思考,快与慢-第21部分

快捷操作: 按键盘上方向键 ← 或 → 可快速上下翻页 按键盘上的 Enter 键可回到本书目录页 按键盘上方向键 ↑ 可回到本页顶部! 如果本书没有阅读完，想下次继续接着阅读，可使用上方 "收藏到我的浏览器" 功能 和 "加入书签" 功能！


1。RGRRR

2。GRGRRR

3。GRRRRR

因为这个骰子绿色面的数量是红色的2倍，第一组就很不具代表性，就像琳达是个银行出纳这一选项一样。第二组包括6次投掷结果，与预期投骰子结果更为符合，因为它有两个G。但是这个结果在设计时只是在第一种序列的开头加了个G，所以它比第一组更不可能，只是相当于“琳达是个积极参与女权主义的银行出纳”的非言语表达。与琳达的研究一样，典型性主导着上例的结果。几乎三分之二的受试者更愿意在第二组上下注，而不愿赌第一组。然而，当人们看到支持两种选择的理由时，大多数人发现正确的理由（偏向第一组的）更可信。

下一个问题是个突破，因为我们终于找到了可以降低合取谬误的条件。两组受试者看到同一个问题，但其变量稍显不同：

不列颠的哥伦比亚省针对成年男子样本作了一个健康调查，这些男子年龄不同，职业也不同。请对以下价值给出最佳评估：

在被调查的男子中，有几成人有过一次甚至多次心脏病发作的经历？

在被调查的男子中，有几成人既超过了55岁又有过一次甚至多次心脏病发作的经历？

不列颠的哥伦比亚省对一个由100名成年男性构成的样本进行了调查，这些男性年龄不同，职业也不同。请对以下价值给出最佳评估：

100名受试者中有多少位有过一次甚至多次心脏病发作的经历？

100名受试者中有多少超过55岁又有过一次甚至多次心脏病发作的经历？

看左栏问题的小组的错误率为65％，而看右栏的小组的错误率仅为25％。

为什么“在100名受试者中有多少……”的问题比“有几成人……”更容易回答？有一个可能的解释是“100名”这个参考值给大脑一种空间上的暗示。假使有很多人按照指示把自己归到一间屋子里的不同小组中去：“名字首字母是A到L之间的人到房间的左前方角落去。”然后这个小组中的人再按照指示进一步分组。这种包含的关系现在已经很明显了，你会看到名字以C字母开头的人是左前方角落中那群人的一分子。在这个医学调查问题中，心脏病患者最终会走到屋子的某个角落，他们中有些人不足55岁。不是每个人都能想象出这一场景的，但很多后续实验显示，人们所熟知的典型频率会使人们更容易理解一个组完全被另一个组包含的概念。上述问题中的“多少”使你想到了个体，但“几成”就不会使你有这种联想，从这点来看，这个难题的答案就不难理解了。

关于系统2的工作机制，我们从这些研究中能窥见多少？有一个已经不算新鲜的说法是，系统2并非时刻处于警惕状态。参与我们那些合取谬误实验的大学生和研究生当然都“知道”维恩图解中的逻辑，但即使所有的相关信息都摆在面前，他们也没有对此加以运用。“少即是多”模式的荒谬在奚恺元的餐具实验中表现得淋漓尽致，在“多少”的事例中也非常容易识别出来，但对那些在最初的琳达问题以及其他相似问题中也犯了合取谬误的数千人来说，这一模式还不够明显。在所有这些例子中，合取谬误显得貌似合理，而且也获得了系统2的认可。

系统2的惰性也是导致判断失误的部分原因。如果这些受试者的下一次休假要根据此次调查结果来决定，而他们又有足够的时间，被告知要遵循逻辑，直到确定答案正确才能说出来，我相信大多数受试者都是可以避开合取谬误的。然而，（事实是）他们的休假并不取决于一个正确的答案，他们几乎没费什么时间就得出了答案，而且他们也愿意用随意的方式来回答这个问题。系统2的惰性是生活中存在的一个重要事实，而对典型性会阻碍明显的逻辑原则运用的相关观察也至关重要。

