Dear friend，這本《Noise》在問一個很令人不安的問題：同一件事，交給不同專家，為什麼會得到差異極大的判斷？甚至同一位專家，換一天，也會改變答案？作者稱這種「不應存在的判斷差異」為雜訊。書中討論醫療、司法、保險、招聘與預測：一個人的命運，可能部分取決於他碰巧遇見誰。
一、偏誤與雜訊，有什麼不同？
這是全書最重要的區別。用射靶來理解：
例如，所有評審都低估女性候選人的能力，是偏誤；對同一份履歷，有人給九十分，有人給四十分，是雜訊。這是我用來說明的例子。作者強調：我們習慣尋找偏見，卻經常忽略判斷的離散程度。即使平均值看來合理，個別的人仍可能遭遇極不公平的結果。
二、雜訊不只是「今天心情不好」
書中區分幾種來源：
- 水準雜訊（level noise）：某位評判者一向比較嚴，另一位一向比較寬。
- 模式雜訊（pattern noise）：不同評判者對特定案件特徵，有不同反應；有人特別重視某項證據，另一人幾乎忽略它。
- 場合雜訊（occasion noise）：同一個人的判斷，隨當時的情緒、情境與時間而變動。
因此，雜訊也可能來自一個人穩定的判斷習慣，而非純粹偶發的波動。
三、專家的確信，不能證明判斷可靠
書中把心智視為一種「測量工具」：醫師評估病情、法官評估刑責、主管評估能力，都在把複雜資訊轉成某種結論。然而，這些工具往往沒有充分校準。書也比較直覺判斷、統計模型與固定規則，追問哪些方法能提供更穩定的預測。
它的挑戰在於：「我很有把握」，和「其他合格專家會得到相近結論」，是兩回事。
而且，討論未必自動改善判斷。大家若先聽見權威人士的意見，後續發言可能只是被帶向同一方向；表面上的共識，掩蓋了原本的差異。作者因此主張，應先保存各人的獨立判斷，再進行討論。
四、怎麼減少雜訊？
作者提出「決策衛生」（decision hygiene），把改善重點放在判斷程序：
- 讓多位評判者先獨立評估，再整合結果。
- 把複雜問題拆成幾個面向，分別評估，延後形成整體印象。
- 明確定義尺度，避免每個人對「嚴重」「優秀」「高風險」各有標準。
- 用「雜訊稽核」讓多人判斷同一批案例，實際測量差異。
這些方法的目的，是減少第一印象、個人尺度與群體互相影響所造成的波動。
五、我認為，精神科讀這本書，最值得留意什麼？
以下是我的臨床延伸，並非作者原話。
它提醒我們區分兩個問題：
第一，診斷與處置有多少可避免的任意性？
若相同資料，只因碰到不同醫師，就得到截然不同的診斷或處置，這種差異值得檢查。
第二，對一個人的理解，是否必須收斂成唯一答案？
不同治療者聽見不同片段，有時是疏漏，有時卻是理解的增生。尤其在心理治療裡，關係會改變人所能說出的話；評估對象也不是永遠不變的標本。
因此，我對這本書的評價是：它非常適合用來檢查「判斷的任意性」，但不能單憑一致性，決定理解是否正確。所有人使用同一個錯誤分類，也可以非常一致。
作者本身亦在最後部分討論減少雜訊的成本、人的尊嚴，以及規則與裁量之間的取捨，所以並非完全忽略這個難題。
我會帶著這個問題讀它：我們要減少的，究竟是傷害人的任意判斷，還是讓一個人終於被聽見的差異？這是《Noise》對臨床最有生產力、也最需要謹慎的一道邊界。