิน” เราก็มักจะเติมตัวอักษรของศัพท์ S_ _ P ด้วย SOUP (ซุป) แทนที่จะเป็น SOAP (สบู่)

ในการทดลองที่มหาวิทยาลัยนิวยอร์ก นักจิตวิทยาค้นพบว่าการที่ผู้ทดลองได้สัมผัสกับกลุ่มคำที่สื่อถึงความแก่ ไม่ว่าจะเป็น Florida, Forgetful, Bald, Gray, Wrinkle ส่งผลให้คนกลุ่มนี้เดินช้าลงอย่างเห็นได้ชัดเมื่อเทียบกับคนอีกกลุ่มหนึ่ง แสดงให้เห็นว่าไอเดียหนึ่งนั้นถึงขั้นส่งผลกระทบต่อพฤติกรรมเลย ซึ่งมีศัพท์เรียกเฉพาะว่า Ideomotor Effect

Ideomotor Effect นี่ก็สามารถทำงานตรงกันข้ามได้เหมือนกัน คือไม่ใช่แค่ความคิดส่งผลต่อการกระทำ แต่การกระทำก็ส่งผลต่อความคิดได้ เช่น หากเรามีความสุข ก็จะยิ้ม และการยิ้มก็จะทำให้เรามีความสุข วนเป็นลูปไปแบบนี้

ทั้งหมดทั้งมวลนี้ เป็นปฏิกิริยาของระบบ 1 นั่นหมายความว่าในหลาย ๆ ครั้งเราแทบจะไม่รู้ตัวเลย บางทีเราถูกกรอบความคิดบางอย่างหล่อหลอมมา และเราก็อาจจะเข้าใจว่านี่แหละคือสิ่งที่เราเลือก แต่แท้จริงแล้วสิ่งแวดล้อมรอบด้านคอยหล่อหลอมกระบวนความคิดเรามาตลอดต่างหาก คนที่อยู่ในสังคมที่พูดเรื่องเงินเยอะ ๆ บูชาเงินก็มีแนวโน้มที่จะไม่ค่อยอยากช่วยเหลือคนอื่น ยึดตัวเองเป็นหลัก ส่วนคนที่มองเห็นรูปโรงเรียนและเด็ก ๆ บ่อย ๆ ก็มีแนวโน้มที่จะอยากบริจาคช่วยเหลือมากขึ้น

แนวคิดนี้ถือเป็นตัวจุดข้อกังขาให้แนวคิด “เจตจำนงค์เสรี” ที่หลายคนเข้าใจว่ามี เราคิดว่าเราเป็นเจ้าของความคิดตัวเอง ตัดสินใจอะไรด้วยตัวเอง มีตัวตนที่แท้จริงเพียงหนึ่งเดียว แต่เอาเข้าจริงแล้ว กลายเป็นว่าความคิดเราโดนอะไรต่อมิอะไรหล่อหลอมเยอะมาก เราเลือกไม่ได้เลยว่าเราจะชอบอะไร ไม่ชอบอะไร รู้ตัวอีกทีเราก็รู้สึกแบบนั้นแล้ว

Cognitive Ease

Cognitive Ease เรียกง่าย ๆ ว่าเป็นความยาก-ง่ายในการประมวลผลของสมอง ส่วนใหญ่ระบบ 1 ของเราจะใช้ Cognitive Ease แบบง่าย ๆ นี่ละ เห็นอะไรคุ้นตาก็จำได้เลย ไม่ต้องคิดมาก แต่ถ้าเริ่มต้องใช้ความคิดหนัก ระบบ 2 ก็จะเข้ามาทำงาน ซึ่ง Cognitive Strain ก็จะช่วยให้ระบบ 2 ทำงานได้ดีขึ้น

มีงานวิจัยเผยออกมาว่า ยิ่งเราเห็นอะไรบ่อย ๆ เราก็จะยิ่งคุ้นชินกับมัน เพราะสมองเราจำได้ว่าสิ่ง ๆ นั้นไม่เป็นอันตราย จึงเกิดความรู้สึกชอบ/ดีกับมัน ต่างกับอะไรที่เราไม่ค่อยได้เห็น สมองก็จะไม่ค่อยชอบมันเท่าไร ระบบ 1 ถึงขั้นมองข้ามไปเลย มันจะไปใส่ใจอะไรที่เราคุ้นหน้าคุ้นตากันมากกว่า

Surprise & Causality

ระบบ 1 นั้นมีหน้าที่จัดระเบียบให้ชีวิตของเรา มันทำให้เรารู้ว่าอะไรคือ “เรื่องปกติ” ในชีวิต ฉะนั้นพอมีเซอร์ไพรส์โผล่มาที เราก็จะตอบสนองได้อย่างรวดเร็ว เพราะมันถือเป็น “เรื่องไม่ปกติ” ในชีวิตอันปกติของเรา

ความน่าสนใจคือ หากเรื่องเซอร์ไพรส์นั้นเกิดขึ้นครั้งที่สอง ซ้ำกันกับครั้งแรก เราก็จะไม่รู้สึกตกใจ หรือตกใจน้อยลงแล้ว (ทั้งที่จริง ๆ สถิติการเกิดขึ้นซ้ำนั้นมีน้อยจะตาย) แต่เพราะระบบ 1 ของเราจับเซอร์ไพรส์ใหม่เชื่อมกับอันเก่า ทำให้เรารู้สึกคุ้นเคย ไม่มองว่ามันแปลกอีกต่อไปแล้ว

อีกสิ่งหนึ่งที่ระบบ 1 ทำได้ดีคือการเชื่อมโยงสิ่งต่าง ๆ เข้าด้วยกัน ไม่ว่าจะเป็นแนวคิด ไอเดีย มาตรฐานของสิ่งต่าง ๆ หรือผลกระทบของสิ่งหนึ่งต่อสิ่งหนึ่ง ระบบ 1 ทำได้ดีมาก ๆ จนบางทีก็ดีเกินไป ทำให้เราไม่ทันฉุกคิดว่าเฮ้ยจริง ๆ แล้วมันอาจจะไม่ได้เกี่ยวข้องกันก็ได้นะ หรือบางสิ่งบางอย่างอาจจะไม่ได้เป็นเช่นนั้นเสมอไป (น่าจะเป็นสาเหตุในการเข้าใจผิดหลาย ๆ เคสของในหนังสือ Factfulness ด้วย) สัญชาตญาณระบบ 1 อาจจะทำให้เรารู้สึกว่า A ส่งผลเป็น B แต่แท้จริงแล้วหากไปดูข้อมูลสถิติจริง ๆ เราอาจจะพบว่า B เกิดจากหลายสาเหตุก็เป็นได้ ซึ่งตรงนี้เนี่ยต้องใช้ระบบ 2 เข้ามาช่วยวิเคราะห์แล้ว

Jumping to Conclusion

ด้วยกลไกหลาย ๆ อย่างของระบบ 1 นั้น มันทำให้เราสามารถ “ด่วนสรุป” ได้อย่างง่ายดาย ทั้งที่ข้อมูลยังไม่ครบ เช่น รู้ว่าผู้ชายคนนั้นเป็นคนเก่งและฉลาด จึงสรุปไปเลยว่าคนนี้เหมาะกับการเป็นผู้นำ ทั้งที่จริง ๆ เราควรตั้งคำถามว่ามีอะไรอื่นที่เรายังไม่รู้อีกไหม? ถ้าเขาเกิดเป็นคนขี้โกงด้วยล่ะ? สิ่งเหล่านี้จะไม่ผ่านเข้ามาในระบบ 1 เลย ระบบ 1 จะตัดสินไปแล้วว่าเราควรจะเข้าใจมันอย่างไร ระบบ 1 ไม่ทำตัววุ่นวายเพื่อจะหาว่ามีทางออกอื่น ๆ อีกไหม มันตัดสินใจบนข้อมูลที่มีอยู่ ด้วยสิ่งแวดล้อมที่มันเห็น และด้วยประสบการณ์ที่เราพบเจอ

เพราะเหตุนี้ เรามักจะเชื่อมโยงหลายสิ่งหลายอย่างเข้าด้วยกันโดยอัตโนมัติ ทำให้บางครั้งเกิดอคติโดยไม่รู้ตัว การประชุมแบบเปิดให้ทุกคนออกความเห็นนั้นมีแนวโน้มที่จะทำให้คนอื่นๆ คล้อยตามสิ่งที่คนแรกพูด การโหวตแบบเปิดตาก็ทำให้คนอื่นๆ คล้อยตามผู้อื่นได้ หากอยากให้ผลลัพธ์ที่ออกมามีความแม่นยำมากขึ้น จะต้องทำให้ทุกๆ อย่างไม่เชื่อมโยงกัน เช่น โหวตแบบปิดตา ทำให้เราไม่เห็นว่าใครโหวตอะไรบ้าง เราก็จะกล้าแสดงคำตอบเรามากขึ้น

การทำงานไว ๆ ของระบบ 1 นี้อธิบายอคติทางความคิดหลาย ๆ อัน เช่น Halo Effect (การด่วนตัดสินไปเลยทั้งที่ข้อมูลไม่ครบ) Confirmation Bias (การมองหาแต่สิ่งที่จะคอนเฟิร์มความคิดของเรา ยิ่งทำให้เราปักใจเชื่อความคิดตัวเอง) Overconfidence (อาการมั่นใจเกิน) เป็นต้น

