丹尼尔·卡尼曼资料图。

诺贝尔经济学奖得主

丹尼尔·卡尼曼去世

据《纽约时报》（The New York Times）消息，2002年诺贝尔经济学奖得主丹尼尔·卡尼曼（Daniel Kahneman）于2024年3月27日去世，享年90岁。

生平：

丹尼尔·卡尼曼是一位作家、心理学家和经济学家，于1934年3月5日出生在以色列特拉维夫市，拥有以色列和美国双重国籍。1954年毕业于以色列耶鲁撒冷的希伯来大学，获心理学与数学学士学位，1961年获美国加州大学心理学博士学位。

1961－1978年先后任希伯来大学心理学讲师、高级讲师、副教授、教授，1978－1986年任加拿大不列颠哥伦比亚大学心理学教授，1986－1994年任美国加州伯克利大学心理学教授，1993年起任美国普林斯顿大学心理学教授和伍德罗威尔森学院公共事务教授，2000年起兼任希伯来大学理性研究中心研究员。卡尼曼把心理学研究和经济学研究结合在一起，特别是在不确定状况下的决策制定这一研究课题，进而荣获2002年荣获诺贝尔经济学奖。

学术成就：

丹尼尔·卡尼曼开创了前景理论（Prospect Theory）、将心理学与经济学相结合的交叉研究以及促进了行为经济学的发展。他的研究打开了社会心理学、认知科学、对理性与幸福的研究以及行为经济学的新局面。

卡尼曼与阿莫斯·特沃斯基（Amos Tversky）共同开发了前景理论，该理论改变了经济学对人们决策行为的理解。前景理论指出，人们的决策不仅受到预期结果的影响，还受到参照点的影响，对风险的感知是非对称的。

在心理学与经济学交叉研究方面，卡尼曼将认知心理学的观点应用到经济学领域，深入研究了人们在不确定情境下的决策过程。他的研究揭示了人类决策行为中存在的种种偏差和心理规律，如确认偏差、损失厌恶等。

卡尼曼通过引入心理学视角和实证研究方法，对行为经济学的发展做出了重要贡献。他的研究成果推动了经济学理论对于人类行为更为真实的认识，对于解释和预测经济现象具有重要意义。

2011年，卡尼曼被《外交政策》杂志评为全球顶级思想家。同年，他的著作《思考，快与慢》总结了他的大部分研究成果，出版并成为畅销书。

2015年，《经济学人》杂志将他列为全球第七大最具影响力的经济学家。

附录文章：

诺奖得主丹尼尔·卡尼曼：

为什么我们在群体里中更容易被操纵？

每个人都认为自己能够驾驭自己的思想。但事实上，人们的决策和行为常常被许多看不见的因素影响。比如，直觉常常导致人们追求错误的东西，人们的感知和记忆并不可靠，人们对于自己心理状态的感知和记忆尤其不可靠。这是诺贝尔经济学奖得主丹尼尔·卡尼曼（Daniel Kahneman）的观点。

长期以来，正统经济学一直以“理性人”为理论基础，它让我们相信，我们做的每一个决策都出于理性计算，都符合个人利益最大化的目的。但以丹尼尔·卡尼曼为代表的行为经济学家告诉我们，理性其实不那么可靠，我们的决策过程其实充斥着偏见和谬误，甚至是自欺欺人。

他与决策领域专家、巴黎高等商学院（HEC Paris）教授奥利维耶·西博尼（Olivier Sibony）和哈佛大学法学院教授卡斯·桑斯坦（Cass R. Sunstein）合著揭示了人类判断中的行为缺陷，揭露个人易受群体影响的深层原因——噪声。所谓噪声，就是指对相同问题进行判断的过程中产生的差异性。他的理论不仅仅为经济学决策带来启发，而且同时可以启发着我们每个普通人重新认知自我的决策机制，从而更好的处理自己的人生重大决策。

我们的都知道，个体判断中的噪声很糟糕，比如我们很容易受到环境和他人的影响，但是群体决策中的噪声更甚。群体决策可能会由于一些无关因素而朝任何一个方向改变。谁先发言、谁后发言、谁说话更自信、谁穿着黑色衣服、谁和谁挨着坐、谁在某个时刻笑了或皱眉了，或呈现出其他身体姿势——所有这些因素，以及其他更多因素都会影响结果。

群体的动态过程也会增加噪声。有“睿智的群体”，他们的判断与正确答案接近；但也有追随暴君的群体、增加市场泡沫的群体、相信奇迹或受共同幻想所支配的群体。网络时代无疑放大了噪声的声量。微小的差别可能导致一个群体坚定地说“是”，而本质上相同的另一个群体却坚定地说“否”。群体成员之间的互动，也正是我们此处强调的重点，它会导致很高的噪声。

