導讀：

作者：丹尼爾·卡尼曼，普林斯頓大學(xué)尤金·希金斯心理學(xué)榮譽(yù)退休教授，普林斯頓的伍德羅·威爾遜公共及國際事務(wù)學(xué)院榮譽(yù)教授。憑借著(zhù)與阿莫斯·特維斯基對決策制定問(wèn)題的開(kāi)先河之研究，卡尼曼獲得了2002年的諾貝爾經(jīng)濟學(xué)獎。

社會(huì )思想的一部里程碑式著(zhù)作，堪與亞當·斯密的《國富論》和弗洛伊德的《夢(mèng)的解析》相媲美。如果你今年只能讀一本書(shū)，就讀這一本！

英文版2011年10月底上市，兩個(gè)月時(shí)間內即打入《紐約時(shí)報》和《經(jīng)濟學(xué)人》的年度十佳圖書(shū)榜?！都~約時(shí)報》暢銷(xiāo)書(shū)排行榜前20名，上市至今超過(guò)7個(gè)月，橫掃全球各大暢銷(xiāo)書(shū)排行榜。

50 年前，人們以為我們能駕馭自己的思想。但事實(shí)上，我們的行為常常受到許多無(wú)法看見(jiàn)的因素所影響。我們雖然身處生活這場(chǎng)游戲之中，但對游戲的機制卻不理解，偏見(jiàn)常常導致我們追求錯誤的東西。我們的感知和記憶并不可靠，對于自己心理狀態(tài)的感知和記憶尤其不可靠。

關(guān)于人類(lèi)自身還有許多未知之謎，對于自己，我們了解得其實(shí)不多?？崧腿缢枷氲耐鼗恼?，他的研究成果為我們認識自我提供了重要的支點(diǎn)?？崧鼘τ谌祟?lèi)思考和選擇的理解所作出的貢獻，無(wú)人能出其右。作為歷史上重要的一位心理學(xué)家，卡尼曼重塑了認知心理學(xué)、理性和因果關(guān)系分析，重新詮釋了風(fēng)險，重新闡釋了幸福和財富的關(guān)系，寫(xiě)就了這部杰作。

關(guān)于我們的大腦有多容易上當，這本書(shū)作了全面、有說(shuō)服力的論述。根基于自己的和多位心理學(xué)家、經(jīng)濟學(xué)家與其他專(zhuān)家的研究成果，卡尼曼擁有了一種能力，能夠把數十年以來(lái)的研究成果以一種有趣的語(yǔ)言呈現出來(lái)，即使門(mén)外漢也能看得懂。這本書(shū)是一本非常重要的書(shū)。許多科學(xué)書(shū)通常是前后不一的，一些有趣的章節后面往往跟著(zhù)一些枯燥乏味的內容。這本書(shū)就不是這樣，它既是有分量的一本書(shū)，同時(shí)充滿(mǎn)了魅力和實(shí)用性，適用于我們的日常生活。每個(gè)人都應該讀讀這本書(shū)。

本次更新第二部分14-18章。會(huì )持續更新。

第十四章：猜一下，湯姆的專(zhuān)業(yè)是什么

假如湯姆在一所著(zhù)名院校就讀研究生，請預測湯姆就讀于9個(gè)專(zhuān)業(yè)的概率，并排序。

工商管理、計算機科學(xué)、工程系、人文與教育、法學(xué)、醫學(xué)、圖書(shū)館學(xué)、自然科學(xué)與生命科學(xué)、社會(huì )科學(xué)與社會(huì )工作。

在沒(méi)有其他參考依據下，人們常跟進(jìn)基礎比率來(lái)進(jìn)行推測，基礎比率就是每個(gè)專(zhuān)業(yè)在全國這個(gè)專(zhuān)業(yè)的學(xué)生所在比率。

但另外一些事情下，我們沒(méi)有基礎比率作為參考。而我們可能依據典型性作出預測，并且是下意識的行為。比如，我們給湯姆進(jìn)行了一些具體的描述，然后再讓受試者對湯姆可能的專(zhuān)業(yè)進(jìn)行排序，這時(shí)實(shí)際上學(xué)生比率人數較少的計算機科學(xué)排在最前面，因為這個(gè)專(zhuān)業(yè)最典型。