Judgement

ระบบ 1 นั้นสามารถตัดสินสิ่งต่าง ๆ ได้อย่างรวดเร็ว ผ่าน 2 ฟังก์ชั่น อย่างแรกคือการที่มันสามารถเปรียบเทียบอ้างอิงสิ่งต่าง ๆ ได้ เช่น เราตัดสินว่าคนคนนี้ดูเป็นผู้นำ จากรูปหน้าที่ดูคมสัน แววตามุ่งมั่น รอยยิ้มมั่นใจ เราตัดสินว่าคนนี้น่าคบหาจากรอยยิ้ม รูปหน้าโค้งมน เราตัดสินว่าโทษประหารนั้นเปรียบเสมือนดนตรีทำนองหนักแน่นรุนแรง

อย่างที่สองคือ Mental Shotgun สิ่งนี้คือการที่ขณะระบบ 2 ทำงาน มันก็กระตุ้นให้ระบบ 1 ทำงานไปด้วย ทำให้เกิดการทำงานที่มากเกินไป และไปรบกวนการทำงานของระบบ 2 ในที่สุด เช่น การถูกถามว่าบริษัทนี้ฐานะการเงินดีไหม หากจะตอบได้ก็ต้องใช้การทำงานของระบบ 2 แต่ระบบ 1 ก็โพล่งขึ้นมาว่า เอ๊ะ เราชอบสินค้าของบริษัทนี้ พอมีความคิดนี้เข้ามา เราก็จะเริ่มลำเอียงละ

Easy Questions Please

จากตัวอย่างข้างต้น เวลาเจอคำถามยาก ๆ ที่ดูเหมือนว่าไม่น่าจะตอบได้นั้น ระบบ 1 ก็สามารถหาทางให้เราตอบได้จนได้ เพราะมันจะใช้วิธี Substitute ไปหาคำถามที่ง่ายกว่า เป็นคำถามที่ตอบได้ตามสัญชาตญาณเลย ใช้อารมณ์ความรู้สึกล้วน ๆ

ซึ่งไอ้พฤติกรรมนี้เนี่ยบางทีมันก็ช่วยในแง่ที่เราว่าสามารถตอบคำถามยาก ๆ ได้ เพียงแค่เราจับคำตอบแรกไปตบ ๆ ให้เข้ากับคำถามที่ยาก (แถไปให้ได้) แต่บางทีมันก็ทำให้เราผิดประเด็นได้เหมือนกัน แทนที่จะตัดสินด้วยเหตุผล ก็กลายเป็นใช้อารมณ์ไป เช่น สมมติว่าจะรับสมัครพนักงานใหม่เข้าทีม ก็ควรจะพิจารณาว่าคนคนนี้น่าจะทำงานได้ดีไหม (ซึ่งเป็นคำตอบที่ยาก) แต่เราอาจจะคิดไว ๆ ด้วยการมองหน้าแล้วตัดสินว่าถูกชะตาไหม ระบบ 1 ของเราก็จะส่งข้อเสนอให้ระบบ 2 และส่วนใหญ่ระบบ 2 ก็จะยอมรับว่าโอเค เอาแบบนั้นแหละ เพราะมันขี้เกียจคิดวิเคราะห์ให้เหนื่อยสมอง

PART 2: HEURISTICS & BIASES

The Law of Small Numbers

หากได้ยินว่า อัตราการเป็นโรคของประชากรในเมืองเล็ก ๆ นั้นต่ำกว่าเมืองใหญ่ ๆ สมองระบบ 1 เราก็แทบจะจับเชื่อมโยงได้ทันทีว่า อ๋อ เป็นเพราะคนน้อย อากาศบริสุทธิ์ อาหารคลีนสินะ เข้าใจละ ๆ มันเป็นแบบนี้นี่เอง แต่เราก็คงจะงงเหมือนกันถ้าหากได้ยินมาเช่นกันว่า อัตราการเป็นโรคของประชากรในเมืองเล็ก ๆ ก็สูงกว่าเมืองใหญ่ ๆ เช่นกัน หากได้ยินข้อสังเกตนี้ก่อน สมองระบบ 1 เราก็จะเชื่อมไปว่า อ๋อ เพราะเมืองเล็ก ๆ คนยากจน ไม่มีสาธารณูปโภคเพียงพอ ไม่มีเครื่องไม้เครื่องมือป้องกันโรคที่ดี ฯลฯ

จริง ๆ แล้ว ระบบ 1 สามารถจับทุกอย่างเชื่อมโยงกันได้ และทำให้มัน make senses จนได้ในที่สุด แต่หากสิ่ง ๆ นั้นขัดกับความเชื่อต่อโลกเรามากเกินไป ระบบ 2 ก็จะเริ่มเข้ามามีส่วนร่วมในการสงสัยและตั้งคำถาม

อีกประเด็นหนึ่งที่น่าขุดคุ้ยเพิ่มเติมก็คือ พวกข้อพิสูจน์ต่าง ๆ ที่ดูเหมือนจะมีเหตุและผล มีแบบแผนนั้น บางทีอาจจะเป็นความผิดพลาดของการเลือก Sample ที่มีขนาดน้อยเกินไป ในวิชาสถิตินั้นก็มีการสอนว่าหากเลือก Sample น้อยเกินไปก็จะทำให้ผลลัพธ์ออกมาเขว ออกมาสุดโต่งเกินไปได้ ประชากรในเมืองเล็ก ๆ น้ันมีน้อยกว่าเมืองใหญ่ ๆ จึงไม่น่าแปลกใจว่าทำไมอัตราส่วนถึงพุ่ง แม้ว่าจะเป็นในคนละด้านก็ตาม

นอกจากนั้นแล้ว เรายังมักจะชอบหาแบบแผนให้กับทุก ๆ สิ่งที่เกิดขึ้น โดยเชื่อว่ามันมีเหตุและผล ส่งผลกระทบต่อกัน แม้ว่าจริง ๆ แล้ว มันอาจจะเป็นความบังเอิญล้วน ๆ เลยต่างหาก การที่คนคนหนึ่งทำโปรเจ็กต์ 3 ชิ้นสำเร็จติดต่อกัน ไม่ได้หมายความว่าเขาผู้นั้นจะเป็นคนเก่งที่แท้จริง มันอาจจะฟลุกล้วน ๆ เลยก็ได้ แต่เรามักจะเห็นและเชื่อในสิ่งที่เห็น แล้วก็ตีความไปว่า นี่แหละ คนเก่งจริง

Anchoring Effect

จากการทดลองพบว่าคนเราจะตัดสินใจอะไรโดยขึ้นอยู่กับ “สมอ” ที่ถูกโยนมาให้เป็นอันแรก สมอนี้อาจจะเป็นตัวเลขสุ่ม ๆ ขึ้นมา หรือเป็นตัวเลขที่ใกล้เคียงความจริงก็ได้

ตัวอย่างเช่น มีกาแฟแก้วหนึ่ง หากให้ทายราคาของกาแฟ โดยการโยนประโยคที่ว่า “กาแฟแก้วนี้ราคามากกว่าหรือน้อยกว่า 60 บาท” กับ “กาแฟแก้วนี้ราคามากกว่าหรือน้อยกว่า 150 บาท” ก็เป็นไปได้ว่าราคาที่คนจะตอบนั้นต่างกันหากเจอสมอคนละแบบ โดยกลุ่มแรกอาจจะตอบราคาที่ใกล้เคียง 60 บาท ส่วนกลุ่มที่สองก็จะตอบราคาใกล้เคียง 150 บาท

ในชีวิตจริงเราก็อาจจะเจอ Anchoring Effect กันบ่อย ๆ เอาเป็นว่าหากต้องเผชิญตัวเลขก็แทบจะเดาได้เลยว่าเจอปรากฏการณ์นี้แน่ ๆ เช่น เวลาเดินไปซื้อของ เมื่อเห็นราคาของชิ้นใดชิ้นหนึ่งเป็นชิ้นแรก ๆ เราอาจจะยึดตัวเลขนี้ไว้เป็นหลัก เพื่อเอาไปเทียบกับราคาของชิ้นอื่น ๆ ในประเภทเดียวกัน หรืออย่างเวลาต่อราคากับคนขาย ฝ่ายแรกที่เอ่ยตัวเลขออกมาก็จะสร้างสมอไว้ หากอีกฝ่ายไม่ทันเตรียมตัวก็อาจจะโดนสมอนี้โน้มน้าวจิตใจได้

ทางที่จะป้องกันไม่ให้โดน Anchoring Effect เล่นงาน ก็จะต้องงัดระบบ 2 ออกมาช่วยในการวิเคราะห์แยกแยะว่าตัวเลขที่ถูกโยนมานั้นมัน make sense หรือไม่ ตัวเลขนี้มาจากไหน ซึ่งการจะทำแบบนี้ได้นั้นต้องใช้ effort ระดับหนึ่ง เพราะฉะนั้นในหลาย ๆ กรณีระบบ 1 ก็จะเข้าทำงาน และตัดสินใจไปตามสมอที่ถูกโยนมา