群体的结果很容易被操纵

因为流行程度会自我加强

我们来举个例子：马修·萨尔加尼克（Matthew Salganik）和他的合作者开展了一项大型音乐下载的研究。实验人员创造了一个几千人的控制组（某流行音乐网站的访客）。控制组的成员可以试听并下载 72 首新歌中的 1 首或多首歌曲，如《最好的错误》《我是个错误》《信念高于答案》《生活的神秘》《祝我好运》《走出困境》等。

在控制组中，受试者未被告知其他人说了什么、做了什么等额外信息。这样，他们可以独立判断自己喜欢哪一首歌或希望下载哪一首歌。但萨尔加尼克及其同事还创设了其他8组，对应8种群体情境，并将成千上万的受试者随机分配到这些情境中。对于这些组中的受试者，所有其他信息都是一样的，只有一样不同：人们可以看到他们组中的其他人先前下载过哪些歌曲。例如，如果《最好的错误》是该组中深受喜爱的歌曲，那么成员就可以看到；同样，如果完全没有人下载，他们也可以看到。

因为不同的群体在任何重要的维度上均无差别，这项研究看起来就像是重复了8次。你可能会推测，好听的歌曲排名会上升，而不好听的歌曲则会下降。如果是这样，这些不同群体中的歌曲排名应该相同，或至少相似。这样，不同群体之间没有噪声。事实上，这也是萨尔加尼克及其同事试图去探讨的问题。他们考察的是一种特定的噪声源：社会影响。

该研究的核心发现是，不同群体的排名差异巨大：在不同群体之间存在大量噪声。在某个群体中，《最好的错误》可能非常成功，而《我是个错误》则非常失败。在另一个群体中，《我是个错误》极其成功，但《最好的错误》则一塌糊涂。如果一首歌一开始就受欢迎，它随后也一定会表现更好。如果一开始没有获得这种优势，那么结果就难说了。

可以肯定的是，最差的歌（在控制组中表现最差）排名不可能靠前，最好的歌也不太可能垫底。但对于其他歌而言，任何事情都有可能发生。正如作者所强调的那样：“在有社会影响的条件下，比在独立判断的条件下，人们更难预测哪些歌会成功。”简而言之，社会影响在不同群体之间产生了明显的噪声。如果你仔细思考，你就知道，单个群体内也会存在噪声，因为他们很容易就喜欢一首歌，或者不喜欢一首歌，这取决于这首歌一开始是否受欢迎。

正如萨尔加尼克及其同事随后所展示的，群体的结果很容易被操纵，因为流行程度会自我加强。在一个有点魔性的后续实验中，他们对控制组中的歌曲排名进行了反转。换句话说，他们在这些歌曲的受欢迎程度上说了谎，人们看到的最好的音乐其实是最差的音乐，反之亦然。研究人员随后观察了访客们会如何做。结果是，最不受欢迎的歌曲变得非常受欢迎，而原来最受欢迎的歌曲则表现非常差。即使研究人员误导了人们哪些歌曲是受欢迎的，但在非常大的群体中，受欢迎和不受欢迎的程度受排名的影响是相同的。唯一的例外是，随着时间的推移，控制组中最好听的歌曲会逐渐变得更受欢迎，这意味着反向排名也没有让它垫底。但是对绝大部分歌曲而言，反向排名决定了它的最终排名。

很容易看出，这项研究如何与一般性的群体判断有关。假设有一个包含10名成员的小群体，要决定是否采用某项大胆的新举措。如果一两个支持者先发言，他们很容易将整个团队转向他们偏好的方向。如果最先发言的是持怀疑态度的人，情况也是如此。至少当人们互相影响时是如此。事实上，他们常常互相影响。因此，仅仅是因为先发言的人不同，或者一开始下载的人更多，类似的群体会做出非常不同的判断。《最好的错误》和《我是个错误》的流行现象在各种专业判断中也存在。如果群体没有收到类似歌曲排名的信息，比如对某一大胆举措的热烈支持，该举措可能仅由于其支持者未发言而无法推进。

政治观点同歌曲一样

最终的命运取决于最初的受欢迎程度

如果你是一个多疑的人，你可能会认为音乐下载只是一个特例，或者至少与其他的群体判断不同。然而，在其他领域也发现了类似的结果。比如，思考一下在英国的公民投票（简称公投）中，人们对不同提案的支持情况。在公投中决定是否要投支持票时，人们自然要判断这是不是一个好的主意。这种模式类似于萨尔加尼克及其同事的研究：最初涌现的流行度会自我加强，如果某项提案在第一天没有受到关注，它很快就会沉寂。在政治领域就像在音乐实验中一样，支持与反对在很大程度上有赖于社会影响，具体而言，依然于人们是否能看到其他人投的是支持票还是反对票。

