第7章
妄下结论的机器

伟大的喜剧演员丹尼·凯说过一句话，这句话我从青少年时期一直记到现在。他这样形容某个他讨厌的女士：“她最拥护的立场是站在自己这边，她最热衷的活动是妄下结论。”我记得第一次与阿莫斯·特沃斯基讨论统计直觉的理性时，这句话就浮现在脑海，现在我认为它恰当地描述了系统1的功能。如果结论可能是正确的，偶尔犯错的代价是可承受的，而且快速下结论能节省大量时间和精力，那么这样做效率很高。但是，在不了解局势、风险很高、没有时间收集更多信息的情况下，妄下结论是危险之举。此时很容易出现直觉性错误，这些错误可以通过系统2的刻意干预来预防。

忽视模棱两可与抑制怀疑

请看图7-1。

图7-1中的三幅图有什么共同点？答案是它们都是模棱两可的。你几乎可以确定，左图读作“ABC”，右图读作“12 13 14”，但两幅图中间的字符其实是一样的。你本可以把它们读成“A 13 C”或“12 B 14”，但你没有。为什么？因为相同的形状在字母环境中会被解读为字母，在数字环境中会被解读为数字。整体环境有助于你理解每个元素。形状有歧义，但你能快速确定其身份，在不知不觉中消解了歧义。

对于中间这幅图的内容，你可能会想象一个满脑子是钱的女人安（Ann），正朝一栋有出纳员和保险库的大楼走去。这个解释看似合理，却不是唯一可能的解释。这个句子有歧义。如果这句话前面的话是“他们缓缓地顺流而下”，你会想象出一个完全不同的场景。想到河流时，“bank”这个词就与金钱无关了。（“bank”既可表示“银行”，又可表示“河岸”。）在没有明确语境的情况下，系统1自己生成了可能的语境。我们知道这是系统1在运作，因为你没有意识到存在另一种解释的选项或可能性。除非你最近在划独木舟，否则你去银行的时间可能比在河上漂流的时间长，你根据这一事实消解了歧义。在不确定的情况下，系统1会根据经验赌一个答案。下注的规则是明智的：在决定如何解释时，权重最大的是最近发生的事和当前的环境。想不起最近的事件时，更远的记忆会占据主导地位。我们童年时最难忘的经历是唱“ABC”，而不是“A 13 C”。

对于这两个例子，最重要的一点是，你做出了明确的选择，但并没有意识到。你只想到了一种解释，没有意识到其中的歧义。系统1没有注意到被否决的替代方案，甚至没有注意到替代方案的存在。有意识的怀疑需要在大脑中同时持有互相矛盾的解释，这会消耗脑力，不属于系统1的能力范畴。不确定性和怀疑是系统2的功能。

一个要相信和确认的偏差

心理学家丹尼尔·吉尔伯特因著有《哈佛幸福课》而广为人知。他曾写过一篇论文，题为《心智系统如何相信》。在这篇论文中，他沿着17世纪哲学家巴鲁赫·斯宾诺莎的思路，创建了相信与不相信理论。吉尔伯特认为，理解一个说法的起点是尝试相信它：你必须首先知道，如果这个说法是正确的，它表达的是什么意思。只有这样，你才能决定是否“不相信”它。在初始阶段尝试相信，是系统1的自动运作，构想出对情况最合理的解释。吉尔伯特认为，即使是一句荒谬的话，也会唤起最初的信任。看一下他举的例子：“白鱼吃糖果。”当关联记忆自动寻找鱼和糖果之间有意义的联系时，你或许就对它们产生了模糊的印象。

吉尔伯特认为“不相信”属于系统2的活动。他以一个巧妙的实验来证明其观点。 受试者看到了一些荒谬的断言，比如“丁卡是一团火”，几秒钟后出现“对”或“错”的字样。随后，受试者接受记忆测试，回忆自己给哪些句子标记了“对”。实验还有一个条件，即受试者要在执行任务时记住几个数字。对系统2的干扰产生了选择效应：它使人很难“不相信”错误的句子。在后续的记忆测试中，精疲力竭的受试者认为许多错句都是正确的。该实验寓意深远：当系统2忙于他事、分身乏术时，我们几乎无所不信。系统1容易上当受骗，倾向于相信，系统2负责怀疑和不信任，但它有时很忙，而且经常偷懒。有证据表明，人们在疲劳或精力耗尽时，更有可能受空洞却有说服力的信息影响，比如广告。

