这篇文章是读《思考，快与慢》系列的第四篇
本篇文章接上一篇：启发法的大坑你不得不防，继续向您揭示“系统1”的启发法对我们认知造成的影响，内容包括：典型性启发法对基础概率的忽略以及合取谬误使我们不能更好的判断概率；我们用因果启发法解释均值回归并不靠谱；要用惊讶来改变一个人的认知；如何让直觉性预测更恰当有效？
典型性启发法会使你忽视基础概率
我们在对事物做出判断的时候，会下意识的使用典型性的启发法，而不是对概率的计算。
用典型性来判断概率有一些优点，它所带来的初始印象通常比乱猜一气更为精准。比如：
•在大多数情况下，表现的很友好的人实际上也很友好。
•又瘦又高的职业运动员有可能是打篮球的而不是踢足球的。
•高学历的人更有可能阅读财经杂志
但是，典型性启发法会使你对不可能发生的小概率事件更感兴趣，比如：当你看到一个人在地铁里看《财新周刊》，下面哪种情况与读者更吻合？
•他有硕士学位
•他没有大学文凭
典型性会告诉你选有硕士学位那位，但这么做是不明智的，在地铁里没有大学学历的人显然比有硕士学位的人多的多——这是一个“基础概率”，显然第二个选项是大概率事件。
在我们没有得到其他细节的时候，我们是会用基础概率做预测的，但是当得知一些个性特征后，我们就再也不会将基础概率纳入考虑范围了。因为典型性启发是系统1，系统2的忽视和懒惰会让人在有了个体特征后认为基础概率与问题并无关联。
典型性启发法还有一个问题，它会使人对证据的质量不够敏感，人们会轻信典型性的描述，事实上，不值得信任的信息就相当于没有信息，如果你对事物一无所知，你做的抉择就不是你的初衷了，你手头上那点信息也不能信了，你应该让基础概率主导预测。
当你怀疑信息的可靠性时，可以做一件事，做概率判断时，往基础概率那方面想，别期望遵循这条原则会很容易，它需要在付出很多努力的情况下自我监督和控制。
引导人们“像统计学家那样思考”就能使人们使用基础概率信息，要注意两点：
基础概率十分重要，即使是手上的案例已有证据的情况下依然如此。
通过分析证据得到的直观印象通常都会被夸大。
我们要：
以相对合理的基础概率对结果的可能性作出判断
质疑你对证据的分析
合取谬误 让你成为概率盲
下面哪种情况可能性更大？
•琳达是银行出纳
•琳达是银行出纳，同时她还爱好长跑
更多人会选择第二个，通过直接比较，人们总认为两个事件（银行出纳和长跑）的联合出现比只出现一件事的可能性更大，此时就出现了合取谬误。（著名的琳达实验中，第二个是女权主义者，改为长跑适应国情，便于理解）
再来看一个例子：
受试者被告知，有一个六面骰子，其中四个面是绿色（G），两个面是红色（R），连投20次，这三组哪种出现的可能性最大？
1 RGRRR
2 GRGRRR
3 GRRRRR
有2/3的受试者选择了第二组，与琳达实验的受试者一样，同样犯了合取谬误。第二组虽然出现两次G，但是这个组合只是在第一组之前加了一个G，显然出现的概率会更小。
由典型性启发法导致的合取谬误让我们成为概率盲。
所有表现都会回归平均值
关于技能训练有一条重要的原则，对良好表现的嘉奖比对错误的惩罚更有效。但是大家都更认同对错误的惩罚很有用，因为通常嘉奖后，人们的表现会变差，而惩罚后表现却会变好，其实，这不过是因为均值回归，在运气来了，表现好的时候，下一次很可能会更差，表现不好的时候，下一次却会回归正常水平，表现更好。
在两个数值之间没有相关性的情况下，就会出现回归平均值的情况。看这句话：
•聪明的女人常常会嫁给不如她们聪明的男人
当你在朋友聚会时挑起这个话题，一定会引起热烈讨论，大家纷纷发表自己的看法，人们很自然的用因果关系去解释这个现象，比如高智商女人避免同男人竞争；女人不得不在这方面做出妥协，blablabla……
再看这句话：
•夫妻二人智商之间的相关性并不是绝对的
这个观点显然正确，且无聊，你认为第一句是有趣观点，第二句是无聊观点，其实它们是完全一样的。
我们会对已有的记忆中的原因进行搜索，当发现有均值回归时，因果关系的解释就被激活，但事实上均值回归根本就没有原因。
那些能为回归效应提供巧妙解释的人往往赚得盆满钵满，就好比很多卖假药的，吃了XX几个月XX就好了，其实人体本身就有自愈能力，同样不过是均值回归，那些因果解释并不靠谱。
使人感到惊讶能改变人的认知
通过实验发现，在教授学生全新心理学知识时，必须令他们感到惊讶，才能改变他们原有的想法。当向学生展示令人惊讶的统计学事实时，他们什么也学不到，但当学生惊讶于个体案例时，例如具体人对具体事的反应，他们会立刻归纳并推理出新认知。
学习心理学面临的考验是，你对所处的环境的理解是否发生了改变，而不是你是否了解了一个新事物，我们对于数据的以及我们对于个体案例的想法存在很大差距。
我们不能假设仅仅通过统计数据学到知识，需要一两个有代表性的个案来影响我们的系统1（作出判断）。
所以卡尼曼在写《思考，快与慢》这本书时使用了大量的直接提问，与从别人那听到惊奇的事实相比，你更有可能因为自己的行为中发现惊人的事实而学到东西。
如何让直觉性预测更恰当有效？
当一位风险投资家要在位于不同市场中的两家公司之中选出一家进行投资，他可以相当精确预测其中一家公司的产品需求量，而另一家一派欣欣向荣，让人觉得有希望，但其发展前景还不确定。如果把这种不确定因素考虑在内的话，你对第二家公司的前景的最佳猜测是否还会优于第一家公司呢？这个问题值得认真思考！
信息不足时，极端预测和预测罕见事情的意愿都来自于系统1。联想机制会很自然的将极端预测和做出这些预测所依据的可察觉信息极端性匹配在一起——这也正是替代的运作机制。而且系统1形成过于自信的判断也是正常的，这一点我们都明白。但要注意：你的直觉会产生极端预测，而你也很容易对这种极端信心满满。
读《思考，快与慢》系列：
作者：@天恕
转载请注明：本文由微信公众号向毅海外投资（ID :xiangyitouzi）授权发布
向毅，专注海外投资，毕业于北京大学国家发展研究院BIMBA商学院，本着去伪存真的目的，分享亲历海外考察的投资见闻和心得