Skip to content

“一对父子开车外出,发生了车祸。父亲当场死亡,儿子的情况也十分危急。儿子很快被送到医院,准备实施手术抢救。当医生走进手术室见到这个病人后,突然大叫起来:“我不能做这个手术,这是我的儿子!”

这种情况可能吗?很多人认为不可能。他们的推理是,如果这个病人的父亲已经在车祸中丧生,病人就不可能是医生的儿子。至少,在他们想到外科医生可能是病人的母亲之前,他们肯定会这样推理。”——《决策与判断》,第2章,认知不协调。

“如果一个当代的马基雅维利向一个当代的君主建议,他可能会根据有关决策后果的理论和数据提出如下建议:

  • 如果你希望一个人形成对某个事物的积极态度,那么就引导他,使他致力于得到这个事物。

  • 如果你希望一个人对某种错误行为的道德判断变得温和一些,那么就引诱他做出这种行为。相反,如果你希望一个人对某种错误行为的道德判断更加强硬,那么就引诱他,但不足以使他做出这一行为。”

——《决策与判断》,第2章,认知不协调。

一个有趣的实验和一个幽默的结论,构成了我对《决策与判断》的良好印象。另一方面,第1章关于“黑桃扑克牌”的实验却令我十分费神:扫一眼实验描述,再扫一眼封面照片,真不明白作者到底在说什么!等到心平气和,再拿起照片端详,原来异样的黑桃3只是将红桃3变更了颜色。

整体感觉也许如菲利普·津巴多所言:“这本书充满了幽默感,对老的思想的新的解释,批判性思维的练习,从而把许多通常不相关的材料整合成了一本令人遐想发人深省的好书……”但是我仍然要对可读性吐槽,例如:“我们可以比较头晕者中与不头晕者中患有大脑肿瘤的患者和没有患大脑肿瘤者的比例……”(第15章),还有第7章中针对期望效用理论中“占优性”的论述(为什么完全理性决策者绝不会选择一个占优策略?)。

全书收集了大量的心理学实验和结论,然而编后记却对此保留谨慎的支持态度。不免让人怀疑,心理学方面的牛顿是否还没有出现?零散的研究是否还没有构成完整的体系?甚至,适用于心理学研究的方法都还没有出现?在《情商:为什么情商比智商更重要》一书中,有关大脑进化的内容给人留下了深刻的印象,如果套用其中的进化思想,各种心理学实验的结论也会随着“被试”的心理进化而变化,如果真是这样,现有的心理学研究到底还有多少价值呢?

吐槽归吐槽,本书每章结尾的“建议”、“结论”部分对于内容理解往往发挥了重要的作用,我决定摘录若干:

一、针对代表性直觉,提高决策和判断的技巧:

  • 不要被很细节的情境所迷惑。正是情境中的细节使得整个情境看起来更加具有代表性,但是同时也减少了其发生的可能性。一般而言,情境越是具体,其发生的可能性越低——即使这样的情境看起来能够非常好地代表最可能发生的结果。

  • 只要有可能,无论什么时候都应该注意基线值。当一个事件极少发生或者是非常普通的事件时,基线值就显得尤为重要。例如,由于录取的比例非常低,因此很多优秀的申请者都没有机会进入研究生院进一步深造(通常的误解就会认为这样的申请者并不具备所需要的学术能力)。相反,由于通过的比例非常高,许多不合格的驾驶员都拿到了驾驶执照。当基线值是一个极端数值时,代表性往往成为发生可能性的误导因素。

  • 记住偶然性并不具备自我修正的功能。一系列的坏运气,就是一系列的坏运气。它并不意味着相应的好运气必然会到来,也不意味着事物总是一尘不变的。如果一个随机的过程(就像投掷一枚没有偏差的硬币)存在一定的可能性产生一定的结果,那么过去的事件对将来发生的结果并不会产生影响。

  • 不要错误地理解向回归数平均。即使出现了一系列的坏运气,也不一定会有一系列的好运气与之相平衡(或者相反),但是一些极端的成绩往往会跟随着一些更接近平均数的成绩。向平均数回归是非常正常的,无论结果是否受到一些随机因素的影响。即使在某些时段,这些随机因素结合在一起可能产生一些非正常的结果,但是在接下去的情景中,成绩通常会回归正常。

二、针对概率和风险进行判断时,尽量避免偏差的策略:

  • 保持正确的记录。记录过去发生的某些事件的发生频率,这样就有可能减少首因效应和近因效应的发生,减少可得性偏差以及其他一些由于信息呈现方式的不同而产生的偏差。

  • 警惕如意算盘。在许多情况下,人们往往会高估渴望事件发生的概率,同时也会低估自己不希望发生的事件的概率(尽管这样的规则存在着很明显的特例,例如在某些情景下,一些令人忧虑的结果的可得性可能会使人们的概率估计产生波动)。打消这种如意算盘的最好方法是找一个独立的第三方来进行评估。