关联记忆导致普遍的确认偏差。面对两个问句——“山姆友善吗？”和“山姆不友善吗？”，你想到的有关山姆行为的例子是不一样的。刻意寻找确证，被称为“正向检验策略”，这也是系统2检验假设的方式。科学哲学家建议通过反驳来检验假设，但人们（包括科学家）经常反其道而行之，寻找可能支持其现有信念的数据。系统1的确认偏差倾向于不加批判地接受建议，夸大极端事件和小概率事件的可能性。如果有人问你，未来30年内加州发生海啸的可能性，你的反应可能会类似于看到吉尔伯特提出的荒诞例子——“白鱼吃糖果”时的反应。你脑海中浮现的很可能是海啸的画面，你会高估灾难发生的概率。

夸张的情感连贯性——光环效应

你如果支持总统的政见，可能也会喜欢他的声音和外貌。喜欢（或讨厌）某人，就会喜欢（或讨厌）这个人的全部（包括你没注意到的方面），这一倾向被称为光环效应。这个词在心理学领域已使用了一个世纪，却没有成为日常用语。这很遗憾，因为它表达了一种常见的偏差，这种偏差在塑造我们对人和形势的看法方面起着重要作用。光环效应是系统1产生的用来表现世界的方式之一，这种表现比现实更简单、更连贯。

你在聚会上遇到一位名叫琼的女士，发现她风度翩翩，还很健谈。现在，你一想到她的名字，就觉得她可能是慈善事业潜在的捐助者。你知道琼有多慷慨？事实是，你对此一无所知。几乎没有理由相信，在社交场合表现友善的人也是慷慨的捐助者。但你喜欢琼，想起她时，对她的好感就涌上心头。你也欣赏慷慨的气度，喜欢大方的人。通过联想，你倾向于相信琼是慷慨的。现在，你认为琼很慷慨，你可能比以前更喜欢她，因为你在她友善的品质中又增加了慷慨。

认为琼是慷慨的，这一结论没有真实的证据。你通过猜测填补证据的空白，这种猜测与你对她的情感反应一致。在其他情况下，证据是逐渐积累的，人们做出的解释由第一印象附带的情感决定。在一项经典心理学实验中，所罗门·阿希描述了两个人的特质，要求受试者对他们进行评价。 你认为艾伦和本是怎样的人？

艾伦：聪明—勤奋—冲动—挑剔—固执—嫉妒

本：嫉妒—固执—挑剔—冲动—勤奋—聪明

如果你的评价与大多数人一致，你会觉得艾伦比本好很多。前几项特征会改变后面出现的特征的含义。人们认为，聪明的人有理由固执，可能还会因此受到尊重，但嫉妒、固执的人还很聪明，就更加危险。光环效应也是歧义被抑制的一个例子：就像单词bank一样，形容词“固执”也是有歧义的，人们会让它与语境相契合，以此解释其含义。

围绕这个研究主题，人们进行了很多不同的实验。在一项研究中，研究人员先让受试者考虑描述艾伦的前3个形容词，然后再考虑最后3个。他们被告知，后3个特质属于另一个人。当受试者想象出这两个人时，研究人员问他们，用这6个形容词描述同一个人是否合理，大多数受试者认为不合理！ 我们对某人特征的观察顺序往往是随机的。然而，顺序很重要，因为光环效应加大了第一印象的重要性，有时甚至让人对后续信息视而不见。我刚任教授时，用传统方法给学生的期末论文打分。我会翻开某个学生的论文册，一篇接一篇打分，然后计算出总分，再为下一个学生打分。最终我注意到，对每本册子的不同论文，我给出的评分非常接近。我开始怀疑我的评分也存在光环效应，给第一篇论文的分数对总成绩产生了极大的影响。机制很简单：如果我给第一篇论文打了高分，那么即使后面的论文出现模糊或有歧义的陈述，我也会网开一面。这种做法貌似合理。第一篇论文写得这么好，这样的学生肯定不会在第二篇论文中犯低级错误！但我的评分方法存在一个严重的问题。如果某个学生写了两篇论文，一篇质量好，一篇质量差，我给出的期末成绩取决于先读的是哪篇。我曾告诉学生，两篇论文的分量一样，但事实并非如此：第一篇论文对期末成绩的影响比第二篇大得多。这是不可接受的错误。

