Khi nghe nói mình có kết quả dương tính trong một xét nghiệm có độ chính xác 99% lúc khám sức khỏe, phần lớn mọi người nghĩ rằng khả năng mình mắc bệnh cũng vào khoảng 99%. Nhưng nếu đó là một căn bệnh hiếm chỉ có một người mắc trong mỗi 1 vạn người, câu chuyện sẽ hoàn toàn khác. Bị cuốn hút bởi bằng chứng trước mắt mà quên mất «vốn dĩ sự việc này phổ biến đến mức nào», cái bẫy phán đoán ấy chính là «ngụy biện tỷ lệ nền (Base Rate Fallacy)».
Nói đơn giản, ngụy biện tỷ lệ nền là «sai lầm khi bỏ qua tỷ lệ vốn có của một sự việc trong toàn bộ quần thể (tỷ lệ nền) và chỉ đánh giá xác suất dựa trên thông tin cụ thể của từng trường hợp». Thông tin càng sinh động, như kết quả xét nghiệm, lời khai nhân chứng hay ấn tượng ban đầu, chúng ta càng dễ bỏ qua những con số nền tảng. Trong những lĩnh vực mà việc đánh giá xác suất đóng vai trò quan trọng như y tế, xét xử, tuyển dụng và an ninh, cái giá của sai lầm này càng lớn.
Trong tài liệu này, chúng ta sẽ lần lượt tìm hiểu ý nghĩa của ngụy biện tỷ lệ nền và những nghiên cứu ban đầu, nguyên lý tính toán qua bài toán taxi nổi tiếng, các ví dụ trong đời sống, cũng như cách giảm thiểu sai lầm và giới hạn của những cách đó.
Tỷ lệ nền: Con số cần hỏi trước khi xem bằng chứng
Ngụy biện tỷ lệ nền là gì?
Tỷ lệ nền (Base Rate) là tỷ lệ của toàn bộ quần thể đã có sẵn trước khi biết một thông tin cụ thể. Trong thống kê, tỷ lệ này còn được gọi là xác suất tiên nghiệm; khi có bằng chứng mới, trình tự đúng là lấy xác suất tiên nghiệm làm điểm xuất phát để điều chỉnh phán đoán.
Những người làm sáng tỏ sai lầm này một cách có hệ thống là hai nhà tâm lý học Daniel Kahneman và Amos Tversky. Trong bài báo năm 1973, hai ông giải thích rằng khi đánh giá xác suất, con người lấy việc «trông giống đến mức nào một cách hợp lý» làm tiêu chí. Cách này được gọi là phương pháp phán đoán theo tính đại diện (Representativeness Heuristic).
Trong một thí nghiệm nổi tiếng, người tham gia được xem mô tả về một người trong số 100 kỹ sư và luật sư. Một nhóm được cho biết có 70 kỹ sư, còn nhóm kia được cho biết có 30 kỹ sư, nhưng sau khi đọc mô tả rằng người đó thích câu đố toán học và làm đồ gỗ, câu trả lời của hai nhóm gần như giống nhau. Ngay khi mô tả khiến người đó có vẻ là kỹ sư, sự khác biệt giữa 70 người và 30 người dường như đã biến mất khỏi phán đoán.
Sức mạnh của tỷ lệ nền qua bài toán taxi
Bài toán taxi do Kahneman và Tversky giới thiệu là ví dụ được sử dụng thường xuyên nhất khi giải thích ngụy biện tỷ lệ nền. Tại một thành phố, một vụ tai nạn rồi bỏ chạy xảy ra vào ban đêm; 85% taxi của thành phố thuộc hãng Xanh Lá và 15% thuộc hãng Xanh Dương. Nhân chứng nói đã nhìn thấy một chiếc taxi màu xanh dương, và khi được kiểm tra trong cùng điều kiện, người này nhận diện màu chính xác 80%.
Câu trả lời phổ biến nhất là «xác suất đó là taxi màu xanh dương bằng 80%». Tuy nhiên, khi tính cả tỷ lệ nền, kết quả sẽ khác.
(1) Trường hợp nhận diện đúng taxi thực sự có màu xanh dương
Trong 100 chiếc taxi, nhân chứng nhận diện chính xác 80% trong số 15 chiếc màu xanh dương, nên khoảng 12 chiếc được khai là «màu xanh dương».
(2) Trường hợp nhìn nhầm taxi màu xanh lá
Trong 85 chiếc taxi màu xanh lá, 20%, tức 17 chiếc, cũng bị khai nhầm là «màu xanh dương».
(3) Xác suất cuối cùng
Trong 29 trường hợp được khai là «màu xanh dương», chỉ có 12 trường hợp thực sự là taxi màu xanh dương, nên xác suất thực tế vào khoảng 41%. Như vậy, dù có lời khai, khả năng đó là taxi màu xanh lá vẫn lớn hơn.
Tversky và Kahneman giải thích rằng kết quả này là do sự chênh lệch tỷ lệ nền 85 so với 15 còn cực đoan hơn độ tin cậy của nhân chứng. Dù bằng chứng có vẻ thuyết phục đến đâu, nếu bỏ qua tỷ lệ làm điểm xuất phát, phép tính sẽ sai lệch ngay từ đầu.