Availability Heuristic

ยิ่งเราคิดถึงเรื่องราว เหตุการณ์ หรือปรากฏการณ์อะไรได้ง่ายเท่าไร เราก็มีแนวโน้มที่จะถูกมันชักจูงเท่านั้น ตัวอย่างเช่น หากเพิ่งเห็นข่าวเครื่องบินตก บางคนอาจจะไม่กล้าขึ้นเครื่องบินไปชั่วคราว เพราะเหตุการณ์นั้นยังติดตา ซึ่งจริง ๆ แล้วสถิติของอุบัติเหตุบนเครื่องบินนั้นเกิดขึ้นไม่บ่อย

อีกตัวอย่างคือ สมมติว่าเราพยายามนึกย้อนว่าตัวเองเคยทำบุญอะไรมาบ้าง ถ้าใครนึกออกได้เยอะ ๆ ก็จะรู้สึกว่าตัวเองเป็นคนดี แต่ถ้าใครคิดไม่ค่อยออกก็จะเริ่มรู้สึกละว่าหรือฉันต้องตกนรกวะ

ความยาก-ง่ายในการเรียกความทรงจำเหล่านั้นอาจจะส่งผลกระทบต่อการตีความของเราได้ เราจะต้องพยายามดึงระบบ 2 ออกมาช่วยคัดเนื้อหาเน้น ๆ ของสิ่งเหล่านั้น ไม่ใช่เรื่องความยาก-ง่ายในการนึก เราอาจจะคิดว่าตอนนี้ในเมืองมีฝุ่นไม่เยอะเพราะข่าวไม่โหมเลย แต่เราควรจะไปดูสถิติที่แท้จริงว่าตอนนี้ค่าฝุ่นเป็นอย่างไร

Stick to Base Rate

หลายครั้งที่เรามักจะตัดสินโดยอิงจากสิ่งที่เรามองเห็น โดยมองข้ามสถิติที่แท้จริงไป เช่น เราอาจจะคิดว่านักศึกษาที่ใส่ใจสุขภาพ ต้องไปเรียนคณะวิทย์กีฬาแน่ ๆ แต่เมื่อเทียบกับสถิติของนักศึกษาที่อยู่แต่ละคณะ ก็จะพบว่าคนอยู่วิทย์กีฬานั้นมีสัดส่วนน้อยมากๆ เมื่อเทียบกับคณะอื่นๆ เช่น บัญชี วิศวะ นิเทศ

เราเรียกสิ่งนี้ว่า Base Rate หรืออัตราส่วนที่แท้จริง ซึ่งหลายคนมักจะลืมมันไปเมื่อได้รับข้อมูล Case-by-case ที่เข้ามาเสริม หากว่ากันตามอัตราส่วนแล้ว นักศึกษาที่ใส่ใจสุขภาพนั้นมีโอกาสที่จะเข้าไปอยู่ในคณะคนเยอะ ๆ อย่างบัญชี วิศวะ นิเทศ มากกว่าอยู่วิทย์กีฬาที่คนน้อยกว่า

หรือในแง่ของการลงทุน เราอาจจะรู้สึกว่าบริษัทสตาร์ตอัปนี้ดูดีมีอนาคตมาก แต่พอไปมองที่ Success Rate ของบริษัทในอุตสาหกรรมนี้ก็จะพบว่ามันต่ำมาก ในฐานะนักลงทุนก็อาจจะต้องยั้ง ๆ มือ ไม่ให้เผลอ Bias กับบริษัทมากไป

มีอยู่สถิติหนึ่งที่คนจะให้น้ำหนักมากกว่า Base Rate คือ Causal Rate สิ่งนี้คือสถิติที่อ้างอิงถึงการกระทำบางสิ่งด้วย เช่น สถิติการก่ออาชญากรรม สถิติการสอบผ่าน ฯลฯ มองให้ดี Causal Rate ก็เป็นอีกประเภทของข้อมูล Case-by-Case นั่นเอง

ยกตัวอย่างเช่น สมมติเราบอกว่าห้องนี้มีสัดส่วนนักเรียนเป็นชาย 85% หญิง 15% แต่สถิติการสอบผ่านของเด็กผู้หญิงอยู่ที่ 90% เราก็อาจจะคิดว่า โอกาสที่เด็กผู้หญิงได้ท็อปห้องนั้นต้องสูงกว่าเด็กผู้ชาย ทั้งๆ ที่จริงๆ สัดส่วนเด็กชายในห้องมีเยอะกว่า ในที่นี้ Base Rate สัดส่วนนักเรียนก็จะถูกมองข้ามไป

Regression to The Mean

นี่คือแนวคิดที่ว่าอะไรที่ extreme มาก ๆ สุดท้ายก็จะค่อย ๆ เคลื่อนเข้าสู่จุดค่าเฉลี่ยของมันเอง เด็กที่เคยสอบได้คะแนนสูงมาก ๆ ในครั้งแรก มักจะทำได้ไม่ดีเท่าเดิมในครั้งที่สอง เพราะครั้งแรกเขาอาจจะโชคดีมาก ๆ และโอกาสที่จะโชคดีเท่าเดิมนั้นก็ไม่เยอะ (ในเชิงจิตใจ เด็กอาจจะกดดันในครั้งที่สอง ทำให้ทำข้อสอบได้ไม่ดีเท่าครั้งแรก)

หรืออย่างเด็กที่มีอาการซึมเศร้า กดดัน เครียดเป็นพิเศษ ก็จัดว่าอยู่ใน extreme case เช่นกัน เมื่อเวลาผ่านไป เด็กกลุ่มนี้ก็จะค่อยๆ ขยับเข้าสู่จุดค่าเฉลี่ย ก็คือจะซึมเศร้าน้อยลง การทดลองที่บอกว่าหากให้น้ำหวานเด็กกลุ่มนี้กิน เด็กก็จะสภาพจิตใจดีขึ้นนั้น เป็นอะไรที่เกาะไปกับผลของ regression to the mean เพราะจริง ๆ แล้วเด็กอาจจะสภาพจิตใจดีขึ้นเอง โดยไม่ต้องพึ่งน้ำหวานก็ได้ (ถ้าอยากรู้ว่าน้ำหวานส่งผลจริงมั้ย ก็ต้องทำการทดลองแบ่งเป็นสองกลุ่ม โดยที่กลุ่มหนึ่งไม่ได้น้ำหวาน หรือได้ยาหลอก)

ครูฝึกอาจจะบอกว่า การด่าทำให้คนพัฒนาขึ้น และการชมทำให้คนแย่ลง นั่นอาจจะถูกต้องแค่บางส่วนแต่ไม่ใช่ 100% หากพิจารณาดูดี ๆ ครูฝึกมักจะด่าคนที่ทำได้แย่กว่าค่าเฉลี่ย ซึ่งวันนั้นอาจจะเป็นวันที่โชคร้ายมาก ครั้งที่สองก็เป็นเรื่องยากที่โชคจะร้ายเท่าวันแรก ครั้งที่สองเขาจึงทำได้ดีกว่า (ไม่ได้เกี่ยวกับคำด่า) ในอีกฟากฝั่ง ครูฝึกก็จะชมคนที่ทำได้ดีมากๆ เกินค่าเฉลี่ย ซึ่งวันนั้นอาจจะโชคดีมาก ครั้งต่อมาก็เป็นเรื่องยากที่จะโชคดีเท่าครั้งก่อน แม้จะไม่ได้รับคำชม ผลงานก็อาจจะไม่ได้ดีเท่าเดิมอยู่ดี

เพราะฉะนั้น เวลาจะคาดการณ์อะไร อย่าเชื่อสัญชาตญาณตัวเองแบบ 100% เพราะอาจจะติด Bias ได้ ให้คำนึงถึง Base Rate และหลักการ Regression to The Mean ไว้ ซึ่งการจะทำแบบนี้ได้ เราต้องฝึกระบบ 2 บ่อย ๆ ให้เชี่ยวชาญ ไม่ขี้เกียจ

PART 3: OVERCONFIDENCE

Outcome Bias

นี่คือชื่อเรียกของความลำเอียงประเภทหนึ่งที่อ้างอิงจากการที่เราได้เห็นผลลัพธ์ของอะไรสักอย่าง เช่น หากเราขาดทุนจากการลงทุน เราอาจจะมองว่ากลยุทธ์การลงทุนที่ผ่านมานั้นผันผวน เสี่ยงสูงเกินไป ในขณะเดียวกันหากเราได้กำไร เราก็จะมองว่าเป็นกลยุทธ์ที่ดี เหมาะกับตัวเรา ความลำเอียงนี้จะส่งผลกับการตัดสินใจต่อ ๆ ไปของเรา หากเราเคยขาดทุน เราก็จะระมัดระวังมากขึ้น (จนเผลอมองข้ามโอกาสดี ๆ อื่น ๆ) และหากเราเคยกำไร เราก็จะยิ่งบู๊มากขึ้น (จนไม่ทันระวังตัวก็มี) ซึ่งถามว่าการตัดสินใจของเรามีส่วนเกี่ยวข้องโดยตรงกับผลตอบแทนไหม ก็ต้องตอบว่ามีบางส่วน แต่สิ่งที่เราคาดคะเนไม่ได้เลยคือปัจจัยอื่นๆ ที่จะมาพร้อมกับโชค

