all_lessons/心理学/06第 7 课 / 共 17 课

第二部分 · 输入端:世界是被造出来的

思维与判断:捷径、偏误与两个系统

给你看一个明显无关的数字,你的下一个判断就被它悄悄拽走了——而你全程不知道。这不是你笨,是你脑子里那台省力机器在按设计干活。

上一课把我们逼到这里
第 05 课拆穿了记忆:它不是录像带,而是每次回忆时按当下的图式重新拼装出来的故事,还能被一句引导性的问话悄悄改写。我们存进脑子的「过去」本身就是靠不住的材料。可问题马上接踵而至:大脑拿这些不可靠、会被改写、还只剩「要点」的材料去做判断和决策时,会犯哪些系统性的错?——不是偶尔失手的随机错误,而是人人都会、方向一致、可以预测的错。这一课,就去抓这些错的规律。
本课路线
(1) 先看一个反应时间的小账本,说清大脑为什么必须走捷径;(2) 引入卡尼曼的系统1 / 系统2——又快又自动 vs 又慢又费力的两套档;(3) 用三个最硬的偏误(锚定、可得性、框架效应)看判断如何被系统性地拽偏;(4) 玩一个锚定效应部件,给你一个毫不相干的随机数,再让你估一个量,亲眼看你的估计被那个数拖着走;(5) 收口到引擎——偏误不是 bug,是「够用机器」付的合理代价。

钩子:你脑子里的两套档

先做两道题。第一道:2 + 2 = ? 答案没经过你「思考」就蹦出来了——你甚至拦不住它,它是自动的。第二道:17 × 24 = ? 这一道你立刻感到一种不同的状态:你得停下来、瞳孔放大、屏住呼吸、调动注意力,一步步算。你能感觉到它费劲。

这两道题用的是大脑里两套截然不同的运转方式。心理学家丹尼尔·卡尼曼 (Daniel Kahneman) 在《思考,快与慢》(Thinking, Fast and Slow) 里把它们叫做系统1 (System 1)系统2 (System 2)

系统1:快自动、瞬时、毫不费力、并行、永远在线。识别人脸、读出母语词义、对突然的声响转头、感到对方在生气——它不需要你「决定」去做,它替你做了。绝大多数日常判断都由它出。
系统2:慢刻意、费力、串行、容量极小、还很懒。做乘法、填表、在嘈杂房间里听清一个人说话、检查一个论证有没有漏洞——它一启动就累,所以平时尽量不启动。
谁说了算你以为「我」=那个深思熟虑的系统2。可真相是:系统2大部分时候在打盹,直接采纳系统1递上来的直觉答案。我们感觉自己理性,其实是系统1在掌舵,系统2事后盖章。

这两套档不是比喻里的两个小人,而是对一组心理过程的方便称呼。关键在于它们的分工逻辑:系统1负责又快又省地处理铺天盖地的输入,系统2只在系统1搞不定(或被叫醒)时才勉强上场。而几乎所有我们要讲的「偏误」,都发生在系统1给出一个又快又顺的答案、系统2懒得复核就放行的那个瞬间。

原著 / 研究 · 启发式与偏误纲领
「系统1 / 系统2」这套说法由卡尼曼在《思考,快与慢》(2011) 中推广(术语本身借自 Stanovich 与 West)。它背后是卡尼曼与阿莫斯·特沃斯基 (Amos Tversky) 从 1970 年代起开创的「启发式与偏误」(heuristics and biases) 研究纲领——他们用一连串巧妙的题目证明:人的判断不是随机出错,而是沿着可预测的方向系统性偏移。卡尼曼因此获 2002 年诺贝尔经济学奖(特沃斯基已于 1996 年去世,未及获奖)。提醒:本课讲的锚定、可得性、框架效应是这套纲领里重复性较好的核心发现;但「启动效应 (priming)」家族中有不少结论在复制危机中站不住,别把『听过的每个心理学小实验』都当铁律——这正是第 01 课讲的「看证据、可证伪」的态度。

