《思考，快与慢》（9）——妄下结论的机器（2025-07-24）

歧义

请先看下图，读出左右

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。

对于中间这幅图的内容，你想到的是什么？ANN靠近了银行还是河岸？

在没有明确语境的情况下，系统1自己生成了可能的语境。

在不确定的情况下，系统1会根据经验赌一个答案。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。

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。系统2真是太懒了，我们要不停地训练我们的系统2。

相信和确认的偏差

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。所以深夜不要做决定，也不要买东西。

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。所以在心理咨询中，心理咨询师的提问非常关键。善于给人洗脑的人也是深谙这一点。

夸张的情感连贯性—光环效应

光环效应是一种常见的偏差，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。

看下面的描述，你觉得艾伦和本谁好一点呢？

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。

书中作者还举了个例子，他在给学生论文打分时。如果第一篇论文好，后面的论文分数可能会比单独出现时给出的偏高。反之亦然。

克服光环效就是要消除错误的关联，要从多个证据来源中获得最有用的信息，还要设法让信息源相互独立。如果信息源不独立，就会形成关联，相互影响。

所见即一切(WYSIATI)

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。

常见的偏差：

1、过度自信：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。

2、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。

3、忽视基础比率：前面提到的史蒂夫，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。

这么多内容总体的感受，或者说人话就是：要全面的看待一个人一件事情，全面地了解信息，不要片面地轻易下结论。不盲目崇拜权威，也不轻视“小人物”。对于接收的别人的评判也一样，别人很可能并不了解你的全面，不用那么在意。获得诺贝尔奖的教授对学生的论文还做不到完全的公平公正呢。听来的一句话就是很好的例子：如果你羡慕一个人，说明你不了解TA。但这些又都是反人性的，所以很难。

谈谈妄下结论

“她根本不了解此人的管理能力。她的判断只来自一次精彩报告产生的光环效应。”

“在进行任何讨论之前，先以独立判断来消除错误的关联。我们将从独立评估中获得更多信息。”

“他们做出的这一重大决定，依据的是某顾问的精彩报告。所见即一切。他们并没有意识到自己掌握的信息极少。”

“他们不想获得有可能毁掉故事的更多信息。所见即一切。”