การมี CEO เก่ง ๆ จึงไม่ได้หมายความว่าบริษัทจะต้องประสบความสำเร็จเสมอไป การอ่านหนังสือเยอะ ๆ จึงไม่ได้หมายความว่าต้องสอบได้ที่หนึ่งเสมอไป การมีหน้าตาที่ดีไม่ได้หมายความว่าจะได้เป็นดาราเสมอไป ปัจจัยเบื้องต้นกับผลลัพธ์ที่ได้นั้นอาจจะมีค่าความสัมพันธ์กันแค่ 30% ส่วนที่เหลือเป็นปัจจัยอื่น ๆ ซึ่งอาจจะมาพร้อมกับโชคชะตาที่เราไม่อาจคาดการณ์ได้ แม้กระทั่งผู้เชี่ยวชาญหรือนักพยากรณ์ก็ไม่อาจทำนายอนาคตได้ 100% ตรงกันข้าม หากผู้เชี่ยวชาญรู้สึกว่าตัวเองเก่งมาก ๆ ก็จะยิ่งมั่นใจล้น ทำให้การคาดการณ์ออกมาผิดเพี้ยนยิ่งกว่าคนที่ถ่อมตัวอีก

Intuitions VS Formulas

แล้วเราจะสามารถคาดการณ์อนาคตอย่างแม่นยำได้ยังไง

ในเมื่อการคาดการณ์ของมนุษย์นั้นมักจะมี Bias เข้ามาเกี่ยวข้อง ทำให้ไม่มีความแม่นยำ เราจึงต้องมีกระบวนการที่เป็นมาตรฐาน มีการประเมินผลที่อิงกับข้อมูลตามจริง ไม่ใช่ความรู้สึกส่วนตัว ด้วยเหตุนี้การใช้สูตรสำเร็จจึงสามารถคาดการณ์อนาคตได้แม่นกว่า

ฟังแบบนี้อาจจะรู้สึกว่า เฮ้ย กระบวนการที่ไม่ได้ใส่สกิลที่มนุษย์แต่ละคนสั่งสมมามันจะใช้ได้เหรอ มันจะทื่อ ๆ เหมือนหุ่นยนต์ไปมั้ย อันที่จริงทุก ๆ วันนี้เราก็พึ่งพาการทำงานของคอมพิวเตอร์อยู่แล้วนะ ไม่ว่าจะเป็นในด้านการแพทย์ หรือการใช้ AI ในการแนะนำสิ่งต่าง ๆ ที่เราอาจจะชอบ

กระบวนการนี้ใช้ได้กับการสัมภาษณ์คนเข้าทำงานเช่นกัน แทนที่จะเข้าไปสัมภาษณ์แบบไม่ได้เตรียมตัว เราก็อาจจะต้องใช้เวลาเพิ่มเติมอีกนิดนึงเพื่อวางโครงคำถาม

  • เริ่มจากการลิสต์คุณสมบัติที่เราต้องการจากผู้มาสัมภาษณ์ (สัก 6 อย่างกำลังดี)
  • จากนั้นก็ลิสต์คำถามที่จะช่วยให้เราได้คำตอบเกี่ยวกับคุณสมบัตินั้น ๆ ให้เราสามารถเรตคะแนนได้ (เช่น เต็ม 5 คะแนน)
  • และเพื่อหลีกเลี่ยงการเกิด Halo Effect หรือการที่ความรู้สึกแรกจะติดต่อ ๆ ไปเรื่อย ๆ ให้เราประเมินแต่ละคุณสมบัติให้เรียบร้อย ก่อนจะมูฟไปยังคุณสมบัติต่อไป
  • เมื่อเสร็จแล้วก็บวกรวมคะแนนทั้งหมด ยึดติดคะแนนนี้ไว้ เพื่อไม่ให้เราเผลอไปให้น้ำหนักกับความรู้สึกของตัวเองมากเกินไป

Expert Intuition

เวลาที่มีผู้เชี่ยวชาญมาคาดการณ์อย่างนู้นอย่างนี้ แล้วอ้างว่ามาจากสัญชาตญาณของตัวเอง เราจะเชื่อได้ยังไงว่าเป็นเรื่องจริงหรือแค่โม้?

การจะดูว่าสัญชาตญาณนั้นมีประโยชน์มากแค่ไหน ให้ลองถามคำถาม 2 ข้อนี้ก่อน

  • สถานการณ์ที่จะทำการคาดการณ์นั้นมีความไม่แน่นอนสูงมั้ย
  • คนคนหนึ่งจะมีโอกาสฝึกฝนเป็นระยะเวลานานเพื่อสร้างความเชี่ยวชาญได้มั้ย

อย่างแรก ถ้ามันเป็นสถานการณ์ที่มีความคาดเดาได้ มีแบบแผนชัดเจน การใช้สัญชาตญาณก็น่าเชื่อถือ แต่ถ้าเป็นอะไรที่คาดเดาไม่ได้จริง ๆ ก็ไม่ควรเชื่อ เพราะสถานการณ์แบบนี้จะเป็นเรื่องของดวงเสียส่วนใหญ่

อย่างที่สอง ถ้ามันเป็นอะไรที่คนเราสามารถทุ่มเวลาฝึกฝนมันได้ ก็น่าเชื่อถือ ตัวอย่างเช่น เซียนหมากรุก หรือ นักจิตวิทยา การนำสัญชาตญาณเข้ามาเอี่ยวก็น่าเชื่อถือ ที่สำคัญคือการฝึกเหล่านี้ต้องมี feedback ที่รวดเร็วพอด้วย ว่าทำอะไรไปแล้วดียังไง ไม่ดีตรงไหน

Outside View VS Inside View

การคาดการณ์อะไรก็ตามนั้น ส่วนใหญ่เรามักจะยึด Inside View เป็นหลัก นั่นคือข้อมูลที่เรารู้เห็นกันอยู่แล้ว มันเกิดขึ้นกับเรา และเราก็มักจะไม่ได้สนใจ Outside View เท่าไร กล่าวคือ มันหมายความว่า เราไม่สนใจหรอกว่าคนอื่นที่ทำอะไรคล้ายๆ เรา จะเจออะไรมาบ้าง เราแค่ทำของเรา และประเมินคาดการณ์ในแบบที่เจาะจงเฉพาะเคสของเรา

ซึ่งจริง ๆ แล้ว นี่ไม่ใช่วิธีที่ถูกต้องเท่าไร เพราะเรามักจะมี Bias กับเคสเฉพาะของเรา อาจจะเผลอประเมินแบบโลกสวยเกินไป หรือโลกดาร์กเกินไป สิ่งที่จะมาแก้จุดนี้ได้คือเราควรนำ Outside View เข้ามาประกอบการคาดการณ์ด้วย ลองดูว่าคนอื่นที่ทำอะไรคล้าย ๆ เรานั้น สถิติต่าง ๆ เป็นยังไง อัตราการประสบความสำเร็จมีกี่เปอร์เซ็นต์ โดยเฉลี่ยเขาใช้เวลานานเท่าไร ก็จะทำให้เราตาสว่างมากขึ้น มองเห็นละเอียดขึ้นว่ามันอาจจะมีปัจจัยบางอย่างที่เราไม่รับรู้

Capitalism

ส่วนหนึ่งที่ผู้เชี่ยวชาญส่วนใหญ่ ๆ มักพยายามที่จะฟันธงเป๊ะ ๆ นั่นก็เพราะสังคมเราชื่นชอบอะไรที่มันหวือหวาและชัดเจน ไม่มีใครอยากได้การคาดการณ์ที่มันกว้าง ๆ หรอก ไม่อย่างนั้นจะเสียเงินจ้างผู้เชี่ยวชาญมาทำไม

ด้วยเหตุนี้ ในหนังสือเลยบอกว่า ส่วนใหญ่แล้วผู้เชี่ยวชาญที่ออกตัวแรงก็มักจะคาดการณ์ผิด และบริษัทหรือองค์กรไหนที่สนับสนุนแนวคิดแบบนี้ ก็มิวายประสบปัญหาทีหลังเช่นกัน

โดยส่วนใหญ่แล้ว คนที่มักจะคาดการณ์อะไรออกมาดีเกินไปก็มักจะเป็นคนมองโลกในแง่ดีสูง ทำให้เผลอมองข้ามอุปสรรคหรือสิ่งกีดขวาง รวมถึงสิ่งไม่แน่นอนอื่น ๆ ไป อย่างเวลาที่จะทำโปรเจ็กต์อะไรสักอย่าง หลาย ๆ ครั้งเราอาจจะคิดเข้าข้างตัวเองว่าเรามีจุดดี เรามีแผนที่ชัดเจน โดยเผลอมองข้ามปัจจัยอื่น ๆ ไป ในหนังสือแนะนำวิธีที่ดีอย่างนึงคือ ก่อนจะเริ่มโปรเจ็กต์ ให้ลองคิดล่วงหน้าไปในอนาคตว่าหากโปรเจ็กต์นี้พัง ลองให้ทุกคนเขียนสรุปดูว่า มันพังเพราะเหตุผลอะไรบ้าง? วิธีนี้จะช่วยให้ทุก ๆ คนหันมาตระหนักถึงจุดที่ไม่เคยคิดมาก่อน