为什么必须走捷径:一笔算不过来的账

有人会想:既然系统1常出错,那干脆都用系统2、凡事都想清楚不就好了?这个想法忽略了一笔账。系统2极慢、极耗能、容量极小——同一时刻你只能费力想一件事(一边算 17×24 一边过马路,你多半会停下脚步)。而现实每秒钟向你砸来的判断多得数不清:这张脸是敌是友、这个声音从哪来、该不该接这句话、前面那辆车要不要变道……

如果每个判断都交给系统2慢慢演算,你会在做出第一个决定之前就被这个世界吃掉。演化没有给你「精确」的预算,只给了你「够用且活着」的预算。于是大脑的策略是:用一批又快又省的启发式 (heuristics)——经验法则、思维捷径——把绝大多数判断在系统1里几毫秒解决掉,只把极少数真正棘手的留给系统2。

判断 ≈ 用一条够快够省的捷径,把难问题悄悄换成一个好答的问题

卡尼曼把这叫替换 (substitution):当被问一个难题(「这家公司值得投资吗?」),系统1常常偷偷把它换成一个更好答的题(「这家公司给我的感觉好不好?」),然后把后者的答案当成前者交上去——你甚至察觉不到这次偷换。捷径大多数时候让你又快又对,但同一条捷径,在某些情形下会让一整群人朝同一个方向集体算错。这种「可预测的集体算错」,就是偏误 (bias)。下面看三条最硬的。

三条捷径,三种系统性偏移

① 锚定 (anchoring)。 在做数值估计时,你会不自觉地从某个初始值出发、再做调整——而调整往往不够,于是最终估计被那个初始值「拽」住。要命的是,哪怕那个初始值明显无关、明显随机,它照样起作用。卡尼曼与特沃斯基的经典演示:让人先转一个(被暗中操纵的)轮盘转出一个数,再问「非洲国家占联合国成员国的比例是多少」。转出大数的人,估计值系统性地高于转出小数的人——尽管轮盘和非洲国家八竿子打不着。本课的部件,就让你亲手中这一招。

② 可得性 (availability)。 当被问「某件事有多常见 / 多可能」,系统1偷偷把它换成「相关例子有多容易从脑子里冒出来」。容易想起的,就觉得更常发生。于是:空难比车祸惨烈、上新闻、画面鲜明,例子极易调取,人们便高估死于空难的概率、低估死于车祸的概率——而后者其实常见得多。新闻越爱报道某类罕见事件,公众越觉得它「到处都是」。容易想起 ≠ 真的常发生,但系统1把这两者划了等号。

③ 框架效应 (framing)。 同一个事实,换一种说法,判断就翻转。一种疗法说成「存活率 90%」还是「死亡率 10%」,病人和医生的选择都会变;一块肉标「95% 瘦肉」比标「含 5% 脂肪」卖得更好——尽管说的是同一件事。系统1对「措辞」极其敏感,对「逻辑等价」却视而不见。呈现的方式(怎么框)改变了答案,哪怕被框的内容一字未变。

这里在逼问什么
注意这三条的共同点:它们都不是随机噪声。给一群人一个高锚,他们会一起估高;让一类风险更容易被想起,大家会一致高估它;把同一事实换个正向框,多数人会同向地更愿意接受。换句话说,这些错有方向、可预测、能被设计出来——广告、谈判、菜单定价、政治话术,全在利用它们。一个会随机出错的脑子还算诚实;一个会沿固定方向出错的脑子,却能被别人系统地牵着走。那么,这到底是大脑的缺陷,还是别的什么?