典型性和基礎比率之間存在沖突，心理學(xué)家也努力將他們之間的沖突描述出來(lái)。在上面的實(shí)驗中，當我們看到某個(gè)人的具體性格特征后，基礎比率的影響被忽視掉了，轉而我們依據了典型性進(jìn)行判斷。我們對相似性的判斷可以完全不受基礎比率的影響，不受可能會(huì )出現的不當描述的影響，但是在判斷概率時(shí)，如果忽略基礎比率和證據的可靠性的話(huà)，就注定會(huì )犯錯誤。

典型性啟發(fā)的兩宗罪：

用典型性來(lái)判斷概率有一些優(yōu)點(diǎn)，它們所帶來(lái)的初始印象通常比亂猜要準確。但是它有兩個(gè)不足。

第一：它過(guò)于喜愛(ài)預測不可能發(fā)生的事件。

比如預測你在紐約地鐵里面閱讀《紐約時(shí)報》的是博士還是一個(gè)沒(méi)有大學(xué)文憑的人。典型性會(huì )告訴你選擇他可能是博士，但是其實(shí)紐約地鐵中，沒(méi)有大學(xué)文憑的人有更高概率。這就是因為忽視基礎比率造成的誤判。

第二：它對證據質(zhì)量不夠敏感。在湯姆的實(shí)驗中，我們對湯姆有一些描述，其中一些描述激發(fā)了你的聯(lián)想機制，比如“他對人冷漠，缺乏同情心”這樣的描述讓你覺(jué)得它不太可能是社會(huì )科學(xué)與社會(huì )工作專(zhuān)業(yè)的學(xué)生。然而，這樣的描述其實(shí)不可信。但是這條質(zhì)量不夠的信息還是影響了你的系統1的判斷。

用貝葉斯定理來(lái)約束直覺(jué)

貝式統計學(xué)提供了類(lèi)似湯姆問(wèn)題的“定理”，人們認為他是為一個(gè)重大問(wèn)題作出重要貢獻的第一人，這個(gè)問(wèn)題是“如何推斷人們是怎樣根據證據改變自己想法的”。它詳細說(shuō)明了最強烈的信念（基礎比率）應該與證據分析相結合，這樣才能更接近假設。有兩個(gè)要點(diǎn)：基礎比率十分重要；通過(guò)分析證據得到的直觀(guān)印象通常都會(huì )被夸大。眼見(jiàn)為實(shí)與聯(lián)想一致性的結合容易讓我們相信自己編撰的故事。

第十五章：琳達問(wèn)題的社會(huì )效應

我們通過(guò)對一位虛擬人物琳達進(jìn)行了一些具體的描述，然后讓受試者預測她的身份。其中有個(gè)選項比較特殊，一個(gè)是“銀行出納”，另外一個(gè)是“積極參與女權主義的銀行出納”，按照概率應該是第一個(gè)包含第一個(gè)才對，但是在實(shí)驗中，多數人將第二個(gè)排在前面，這個(gè)實(shí)驗結果是：典型性戰勝了概率邏輯。

這個(gè)有違背邏輯的現象，我們稱(chēng)為“合取謬誤”，就是人們總會(huì )認為兩個(gè)事件的聯(lián)合出現的概率要大于單一事件出現的概率。就是說(shuō)受試者認為，琳達既是銀行出納又是一位女權主義者的概率當然要大于只是銀行出納。這樣的誤判在我們生活中也非常常見(jiàn)，這其中有系統2的懶惰使得系統1根據典型性判斷有一定的關(guān)系。

