Люди склонны искать подтверждение своим мыслям, а не опровержение. Этот эффект усугубляется, если необоснованные допущения делают опровергающие доказательства менее вероятными.
Когда у человека есть глубоко укоренившееся, но необоснованное допущение, он начинает видеть мир через его призму. Любые доказательства, которые на самом деле его опровергают, он трактует как ненадежные, случайные или незначительные, тем самым делая их для себя «менее вероятными». Детальнее разберем данное явление – для этого используем математику. Математическая иллюстрация явления предвзятости подтверждения – это Теорема Байеса и «Проклятие знания».
Теорема Байеса — это формула, которая показывает, как мы должны рационально обновлять наши убеждения в свете новых доказательств.
Рассмотрим формулу: P(A|B) = [P(B|A) * P(A)] / P(B), где
P(A) — наша априорная вероятность (убеждение до получения доказательств).
P(A|B) — апостериорная вероятность (убеждение после получения доказательств B).
P(B|A) — вероятность увидеть доказательства B, если наше убеждение A верно.
P(B) — общая вероятность наблюдения доказательств B.
Как проявляется предвзятость? Математически чрезмерно сильное априорное убеждение можно выразить как то, что P(A) близко к 1 или 0.
Если человек изначально на 100% уверен, что его друг честен, то P(A) = P(честен) = 1. Теперь он сталкивается с прямым доказательством нечестности друга (событие B). Тогда по формуле Байеса:
P(честен|B) = [P(B|честен) * 1] / P(B).
Теперь применим формулу полной вероятности для вычисления P(B):
P(B) = P(B|честен) * P(честен) + P(B|нечестен) * P(нечестен)
Поскольку P(честен)=1, а P(нечестен)=0, получаем:
P(B) = P(B|честен) * 1 + P(B|нечестен) * 0 = P(B|честен).
Подставляя это в формулу Байеса, получаем:
P(честен|B) = [P(B|честен) * 1] / P(B|честен) = 1.
Следовательно, апостериорная вероятность остается равной 1. Этот результат не зависит от конкретной величины P(B|A) — даже если человек допускает, что честный друг мог бы очень редко выглядеть нечестным (P(B|A) мало, но не ноль), его итоговая уверенность не изменится.
На практике это проявляется так: человек с P(A)=1 не пересчитывает вероятности, а просто отвергает или переинтерпретирует доказательство нечестности друга B (например, «друга подставили», «это ошибка»), чтобы сохранить своё априорное убеждение. Формула Байеса здесь лишь формально показывает, почему рациональное обновление при экстремальных априорных вероятностях невозможно — система убеждений становится логически замкнутой для новой информации.
Маркетологи активно и системно используют предвзятость подтверждения — склонность людей искать, интерпретировать и запоминать информацию, которая подтверждает их существующие убеждения, игнорируя противоречащие данные.
Например, реклама люксовых брендов (Rolex, Mercedes и пр.) никогда не доказывает, что они «хорошие». Она предполагает, что вы уже верите в их статусность, и просто показывает образы успеха, чтобы вы связали их с брендом.
Точно так же высокая цена может интерпретироваться не как недостаток, а как подтверждение элитарности. «Раз дорого, значит, качественно» — человек, купивший дорогой товар, будет подсознательно искать аргументы в пользу его превосходства, чтобы оправдать расходы.
Если же вы лайкали посты о ЗОЖ, вам будут показывать рекламу спортивного питания, фитнес-трекеров, экологичных продуктов. Алгоритм подсовывает только «B», которые соответствуют вашему «A» («Я за здоровый образ жизни»). Это заставляет думать: «Все вокруг говорят о спорте, значит, я прав».
Как бороться с предвзятостью подтверждения?
- Сознательно ищите опровергающую информацию. Если вы верите в A, специально ищите аргументы в пользу не A.
- В споре попробуйте на время встать на точку зрения оппонента и привести лучшие аргументы в ее защиту.
- Формулируйте гипотезы так, чтобы их можно было опровергнуть. Спросите себя: «Что должно произойти, чтобы я понял, что моя теория неверна?».
- Помните о Теореме Байеса. Всегда спрашивайте себя: «Насколько сильно это новое доказательство на самом деле подтверждает мою идею? Могло ли оно появиться, если бы моя идея была ложной?».