本页目录

判断失灵有药方，但药方不在直觉里

一种病的发病率是千分之一。检测准确率95%，假阳性率5%。你测出阳性，实际患病的概率是多少？

大多数人回答95%。

正确答案大约是2%。

这不是智力问题。医生、法官、金融分析师在类似题目上的表现和普通人差不多。错不在粗心，而在人脑处理概率的方式从根上就偏了——你用直觉估概率，直觉给你的数字几乎永远是错的。

黑斯蒂和道斯用了一整本教科书拆解这件事：人在不确定条件下做判断，到底错在哪里，错多少，怎么纠正。

概率直觉几乎全错，而你每天都在用它

每天你都在做概率判断。项目能按时完成吗？今天会下雨吗？这个候选人靠谱吗？这笔投资值得冒险吗？

你不会掏计算器，也不会画决策树。你用的是直觉——一种快速、自动、感觉挺靠谱的内部估算。

心理学实验反复证明，这种估算系统性地偏离正确答案。而且偏离的方向是可预测的。

看到一个生动案例，你就高估同类事件的概率——可得性启发式。先听到一个数字，后续判断就被拉向那个数字——锚定效应。觉得一个人"像"某个职业，就认定他大概率是那个职业——代表性启发式。

这些偏差不是偶尔犯错。它们是认知系统的默认运行方式。

卡尼曼和特沃斯基告诉你"人会犯这些错"。黑斯蒂和道斯多走一步：告诉你"正确答案是什么"。

贝叶斯定理给出了在新证据出现后应该如何更新信念。期望效用理论给出了在风险条件下应该如何选择。线性模型给出了在多个指标之间应该如何加权。

它们不是抽象的数学概念，是判断质量的标尺。知道正确答案长什么样，你才能量化自己偏了多少、往哪个方向偏。

一个关键发现值得单独拿出来说：在几乎所有被研究过的预测任务中，简单线性公式都比人类专家的直觉判断表现更好。不是有时候更好——是几乎总是更好。

这个结论从1954年保罗·米尔首次提出，经过数百项研究反复验证，从未被推翻。

流行的决策心理学读物大多停在"描述偏差"这一步。知道你有锚定效应，然后呢？

黑斯蒂和道斯的处理方式不同。每讲完一种偏差，紧跟一套矫正建议。这些建议不是"注意一下"，而是有具体操作的程序。

用频率格式替代概率格式，贝叶斯推理的准确率从4%跳到72%。

把判断任务分解成独立维度再分别打分，预测准确度显著提升。

对沉没成本的正确处理只有一个原则——忽略它，只看未来收益和成本。

矫正程序的底层逻辑一致：当直觉给出的答案和形式化模型不一致时，大多数情况下应该信模型。

这不是一本让你"了解自己有多不理性"的书。它是一本练出新判断动作的手册。

卡尼曼给你一张认知地图。艾瑞里给你一把实验惊喜。塞勒给你一段学科战争史。

黑斯蒂和道斯给你另一种东西：诊断清单加矫正工具箱。

不需要记住二十种偏差的名字。需要的是在做重要判断时，能拿出两三个具体动作——查基率、换框架、拆维度、跑公式——挡住直觉的第一反应。

这套矫正程序不酷、不好玩、不适合饭桌上讲。

但它能让判断变得更准。在多数情况下，这比"更了解自己的非理性"有用得多。