其他领域中一致性悖论的出现不计其数且千差万别。下面是阿伯特原话讲述的一些例子:
1)最近的大众丑闻是个绝佳例子。大众公司偷偷设计了一种计算机芯片,让引擎在检测时以排放最低尾气的模式运行,但在现实中,汽车开上路时排放的尾气并不达标。尾气的低排放太一致,“好得不真实”。曝光大众的尾气检测小组首次产生怀疑,就是因为他们发现新车和车龄五年的汽车有着同样的排放水平!正是前后一致性暴露了不法芯片带来的系统偏差。
图片来源:auto.sohu.com
2)在1933-2008年间,发生了一件其压倒性证据“好得不真实”的著名案例。欧洲的警察在分布于法国、德国和奥地利的15处犯罪现场都采集到了同样的女性DNA。这名神秘杀手被称作海尔布隆魅影,警方从未能找到她。这些DNA证据长年一致且具有压倒性,可它们是错的。这最终被发现是一个系统误差。用来采集DNA样本的棉签被同一位女士意外污染——当她在工厂制造这些棉签时。
图片来源:www.thelocal.de
3)当一届政府赢得了选举,有人不满自己支持的党派只以微小的优势险胜。我们总希望自己钟爱的政治党派以全票支持取胜。然而,如果这一情况真的出现,我们就应当怀疑是操纵选票导致了系统偏差。一则都市传奇坚信普京曾赢得140%(!)的选票。如果确有其事,那么民主制度在此处明显失效。实用建议是,在健全的民主制度中,当一方政党并非靠中伤“愚蠢”的对方选民,而是以微小优势获胜时,我们应当为双方选民保有了民主的正直性而欢呼。
4)在科学中,理论和实验紧密相连,一定得相互支持。在每个实验中总有“杂音”,因而我们必须期待误差的出现。科学史中有不少著名实验,其结果“好得不真实”。有许多历年来一直处于争议的例子,最著名的当属密立根确定电子电荷的油滴实验,和孟德尔的植物育种实验。如果实验结果太过干净,不包含预料中的杂音和异常值,那么我们就有理由推测发生了确信偏误,由实验者择优挑选数据而引起。
密里根油滴实验是平衡重力与电力,使油滴悬浮于两片金属电极之间。并根据已知的电场强度,计算出整颗油滴的总电荷量。
图片来源:socratic.org
5)当今大型机构的许多委员会会议中,人们越来越倾向于认为决议必须全体通过。比如说,一个为应聘者评级或评估关键绩效指标的委员会通常争论不休,直到房间里的所有人都达成一致。如果其中一两位成员不赞同,其余委员会成员往往要先说服他们,再进入下一项事宜。根据我们研究分析所给出的实用建议是,应该欢迎不同意见。一个明智的委员会应接受异议,如实记录分歧。分歧纪录不是负面而是正面的,它证明了出现系统偏差的可能性比较低。
图片来源:upload.wikimedia.org
6)尤金·维格纳曾经构造出短语“数学不合情理的有效性”来形容自己有些古怪的感受,认为数学用以描述物理定律时似乎匹配得太过完美。某种程度上,维格纳就是在表达数学“好得不真实”。现实是,现代装置和仪器不再靠简洁的解析数学方程式,而是由嵌入模拟软件工具的经验式来分析。对一些未来的重大科学问题而言,尤其是在复杂系统领域,我们更多依靠大数据和机器学习,而非数学。既然我们所知的解析数学并不是解决每种问题都适用的万能钥匙,那我们又是为什么会一度认为数学拥有“不合情理的有效性”呢?这是由于我们阅读的每篇优秀科学论文都有着优美的数学公式,造成了系统性的确信偏误。其实还有更多被拒的公式从未被发表,我们也从未得见。我们今日所有的数学已经经历了择优挑选。