认知革命：为什么我们会犯错 The Cognitive Revolution: Why We Make Mistakes

第1章：认知革命：为什么我们会犯错

想象一个场景：你在超市购物，看到货架上标注着“原价99元，现价49元”的标签，大脑立刻产生一种“捡到便宜”的愉悦感。你毫不犹豫地将商品放入购物车。然而，你从未真正需要这件商品，买回家后它很可能在角落里积灰。这个看似简单的购物决策，实际上揭示了人类认知系统中的一个深刻矛盾——我们引以为傲的“理性”思维能力，其实远没有我们以为的那么可靠。

这正是本书要探讨的核心问题：为什么人类在决策和判断中会系统性地犯错？这些错误是随机的、偶然的，还是有着深层的、可以理解的规律？更重要的是，如果我们能够认识这些规律，是否能够做出更明智的决策？

这些问题的答案，要从一场深刻的学术变革说起——认知革命。这场始于20世纪中叶的学术运动，彻底改变了我们对自己心智的理解，也为理解人类判断与决策中的系统性错误提供了科学基础。

1.1 认知革命的曙光：从“理性经济人”到有限理性

在人类思想史上，关于人类理性的假设经历了漫长的演变过程。古典经济学延续了启蒙时代的乐观精神，假设人类是完美的理性主体。亚当·斯密在《国富论》中描绘的“经济人”假设——人类总是追求自身利益的最大化，并且拥有做出最优选择所需的所有信息和认知能力——长期主导着社会科学领域。这种假设在数学上优雅简洁，模型构建方便，似乎也为人类的高贵理性提供了理论背书。

然而，现实中的经济行为和社会决策一次次地冲击着这个完美假设的边界。20世纪70年代，以色列心理学家丹尼尔·卡尼曼（Daniel Kahneman）和已故的美国心理学家阿莫斯·特沃斯基（Amos Tversky）开始了一系列革命性的实验研究，他们的工作最终揭示了人类判断与决策中存在的系统性、可预测的错误模式。

卡尼曼和特沃斯基的研究始于对概率判断的研究。他们发现，人们在判断不确定事件发生的可能性时，并不会像理想化的“理性主体”那样使用概率论规则，而是依赖一系列心理启发式（heuristics）。这些启发式在大多数情况下能够快速给出“足够好”的答案，但在某些特定条件下会导致系统性偏差。

其中一个著名的例子是“基础率谬误”（base rate fallacy）。假设一个城市有85%的人口是工程师，15%是律师。给你一个人的人格描述：“他喜欢修理东西，周末经常在他的工作室里度过，对聊天不感兴趣。”当问你这个人是工程师还是律师的概率时，大多数人会基于这个描述给予很高的概率判断他是工程师，而忽视了城市中85%是工程师的基础率信息。这种忽视基础概率的倾向，就是基础率谬误的表现。

特沃斯基和卡尼曼在1974年发表于《科学》杂志上的论文《不确定情况下的判断：启发式与偏见》（Judgment under Uncertainty: Heuristics and Biases）系统地总结了这一研究领域的早期发现。这篇论文后来成为心理学史上被引用最多的论文之一，它标志着认知心理学和行为经济学领域的正式诞生。

1981年，阿莫斯·特沃斯基因病早逝，年仅46岁。他在生命的最后阶段仍在不断推进认知偏见的研究，提出了许多影响深远的理论框架。丹尼尔·卡尼曼则继续着他们的共同事业，并在2002年因其对判断和决策研究的贡献获得诺贝尔经济学奖——这是诺贝尔经济学奖首次授予一位心理学家。在领奖演讲中，卡尼曼深情地回顾了与特沃斯基合作的岁月，强调特沃斯基的贡献是不可分割的。

认知革命的深远意义在于，它并没有简单地将人类描述为“愚蠢的”或“非理性的”，而是发展出一套精密的理论框架来理解人类认知的内在逻辑。正如卡尼曼所说：“我们的核心发现是，人类的判断并非总是理性的，也不是如经济学家所假设的那样'接近理性'。相反，人类判断有着可预测的错误模式，这些模式在很大程度上是由我们使用启发式造成的。”