动手:锚定效应——让一个无关数字拽走你的估计

下面这个部件会分给你一个「锚」——一个由你的访问序号决定、和真正要估的问题毫不相干的随机数(高锚组 vs 低锚组,部件用固定种子的伪随机分配,刷新页面结果不变)。你会先看到这个锚被装进一句无害的问话里,然后才让你填你的估计。填完,部件把你的估计和「另一组(拿到相反锚的人)」的群体平均放在一起——你会看到两组的平均被各自的锚拉开。提示:估之前,请别偷看下面的真实答案。

锚定效应:一个无关的数字,一次被拽偏的估计
要估的问题是:世界上独立国家(联合国会员国)大约有多少个?部件会先给你一个锚,把它包在一句「先大于还是小于 N?」的问话里——这个 N 是随机分配的,和正确答案没有任何关系。先回答那句问话,再填你的估计。系统1会偷偷拿 N 当起点。
你被分到的锚
你的估计
高锚组平均
低锚组平均
判定
先回答问话,再提交估计
真实答案藏在你提交之后——先估,别偷看。

玩完点破:注意两件事。其一,那个锚明明白白是随机的、和「国家数」毫无逻辑联系,可拿到高锚的人群(包括上千个模拟访客)平均估得更高,拿到低锚的更低——两条群体平均被锚拉开了一截。其二,你做这道题时,完全没感觉自己被影响。你以为是自己「独立估」出来的,其实系统1早把那个无关数字当成了起点。这就是偏误最阴的地方:它发生在系统1里,不进入意识,所以你毫无防备。(部件用固定种子,所以群体平均稳定可复现;真实数字见提交后的提示。)

引擎回扣:偏误不是 bug,是「够用」的合理代价

现在回到那个逼问:锚定、可得性、框架效应——这些是大脑的设计缺陷吗?这门课的引擎给出一个反直觉的答案:不是。它们是同一台「为生存而建构现实」的机器,为了「够用」而付出的合理代价

想想看:在信息又稀薄又紧急的真实世界里,「从一个现成的起点出发再微调」(锚定)通常比「从零开始重算」快得多也常常够准;「容易想起来的事更可能正发生」(可得性)在祖先的环境里大体成立——你最近常遇到的危险,确实最值得防备;「对措辞敏感」让你能飞快抓住一句话的情绪基调而不必逐字逻辑分析。这些捷径在演化所处的环境里,绝大多数时候救了命。它们偶尔让你算错,正是因为它们为了「快」放弃了「精确」——这是同一笔交易的两面,和第 05 课「记忆只存够用的要点而非全部细节」、第 03 课「知觉是够用的最佳猜测而非精确还原」,是一模一样的逻辑。

暗线回扣 · 「够用,不是真」
把 02、03、04 连起来看,你会撞见同一句话的第三次出现:这台机器优化的是「有用」,不是「真」。知觉为了够用而,记忆为了够用而只存要点,判断为了够用而走捷径。偏误因此不是机器坏了的证据,恰恰是机器按设计高效运转的证据——它露馅,只发生在我们把它从「演化所处的环境」搬进「填问卷、买股票、读新闻标题」这类祖先从没遇到过的、专门能戳中捷径软肋的新场景里。缺陷感来自环境错配,不来自机器本身。

这也给了我们一点实用的把手:你没法关掉系统1(也不该关,关了你寸步难行),但你可以学会认出那些专戳捷径的场景——遇到一个孤零零的大数字、一个特别鲜活的恐怖故事、一句精心措辞的说法时,主动叫醒懒惰的系统2去复核一遍。知道偏误存在,本身就是给系统2装了个报警器。

常见误解

一句话带走
大脑靠又快又省的捷径(启发式)做判断,由自动的系统1主导、懒惰的系统2盖章;锚定、可得性、框架效应让一整群人朝同一个方向系统性地算错。但偏误不是缺陷——它是「为生存建构现实」这台机器为「够用」付出的合理代价:大多数时候救了你,只在祖先没遇过的新场景里偶尔露馅。和知觉、记忆一样,它优化的从来是「有用」,不是「真」。
下一步
这一课我们看到判断靠一批捷径在跑——可一个新问题立刻冒出来:这些又快又省的捷径,是天生就刻在脑子里的,还是后天一点点来的?锚为什么会拽住你、什么样的例子才「容易想起」,背后是不是有一套大脑学习的通用机制?更根本地问:大脑到底是怎么「学」任何东西的?下一课会给出一个出人意料的答案——学习的核心不是「重复多少次」,而是「预测错了就更新」。→ 第 07 课《学习:联结、强化,与「预测错了就更新」》。