Ngụy biện tỷ lệ nền ẩn trong đời sống
Ngụy biện tỷ lệ nền không chỉ xuất hiện trong các bài toán. Trái lại, nó còn xuất hiện thường xuyên hơn trong thực tế khi chúng ta đưa ra những quyết định quan trọng.
- Xét nghiệm bệnh hiếm (Medical Screening): Trong một nghiên cứu năm 1978 tại Trường Y Harvard, Hoa Kỳ, khi được hỏi về kết quả dương tính của một xét nghiệm có tỷ lệ mắc bệnh là 1 người trong 1,000 người và tỷ lệ dương tính giả 5%, câu trả lời phổ biến nhất là 95%. Nếu giả định độ nhạy (tỷ lệ người mắc bệnh được xác định là dương tính) bằng 100%, tỷ lệ người thực sự mắc bệnh trong số những người có kết quả dương tính là 0.001 ÷ (0.001 + 0.05 × 0.999) ≈ 1.96%. Nếu không biết độ nhạy thì không thể xác định giá trị chính xác, và trong điều kiện này, khoảng 2% là giới hạn trên.
- Tuyển dụng nhân tài (Hiring): Nếu chỉ có 1 người thực sự xuất sắc trong số 100 ứng viên, thì nhiều ứng viên «có vẻ rất giỏi» trong buổi phỏng vấn thực ra có thể chỉ là những ứng viên bình thường.
- Cảnh báo an ninh (Security Alert): Trong hệ thống hiếm khi bị tấn công, ngay cả khi bộ phát hiện có độ chính xác cao, phần lớn cảnh báo được phát ra vẫn dễ là cảnh báo giả.
Điểm chung là đối tượng cần tìm rất hiếm. Nếu độ nhạy và tỷ lệ dương tính giả không đổi, đối tượng càng hiếm thì tỷ lệ trường hợp thực sự dương tính trong số các kết quả dương tính càng thấp. Tuy nhiên, số ca dương tính giả không nhất thiết luôn nhiều hơn số ca dương tính thật; điều đó phụ thuộc vào tỷ lệ nền, độ nhạy và tỷ lệ dương tính giả. Vì vậy, cần xem xét cả tỷ lệ nền lẫn hiệu năng của xét nghiệm.
Cách giảm thiểu ngụy biện tỷ lệ nền và những giới hạn
Chìa khóa để tránh ngụy biện tỷ lệ nền là hình thành thói quen hỏi trước «vốn dĩ sự việc này phổ biến đến mức nào» trước khi xem bằng chứng. Sau đó, kết hợp con số ấy với độ chính xác của bằng chứng để điều chỉnh phán đoán. Đây là cách tư duy mà định lý Bayes (Bayes' Theorem) đề cập.
(1) Kiểm tra tỷ lệ nền trước
Trước khi đưa ra kết luận, hãy tìm hiểu các trường hợp tương tự chiếm bao nhiêu trong tổng thể.
(2) Chuyển sang tần số tự nhiên
Thay vì xác suất như «80%», việc chuyển sang số người hoặc số lượng như «12 chiếc trong 100 chiếc» sẽ khiến phép tính trở nên trực quan hơn nhiều. Nhà tâm lý học Gerd Gigerenzer đã công bố nghiên cứu cho thấy cách này làm tăng đáng kể tỷ lệ trả lời đúng.
(3) Phân biệt các xác suất theo chiều ngược nhau
Hãy ý thức rằng «xác suất nhân chứng nói là màu xanh dương khi chiếc taxi có màu xanh dương» và «xác suất chiếc taxi có màu xanh dương khi nhân chứng nói là màu xanh dương» là hai giá trị khác nhau.
Tuy nhiên, tỷ lệ nền cũng không phải là lời giải cho mọi vấn đề. Sử dụng tỷ lệ nền đã lỗi thời hoặc được thống kê sai có thể khiến phán đoán lệch lạc hơn. Ngoài ra, nếu áp dụng máy móc mức trung bình của một nhóm lên từng cá nhân, nó có thể trở thành công cụ biện minh cho định kiến và phân biệt đối xử. Tỷ lệ nền chỉ là điểm xuất phát của phán đoán, không được trở thành dấu ấn gán sẵn để kết luận về một cá nhân.
Ngụy biện tỷ lệ nền xuất hiện khi bằng chứng sinh động che lấp những con số thầm lặng. Kể từ các thí nghiệm của Kahneman và Tversky, khái niệm này đã trở thành một chuẩn mực quan trọng ở mọi nơi cần đánh giá xác suất, từ chẩn đoán y khoa và xét xử đến tuyển dụng và an ninh.
Khi đối diện với một bằng chứng đáng ngạc nhiên, hãy hỏi thêm một lần rằng sự việc ấy vốn phổ biến đến mức nào; đó chính là bước đầu tiên để đưa ra phán đoán hợp lý mà không bị những con số đánh lừa.