后来，我采用了一种新流程。我没有按顺序阅读论文册的论文，而是先给所有学生的第一篇论文打分，然后给他们的第二篇论文打分。我将分数都写在册子末页，这样读第二篇论文时就不会有偏差（这种偏差甚至是无意识的）。改用新方法后不久，我发现我对评分质量的自信大幅下降，这令我感到不安。我经常体验到一种前所未有的不适感。当我对某个学生的第二篇论文感到失望，翻开册子末页准备给个低分时，我却发现我给他的第一篇论文打了高分。我还注意到，我想通过改变尚未写下的分数来缩小二者的差距，而且很难抵制这种诱惑。对同一个学生的不同论文，我经常给出差异很大的评分。缺乏连贯性让我感到沮丧和不确定。

相比以前，现在我对自己的评分质量不那么满意，也不那么自信，但我意识到这是一个好兆头，说明新流程更可靠。我之前享受的一致性是虚假的，它让我产生了认知轻松感，我的系统2在偷懒，欣然接受了最终成绩。之前，在评估后续论文时，第一篇论文带给我强烈的影响，这让我努力避免产生一种不和谐感，即发现同一个学生的不同论文质量差异很大。当我改用新流程时，令人不舒服的不一致性是真实存在的。它反映了两个问题：其一，以单一论题去衡量学生的学识，这种方法有缺陷；其二，我的评分不可靠。

我为克服光环效应采用的评分流程符合一个普遍原理：消除错误的关联！为了理解这一原理的运作方式，想象一下，向很多观察者展示几个装有硬币的玻璃罐，要求他们估计每个罐子中的硬币数量。詹姆斯·索罗维基在其畅销书《群体的智慧》中解释说，在这项任务中，个体判断的准确性很低，但群体判断的准确性非常高。 一些人的估计远远超过真实数量，另一些人则低估了它，但是，对所有人估计的数量进行平均时，均值往往很准确。这种机制很简单：所有人看到的是同一个罐子，所有判断都有共同的基础。另一方面，不同个体的估计错误互不相关，在没有系统偏差的情况下，错误的均值趋于0。然而，只有当观测结果互相独立且错误不相关时，降低错误的魔法才能很好地发挥作用。如果观察者有共同的偏差，判断的聚合就不会减少偏差。允许观察者相互影响，实际上减少了样本量，从而降低了群体估计的精确性。

要从多个证据来源中获得最有用的信息，应设法让信息源相互独立。这条规则是警察执法程序的一部分。当某个事件有多个目击证人时，在录口供之前，警方是不允许他们在一起讨论的。其目的不仅是防止不怀好意的证人相互串通，也在于避免公正的证人之间相互影响。互相交流的目击者往往会在做证时犯类似的错误，这会使他们所提供的信息的整体价值降低。消除信息源的冗余总归是个好办法。

公司高管在会议上耗费了大量时间，独立判断原则（以及“消除错误的关联”）也适用于会议的组织。一条简单的规则就能奏效：在讨论某个问题之前，先让与会者写一份简短的摘要，表明自己的立场。该流程充分利用了群体中各种知识和观点的价值。公开讨论的标准流程有一个弊端，那就是过度重视率先发言者或胸有成竹者的意见，导致其他人只能随声附和。

所见即一切（WYSIATI）

早年与阿莫斯合作时，最令我难忘的是他经常表演的一个滑稽段子。他惟妙惟肖地模仿他读本科时的一位哲学教授，用带着浓重德国口音的希伯来语吼道：“永远不要忘记‘Primat of the Is’。”我到现在也没搞懂这句话的确切含义（或许阿莫斯也是），但他的笑话总能一语中的。面对可用信息和未知信息，大脑的处理方式明显不同。每当遇到这种情况，他就会想起这句老话（后来这也成了我的习惯）。

关联机器的一个基本设计特征是，它呈现的只是被激活的想法。无法从记忆中提取（这甚至是无意识的）的信息就好像不存在一样。系统1擅长结合当前被激活的想法构建最有可能发生的故事，但它不会（也无法）考虑没掌握的信息。

衡量系统1是否取胜的标准是它所创造的故事的连贯性，故事所依据的数据数量和质量基本上无关紧要。在信息匮乏的常态下，系统1就像一台妄下结论的机器。思考以下问题：“明迪克会是好领导吗？她聪明又坚强……”你很快就想出了肯定的答案。你根据极少的信息选择了最合理的答案，但此时下结论为时尚早。如果接下来的两个形容词是“腐败”和“残忍”，你的答案又会是什么呢？

