两个大脑：系统1与系统2的较量
两个大脑：系统1与系统2的较量
1999年秋天的一个下午，美国哈佛大学的校园里阳光明媚。心理系的学生们正排着队，准备参加一项看似再普通不过的心理学实验。他们被告知，这是一项关于视觉感知的研究，需要观看一段视频并完成一项任务。
视频开始了。画面中，两支球队——一支穿白色球衣，一支穿黑色球衣——正在进行传球练习。观众需要做的，就是仔细数清楚白色球队一共传了多少次球。视频中的运动员们跑动着、传球着，看起来这是一项简单但需要集中注意力的任务。
实验就这样结束了。
然而，当研究人员问出一个看似无关紧要的问题时，意想不到的事情发生了：“在观看视频的过程中，你有没有注意到什么不寻常的事情？”
有些学生皱起眉头，似乎在努力回忆。大部分人摇了摇头，表示自己专注于数传球次数，没有发现什么特别的情况。
研究人员微微一笑，点开了同一段视频的另一个版本。这一次，他们放慢了速度，并且在关键时刻按下了暂停键。
画面定格了。一个穿着黑色大猩猩服装的人，大摇大摆地走进了画面正中央，对着镜头捶打自己的胸膛，然后大摇大摆地走了出去。整个过程持续了整整九秒钟。
什么？
教室里响起了一片惊呼声。“这不可能！”、“大猩猩？我怎么没看到？”、“你在开玩笑吧！”学生们瞪大了眼睛，脸上写满了难以置信。有的人甚至要求再看一遍视频，仿佛在确认自己不是在做梦。
这项实验就是后来大名鼎鼎的“看不见的大猩猩”实验（Invisible Gorilla Test），由克里斯·查布里斯（Christopher Chabris）和丹尼尔·西蒙斯（Daniel Simons）于1999年在哈佛大学进行。他们将实验结果写成了一本同名书籍《看不见的大猩猩》，让“选择性注意”这个概念走进了千家万户。
一、被蒙蔽的眼睛：我们并非自己以为的那样
当你第一次听说这个实验时，你可能会想：这怎么可能？一个人穿着大猩猩的服装走进画面，你怎么可能看不到？那些学生一定是在说谎，或者他们有什么问题。
但事实是，这个实验被重复了无数次。在原始研究中，有大约一半的观看者完全没有注意到大猩猩的出现。这个比例高得惊人，以至于当研究者第一次向同事们展示这段视频时，几乎没有人相信这个结果。他们自信满满地表示：“我绝对不会漏掉一只大猩猩。”
然而，当他们亲自看过视频后，很多人沉默了。
这个实验深刻地揭示了一个令人不安的事实：人类的感知和注意力并不像我们以为的那样可靠。我们以为自己看到的是一幅完整的、连续的、毫无遗漏的画面。但实际上，我们的大脑只是在构建一个关于世界的主观模型，并且这个模型充满了漏洞和盲点。
更令人震惊的是，这种“视而不见”的现象并不局限于静态的场景或简单的任务。在后续的研究中，查布里斯和西蒙斯发现，当人们专注于数传球次数时，他们不仅可能错过大猩猩，甚至可能错过其他更重要的信息——比如画面背景中突然出现或消失的一个人、一把椅子、一扇门的颜色变化。
这究竟是为什么？我们的大脑为什么会如此“健忘”？
答案要从我们大脑的运作方式说起。在漫长的进化历程中，人类的大脑发展出了两套截然不同的信息处理系统。这两套系统各有所长，相互配合，却又时不时地产生冲突。理解这两套系统的运作原理，是理解人类认知偏误的第一步。
二、双轨并行的大脑：两种截然不同的思维模式
诺贝尔奖得主丹尼尔·卡尼曼（Daniel Kahneman）在他的划时代著作《思考，快与慢》中，将人类大脑的思维系统分为两种模式：系统1和系统2。这是一个简洁而强大的概念框架，帮助我们理解了人类思维的本质。
系统1：迅捷而自动的直觉引擎
系统1是快速的、自动的、毫不费力的。它是我们大脑的默认运行模式，是我们从出生那一刻起就具备的能力。系统1不需要刻意的学习或努力，它就像一台高度自动化的机器，24小时不间断地运转着。