  • 将复合事件分解为简单事件。如果一个复合事件是由一系列简单独立事件构成的(如这些事件的结果是互不相关的),一个有用的策略就是分别估计每一个简单事件发生的概率。如果这样的复合事件是连续性的,则将这些概率相乘。例如,在投掷硬币的时候连续投掷三次,都是正面的可能性(由三个简单事件组成的复合事件)将是.50*.50*.50(因此最后的概率是.125)。相反,如果复合事件是非连续事件,将独立事件发生的概率相乘,然后用1减去这个概率即可。例如,连续三次投掷硬币,至少有一次出现正面的概率是1减去.125,最后的概率应该为.875.这样的方法只能使用在由统计意义上独立的简单事件构成的复合事件上(像投掷硬币),而如果简单事件的结果是相互关联的,那么这样的方法就不适用了。

*其实,我所看到过的许多心理学实验,正确的结论往往是违背直觉的。当我们凭自己的经验和直觉给出结论后,实验设计者往往就会跳出来,用概率或理性向我们给出正确结论,然后他们就告诉我们:“哈哈,你错了!”

*但是,如果我们将实验作为一道数学题目,或者脑筋急转弯,认真去解答就可以发现,我们也能得出正确结论。那么,真正的问题其实是:日常生活中,我们的大脑倾向于用简单的方式去解决问题,就像《思考快与慢》中的系统1与系统2一样,系统2的调度会消耗更多的能量,我们的大脑很忙碌,为了忙中偷闲(这也符合自然界对能量的支配原则),就会把大量的事务交给系统1去做。其实,也就是直觉主导了我们日常的大量行为(本书其实也肯定了利用直觉进行判断的意义)。

*既然如此,那些利用我们大脑行为特征来设计的心理学实验,其实并没有发现什么,得到的结论无非也就是告诉我们直觉并不可靠,要让大脑去计算和思考。但是,这真的符合自然界对人类大脑的定位吗?

*当然,我无法否定所有的心理学实验,也许我所看到的结论只是心理学家们的基础结论,他们会将其应用在更复杂的情境中来研究,目的可能是更加深入地认识我们的大脑所承载的心理和意识。

三、关于群体决策和判断的暂有结论:

  • 很多个体水平的直觉和偏差在群体中发挥了同样的效力。

  • 群体讨论通常会加强已有倾向。

  • 群体讨论通常比一般的个体表现好一些,尤其是在一名指定的领导者鼓励全体成员发表意见的情况下。

  • 群体中最好的成员通常比群体表现更好(有时可使用独裁者决策技术来利用这一点)。

  • 几个人独自使用头脑风暴法比群体会议更为有效。

据说,获得哲学博士学位的人比只读完高中的人更有可能订阅《纽约时报》。那么,如果你看见一个人在纽约地铁里阅读《纽约时报》,下面哪种情况与读报者的情况更吻合?

  • 1.她有博士学位。

  • 2.她没有大学文凭。

···············································

如果你选择了“她有博士学位”,那你就上当了!因为社会上没有大学文凭的人数远远超过拥有博士学位的人数。所以,这位地铁上的读报者更可能吻合“她没有大学文凭”的情况。

一、典型性”与“基础比率”:(第14章)

以上,是《思考,快与慢》第14章中的一个简单例子(我认为这个例子比本章开头那样有关汤姆的专业的例子更好),这个例子说明:人们会忽略基础比率,从而下意识地根据典型性做出判断。其中,这里的“典型性”是指对读报者的描述与典型特征(获得哲学博士学位的人更可能订阅《纽约时报》)的相似性;“基础比率”是指获得博士学位的人占社会总人口的百分比。

之所以会发生“忽略基础比率,根据典型性做出判断”这样的事情,书中的解释是:关于概率或可能性的问题引起了思维的发散性,让人想起比较简单问题的答案(也就是发生了问题的“替代”),其中一种简单的答案就是对典型性的自动评估。

这其实说明,根据“典型性”进行判断也是人们简化处理现实世界的一种方式。通过这种方式得到的结果有时是正确的,有时则是错误的。由此,可以发现“典型性”的两宗罪。

*可见,根据“典型性”进行判断是系统1的特征,是非理性的;依照“基础比率”通过计算来判断是系统2的特征,是逻辑性的。

二、“典型性”的两宗罪:(第14章)

  • 1.它过于喜爱预测不可能发生(低基础比率)的事件:由于系统2的忽视或懒惰,许多人就忽视了“基础比率”,从而使得预测结果没有体现出“基础比率”的影响。

  • 2.它对证据质量不够敏感:系统1有一项“眼见即为事实”(即人们没有掌握所有信息,仅仅依据部分信息仓促下结论)的特点,所以,如果你没有立刻否定证据,系统1就自动将其视为真实。为了避免“眼见即为事实”的影响,做判断时,你需要努力去想到“基础比率”。