但是在一些貌似合理和連貫性的評估中，概率邏輯會(huì )占據上風(fēng)，比如：

簡(jiǎn)是一位老師。

簡(jiǎn)是一位老師，她走路上班。

這兩個(gè)連貫性的問(wèn)題，邏輯就會(huì )起作用。

第十六章：因果關(guān)系比統計學(xué)信息更具有說(shuō)服力

統計學(xué)基礎比率普遍被忽視，當人們手上有與該事件相關(guān)的具體信息時(shí)，有時(shí)還會(huì )完全忽略這個(gè)比率。因果關(guān)系基礎比率被視為個(gè)別事件的信息，人們很容易將之一比率與其他具體事件的信息結合起來(lái)考慮問(wèn)題。因此大部分情況下因果關(guān)系比統計學(xué)的信息更具有說(shuō)服力。

系統1的基本特征之一就是它代表了范疇規范和原型范例。這樣的規范和范例決定了我們怎樣看待事情，因為我們會(huì )在記憶里存儲所有這些范疇的事物或人相關(guān)的典型形象。這些范疇是具有社會(huì )性的，這些典型形象被視為思維定式。思維定式是一個(gè)中性詞而非貶義詞，但有些思維定式的錯誤是致命性的。

思維定式就是我們通過(guò)典型性來(lái)對不同事物形成了固定模式的看法。但社會(huì )規范往往反對思維定式，我們更主張基于統計學(xué)的基礎比率而非基于因果關(guān)系的基礎比率（典型性）來(lái)判斷預測。但要打破思維定式是有困難的。

第十七章：所有表現都會(huì )回歸平均值

實(shí)驗證明，第二次的表現與第一次的表現并無(wú)因果關(guān)系。在運動(dòng)比賽中也一樣，第一天表現好，和第二天表現差并無(wú)直接因果關(guān)系。實(shí)際上，對比賽選手第二天的表現預測更趨向于平均值，而不是基于第一天的表現。這種模式叫“回歸平均值”。

這種回歸效應無(wú)處不在，很多可以說(shuō)明這一效應的誤導性因果事件同樣司空見(jiàn)慣。這種回歸現象的發(fā)現也意義重大，因為直到萬(wàn)有引力和微積分的出現兩百年后，這種現象才被人們所理解。正是達爾文的表兄發(fā)現并命名了回歸平均值的現象。

后來(lái)，另外一位心理學(xué)家證明了相關(guān)性和回歸性是同一個(gè)概念，只是從不同角度闡述：只要兩個(gè)數值之間的相關(guān)度不高，就會(huì )出現回歸平均值的情況。比如聰明女人通常會(huì )嫁個(gè)一個(gè)不如自己聰明的男人。

第十八章：如何讓直覺(jué)性預測更恰當有效

在生活和商業(yè)中，我們經(jīng)常會(huì )預測事物未來(lái)走勢，有一些預測是基于數據分析而來(lái)，而有一些預測則是需要直覺(jué)和系統1的共同參與。

直覺(jué)主要有兩類(lèi)。有些直覺(jué)是依靠反復訓練得來(lái)的技能和經(jīng)驗；還有一些是從一開(kāi)始就難以從主觀(guān)進(jìn)行區分。這種直覺(jué)受啟發(fā)發(fā)影響，人們常常在證據不足的情況下，用簡(jiǎn)單的問(wèn)題代替難以回答的問(wèn)題。在系統1的參與下，讓我們的預測往往偏離真實(shí)結果。我們也不會(huì )注意到需要回歸到平均值上來(lái)。

如何對直覺(jué)性預測的偏離進(jìn)行糾正

第一步：先估測出平均點(diǎn)的平均值；

第二步：根據你的證據的印象算出與之匹配的平均績(jì)點(diǎn)；

第三步：對你的證據和平均績(jì)點(diǎn)的關(guān)聯(lián)性作出估算；

第四步：如果關(guān)聯(lián)度是0.3，則從估算出的平均績(jì)點(diǎn)的平均值中抽出30%，放到與之匹配平均績(jì)點(diǎn)里。

修正你的直覺(jué)性偏見(jiàn)是系統2的任務(wù)，要想找到相關(guān)的參照物、對基準預測作出估測或者對證據的質(zhì)量進(jìn)行評估、往往需要付出很的努力。無(wú)偏見(jiàn)的預測一個(gè)特征就是，只有在信息非常有效時(shí)才允許人們對罕見(jiàn)或者極端的事件作出預測。