PART 4: CHOICES

Prospect Theory

ถ้าใครเป็นนักเรียนเศรษฐศาสตร์ ก็น่าจะคุ้นเคยกับ Assumption ที่ว่ามนุษย์เราตัดสินใจแบบ Rational คือสมเหตุสมผล (เรียกว่าเป็นพวก ECONS) แต่ในความเป็นจริงแล้วมีหลายครั้งที่มนุษย์ไม่ได้ใช้เหตุผลเป็นหลัก และในทางจิตวิทยานั้น ก็เชื่อว่ามนุษย์เราสามารถเปลี่ยนแปลงได้ตลอดเวลา (เรียกว่าพวก HUMANS)

เคยมีทฤษฎีของนักวิทยาศาสตร์ท่านหนึ่งชื่อ Daniel Bernoulli เป็นทฤษฎีเกี่ยวกับอรรถประโยชน์ (Utility) ซึ่งบอกว่าคนเราจะมีความพึงพอใจตามระดับของสิ่งที่มี ถ้ามีเงิน 1 ล้านก็จะพอใจระดับหนึ่ง ถ้ามีเงิน 10 ล้านก็จะพอใจอีกระดับหนึ่ง

แต่ทฤษฎีนี้มีข้อบกพร่องตรงที่ว่ามันไม่ได้คำนึงถึงจุดตั้งต้น กล่าวคือ มันสรุปว่าคนที่มีเงิน 1 ล้านบาทตอนนี้ทุกคนต้องมีความพึงพอใจเท่ากัน แม้ว่าจริง ๆ แล้วคนแรกอาจจะเพิ่งได้เงินเพิ่มมาจาก 500,000 บาท และอีกคนเพิ่งเสียเงินมาจาก 1,500,000 บาท

ไม่ต้องบอกก็รู้ได้ด้วยตัวเองว่าคนที่ 2 ไม่สามารถมีความพึงพอใจได้เท่าคนแรกแน่ ๆ แม้ว่าสุดท้ายแล้วทั้งคู่จะลงเอยที่ 1 ล้านบาทเหมือนกันก็ตาม นี่จึงเป็นที่มาของทฤษฎี Prospect Theory ของผู้เขียนหนังสือ

Prospect Theory จะคำนึงถึงจุดตั้งต้น (Reference Point) แล้วคิดอรรถประโยชน์เป็นการได้เพิ่ม-การเสียแทน (Gains & Losses) ทีนี้ก็จะอธิบายได้ว่าคนที่เพิ่งเสียเงินไปก็จะต้องรู้สึกแย่กว่าคนที่เพิ่งได้รับเงิน แม้ว่าทั้งคู่จะลงเอยด้วยการมีเงินเท่ากัน

นอกจากนี้ มันยังอธิบายถึงพฤติกรรมการกลัวต่อความเสี่ยง หรือความเสียหายด้วย (Risk & Loss Aversion) ในปริมาณที่เท่า ๆ กันนั้น คนเราจะกลัวต่อความเสียหายมากกว่า การเสีย 100 บาท ไม่สามารถทดแทนด้วยการได้เงินเพิ่ม 100 บาทได้ ปรากฏการณ์นี้แสดงให้เห็นในแผนภูมิด้านล่าง

The Prospect Theory

คนเราจะกลัวต่อความเสียหาย หากเจอว่าผลลัพธ์ที่ออกมานั้นอาจจะมีทั้งการได้ หรือการเสีย นั่นเพราะในปริมาณที่เท่ากันนั้น ความเสียจะส่งผลต่อจิตใจมากกว่า 

ในทางตรงกันข้าม คนเราจะกล้าเสี่ยงมากขึ้น ถ้าผลลัพธ์นั้นมีทั้งการเสียแน่ ๆ กับการเสี่ยงดวงว่าจะเสียมากเสียน้อย เพราะการเสียแน่ ๆ นั้นส่งผลต่อจิตใจมากกว่า

ถึงอย่างนั้น Prospect Theory ก็มีจุดด้อยของมัน เพราะมันไม่ได้คำนึงถึงความผิดหวัง ตัวอย่างเช่น การเสี่ยงดวงแบบแรกคือมีโอกาส 10% ที่จะได้เงิน 100 บาท และ 90% ที่จะไม่ได้อะไรเลย กับการเสี่ยงดวงแบบที่ 2 คือมีโอกาส 90% ที่จะได้ 1 ล้านบาท และ 10% ที่จะไม่ได้อะไรเลย ทั้งสองสถานการณ์นี้อาจส่งผลให้เราไม่ได้อะไรเลยทั้งคู่ แต่การไม่ได้เลยในแต่ละสถานการณ์นี้จะส่งผลคนละแบบกัน ในสถานการณ์แรกเราอาจจะไม่ได้รู้สึกอะไรมาก แต่ถ้าเราเกิดไม่ได้อะไรในแบบที่สองนั้น เราก็จะรู้สึกเสียดายกว่า เพราะมีโอกาสตั้ง 90% ที่จะได้ 1 ล้านบาท แต่เรากลับไม่ได้มัน

อีกตัวอย่างคือ สมมติว่าต้องเลือกระหว่างโอกาส 90% ที่จะได้ 1 ล้าน กับการได้ 50 บาทแน่ ๆ กับอีกสถานการณ์นึงคือโอกาส 90% ที่จะได้ 1 ล้าน กับการได้ 1.5 แสนบาทแน่ๆ

หากแบบแรกเราเลือกเสี่ยงดวงแล้วยังไม่ชนะ ก็คงไม่เสียดายเท่าในสถานการณ์ที่ 2 เพราะในสถานการณ์ที่ 2 นั้นหากเสี่ยงดวงแล้วไม่ได้อะไร รู้งี้น่าจะเลือก 1.5 แสนดีกว่า

Endowment Effect

หลายคนที่เคยเรียนเศรษฐศาสตร์น่าจะเคยเห็นกราฟนี้ นี่คือ Indifference Map ระหว่างของสองอย่าง

Indifference Map

เส้นที่วาดโค้ง ๆ อยู่นั้นแปลความได้ว่า ไม่ว่าเราจะอยู่จุดไหนบนเส้นโค้งเดียวกัน เราย่อมมีความพึงพอใจเท่า ๆ กัน และการที่เส้นมันโค้งลง ก็แสดงให้เห็นว่าคนเรามี Diminishing Marginal Utility แปลง่าย ๆ คือ เมื่อเรามีของสิ่งใดเยอะ ๆ แล้ว การได้ของสิ่งนั้นมาเพิ่มสามารถทำให้เรามีความสุขได้เพียงนิดเดียว และเพื่อให้มีความสุขเท่าเดิม เราก็ยอมที่จะแลกสิ่งที่มีอยู่ในจำนวนเยอะ ๆ เพื่อแลกกับอีกสิ่งหนึ่งที่จะทำให้มีความสุขได้เหมือนกัน

อย่างในกราฟเบื้องต้น ผู้ที่อยู่จุด 1 นั้นมีความพึงพอใจน้อยกว่าผู้ที่อยู่จุด A กับ B ส่วนผู้ที่อยู่จุด A กับ B นั้นมีความพึงพอใจเท่า ๆ กัน แม้ว่า A จะมีเงินเดือนมากกว่า ส่วน B มีวันหยุดมากกว่า

และการที่จะให้ A มีความพึงพอใจเท่าเดิม A ก็จะยอมลดเงินเดือนตัวเองเยอะ ๆ เพื่อให้ได้วันหยุดแม้เพียงวันเดียวเพิ่มขึ้นมา ส่วน B ก็ยอมเสียวันหยุดเยอะ ๆ เพียงเพื่อขอให้เงินเดือนเพิ่มขึ้นอีกนิดนึง

ถึงอย่างนั้น กราฟนี้ก็ยังมีข้อบกพร่องตรงที่มันไม่ได้อ้างอิงถึงจุดเริ่มต้นของคนผู้นั้น มันแค่บอกว่าไม่ว่าคุณจะอยู่ตรงไหนก็สบายใจหมด และเราสามารถเปลี่ยนย้ายไปมาระหว่างจุดบนเส้นได้อย่างไม่ต้องไตร่ตรองอะไร (เพราะให้ความพึงพอใจเท่ากัน) แต่ในความเป็นจริงแล้ว คนที่มีของสิ่งหนึ่งเยอะ ๆ อยู่แล้ว ก็ไม่อยากจะสูญเสียมันไป คนที่มีเงินเดือนเยอะ ๆ ก็ไม่อยากที่จะได้เงินเดือนน้อยลงเพื่อแลกกับวันหยุดที่เพิ่มมากขึ้น เพราะการสูญเสียนั้นมักจะถูกมองว่าเป็นเรื่องใหญ่กว่า

นี่คือ Endowment Effect ซึ่งจะนำสถานะปัจจุบันของคนคนนั้นมารวมในสมการการหาความพึงพอใจด้วย และปรากฏการณ์นี้จะยิ่งชัดหากเราจะต้องสูญเสียสิ่งที่เรามีเพื่อ “ใช้งาน” หรือ “เก็บไว้ดื่มด่ำ” (เช่น ของสะสม) เพื่อแลกกับสิ่งอื่น เราจะมีความรู้สึกเสียดายมากกว่า ในขณะที่ถ้าเป็นสิ่งของที่ใช้ “แลกเปลี่ยน” (เช่น เงิน หรือ สินค้าในร้าน) ปรากฏการณ์นี้จะไม่เกิดเพราะเรามองว่าสิ่งของนี้มีไว้แลกเปลี่ยนอยู่แล้ว ก็จะไม่ได้รู้สึกว่าสูญเสียอะไร