这场认知革命的核心产物之一，就是著名的双系统理论。这个理论框架将人类认知划分为两个不同的系统——系统1和系统2，它们有着截然不同的特性、功能和局限。

1.2 双系统理论：大脑的两种运作模式

要理解认知偏见，首先需要理解我们大脑的运作方式。丹尼尔·卡尼曼在2011年出版的《思考，快与慢》（Thinking, Fast and Slow）一书中，系统地阐述了他的双系统理论。这本书不仅总结了他几十年来的研究成果，也向公众普及了认知心理学的核心发现，成为该领域最受欢迎的科普著作之一。

系统1（快思考）和系统2（慢思考）并非大脑中的两个独立物理区域，而是指两种不同的认知运作模式或认知风格。理解这两种模式的区别，是理解认知偏见的基础。

系统1：自动化的快速思考

系统1的运作是自动的、快速的、无需意志努力的。你可能有过这样的经历：当有人向你扔出一个物体时，你的手臂会迅速抬起保护自己，整个反应过程发生在大脑有时间“思考”之前。这就是系统1的典型运作方式。

系统1的特征可以用以下几个关键词来概括：

自动化：系统1的运作不需要我们有意识地控制或努力。当我们看到一张愤怒的脸，我们会立刻感受到威胁和不安，这种反应是自动发生的。当我们听到身后传来巨大的响声，我们会本能地转身查看，这也是自动化的反应。我们不需要学习如何产生这些反应，它们是我们神经系统的基本功能。

快速：系统1的处理速度极快，可以在几百毫秒内完成复杂的模式识别任务。例如，当你看一幅复杂的场景图时，你几乎可以瞬间识别出其中的物体、人物、情绪状态和空间关系。这种快速的感知能力让我们能够有效地应对日常生活中的各种挑战。

低能耗：大脑是一个极度耗能的器官，尽管只占体重的2%左右，却消耗了全身约20%的能量。系统1的运作相对节能，这使得它成为处理日常信息的默认模式。你可以整天依赖系统1生活，而不会感到特别的认知疲劳。

联想性：系统1通过联想网络（associative network）运作。当一个概念被激活时，它会自动触发与之相关的其他概念。例如，看到“面包”这个词，你可能会想到“黄油”、“早餐”、“面包店”等相关概念。这种联想性的激活过程是系统1快速运作的基础。

不费力：系统1的运作不会让我们感到疲劳或压力。我们可以一边走路一边和同伴聊天，一边开车一边听广播，这些都是系统1在主导这些任务的结果。

系统1在我们的日常生活中扮演着至关重要的角色。正是因为有了系统1的快速处理能力，我们才能在纷繁复杂的环境中迅速做出反应，才能在没有充分信息的情况下做出大致正确的判断，才能在没有意识参与的情况下完成熟练的技能动作。

系统2：分析性的慢思考

与系统1相对的是系统2——我们的分析性思维系统。系统2负责复杂的问题解决、逻辑推理、深思熟虑的决策和自我控制等功能。

系统2的特征与系统1形成鲜明对比：

受控性：系统2的运作需要我们有意识的注意和控制。当你在心算一道乘法题（比如17乘以24），你需要集中注意力，逐步执行计算步骤。这种计算不会自动发生，而是需要你的意志努力。

缓慢：系统2的处理速度远低于系统1。完成一个复杂的逻辑推理可能需要几分钟甚至更长时间，远远慢于系统1对同一情境的快速判断。这也解释了为什么我们经常依赖系统1的快速判断，而不愿意调用系统2进行仔细分析。

高能耗：系统2是“耗能的”。心理学研究表明，复杂的认知任务会消耗血糖，注意力集中的任务会让我们感到精神疲惫。当我们长时间进行高强度的认知工作时，会经历所谓的“决策疲劳”（decision fatigue），这时候我们会变得更容易冲动、更倾向于依赖直觉判断。

