幸存者偏差 / Survivorship Bias

Author: Dexin Kong
ORCID: https://orcid.org/0009-0008-3831-5725
Structured and refined with assistance from ChatGPT

Background

1943年前后，第二次世界大战期间，美国空军在欧洲战场执行轰炸任务时，发现大量轰炸机无法返回基地。

为了降低损失，军方开始统计返航飞机上的弹孔分布，希望据此决定哪些位置需要重点加固。

哥伦比亚大学 Statistical Research Group（SRG）的数学家 Abraham Wald 提出了相反的观点。

他认为：

真正需要加固的，恰恰是那些“几乎没有弹孔”的位置。

因为能够返回基地的飞机，本身就已经是“幸存样本”。

那些在关键部位中弹的飞机，往往根本无法返航，因此不会出现在统计数据之中。

在现实世界中，这种现象随处可见。

系统能够看到的结果越来越相似，系统能够听到的声音越来越一致。

慢慢地，系统就只能依靠这些千篇一律的结果和异口同声的声音为依据，来理解现实。

在《必错题 / Unavoidable Wrong Answer》中，出问题的部门被处置了。

在《换人 / Replacing the Person》中，不好说话的财务被换了。

在《职场思维 / Workplace Thinking》中，不懂规则的人被淘汰了。

在《小白兔 / The White Rabbit》中，有害的小白兔们被优化掉了。

在《讨厌鬼 / The Unlikable One》中，不一样的人被踢出去了。

于是，“这个世界终于清净了”。

人们越来越互相欣赏，报表越来越好看，PPT 越来越漂亮，一片欣欣向荣。

就在这个温馨的夜晚，Jack 与 Rose 喝着香槟，互诉衷肠。

甲板上的乐队还在演奏，舞会还没散场。

前方的冰山，正在慢慢显露轮廓。

（迷航系列终）