在匆忙认定明迪克是怎样的领导时，请注意你没做的事。你没有自问：“在判断某人的领导素质之前，我需要了解什么？”系统1从第一个形容词出现后就自顾自地运作起来：聪明是好特质，聪明又坚强就更好了。这是由两个形容词构建的最合理的故事。在认知非常轻松的状态下，系统1创建了这个故事。如果出现新信息（比如明迪克是腐败分子），故事就会被改写，但系统1不等待，不制造主观不适感，且看重第一印象。

寻求连贯性的系统1和懒惰的系统2结合在一起，意味着系统2将接受许多直觉性信念，这些信念反映了系统1生成的印象。当然，系统2也能更系统、更仔细地处理证据，在做决定之前会对照检查清单——想想买房这件事，你会刻意寻找未掌握的信息。然而，再谨慎的决策也会受系统1的影响。它每时每刻都在提供建议。

根据有限的证据妄下结论是理解直觉性思维的重要因素，本书经常提到这种情况。我会用一个冗长的缩写WYSIATI来表示“所见即一切”。对产生印象和直觉的信息质量和数量，系统1极不敏感。

阿莫斯和他在斯坦福大学带的两名研究生做了一项有关WYSIATI的研究，观察那些得到片面证据并对此心知肚明的人的反应。 他们报告了研究结果。受试者身处的都是法律场景，以下便是其中一例。

原告戴维·桑顿，43岁，工会界代表，于9月3日到168号平价大药房进行例行访问。到店不足10分钟，药房经理向他抗议说，不能继续在店内与工会员工交谈，必须等到休息时间，在后间交谈。这个要求符合与平价大药房签订的工会合同，但此前从未执行过。桑顿拒绝了。经理告诉他，要么遵守要求，离开药店，要么自己就报警，让警察逮捕他。此时，桑顿对经理说，只要不影响生意，他与员工10分钟的交谈一直是被允许的，他宁愿被捕也不愿改变例行访问的程序。经理随后报警，并以非法侵入罪将桑顿铐在店里。桑顿做了笔录，在拘留室待了一会儿。之后，所有指控都被撤销了。桑顿先生以非法拘留罪起诉平价大药房。

所有受试者都阅读了这一背景材料，除此之外，不同的小组还听取了控方或辩方律师的陈述。很自然，工会方的律师将此次逮捕描述为恐吓行为，而药店方的律师则辩称，在店里谈话扰乱经营秩序，经理的行为是恰当的。有些受试者，比如陪审团成员，听取了双方律师的陈述。双方律师并没有添加任何无法从背景故事中推断出的有用信息。

受试者完全了解其中的套路，那些只听到一面之词的人很容易想到对方的观点。然而，片面的证据对判断产生了重大影响。此外，相比看到双方证据的受试者，看到片面证据的受试者对自己的判断更有信心。这正说明，人们的信心取决于从现有信息中构建的故事的连贯性。一个好故事最重要的是信息一致，而不是信息完整。你经常会发现，知之甚少更容易让你将所知的一切融入逻辑连贯的模式。

“所见即一切”有助于获得连贯性和认知轻松，使我们相信某个说法是正确的。它解释了我们为何会快速思考，以及我们如何在复杂的世界中理解部分信息。很多时候，我们拼凑的连贯故事与现实很接近，足以支持合理的行动。然而，我还是会用“所见即一切”来解释各种判断和选择偏差。以下是其中的几种。

· 过度自信：正如“所见即一切”定律暗示的那样，在主观自信中，证据的数量和质量都不重要。人们根据自己的见闻构建故事，对信念的信心主要取决于故事的质量，即使所知甚少。我们经常忽视这种可能性，即我们并未掌握对判断起关键作用的证据，总是认为所见即一切。此外，我们的关联系统倾向于促发连贯的激活模式，抑制怀疑和歧义。

· 框架效应：以不同方式呈现同一信息往往会引发不同的情绪。“术后一个月的存活率为90%”的说法比“术后一个月的死亡率为10%”的说法更让人安心。同样，“脱脂率90%”的冷切肉比“脂肪率10%”的冷切肉更有吸引力。显然，两种说法的意思完全一样，但人们通常只看到一种表达方法，并认为所见即一切。

· 忽视基础比率：回想一下史蒂夫，这个性格温和、干净利落的人常被认为是图书管理员。个性描述鲜明而生动，尽管你知道，在男性人口中，农民比图书管理员多，但你第一次思考这个问题时，肯定没想到这个统计事实。所见即一切。