Bad Event

คนเราจะตอบสนองกับเรื่องร้าย ๆ มากกว่าเรื่องดี ๆ (เป็นหนึ่งในกลไกการเอาตัวรอดของสิ่งมีชีวิต) เช่นเดียวกันกับการสูญเสียและการได้มา หากเทียบกันแล้ว คนที่จะสูญเสียนั้นย่อมรู้สึกหนักหนากว่าคนที่กระหายอยากได้อะไรมา เพราะความรู้สึกสูญเสียนั้นหนักหน่วงกว่าตามทฤษฎี Loss Aversion ดังนั้น คนที่กำลังจะสูญเสียอะไรสักอย่าง จะพยายามทำทุกทางเพื่อรักษามันไว้ พยายามยิ่งกว่าคนที่ต้องการจะได้อะไรมา ในปริมาณเท่า ๆ กัน

นอกจากนี้ จุดตั้งต้นของคนเรายังอาจเป็นอะไรที่เราต้องการจะได้มาได้เช่นกัน ตัวอย่างเช่น คนขับแท็กซี่ที่ต้องทำรายได้ได้เท่านี้ ๆ ต่อวันถึงจะพอกิน ถ้ามากกว่านี้ถือเป็นกำไร แต่ถ้าน้อยกว่านี้ก็ถือว่าไม่สำเร็จ ในที่นี้ การได้มาก็อาจจะไม่ได้ส่งผลกับความสุขมากนัก เพราะได้ไม่ถึงเป้าหมาย (จุดตั้งต้น) ที่ตั้งไว้

The Fourfold Pattern

การเพิ่มขึ้นของความเป็นไปได้นั้นไม่ได้ส่งผลต่อความรู้สึกของเราอย่างเท่ากันเสมอไป ตัวอย่างเช่น การเพิ่มขึ้น 5% จาก 0%->5% กับการเพิ่มขึ้นจาก 10%->15% นั้นดูเผิน ๆ ควรให้อรรถประโยชน์ที่เหมือนกัน ในเมื่อเราได้เพิ่มมา 5% เหมือนกันนี่? แต่ความจริงแล้วเรารู้กันอยู่ว่าความรู้สึกมันไม่เหมือนกัน เช่นเดียวกันกับ 95%->100%

ความรู้สึกของเราต่อการเพิ่มขึ้นของความเป็นไปได้นั้นจะสุดโต่งมาก เมื่อเพิ่มจาก 0% หรือเมื่อเพิ่มไปเป็น 100% ปรากฏการณ์นี้เรียกว่า Possibility Effect (ปรากฏการณ์ความเป็นไปได้) กับ Certainty Effect (ปรากฏการณ์ความแน่นอน)

Possibility Effect ทำให้คนให้ค่ากับความเป็นไปได้อันน้อยนิดที่เพิ่มขึ้นมา เพราะมันก็ยังดีกว่าไม่ได้อะไรเลยนั่นเอง นี่คือเหตุผลที่ทำไมคนถึงซื้อหวย เพราะถึงแม้โอกาสถูกรางวัลใหญ่จะมีน้อยมาก แต่ถ้าไม่ซื้อ ก็คือไม่มีโอกาสเลยนะ เรายอมที่จะเสียเงินเพื่อโอกาสอันเล็กน้อยนี้

อีกตัวอย่างหนึ่งที่ Possibility Effect ทำงานคือการซื้อประกัน เรารู้แหละว่าโอกาสที่จะเป็นโรคร้ายหรือเกิดอุบัติเหตุนั้นน้อยมาก ๆ แต่ถึงยังไงมันก็มีโอกาส การที่โอกาสเพิ่มจาก 0% ไป 5% นั้นถือว่าส่งผลต่อจิตใจมากพอสมควร คนเราจึงยอมจ่ายเบี้ยประกันแพง ๆ เพื่อกำจัดความไม่สบายใจออกไป

ส่วน Certainty Effect ก็คล้าย ๆ กัน เพราะมันเปลี่ยนจาก “โอกาส” ที่บางอย่างจะเกิดขึ้น กลายเป็นว่า “มันเกิดขึ้นแน่นอน” มันทำให้เรายอมที่จะรับ Offer ที่ไม่ได้ดีมากนัก เพื่อปกป้องความแน่นอนนี้ไว้ เช่น สมมติว่าให้เราเลือกระหว่างโอกาส 95% ที่จะได้รับเงิน 10,000 บาท กับโอกาส 100% ที่จะได้รับ 9,500 บาท เราจะเลือกข้อ 2 เพราะอย่างน้อยเราก็ได้เงินแน่ ๆ ยอมเสียนิดหน่อยแต่ก็ไม่ต้องเสี่ยงไม่ได้อะไรเลย

หรือหากลองเปลี่ยนคำถาม กลายเป็นมีโอกาส 95% ที่จะเสีย 10,000 บาท กับ เสีย 9,500 บาทแน่ๆ การเลือกข้อสองนั้นเจ็บปวดกว่าเพราะมันเหมือนเราเลือกที่จะเสียแน่นอน ไหนๆ ก็ไหนๆ แล้ว ขอโอกาสได้ลุ้น 5% ที่จะไม่เสียอะไรหน่อยก็แล้วกัน

ทั้งหมดทั้งมวลนี้ สามารถเขียนออกมาได้เป็นผังด้านล่างนี้

The Fourfold Pattern

มันเป็นการดีที่เราจะรู้ทันปรากฏการณ์พวกนี้ เพราะถึงแม้ในระยะสั้นมันอาจไม่ได้ส่งผลเสียอะไรมาก แต่ในระยะยาว ค่าใช้จ่ายที่เราจ่ายเพิ่มเพื่อลดความกังวล/ลดความสูญเสียนั้น ก็จะทบ ๆๆ กันไป กลายเป็นค่าใช้จ่ายมหาศาลได้ 

Rare Events

แม้เราจะรู้ดีแก่ใจว่าเหตุการณ์บางอย่างนั้นมีโอกาสเป็นไปได้น้อยมาก ๆ (เช่น อุบัติเหตุทางอากาศ การก่ออาชญากรรม ฯลฯ) แต่เราก็ยังให้น้ำหนักกับมันมากอยู่ดี นั่นเพราะสิ่งเหล่านี้สร้างภาพจำที่ชัดเจนให้กับสมองของเรา การที่เราเห็นภาพนั้นชัดเจนมาก ๆ จะยิ่งทำให้เราเพิ่มน้ำหนักความเป็นไปได้ของมัน

ความชัดของความเป็นไปได้จะยิ่งมากขึ้นอีกเมื่อใช้ภาษาที่แตกต่างกันไป เช่น หากบอกว่า มีโอกาส 1% ที่จะเกิดโรค กับ บอกว่าคน 100 คนจาก 10,000 คนจะเกิดโรค อย่างหลังย่อมให้ความรู้สึกที่รุนแรงกว่า ยิ่งกระตุ้นความสนใจของคนได้มากกว่า เพราะมันเห็นภาพชัดกว่านั่นเอง (แม้ว่าความเป็นไปได้ของทั้ง 2 ประโยคจะเท่ากันก็ตาม) นี่คืออาการ Denominator Neglect (การไม่สนใจตัวหาร)

Broad Framing VS Narrow Framing

มนุษย์เรานั้นเวลาตัดสินใจก็มักจะมองเป็นอย่าง ๆ ไป หรือที่เรียกว่า Narrow Framing เพราะมันง่ายกว่า แต่ถ้ามองอีกแบบ มองแบบภาพรวม (Broad Framing) ก็จะเห็นผลลัพธ์ที่ต่างกันออกไป

การพนันด้วยการทอยเหรียญเพียงครั้งเดียว แล้วเสี่ยงดวงเอาครึ่งต่อครึ่งว่าจะเสียเงินหรือได้เงิน ฟัง ๆ แล้วอาจจะดูไม่น่าสนใจ ฟังดูเสี่ยงเกินไป (โดยเฉพาะสำหรับคนที่กลัวความเสี่ยง การเสียในจำนวนเท่า ๆ กับที่ได้นั้น ทำให้รู้สึกเจ็บปวดยิ่งกว่าความดีใจที่ได้รับจำนวนนั้น ๆ) แต่ถ้าเป็นการพนันหลาย ๆ ครั้ง ซึ่งแต่ละครั้งก็คงจะชนะบ้างแพ้บ้าง จะน่าสนใจขึ้นทันทีหากเรามองภาพรวม โอกาสการสูญเสียถูกลดทอนน้ำหนักลงไป ส่วนโอกาสการชนะก็ถูกเน้นย้ำมากขึ้น

จุดนี้มีเปรียบเทียบกับการลงทุน เค้าบอกว่าคนที่มองการลงทุนเป็นภาพรวม เป็น “พอร์ตโฟลิโอ” จะสามารถบริหารการลงทุน (และสภาพจิตใจ) ได้ดีกว่าคนที่มองว่าการลงทุนคือการซื้อ ๆ ขาย ๆ ระยะสั้นในแต่ละครั้ง ตรงกับวลีที่ว่าเวลาคือเพื่อนของนักลงทุน

Keeping Score

ในบทนี้จะพูดถึงหลาย ๆ ปรากฏการณ์ที่ผลักดันให้เรา “ทำแต้ม” ให้เรารู้สึกดีขึ้น แม้ว่าถ้ามองภาพรวมแล้ว มันจะไม่ได้มีอะไรดีขึ้นก็ตาม