三、用贝叶斯定理来约束直觉:(第14章)

我们可以通过贝叶斯定理来约束“根据典型性进行判断”的直觉,从而将“基础比率”也考虑进来。

有关贝叶斯定理的内容请参考维基百科:贝叶斯定理

书中对此说明的主要例子是:

“例如,如果你相信有3%的研究生是被计算机科学专业录取的(基础比率),你还相信汤姆是该领域研究生的可能性是其他领域的4倍,贝叶斯定理就会认为,你必须相信汤姆是计算机科学家的概率是11%。此外,如果基础比率是80%,那你眼中的新概率就应该是94.1%,以此类推。”

*坦白说,书中的三个有关例子(下雨、连任、汤姆的专业)我基本没看明白,对照贝叶斯定理也没全部得到符合原书的结果,由于贝叶斯定理的参考资料较多,那出现这种问题的唯一原因就是我对例子的理解有误,造成这种误解的原因:除了我自身的理解问题,就是原书的翻译问题了。但无论如何,“用贝叶斯定理来约束直觉”的结论没错,我也就不深究理解和翻译上的问题了。

以下是书中对贝叶斯定理关键点的总结:

  • 1.以相对合理的基础比率对结果的可能性做出判断。

  • 2.质疑你对证据的分析。

四、“合取谬误”:(第15章)

第15章,通过虚拟的人物角色“琳达”的例子(与第14章汤姆的例子相似),继续讨论了人们根据“典型性”进行判断的问题——称为“典型性判断”,只是“基础比率”被延伸为“概率判断”——就是从概率的角度进行逻辑分析和计算,将“基础比率”考虑在判断中就是在进行概率判断。

简化的例子如下:

下面哪种情况可能性更大?

  • 1.琳达是银行出纳。

  • 2.琳达是银行出纳,同时她还积极参与女权运动。

显然,“积极参加女权运动的银行出纳”是“银行出纳”的子集,所以,“琳达是银行出纳”的可能性更大。但是,如果在这个问题的前面再加上一条:

“琳达,31岁,单身,一位直率又聪明的女性,主修哲学。在学生时代,她就对歧视问题和社会公正问题较为关心,还参加了反核示威游行。”

上面的这段描述让我们判断:琳达很可能是个女权运动的支持者。再对后面的问题判断时,就容易认为“琳达是银行出纳,同时她还积极参与女权运动”的可能性更大了。作者通过实验证明,很多人就是选择了第二个选项。由此,发现了一个现象:当人们没能运用明显相关的逻辑原则时,就会出现“合取谬误”。

“合取谬误”是指:通过直接比较,人们总会认为两个事件(在此就是指银行出纳和女权主义者)的联合出现比只出现其中一件事(在此为银行出纳)的可能性要大,此时就出现了“合取谬误”。

可见,“合取谬误”的出现是“典型性判断”的结果,如果进行“概率判断”,就不会出现这样的错误。

*由于“典型性判断”对人们的影响,在对问题进行判断时,如果提问者对情节的详述使人更加信服、或更有连贯性、或更讲得通,人们的判断就很容易出错,从而掉入提问者的陷阱。

五、“少即是多”的逻辑悖论:(第15章)

1.“少即是多”的逻辑悖论:

书中在此介绍了一个“餐具拍卖”的实验,大致是说:

放置两套餐具,其中,餐具A包含一些破损的组件;餐具B则是将A中破损的组件和部分完好的组件剔除,然后让受试者对A和B进行估价。

受试者被分为三组,第1组人同时看到了A和B,当然判断A的价格高于B;第2组人只看A,第3小组只看B,结果,第2组人对A的估价低于第3组人对B的估价。

就这样,“少即是多”的逻辑悖论发生了:第1组认为A的价格高于B,比较第2组和第3组的估计,A的价格又小于B。

书中对此的简单解释是:系统1会取价值的平均值而不是累加值。由于破损组件的存在,A的平均值显然小于B,但是A的累加值是大于B的。(这个解释也可以用来解释琳达的问题,书中有说明)

*其实,我认为这是缺乏“统一参照系”的问题,如果给所有受试者一个价目表——上面标明所有餐具组件的参考价格,甚至列出破损程度的折价,我相信受试者们就不会上当了(当然,这里就涉及系统2要进行计算的问题)。

2.降低“合取谬误”的条件:

  • A.“合取谬误”的发生,系统2显然难辞其咎:系统2并非时刻保持警惕;系统2是懒惰的(人们愿意用随意的方式回答类似“琳达问题”的问题)。

  • B.“琳达问题”反映的“合取谬误”说明:直觉常常会推翻逻辑(还是系统2的懒惰造成的)。

  • C.一些研究人员发现:将“指示”和“提示”结合起来可以减少“合取谬误”的发生。