程序性：系统2按照明确的规则和程序运作。进行数学计算需要遵循计算规则，做出逻辑推理需要遵循推理规则。这种规则遵循能力是我们智力的核心组成部分，也是人类区别于大多数动物的关键能力之一。

费力：系统2的运作需要我们主动投入注意力和精力。当你在阅读一本复杂的学术著作时，你需要不断努力保持注意力，理解作者的观点，评估论证的有效性。这种努力程度是系统1处理所不需要的。

两种系统的互动关系

系统1和系统2之间的关系并非简单的“一个好一个坏”，而是相互协作、相互补充的复杂关系。

首先，系统1是默认的运作模式。我们的大多数日常行为——穿衣、洗漱、吃饭、行走——都由系统1主导。这些行为已经高度自动化，不需要我们投入意识资源。这意味着我们可以将宝贵的认知资源留给真正需要的问题。

其次，系统2监视着系统1的运作。系统2会对系统1的输出进行检验和修正。例如，系统1可能快速产生一个冲动性的判断，而系统2会检查这个判断是否合理，必要时进行干预。当你在路上看到一条蛇时，系统1可能立即产生恐惧反应，让你想要逃跑。但如果系统2识别出那只是一条绳子，它会抑制系统1的反应，让你可以继续正常行走。

然而，系统2的资源是有限的。由于系统2需要努力运作，我们不可能时时刻刻对所有事情都进行仔细分析。在很多情况下，系统1的判断已经足够好，我们没有动机或精力去调用系统2进行复核。但问题恰恰在于，系统1的判断并不总是足够好，而系统2有时也会“偷懒”，接受系统1的输出而不加检验。

这种偷懒倾向有一个专门的术语，叫做“认知吝啬”（cognitive miser）。从进化心理学的角度看，这种吝啬是有道理的。认知资源的获取和维护都需要成本——我们需要获取食物来维持大脑的运转，需要休息来恢复认知能力。在一个充满不确定性的环境中，最小化认知成本而获得“足够好”的结果，往往比追求“最优”结果但付出高昂认知成本更为明智。

然而，这种进化形成的节约策略在现代社会中可能导致系统性的判断错误。当我们面对复杂的投资决策、医疗选择、政策判断等问题时，继续依赖系统1的快速判断可能导致严重的后果。

理解双系统理论为理解认知偏见提供了基础框架。认知偏见大多发生在系统1的快速判断与系统2的分析性检验之间的张力中。系统1产生的快速判断在某些情境下会偏离理性标准，而系统2的介入可以纠正这些偏差，但系统2的介入需要动机、能力和精力——这些条件并非总是满足。

1.3 三大认知启发式：偏见产生的认知根源

在双系统理论的基础上，我们可以深入理解卡尼曼和特沃斯基识别出的三大认知启发式及其伴随的偏见。这些启发式是系统1用来简化复杂判断的认知策略，它们在大多数情况下能够工作得很好，但也会在特定条件下产生可预测的系统性错误。

代表性启发式与代表性偏见

代表性启发式（representativeness heuristic）是指，人们倾向于根据一个事物与某个类别的相似程度来判断它属于该类别的概率。例如，如果你被告知一个人喜欢读诗、对哲学感兴趣、性格内向，你可能会倾向于认为这个人是“文科生”而非“理科生”，即使你没有任何关于这个人专业背景的统计信息。

这种启发式在很多情况下是有用的。相似性确实通常与类别成员资格相关——一个行为像鸭子的动物更可能是鸭子而非其他动物。然而，过度依赖代表性可能导致严重的判断错误。

一个经典的例子是著名的“盖尔·德拉姆布赖特问题”（Gail Drambuild problem）。卡尼曼和特沃斯基在1973年设计了这个问题：

假设你遇到一个人，他穿着格子衬衫、戴着眼镜、说话有点结巴。现在请判断：这个人更可能是计算机程序员还是农场主？

大多数人可能会根据刻板印象选择“计算机程序员”。然而，这个判断忽略了一个关键因素：如果计算机程序员在总人口中的比例远低于农场主，那么一个“符合刻板印象”的随机个体更可能是农场主。代表性启发式让我们过度关注“这个人是否符合程序员形象”，而忽视了“程序员有多常见”这个基础概率信息。

这种忽视基础概率的倾向被称为“基本比例谬误”（base rate fallacy）或“代表性偏见”（representativeness bias）。另一个相关现象是“赌徒谬误”（gambler's fallacy）：如果你连续抛硬币三次都是正面，你可能会认为下一次更可能是反面，因为序列应该“趋于平衡”。但实际上，每次抛硬币都是独立事件，正反面的概率始终是50/50。这种对“代表性”序列的期望反映了代表性启发式对概率判断的影响。

代表性启发式还可以解释我们为什么常常对随机性产生误解。如果让你看一段抛硬币的结果序列：正正正正正正，大多数人会认为这不是随机的，因为它太“一致”了。但实际上，真正的随机序列完全可能出现连续六次正面。真正的随机性并不意味着“均匀”或“无模式”——这是一个反直觉但重要的认识。

可得性启发式与可得性偏见

可得性启发式（availability heuristic）是指，人们倾向于根据信息的易获取程度来判断事件的可能性或频率。也就是说，越容易想到的例子，我们就越认为它更常见。

这种启发式的逻辑是：如果某类事件能够被快速、容易地回忆起，那么它一定是常见的。然而，这个假设在很多情况下是不成立的。

一个简单的实验可以说明这一点：请你估计在英语中，以字母K开头的单词多，还是以K为第三个字母的单词多？大多数人会认为以K开头的单词更多，因为这些单词更容易被想起来。但实际上，以K为第三个字母的单词数量大约是以K开头的单词的三倍。这是因为我们更容易想起以K开头的单词（king, knowledge, keep），而忽略那些K在中间的单词（ask, like, make）。

可得性偏见在我们的日常生活中有广泛的影响。媒体对某些事件的频繁报道会让我们高估这些事件的发生概率。例如，恐怖袭击虽然相对罕见，但因为媒体的大量报道，人们往往会高估其发生概率。相反，那些常见但很少被报道的问题（如心脏病、糖尿病）可能被低估。

可得性偏见还可以解释为什么亲身经历或熟人的经历对我们的影响远大于统计数字。一个朋友因为某种罕见疾病去世，可能会让我们过度担忧自己患上这种疾病的可能性，即使这种疾病的实际发病率极低。这种“生动性效应”（vividness effect）是可得性偏见的一种表现形式。

可得性启发式还可能导致所谓的“光环效应”（halo effect）——我们对某个人的整体印象会影响我们对其具体特征的评价。如果你认为某个人是“好的”，你可能会更容易想起和评价他的积极特质，而忽略消极特质。这种倾向在招聘面试、绩效评估等场合中可能导致偏差。

锚定效应与锚定偏见

锚定效应（anchoring effect）是指，在不确定情境下，人们的数值估计会过度受到最初获得的数字（锚点）的影响。即使这个锚点是随意确定的或明显无关的信息，也会产生持久的影响。

锚定效应最早由特沃斯基和卡尼曼在1974年的一项经典实验中得到证实。在实验中，他们让参与者估计非洲国家在联合国成员国中所占的比例。实验者首先转动一个随机数字轮盘，让参与者看到轮盘停在一个数字上（10或65），然后要求参与者判断实际比例是否高于或低于这个数字，最后让参与者给出他们的估计。

结果显示，看到65作为锚点的参与者，平均估计值为45%；而看到10作为锚点的参与者，平均估计值仅为25%。尽管参与者被明确告知轮盘是随机的、产生的数字与问题无关，这个随意设定的锚点仍然显著影响了他们的判断。

锚定效应在我们的日常决策中无处不在。商店的“原价”标注会影响我们对“现价”的感知——一件标价1000元现价500元的商品会被感知为“便宜”，即使我们从未考虑过1000元是否是其真实价值。谈判中的起始报价会影响最终的成交价格。医生的诊断可能受到最初检查结果的锚定，即使后续检查提供了相反的证据。

锚定效应的认知机制可能与以下因素有关：首先，锚点提供了一个心理上的参照点，我们的判断在这个参照点附近进行调整。其次，系统1的联想加工倾向于将锚点与目标判断联系起来。最后，即使我们知道锚点是任意的，心理上的联系仍然难以消除。

值得注意的是，锚定效应在专家中也会出现，尽管程度可能低于非专家。一项研究显示，即使是有经验的会计师和财务分析师，在面对无关锚点时也会产生显著的锚定偏差。这表明锚定效应是一种深层的认知倾向，难以通过专业知识或元认知能力完全克服。

启发式与偏见的相互作用

理解三大启发式之间的关系和区别，对于全面把握认知偏见至关重要。这些启发式并非相互独立，而是常常在我们的判断中共同作用。

例如，在评估一家公司的投资价值时，代表性启发式可能导致我们因为这家公司“看起来像”成功的科技公司而给予过高评价；可得性启发式可能让我们因为最近听到的科技公司成功案例而更加乐观；锚定效应则可能让发行价格区间严重影响我们的估值判断。

同时，不同的情境可能会激活不同的启发式。在面对需要估计频率或概率的问题时，可得性可能更占主导；在判断类别成员资格时，代表性可能更重要；在需要数值估计的情况下，锚定效应的影响更为明显。

理解这些启发式的适用条件和失效条件，是发展更理性判断能力的关键一步。下一节我们将探讨这些认知偏见背后的进化根源，理解为什么我们的大脑会演化出这些看似“缺陷”的快捷方式。

1.4 进化的视角：为什么大脑会演化出“陷阱”

一个自然的问题是：如果这些认知偏见会导致系统性的判断错误，为什么人类大脑会演化出这样的机制？从进化的角度看，任何持续存在于物种中的特征——无论是解剖结构还是心理机制——都应该为生存和繁殖提供了某种优势。认知偏见并非简单的“设计缺陷”，而是进化形成的适应策略。

生态理性的概念

为了理解这一点，我们需要引入一个重要的概念——生态理性（ecological rationality）。生态理性是指认知机制在其适应的环境中的有效性。与抽象的逻辑理性不同，生态理性关注的是认知机制在真实环境中的功能表现。

按照这个框架，我们需要问的不是“系统1的判断是否符合逻辑规则”，而是“系统1的判断在其原生的生活环境中是否能够产生良好的适应性结果”。对于在非洲草原上狩猎采集的人类祖先来说，这个问题有着明确的答案。

让我们考虑代表性启发式在自然环境中的作用。假设你是一个狩猎采集部落的一员，你在丛林中看到一种动物，它的形态和运动方式让你想起之前见过的危险捕食者。根据代表性启发式，你会迅速做出“这很危险”的判断并采取规避行动。在生存环境中，错误地认为危险动物是安全的（假阴性）可能导致死亡，而错误地认为安全动物是危险的（假阳性）最多导致错过一次狩猎机会或虚惊一场。这种不对称的后果使得“宁可错杀，不可放过”的策略在进化上是合理的。

同样可得性启发式也有其生态价值。在自然环境中，容易想起的例子通常确实对应着环境中频繁发生的事件。如果你最近遇到过几次洪水，那么对洪水保持警惕是一种合理的安全策略。过度担心可能比忽视真正的危险代价更低。

这种权衡逻辑贯穿于人类认知系统的设计。我们的大脑被优化为在不确定环境中做出“足够好”的快速决策，而不是追求精确的概率计算。即使在今天，当我们需要快速判断某个情况是否危险时，我们仍然依赖于这些进化的遗产。

环境变迁与认知失配

然而，这些进化形成的适应机制在现代环境中可能产生反效果。一个关键的洞察是认知偏见代表了人类认知系统与其所处环境之间的某种“失配”（mismatch）。

狩猎采集环境与现代环境有着本质的不同。在祖先环境中，信息相对稀缺且变化缓慢，人们需要处理的大多是亲身经历的、具体的事件。而在现代信息社会，我们被大量信息包围——新闻、社交媒体、广告、统计数据——这些信息