康奈尔大学社会学家迈克尔·梅西（Michael Macy）及其合作者在音乐下载实验的基础上构建了另外一个实验，目的是弄清楚：在看到他人的观点之后，人们是否会在短时间内令这些政治观点受到民主党人的欢迎，而遭到共和党人的反对，或者相反。答案简单明了：是的。在网络群体中，如果民主党人看到某一观点一开始就受到其他民主党人的支持，就会采纳这一观点，并最终导致大部分民主党人支持这一观点。但是，如果另一个网络群体中的民主党人看到，某一观点 一开始就受到共和党人的支持，那么这些民主党人就会拒绝接受这一 观点，并最终导致大部分民主党人都拒绝接受该观点。简而言之，政治观点同歌曲一样，最终的命运取决于最初的受欢迎程度。正如梅西等研究人员指出的那样：“少数先行者的随机差异”会对大群体产生颠覆性的影响——让共和党和民主党人都欣然接受一系列与彼此的立场毫不相关的观点。

或者思考一个一般性的群体决策问题：人们在网上如何对各种评论做出判断。耶路撒冷希伯来大学教授列夫·穆奇尼克（Lev Muchnik）及其同事在在一个网站上开展了一项实验，他们向人们呈现不同的故事，并允许人们发表评论，人们还可以对这些评论投赞成或反对票。研究人员可以人为地、自动化地给一些评论投出第一张赞成票。你可能会想，在成百上千名访客中，使某个评论多出一张初始赞成票根本无足轻重。这个想法合情合理，但却是错的。在看到第一张赞成票之后（别忘了这完全是人为操作的），下一个访客投赞成票的可能性增加了 32%。

更明显的是，这一效应会随着时间的推移而持续。5个月后，开始时人为投出的那张赞成票，使得评论的平均评分增加了25%。最初的一张赞成票产生了如此大的效果，表明存在噪声。不管那一票是为何而投，它都对整体的受欢迎程度产生了巨大的改变。这项研究为群体态度的转变以及群体中为何存在噪声提供了一个线索：相似的群体会做出非常不同的判断，因此同一个群体做出的判断也仅仅是一系列可能性中的一种。群体成员表达的赞成、中立、反对的意见，其作用也类似于一开始投赞成票或反对票。如果一个群体成员立即表示赞同，那么其他成员也就有理由这么做。毫无疑问，当群体赞同某些产品、人、运动和思想时，可能并不是因为它们的内在优点，而是因为“提前投票”发挥了作用。当然，穆奇尼克的研究涉及的是大规模群体。但在小规模群体中也是一样的结果，甚至更加富有戏剧性，因为最开始投下的赞成票——赞同某个计划、产品或判决——经常会对他人产生更大的影响。

这里有一个相关的观点。我们曾经指出集体的智慧：如果你召集一大群人，问他们一个问题，他们的答案的平均值更有可能接近真实答案。对判断进行汇总是一种减少噪声和误差的非常好的方法。但是，如果人们互相交流会如何呢？你可能认为这样做是有好处的。毕竟人们可以互相学习，从而找出正确答案。在一些非常有利的条件下，互相分享知识、深思熟虑的群体确实会做得很好。然而，独立做出判断是发挥群体智慧的前提条件。如果人们不是自己做出判断，而是依赖于其他人，则群体并不会更睿智。

当然，个人易受群体影响还有其它复杂的因素，比如信息瀑布和群体极化。信息瀑布的发生机制很复杂，简单来说，人们在表达观点的时候倾向于向他人学习，如果先前的发言的人似乎喜欢某个事物，或者想去做某件事，人们也会表示认同。如果人们不怀疑这些先前发言的人，或缺少一个明确的理由认为后者是错误的，至少在这些情况下人们会选择认同。此外，社会压力会导致在不同群体之间产生噪声。群体极化也是一个很重要的因素，人们互相交流时，往往会提出比原有倾向更极端的观点。

“正如我一直怀疑的那样，政治或经济理念就像电影明星。如果人们认为其他人喜欢它们，这种理念就会深入人心”——在这样一个众生喧哗的时代，网络更是放大了噪声的声量，对于个人来说，想要做出独立而正确的判断难上加难，卡尼曼为我们揭示了人类的普遍的认知缺陷。