琳达问题值得注意的一个方面是：它与餐具实验的结果形成了对比。这两个问题有着相同的构造，但却产生了不同的结果。那些看到成套餐具中有破损餐具的人会给这套餐具标低价，他们的行为是直觉反应。其他能看到两套餐具并进行对比的人则能运用逻辑原则，得出多出来的餐具只是为了增加价值的结论。在组间研究情况下作判断时，直觉就会起作用，逻辑原则则在综合评估中起作用。而在琳达问题中却不是这样，直觉常会推翻逻辑，即使在综合评估中也会如此，虽然我们确定有些场合下逻辑会占主导地位，但大胆的直觉也会将其推翻。

我们在一些明确的问题中观察到了概率公然违背逻辑的现象，阿莫斯和我都认为这种有悖逻辑的现象非常有意思，值得和同事们分享。我们还相信这些结果能进一步加强我们关于判断启发式强大作用的论证，这会让怀疑者哑口无言。然而在这一点上，我们是大错特错了，琳达问题竟然成了争论规范的研究案例。

琳达问题引起了广泛的关注，它也引发了众人对我和阿莫斯关于判断的研究方法的批评。一些研究人员发现将指示和提示结合起来可以减少谬误的发生，这跟我们已有的发现没什么两样。有些人争论道，在琳达问题中，受试者将“概率”理解为“貌似合理”完全是合情合理的。这些争论有时波及我们的整个研究，说我们的所有结论都在误导公众：如果一种显著的认知错觉能被削弱或解释清楚，其他的系统功能也会如此。这个理论忽视了合取谬误是直觉和逻辑间的矛盾冲突这一特殊性。我们通过设计组间实验对启发式进行论证的论据没有受到质疑，简单地说就是没有被讨论过，而且因为过于重视合取谬误，这个证据的突出性也被掩盖了。琳达问题的净效应是我们的工作对于普通民众来说更透明了，而在此领域的学者中，我们的研究方法的可信度有了一点欠缺。当然我们绝不会料到事情会这样。

如果你去法庭就会看到律师们往往采用两种批评风格：要想推翻某个案件，他们往往会去质疑支持此案的最有力证据，他们会找准证词中最薄弱的地方，让目击证人变得不值得相信。关注弱点在政治辩论中也很常见。我认为在科学争论中这是不恰当的，但我越来越相信一个事实，那就是社会科学中的辩论规则无法阻止政治辩论的风格，尤其在紧要关头的重大问题的讨论上，人类判断中普遍存在的偏见就是个重大问题。

几年前，我和拉尔夫·赫特维格（Ralph　Hertwig）有过一次友好的交流。他对琳达问题一直都持批评态度，而我想通过琳达问题解决我们之间的分歧，不过结果证明这只是徒劳之举。我问他为什么和其他人只关注合取谬误，而不关注其他可支持我们立场的更强有力的发现。他笑着说：“这个问题更有意思啊。”他说琳达问题引来了众多关注，我们没有理由抱怨什么。

示例：少即是多

“他们构建了一个非常复杂的情节，还坚持说这个情节出现的可能性很大。这不是真的，这只是个貌似合理的故事而已。”

“对于贵重的产品他们还附赠一个便宜的小礼物，这样的话，整套产品就不那么吸引人了。少即是多就是这个意思。”

“很多情况下，直接的比较使得人们更谨慎也更有逻辑性。不过，也不常是这样。有时即使正确的答案就在眼前，直觉也会打败逻辑。”