Mental Accounting

โดยปกติแล้ว ‘เงิน’ ก็คือ ‘เงิน’ เงินทุกบาททุกสตางค์ล้วนมีค่าเท่ากัน และสามารถใช้แทนกันได้หมด แต่ปรากฏการณ์ Mental Accounting ไม่ทำให้เราคิดแบบนั้น

มองในแง่ดี Mental Accounting ช่วยให้เราแบ่งเงินออกตามวัตถุประสงค์การใช้งานได้ เช่น เงินก้อนนี้สำหรับค่าใช้จ่ายในชีวิตประจำวัน เงินก้อนนี้เป็นเงินลงทุนระยะยาว เงินก้อนนี้ไว้สำหรับไปเที่ยว ฯลฯ ซึ่งนี่ก็คือลักษณะของ Narrow Framing ช่วยให้บริหารจัดการเงินได้ดีขึ้น

ถามว่าแล้วผลเสียของ Mental Accounting ล่ะมีไหม? ก็ต้องบอกว่ามีเหมือนกัน เพราะบางครั้งมันอาจจะส่งผลให้เราตัดสินใจ ‘ใช้เงินเยอะ’ ในส่วนที่เป็นเงินโบนัส หรือเงินจากการถูกหวย ทั้งที่จริง ๆ แล้วมันก็คือเงินเหมือนกัน เหมือนกับเงินเดือนที่เราขวนขวายหามา หรือเงินทุนที่อุตส่าห์เก็บหอมรอมริบเพื่อซื้อหุ้น นั่นก็เพราะพอเป็นเงินที่หามาได้จากความพยายาม เราอาจจะไม่กล้าใช้มันเท่าไร แต่พอเป็นเงินลาภลอย ก็จะกล้าใช้มากขึ้น ทั้งที่จริงๆ เราสามารถนำลาภลอยไปเก็บออม ไปลงทุนต่อก็ได้

Mental Accounting อธิบายได้ว่าทำไมคนที่เสียเงินค่าคอนเสิร์ตไปแล้ว ถึงยังอยากจะขับรถฝ่าพายุไป เพื่อที่จะได้ดูคอนเสิร์ต นั่นเพราะหากเขาไม่เสี่ยงฝ่าพายุไป เขาก็จะรู้สึกแย่แน่นอนกับการไม่ได้สัมผัสประสบการณ์คอนเสิร์ตที่ตัวเองใช้เงินจ่ายมา (ในแง่ดี เขายอมที่จะเสี่ยง แทนที่จะเผชิญกับ Sure Loss) หากคนเราไม่มี Mental Accounting คนคนนั้นก็จะไม่รู้สึกอะไรกับเงินที่สูญเสียไป เพราะมองว่ามันเป็นต้นทุนจม (Sunk Cost) ที่เอากลับมาไม่ได้แล้ว

Disposition Effect

เป็นปรากฏการณ์ที่ใช้อธิบายว่าทำไมนักลงทุนบางคนถึงขายหุ้นที่กำไรดีๆ ไป แต่ยังทนขาดทุนกับหุ้นแย่ๆ เหตุผลคือการขายหุ้นดีๆ ที่กำไรแล้ว จะทำให้เขารู้สึกว่า “ทำแต้ม” ได้ ในขณะที่การขายหุ้นแย่ๆ แบบขาดทุนจะทำให้เขารู้สึกว่า “เสียแต้ม”

สมมติว่า เราต้องการขายหุ้นสักตัว เรามีตัวเลือกระหว่างหุ้นดีที่กำไรแล้วกับหุ้นแย่ที่ขาดทุนอยู่ หากเราขายหุ้น A เราจะทำกำไรได้ 5,000 บาท ส่วนหุ้น B นั้น มูลค่าทั้งหมดที่เราถือตอนนี้อยู่ที่ 5,000 บาท น้อยกว่าตอนที่เราซื้อมันมา หากเราโดน Disposition Effect ครอบงำ เราก็จะเลือกขายหุ้น A เพราะมันทำให้เรารู้สึกว่าตัวเองได้กำไร ทั้งๆ ที่จริงๆ แล้วหากขายหุ้น B เราก็ได้ 5,000 บาทเหมือนกัน แต่เราจะรู้สึกแย่กว่าเพราะว่าเราขายหุ้น B แบบขาดทุน

ถ้าเราหยุดใช้ระบบ 2 เข้ามาไตร่ตรอง เราก็จะเข้าใจว่าเงินที่ได้มันเท่ากัน ทีนี้ก็ต้องไปดูที่หุ้นรายตัวแล้วล่ะว่าตัวไหนมีแนวโน้มไปได้ดีต่อ และตัวไหนที่ควรขายทิ้ง ก็จะช่วยให้เราไม่ต้องเผลอขายหมู หรือติดดอย

Sunk-Cost Fallacy

เป็นปรากฏการณ์ที่อธิบายถึงการทุ่มเทให้กับสถานการณ์ที่แย่ไปแล้ว ทั้ง ๆ ที่มีตัวเลือกอื่น ๆ ที่ดีกว่าอยู่ ตัวอย่างก็เช่นการฝ่าพายุไปดูคอนเสิร์ตข้างต้น หรือการทนอยู่ในความสัมพันธ์แย่ ๆ และงานแย่ ๆ

อีกตัวอย่างหนึ่งก็เช่น สมมติว่าบริษัททุ่มเงินไปแล้ว 50 ล้านบาทในโปรเจ็กต์หนึ่ง ซึ่งกลายเป็นว่าโปรเจ็กต์นี้ทั้งล่าช้าและอาจไม่สร้างผลกำไรที่ดีมาก บริษัทต้องเพิ่มเงินลงทุนอีก 60 ล้านบาทเพื่อให้โปรเจ็กต์นี้อย่างน้อยได้ออกสู่สายตาประชาชน ในขณะเดียวกัน ก็มีอีกโปรเจ็กต์ใหม่ที่ใช้เงินลงทุนเท่า ๆ กัน (60 ล้านบาท) แต่ดูท่าทางแล้วไปได้รุ่งแน่ ๆ บริษัทควรจะเลือกทางไหน? หลายครั้งที่บริษัทเลือกทางแรก เพราะไม่อยากเสียหน้า รู้สึกเสียดายว่าอุตส่าห์มาไกลขนาดนี้แล้ว ก็ต้องสานต่อให้จบ เพราะถ้าเลิกล้มไปเลย มันคือ Sure Loss อย่างน้อยขอเสี่ยงดวงอีกสักตั้งละกัน

Regret

Regret หรือความรู้สึก “เสียดาย” นั้นจะหนักหนาเป็นพิเศษหากมันเป็นอะไรที่หลุดออกมาจากจุดตั้งต้น (Default ของเรา) ตัวอย่างเช่น เราจะรู้สึกเสียดายมาก หากเราลาออกจากบริษัทที่ดี แล้วกลายเป็นว่าบริษัทใหม่แย่กว่าเดิม กลับกัน เราจะรู้สึกเสียดายน้อยกว่า หากเรายังอยู่ที่เดิม แต่แค่ไม่ทันได้ส่งใบสมัครงานไปยังบริษัทใหม่ ที่ภายหลังกลายเป็นบริษัทที่น่าทำงานด้วยมาก ๆ

อีกตัวอย่างหนึ่งก็เช่น นาย ก. ถือหุ้น A อยู่ จากนั้นไม่นานเขาลังเลว่าจะซื้อหุ้น B ดีมั้ย สุดท้ายก็ไม่ได้ซื้อ ปรากฏว่าในภายหลังเขาก็ได้ค้นพบว่าหากซื้อหุ้น B ตอนนี้ก็จะทำกำไรได้ 100,000 บาทแล้ว

นาย ข. ถือหุ้น B อยู่ จากนั้นไม่นานเขาก็ขายแล้วเปลี่ยนมาซื้อหุ้น A แทน ในภายหลังเขาก็ได้ค้นพบว่าถ้ายังถือหุ้น B อยู่ก็จะกำไรไปแล้ว 100,000 บาท

ถามว่าใครรู้สึกเสียดายกว่ากัน  ทั้ง ๆ ที่เผชิญความเสียดาย 100,000 บาทเหมือนกัน แต่นาย ข. รู้สึกเสียดายกว่า เพราะนาย ข. ลงมือสับเปลี่ยนหุ้นด้วยตัวเอง ซึ่งการเลือกลงมือด้วยตัวเองแล้วลงท้ายด้วยสถานะที่แย่กว่านั้น สร้างความเสียดายที่หนักกว่าการไม่ได้ลงมือทำอะไรเลย

Reversals

ในหลาย ๆ ครั้งนั้นคนเรามักจะตัดสินอะไรไม่ตรงกับสิ่งที่ตัดสินไว้ก่อนหน้านี้ ตัวอย่างเช่น หากตัดสินกันแบบแยก เราอาจจะตัดสินใจบริจาคช่วยเหลือปลาโลมาที่ใกล้จะสูญพันธุ์ เป็นจำนวนมากกว่าที่จะตัดสินใจบริจาคช่วยแรงงานมนุษย์ แต่เมื่อนำสองกรณีนี้มาเทียบกันแบบตรง ๆ เราอาจจะเทใจช่วยแรงงานมนุษย์มากกว่า