想象一下，当你早晨睁开眼睛，看到窗外阳光明媚，你立刻知道天亮了，知道那是阳光而不是灯光，知道房间里的陈设都还在原位。这些判断在一瞬间完成，毫不费力。这就是系统1在工作。
系统1擅长处理以下类型的问题：
当有人问你“2+2等于几”的时候，你的答案是自动弹出的，完全不需要思考。当你看到一张愤怒的脸，你立刻就能识别出那是愤怒的情绪。当你开车行驶在熟悉的路段上，你可以在听音乐、聊天甚至思考其他事情的同时，轻松地控制方向盘、刹车和油门。这些都是系统1的杰作。
系统1的神奇之处在于它的速度和效率。它可以在不到一秒的时间内处理大量的信息，做出判断和反应。它让我们能够应对日常生活中的各种挑战，从识别熟悉的面孔到理解简单的隐喻，从避免危险的反应到完成常规的日常任务。
然而，系统1也有它的局限性。由于它的自动性和快速性，系统1非常依赖经验、习惯和启发式思维。它倾向于用最少的认知资源得出一个“足够好”的答案，而不是追求精确和完美。这意味着系统1很容易受到各种认知偏误的影响，产生看似合理但实际上错误的判断。
系统2：缓慢而费力的理性中心
与系统1形成鲜明对比的是系统2。系统2是缓慢的、需要努力的、有意识的理性思维系统。它是我们大脑中负责复杂计算、逻辑推理和深思熟虑的部分。
当你面对一道复杂的数学题，比如“17乘以24等于多少”的时候，你需要调动系统2。你需要集中注意力，一步一步地计算，回忆乘法规则，检查计算结果。这个过程是缓慢的、费力的，而且你很清楚地知道自己正在进行这个过程。
系统2负责处理以下类型的任务：
学习一项新技能，比如骑自行车、打网球或者学习一门外语，这些都需要系统2的参与。制定一个长期的计划，比如规划一次旅行、安排一个项目或者考虑职业发展，这些都需要系统2的深思熟虑。当我们需要仔细分析一份复杂的报告、理解一个深奥的概念或者解决一个困难的问题时，系统2就是我们最可靠的工具。
系统2的一个关键特征是它的容量有限。我们可以将系统2想象成一个工作台，它的面积是有限的，能够同时容纳的“工具”是有限的。这就是为什么当我们在努力解决一个复杂的数学问题时，往往会忽略周围发生的事情——因为我们的系统2已经满负荷运转了，没有多余的“注意力空间”来处理其他信息。
更关键的是，系统2是“懒惰的”。卡尼曼用这个词来形容系统2的一个重要特性：它倾向于接受系统1的判断和建议，除非有明显的理由去质疑它们。这就像一个忙碌的经理，他把很多决策权下放给了助理，只有在助理主动请示或者出现了明显的问题时，才会亲自介入。
正是系统1和系统2的这种分工与合作，塑造了我们日常的思维和决策过程。
三、彩票的陷阱：系统1如何操纵我们的选择
为了更具体地理解系统1和系统2的运作方式，让我们来看一个经典的经济学实验——彩票选择实验。
假设你面临这样一个选择：有两种彩票摆在你面前。
彩票A有10%的机会赢得500元，有90%的机会什么都得不到。
彩票B有5%的机会赢得1000元，有95%的机会什么都得不到。
你会选择哪一种？
现在，让我们把这个选择稍微改变一下。
彩票A有10%的机会赢得500元。
彩票C有5%的机会赢得100元。
你会选择哪一种？
如果你的选择和大多数人一样，你可能在第一个选择中倾向于选择彩票A（有更高概率赢得较小的金额），而在第二个选择中也倾向于选择彩票A。但这里有一个问题：如果我们把彩票A和彩票C放在一起比较，它们本质上是一样的——都是10%的机会赢得500元的等比例缩小版本。
但为什么我们会觉得第一个选择中的彩票A比彩票B更吸引人，而第二个选择中的彩票A比彩票C更吸引人呢？