第16章　因果关系比统计学信息更具说服力

请考虑下列情境，凭直觉写出答案。

一辆出租车在夜晚肇事后逃逸。

这座城市有两家出租车公司，其中一家公司的出租车是绿色的，另一家是蓝色的。

你知道以下数据：这座城市85％的出租车是绿色的，15％是蓝色的。一位目击证人辨认出那辆肇事出租车是蓝色的。当晚，警察在出事地点对证人的证词进行了测试，得出的结论是：目击者在当时能够正确辨认出这两种颜色的概率是80％，错误的概率是20％。

这场事故的出租车是蓝色而不是绿色的概率是多少？

这是“贝叶斯定理”的一个标准问题。我们可以从中得到两条信息：一个基础比率以及不完全可靠的目击者证词。若没有目击者，肇事出租车是蓝色的概率（即蓝色出租车的基础比率）为15％。若两家出租车公司规模一样大的话，基础比率就会变成无用信息，你就只需考虑目击者的证词，因而这个问题的概率就是80％。我们可以用贝叶斯定理将这两个信息源结合起来，得出正确答案是41％。然而，你可能会想到当人们面对这个问题时是怎样做的：他们会忽略基础比率，只考虑目击者的因素。因此，最普遍的答案是80％。

因果关系基础比率与思维定式

现在，请考虑一下上述问题的另一种表述方式，在这个表述中，只有基础比率发生了变化。

你得到的数据如下：两家公司拥有数量相同的出租车，但是在出租车造成的事故中，绿色出租车占85％。关于目击证人的信息与上例相同。

同一问题的两种表述从数学角度来看并没有区别，但从心理学角度来看则有很大不同。看了第一种表述的人并不知道怎样运用基础比率，通常会忽略它。相反，看到第二种表述的人会对基础比率给予一定重视，他们的平均判断与运用贝叶斯定理解决该问题得出的答案相差不多。这是为什么呢？

在第一个表述中，蓝色出租车的基础比率是关于这座城市出租车的统计学事实。大脑极其渴望找到其中的因果关系，但却一筹莫展：这座城市绿色和蓝色出租车的数量与出租车司机肇事后逃逸到底有什么因果关系呢？

而在第二个表述中，开绿色出租车的司机比开蓝色出租车的司机肇事率高5倍。于是你会马上得出结论：开绿色出租车的司机是一群莽撞的疯子！现在，你认为绿色出租车司机是莽撞的，并对这家公司所有你并不认识的司机都抱有这种印象，我们称之为思维定式。我们很容易将这样的思维定式设定在因果关系里，因为莽撞是使出租车司机与肇事逃逸产生因果联系的相关事实。在这个表述中，有两个因果关系需要放在一起考虑。第一个是肇事后逃逸，这件事使人很自然地认为莽撞的绿色出租车司机难脱干系；第二个是目击者的证词，证词特别强调肇事出租车是蓝色的。根据这两个因果事件对出租车颜色作出的推断是相互矛盾的，因此如果其中一个成立就相当于另一个被推翻。这两种颜色的概率大致相同（用贝叶斯定理估计出的概率是41％，这说明与目击者确信出租车为蓝色的概率相比，绿色出租车的基础比率略为极端了些）。

这个出租车的实例阐明了两种基础比率。“统计学基础比率”（statistical　base　rates）是指某一事件所属类别的事实总量，与单独事件无关；而“因果关系基础比率”（causal　base　rates）则会改变你对单独事件的看法。对两种基础比率，人们往往会区别对待：统计学基础比率普遍受到轻视，当人们手头有与该事件相关的具体信息时，有时还会完全忽略这一比率。因果关系基础比率被视为个别事件的信息，人们很容易将这一比率与其他具体事件的信息结合起来考虑问题。

与因果关系相关的那个出租车问题存在一种思维定式：绿色出租车的司机是危险的。思维定式是指人们会（至少暂时会）将自己对某个团体的看法延伸到这个团体中每一个成员的身上（团体存在某些问题，其中的成员无一例外也都会有这些问题）。下面有两个例子：