ที่เป็นแบบนี้ก็เพราะการตัดสินอะไรแบบแยกเดี่ยว (Narrow Framing) ทำให้เรามองเห็นอยู่แค่สิ่งนั้น ๆ เราก็จะตัดสินมันตามที่เราเห็น เรารู้สึก (ใช้ระบบ 1 เสียเยอะ) แต่เมื่อเราได้เห็นสถานการณ์แบบภาพกว้าง (Broad Framing) เราก็จะตัดสินใจได้แบบมีเหตุผลมากขึ้น ใช้ระบบ 2 เข้ามาช่วย ทำให้เราเห็นว่า พอนำสองอย่างมาเปรียบเทียบกันแล้ว อะไรที่มัน make sense กว่ากัน (แต่ก็ไม่ได้หมายความว่าปลาโลมาไม่ได้น่าช่วยเหลือนะ ;_;)

Framing & Reality

การตัดสินใจของมนุษย์เรานั้นถูกเบี่ยงเบนได้ง่ายมาก ขึ้นอยู่กับสถานการณ์

หากเป็นสถานการณ์ที่ได้ผลดี คนก็จะเลือกความแน่นอน แต่ถ้าเป็นสถานการณ์ที่ให้ผลร้าย คนก็จะกล้าเสี่ยงขึ้น

ตัวอย่างก็เช่น หากมีวิธีรักษามะเร็งปอดสองวิธีให้เลือก คือ การผ่าตัด และการฉายแสง สำหรับการผ่าตัดนั้นจะมีอัตราการรอดชีวิตในระยะ 5 ปีที่สูงกว่า แต่ระยะสั้นจะเสี่ยงมากกว่าการฉายแสง ถามว่าจะเลือกวิธีไหนดี? ขึ้นอยู่กับว่าข้อมูลที่ได้รับนั้นคืออะไร

ถ้าการผ่าตัดถูกเฟรมว่า “อัตราการรอดชีวิตในระยะหนึ่งเดือนแรก สูงถึง 90%” คนก็จะเลือกการผ่าตัดมากกว่า

ถ้าการผ่าตัดถูกเฟรมว่า “อัตราการเสียชีวิตในระยะหนึ่งเดือนแรก มีอยู่ 10%” คนก็จะเลือกการฉายแสงแทน

นี่เป็นผลจากระบบ 1 ที่ถูกโน้มน้าวได้ง่ายจากการ frame สถานการณ์ กับภาษาที่นำมาใช้ ไม่ได้วิเคราะห์ว่าความจริงเป็นอย่างไร

PART 5: Two Selves

  1. Experiencing Self : ตัวตนของเราที่จะบอกว่า ณ ตอนนั้น ๆ เรารู้สึกยังไง
  2. Remembering Self: ความทรงจำที่เรามีให้กับประสบการณ์นั้นๆ

โดยส่วนใหญ่แล้ว เรามักจะใช้ Remembering Self ในการตัดสินว่าเหตุการณ์นั้นดีหรือไม่ดี หลายคนน่าจะเคยได้ยินอะไรประมาณว่า “หนังสนุกนะ แต่จบแย่ ไม่ดีเลย” หรือไม่ก็ “ไม่น่าตกม้าตายตอนท้ายเลย”

ตัวตนที่สองนั้นจะจำช่วงที่พึคสุด ๆ ของเหตุการณ์นั้น และช่วงท้ายสุดของเหตุการณ์ ให้ความสำคัญกับสิ่งนี้มากๆ ไม่ได้สนใจหรอกว่าระหว่างทางมันเป็นยังไง (Duration Neglect) หากว่าระหว่างทางสนุก แต่ตอนจบดันจบไม่ดี ก็ทำให้เรามองว่าเหตุการณ์นั้นไม่ดี

เรื่องนี้เคยมีการทดลองมาพิสูจน์แล้ว การทดลองหนึ่งให้คนจุ่มมือในน้ำเย็น รอบแรกเป็นเวลา 50 วินาที รอบที่ 2 เป็นเวลา 90 วินาที แต่ใน 40 วินาทีหลังนั้นมีการเทน้ำอุ่นเข้ามาช่วยให้น้ำค่อย ๆ เพิ่มอุณหภูมิขึ้น ผู้ทดสอบถามผู้เข้าร่วมว่าถ้าต้องให้เลือกทำซ้ำอีกรอบ อยากทำอันไหน?

แทนที่จะบอกว่า “เอาอันที่ 50 วิสิ มันทรมานสั้นกว่า” ปรากฏว่าส่วนใหญ่เลือกแบบที่สองกัน จากข้อมูลที่เก็บได้ ความทรมานพีคสุดของทั้งสองเหตุการณ์นั้นเท่ากัน แต่แบบที่ 2 นั้นมีการจบที่สบายกว่า คือน้ำค่อย ๆ อุ่น ทำให้ภาพรวมประสบการณ์น่าพอใจกว่า

จากตัวตนทั้งสองแบบข้างต้น มันทำให้เราหันกลับมามองตัวตนในชีวิตของเรา ลองถามตัวเองดูว่าเราให้ความสำคัญกับแบบไหนมากกว่ากัน? ถ้าเราเป็นพวกให้ความสำคัญกับ Experiencing Self มากกว่า เราก็จะเน้นการมีความสุขกับสิ่งที่อยู่ตรงหน้า แฮปปี้กับสิ่งเล็ก ๆ น้อย ซึมซับทุก ๆ บรรยากาศ เลือกไปในที่ที่เราอยากไปจริง ๆ แม้ว่าสุดท้ายแล้วชีวิตภาพรวมจะไม่ได้มีอะไรน่าจดจำนักก็ตาม

ในขณะที่ถ้าเราให้ความสำคัญกับ Remembering Self มากกว่า เราอาจจะกล้าหวือหวากับชีวิตมากขึ้น อาจจะยอมเลือกเผชิญกับอะไรที่ไม่น่าอภิรมย์นัก (เช่น ไปเข้าค่ายในที่ทุรกันดาร) แต่เรารู้ว่าถ้าเราย้อนกลับมามองเราจะรู้สึกประทับใจ นอกจากนี้เราจะพยายามเก็บความทรงจำนั้น ๆ เช่น ถ่ายรูป ถ่ายวิดีโอ เพื่อที่วันหลังจะได้กลับมาหวนนึกถึง แทนที่จะตั้งใจซึมซับบรรยากาศตรงหน้าจริง ๆ

ซึ่งเอาจริง ๆ เราว่าทุก ๆ คนก็คงมีส่วนผสมของทั้งสองอย่างนี้ในสัดส่วนที่ต่างกันไป ขึ้นอยู่กับความชอบของแต่ละคน รวมถึงลักษณะของเหตุการณ์ที่กำลังจะเจอด้วย แต่โดยส่วนใหญ่แล้ว งานวิจัยพบว่าคนจะยอมทนกับอะไรแย่ ๆ เพื่อตอนจบที่สวยงาม มากกว่าใช้ชีวิตปกติสุขธรรมดา ๆ แต่จบไม่สวย

ด้วยเหตุนี้คนอาจจะเกิด Focusing Illusion หรือการคิดว่าจะต้องมีสิ่งนั้นสิ่งนี้สิ สุดท้ายแล้วจะมีความสุข เช่น มีบ้าน มีรถ แต่งงาน ย้ายเมือง ฯลฯ ซึ่งปรากฏว่าสุดท้ายแล้วพอมีจริง ๆ ก็ไม่ได้มีความสุขมากอย่างที่คาดไว้สักหน่อย เช่น เราอาจจะมีความสุขเวลานึกถึงรถยี่ห้อหรูของเรา (ซึ่งคงไม่บ่อยนัก) แต่ตอนที่เราขับจริง ๆ เราไม่ได้รู้สึกเอ็นจอยกับรถหรอก เวลาขับรถเราก็คิดเรื่องอื่น ซึ่งเรื่องอื่น ๆ นั้นต่างหากที่กำหนดว่าอารมณ์ของเราจะเป็นอย่างไร

สรุป

Thinking, Fast and Slow โดย Daniel Kahneman เป็นหนังสืออีกหนึ่งเล่มที่เนื้อหาความรู้แน่นมาก ทำให้เข้าใจบริบทของจิตวิทยาต่อชีวิตด้านต่าง ๆ มากขึ้นแม้จะเป็นหนังสือที่อ่านไม่ง่ายนัก (สำหรับเรา เพราะมีการดองไว้แล้วกลับมาอ่านใหม่) แต่อ่านจบแล้วก็รู้สึกคุ้มค่ากับเวลาที่อ่านไป แนะนำสำหรับใครที่สนใจศาสตร์แห่งพฤติกรรมของมนุษย์ อยากรู้ว่าทำไมเราถึงคิดแบบนี้ ตัดสินใจแบบนี้ อ่านหนังสือเล่มนี้แล้วก็หวังว่าจะตอบคำถามได้บ้างไม่มากก็น้อย 🙂

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out /  Change )

Google photo

You are commenting using your Google account. Log Out /  Change )

Twitter picture

You are commenting using your Twitter account. Log Out /  Change )

Facebook photo

You are commenting using your Facebook account. Log Out /  Change )

Connecting to %s

This site uses Akismet to reduce spam. Learn how your comment data is processed.

Blog at WordPress.com.

Up ↑

%d bloggers like this: