一言以蔽之：只要是人的判斷，就必然有雜訊。
軍師給的建議是錯的！？
在策略遊戲裡面，當玩家在下一個指令後，軍師會建議玩家這個指令是否可能成功。不同的軍師給的意見是可能互相違背的，這是因為每個軍師的智力不一樣。
即便是在同一個回合（時間點）、同樣的場景、下同樣的指令，同一個軍師給的建議也可能不一樣，這當然是因為遊戲設計師加入了隨機取數來改變軍師的建議。
減低決策的雜訊
在真實工作中，對於同一件事情的決策，不同的人會有不同的想法，甚至同一個人對同一件事每一天的想法都會不一樣，這叫做決策的雜訊。
相較於noise，不同人之間，有人樂觀有人悲觀，這種mean shift則是offset。不管是offset還是noise，都會干擾決策，都是我們想要避免的。
從統計學中央極限定理裡面我們知道，當sample size變大N倍以後，stdev會縮小為1/sqrt(N)。
因此增加決策人員的數目，就是消除雜訊的最好方法，這就是「三個臭皮匠，勝過一個諸葛亮」的原理。
然而有些時候，是無法大量增加決策人員數量的，原因可能是討論很機密事項，本來就不適合太多人知道。
再者，中央極限定理是靠著平均來縮小標準差，然而很多決策往往只有0和1，沒有0.3、0.8這樣的「平均」決策。因此，太大規模的決策人員往往會因為意見分歧，反而做不出結論。
雜訊另外帶來的好處
在人工智慧神經網路學習裡面，為了減少overfitting，我們有時候會故意增加Gaussian noise，讓演算法更general，能夠適應沒看過的環境。
舉個例子來說，倘若我們在訓練AI走迷宮，如果沒有加入noise，就會每次都能從最短路徑走出迷宮，不會發現第二條走法。但當這個AI遇到新迷宮的時候，很可能不知道該怎麼走。
在日常生活中，決策雜訊有時候反而是接納新觀念、新價值的必要之惡。
《從遊戲中學管理》系列文章：