这所位于市中心的学校的绝大多数毕业生都能考上大学。

自行车风靡整个法国。

这些陈述很容易被理解为某个团体中每个个体都具有某种倾向，符合因果关系。这所位于市中心的学校的许多毕业生都想要上大学，他们也有这个能力，原因可能是这所学校的校园生活有利于学生身心发展的特点。法国文化及社会生活中蕴涵着使法国人对骑自行车感兴趣的推动力。当你想到某学校毕业生进入大学的可能性或考虑是否与一个刚认识的法国人谈论环法自行车比赛时，你就会联想到这些事实。

思维定式在我们的文化中是个贬义词，但我把它当成一个中性词来用。系统1的基本特征之一就是它代表了范畴规范和原型范例。这样的规范和范例决定了我们怎样看待马、冰箱及纽约市的警察，因为我们会在记忆里存储与所有这些范畴的事物或人相关的一个或多个“规范的”典型形象。当这些范畴具有社会性时，这些典型形象就被称为思维定式。有些思维定式的错误是致命的，负面的思维定式可能会产生可怕的后果，但这样的心理学事实无法避免：不管是对是错，思维定式都是我们对不同范畴事物的看法。

你可能发现了其中的讽刺之处。在出租车问题的情境中，忽略基础比率信息是一个认知错误，是贝叶斯定理的失败；依赖因果关系基础比率才能获得令人满意的答案，形成对绿色出租车司机的思维定式便会提高判断的准确度。然而，在其他情境中，例如涉及雇佣问题或整体概述时，社会规则与思维定式会发生强烈冲突，在法律当中同样有所体现。事实就是如此，无须大惊小怪。在敏感的社会情境中，我们不想根据某个团体的相关统计数据对个人做出可能是错误的结论。我们认为应该将基础比率视为与整体相关的统计学事实，而不是与个人相关的假设性事实。换句话说，我们反对利用因果关系基础比率。

社会规范往往反对思维定式，包括对整体概述这一做法的否定，这对于建立一个更加文明平等的社会大有益处。然而，我们也应该知道，忽略有根据的思维定式会不可避免地妨碍我们的判断。打破思维定式是值得称道的道德主张，但是如果简单地认为打破这种印象不用付出任何代价，那就错了。为了建立一个更美好的社会，付出这些代价都是值得的；然而如果只顾满心欢喜和正确的政治立场，却否认代价的存在，这种态度是经不起科学推敲的。在政治分歧中依赖情绪启发是很常见的，我们赞同的某些立场无须成本，我们反对的某些立场也没有益处。我们应该有能力可以做得更好。

我和阿莫斯设计了许多出租车问题的衍生实验，但并没有发明因果关系基础比率这一强大概念，我们是从心理学家埃塞克·阿杰恩（Icek　Ajzen）那里借用了这一概念。阿杰恩在他的实验中给受试者简单描述了一些学生在耶鲁大学参加考试这件事，然后要求受试者判断其中每个学生通过考试的概率。因果关系基础比率的影响是非常明显的：阿杰恩告诉一组受试者，那些考生中有75％的人通过了考试；而告诉另一组受试者，考生考试的通过率是25％。这项测试的困难自然在于，受试者需要用众多因果关系中的一个来判断每一个学生的考试结果。不出所料，阿杰恩的受试者都对因果关系基础比率非常敏感，在高成功率的情境中，受试者估测出的每个学生通过考试的概率都要高于在高失败率的情境中那些受试者的估测值。

阿杰恩运用一个颇具独创性的方法指出了一个非因果关系的基础比率。他告诉受试者，那群学生是从一个样本中抽取的，而且这个样本是从已得到考试结果的学生中抽取的。例如，处于高失败率情境的那一组所看到的信息如下所示：

研究者主要是对考试失败的原因很感兴趣，所以选取的样本中有75％的学生是没通过考试的。

请注意其中的不同。这个基础比率是一个关于选取示例整体的纯统计学事实。这与所问的问题（即个别学生是否通过考试）并无关联。正如人