这个现象被称为“框架效应”（Framing Effect），它是系统1运作的一个典型例子。系统1不擅长处理概率和统计，它更擅长的是比较“感觉”上的大小、多少、远近。当我们看到“500元”和“1000元”时，系统1会自动进行比较，倾向于选择看起来“更大”的那个。但当我们看到“500元”和“100元”时，系统1会再次进行比较，而这一次的选择可能会和第一次不同。
系统1的这种运作方式，导致了我们在面对不同表述方式时，可能做出完全不同的选择——即使这些选择在本质上是等价的。
麻省理工学院的丹·阿雷利（Dan Ariely）教授做过一个更直观的实验。他让参与者从三个选项中选择自己想要的产品：一张20美元的亚马逊礼品卡、一张60美元的亚马逊礼品卡（但需要额外支付20美元才能购买，实际上相当于40美元的价值），或者一张50美元的亚马逊礼品卡。
结果非常有趣：大多数人选择了60美元的礼品卡（实际上价值40美元），只有少数人选择了20美元的礼品卡，而选择50美元礼品卡的人最少。
但如果我们理性地分析一下，这个结果是没有道理的。20美元的礼品卡显然是最划算的选择，因为它用20美元换来了20美元的价值。而60美元的礼品卡需要你额外支付20美元，所以它的实际价值只有40美元。换句话说，你花了20美元，得到了一张40美元的卡，你亏了！
那么为什么大多数人会做出这样的选择呢？
阿雷利教授的解释是：60美元的礼品卡创造了一个“诱饵”。当人们看到三个选项时，系统1会自动进行比较。它看到的是：60美元的卡比20美元的卡“更好”（面值更大），而50美元的卡“似乎”没有存在的必要。这种相对的比较让人们忽略了真正重要的信息——即实际的价值与成本的比率。
系统1不喜欢“损失”的感觉。当它看到“需要额外支付20美元”时，它会感到一种微妙的“不适”，于是它会自动地调整决策，让60美元的卡看起来更划算——因为从面值上看，它“赢”了其他两个选项。
这就是为什么彩票销售员总是喜欢用“机会”、“可能性”、“大奖”这样的词汇，而不是直接告诉你“中奖的概率是万分之一”。系统1对“大奖”这个词的反应比对“万分之一”这个概率要强烈得多。
四、分心的代价：为什么我们看不见大猩猩
现在，让我们回到本章开头的大猩猩实验。为什么那些聪明的哈佛学生会完全忽视一只走进画面的庞然大物？
答案在于注意力资源的有限性。
系统2的注意力容量是有限的。当我们专注于数白色球队的传球次数时，我们的系统2正在满负荷运转。它需要监控每一次传球、计数、保持注意力——这个过程远比我们以为的要消耗更多的认知资源。
正因为系统2已经“太忙了”，它没有多余的“带宽”来处理其他信息。而系统1虽然一直在后台运行，但它的功能是自动化的、快速的信息处理，而不是主动的、有目的的搜索。
系统1的工作方式是：如果有什么东西足够醒目、足够反常、足够危险，它会自动标记并推送给我们。但在大猩猩实验中，那个大猩猩虽然很显眼，但对于一个正在专注于数传球的人来说，它并不是“相关的刺激”。系统1知道你在数传球，所以它把“传球”这个信息作为优先处理对象，而把“其他所有东西”降级为背景噪音。
这就是“选择性注意”的力量。我们的注意力就像一束聚光灯，它照亮的地方我们看得很清楚，而没有被照亮的地方则被我们完全忽略——即使那里有什么重要的东西在发生。
查布里斯和西蒙斯后来做了一个更令人不安的实验版本。在新版本中，当大猩猩出现的时候，背景中的一个人离开了画面，并且有另一个不同的人走了进来。研究人员问参与者：“你注意到大猩猩了吗？”很多没有注意到的人同时也完全忽视了画面中人员的替换。
这个发现让心理学家们意识到，我们以为自己拥有的是一台能够“全景拍摄”的摄像机，但实际上我们拥有的更像是一束狭窄的聚光灯，它只能照亮我们当前关注的那一小部分区域。
这个现象在现实生活中有着广泛的影响。
