想象一个“列队指认” 十位目击者
被要求指认他们瞥见的逃离犯罪现场的银行抢劫犯
如果其中6个指向了同一个人
那这就是很有可能是真正的罪犯
如果十个人都做出相同的选择
你可能会认为这是毋庸置疑的了
但是你也许错了
对于我们大多数人来说
这可能听起来难以置信
毕竟
我们社会中大多都依赖于多数表决或一致的结论
无论是政治
商业
还是休闲娱乐
所以人们通常认为更多的共识是好事
从某种程度来说,通常是这样的
但有时候
越接近于全票赞同
结论就变得越不可靠
这就是所谓的 一致性悖论
理解这个显而易见的悖论的方法
就在于 考虑整体水平的不确定性
它涉及你正在处理的情况类型中
试想 如果我们让目击者们在这个队列中辨认出这个苹果
我们应该不会因一个完全一致的结论而感到惊讶
但是当我们有理由期待一些正常差异的时候
我们也应该预期会有一些不同的意见分布
如果你掷一枚硬币100次
你会期望它大概有50%的可能人头朝上
但是如果你的结果是百分百人头朝上
你会怀疑出现了错误
不是因为你的投掷
而在于硬币本身
当然 犯罪嫌疑人身份的辨认不像掷硬币一样随机
但他们也不像从香蕉中找出苹果那样清晰明显
实际上
1994年的一个研究发现
高达48%的目击者
往往会做出错误的选择
即使很多人对他们的选择十分自信
基于短短一瞥的记忆经常会不可靠
而我们经常会高估我们选择的精确性
了解了这些
一次一致通过的嫌疑人指认 开始看起来不一定有罪
而更像一次体制上的错误
或是对队列里的人有偏见
体制上的错误不仅会出现在人的判断上
从1993年到2008年
在欧洲的多个犯罪现场都发现了同样的女性DNA
这位涉罪却行踪难以捉摸的杀手被称为“海尔布隆幽灵”
而这DNA是如此的一致 正因为这个猜想是错误的
结果是
用于DNA采样的棉签
全部被棉签厂的一个女员工意外地污染了
在其它案例中
系统性的错误源于蓄意诈骗
像萨达姆侯赛因在2002年举行的总统全民公投就宣称
100%的选民都投票赞同他
下一个7年任期的继任
当你以这样的方式去看待它
一致性悖论实际上并不全是矛盾的
一致的赞同依然在理论上是理想的
特别是当人们期望尽可能小的变数和不确定性的时候
但是在实践中
在极不可能出现完全一致的情况下达成一致时
这告诉我们,可能有些隐藏的因素在影响了体制
虽然我们可能会力争和谐与共识
在很多情况下,错误和分歧也应该是意料之中的
如果一个完美的结果看上去难以令人置信
那其中可能就有错误了