当我们在开车时使用手机，即使我们自信“只用余光看路”，我们的事故风险也会显著增加。原因是系统2正在忙于处理手机上的信息，没有多余的容量来监控驾驶环境。而系统1虽然还在工作，但它的注意力被“锁定”在手机屏幕上，对于突然出现的行人、车辆或其他危险，它的反应速度会大大降低。
当我们在工作中同时处理多个任务时，我们以为自己是“高效的多任务处理者”，但实际上我们只是在不断地在任务之间切换，每一次切换都需要消耗系统2的资源。研究表明，这种切换导致的效率损失可能高达40%甚至更多。
当我们在超市的货架前选购商品时，我们以为自己是“理性的消费者”，会仔细比较不同产品的性价比。但实际上，系统1会受到各种因素的影响——比如包装的颜色、促销的标签、甚至商品在货架上的位置。这些因素的影响往往是在我们毫不知情的情况下发生的。
五、系统1的“速算术”：我们每天都在使用的心理捷径
除了选择性注意之外，系统1还依赖一套被称为“启发式”（Heuristics）的心理捷径来快速做出判断和决策。这些启发式策略在大多数情况下是有效的——它们帮助我们在信息不完整、时间紧迫的情况下做出“足够好”的决定。但它们也是各种认知偏误的根源。
可用性启发式：最容易被想起的，就是最可能发生的
你有没有觉得，坐飞机比坐汽车更危险？即使统计数据显示，汽车事故的死亡率是飞机事故的数十倍之多？
这是因为飞机事故通常会成为全球新闻的头条，画面惨烈，情节戏剧化，因此它们在我们的记忆中非常突出和生动。而汽车事故太平常了，平常到我们已经对它们麻木。当我们需要判断哪种交通方式更危险时，系统1会搜索记忆中最容易想起的例子——也就是那些被媒体报道最多的、最令人印象深刻的事件——而不是去查阅枯燥的统计数据。
心理学家阿莫斯·特沃斯基（Amos Tversky）和丹尼尔·卡尼曼将这种现象称为“可用性启发式”。我们倾向于认为，容易想起的事件比不容易想起的事件更常见。这个规则在很多情况下是有效的——在一个城市里，常见的犯罪通常比罕见的犯罪更容易被想起。但当这个规则失效时，它就会导致严重的判断错误。
比如，你是否曾经因为听说某个朋友在某个城市遭遇了抢劫，就开始觉得那个城市“很不安全”？即使那个朋友只是运气不好，而你掌握的数据显示那个城市的犯罪率其实很低？
代表性启发式：它看起来像，所以它就是
另一个重要的启发式策略是“代表性启发式”。当我们需要判断某个东西属于哪个类别时，系统1会问自己：它看起来像这个类别的典型代表吗？
一个经典的例子是所谓的“琳达问题”：
琳达今年31岁，单身，直言不讳，非常聪明。她在大学期间主修哲学专业。学生时代，她曾经积极参与反核示威游行，还参加过反歧视和争取社会福利的运动。
请问下面哪种情况更可能描述琳达？
A. 琳达是一名银行出纳员。
B. 琳达是一名积极参与女权运动的银行出纳员。
大多数人选择了B。他们认为，琳达的性格和背景太“像”一个女权主义者了，她不可能只是一个普通的银行出纳员。
但从逻辑上讲，这个推理是错误的。因为“积极参与女权运动的银行出纳员”是“银行出纳员”的一个子集。任何属于B类别的个体，也必然属于A类别。因此，琳达是银行出纳员的概率必然大于或等于她是一名积极参与女权运动的银行出纳员的概率。
为什么我们会觉得B更可能呢？因为系统1在评估概率时，依赖于“代表性”——也就是琳达与某个类别的“相似程度”。它看起来越像某个类别的典型代表，我们就越觉得她属于那个类别。但这种判断方式忽略了基本的概率法则。
锚定效应：第一个数字的魔咒
你有没有注意到，当你走进一家装修豪华的餐厅时，即使那里的菜品价格比你预期的要贵一些，你仍然可能会点一些平时不会点的菜品？
这就是“锚定效应”（Anchoring Effect）的一个例子。锚定效应指的是，人们在做决策时，会过度依赖最先获得的信息（“锚”）。
在一项经典的实验中，研究人员让参与者估计某个国家中联合国的会员国数量。在给出估计数字之前，他们被要求转动一个幸运转盘，转到数字大的就猜测比例高，转到数字小的就猜测比例低。这个转盘的结果显然是随机的，与真实的会员国数量毫无关系。
然而，结果令人震惊：转到较高数字的参与者，其估计值显著高于转到较低数字的参与者。即使转盘只是一个与问题毫无关系的随机数字，它仍然“锚定”了参与者随后的估计。
在日常生活中，锚定效应无处不在。超市里的“原价99元，现价49元”之所以有效，是因为“99元”这个原价锚定了我们对价格的感知，让我们觉得49元“很便宜”。谈判中的“先开价”之所以重要，是因为第一个报价会锚定后续的讨论空间。哪怕只是随口说出一个数字，它都可能影响对方的判断。
系统1特别容易受到锚定效应的影响，因为它倾向于快速接受第一个看起来“合理”的数字，然后用它作为后续判断的起点。而系统2虽然有能力质疑这个锚点，但它往往是懒惰的，不会主动去调整。
六、系统2的困境：为什么理性如此困难
既然系统1会犯这么多错误，那我们能不能干脆“关闭”系统1，完全依靠系统2来生活？
答案是否定的。原因很简单：系统2的资源是有限的，而世界上的信息是无限的。
如果我们试图用系统2来处理每一个感知输入、每一个环境变化、每一个决策点，我们的大脑将在几秒钟内耗尽能量。实际上，系统1的存在是进化的必然选择。在远古时代，当一只老虎从灌木丛中扑出来时，你没有时间慢慢分析它的速度、距离和攻击概率。你需要的是瞬间的反应——逃跑或战斗。系统1正是为了这种紧急情况而设计的。
问题在于，我们生活在一个与远古环境截然不同的现代世界。我们面对的挑战不再是“即时反应”就能解决的，更多的时候，我们需要的是深思熟虑、长线规划和理性分析。但系统1仍然在用古老的方式运作，用处理“老虎”的策略来处理“股票市场”、“健康饮食”和“人际关系”这些问题。
这就是为什么培养“批判性思维”如此重要。批判性思维本质上是一种能力，它能够在我们被系统1的快速反应“劫持”之前，让系统2有机会介入并重新评估情况。
让我们来看一个例子。
假设你在逛商场时，看到一件大衣标价2000元。旁边的小牌子写着：“已降价50%！”你心里一喜，觉得自己捡了个大便宜。
但在你掏钱之前，系统2需要介入，问自己几个问题：这件大衣的原价真的是4000元吗？它为什么会被降价？它真的适合我吗？我真的需要一件大衣吗？
系统1的反应是：“半价！买！”
系统2的思考是：“等等，让我检查一下这个决定的合理性。”
当然，系统2不需要在每一个小决定上都“大动干戈”。如果你真的很喜欢那件大衣，而且你的预算允许，那么接受系统1的“半价！买！”反应也未尝不可。但关键是，你需要知道系统1什么时候在说谎或不完整，什么时候需要系统2来帮忙把关。
七、认知的盲区：超越注意力的局限
本章开头的大猩猩实验揭示了注意力的盲区——我们看不见没有被注意的东西。但认知的盲区远不止于此。
心理学家们发现了许多不同类型的认知盲区，它们共同构成了我们思维中的“盲点”。
后见之明偏误：事后诸葛亮的陷阱
你有没有过这样的经历：在某件出乎意料的事情发生后，你突然觉得“其实我早应该想到的”？
比如，在一场重要的考试结束后，你发现题目比你预期的要难很多。你开始回想：“其实那道题考察的知识点我明明复习过，为什么当时没想到呢？我早应该想到会考这个难度的。”
或者，在一支不被看好的球队赢得了比赛后，评论员们纷纷说：“其实这支球队的战术安排早就有迹可循……”
这就是所谓的“后见之明偏误”（Hindsight Bias）。我们倾向于在事件发生之后，高估自己在事件发生之前预测结果的能力。我们把结果视为“不可避免的”或“显而易见的”，但实际上，在事件发生之前，同样的信息可能指向许多不同的结果。
后见之明偏误的危险在于，它会让我