揭示直觉心理学真相-正视直觉陷阱

在上一节中我们认识了直觉的种种好处，你可能会希望拥有更强的直觉思维能力来助益你的人生，那么你的直觉思维能力到底如何呢？下面的小测验或许能告诉你答案。

一、直觉思维能力

(一)常识直觉

1.下列动物哪个对人类最为致命？

A.狗　　B.狮子　　C.蚊子　　D.人类　　E.河马

2.下列人类的死因中，哪种带来的死亡数量最多？

A.肿瘤　　B.艾滋病

C.自杀　　D.交通事故

E.心血管疾病

(二)感觉直觉

1.下面两个位于大正方形内部的小正方形，哪一个更为明亮？

2.上边的线段长，还是下边的线段长？

(三)概率错觉

1.中国居民的存款金额的首位数，在数字1～9，以1开头的概率是多少？

2.乳腺癌在病人中的出现概率是1%〔医生的先验概率，P(H)〕。如果病人得了乳腺癌，放射线专家能够正确做出诊断的概率是79%〔击中率，P(D|H)〕。如果病人乳房有良性病变但不是乳腺癌，放射线专家将其误诊为癌症的概率是9.6%〔虚报率，P(D|-H)〕。问题： 乳房X片检查结果为阳性的妇女实际患乳腺癌的概率是多少？

通过前面的内容，你也许建立了对直觉思维的系统观点，但是这里我们尝试从另一视角来看待这个问题。从分析思维到直觉思维是认知过程不断自动化的过程。人的大脑将一系列不断重复调用的认识过程打包成一个整体的认识图式，当再次遇到相似的情境时，便直接从记忆库里调用整体的认识图式而不再关心其中的细节。

在我们的成长过程中，我们的基本肢体运动技能和认知技能，即使熟练如走路、使用筷子或分辨字词等，都需要生命早期的大量练习。而如今我们在做这些事的时候丝毫没有觉察到自己是如何控制和协调肌肉、如何统合光与影的，这都源于幼年时期的训练，进而实现相关行为和认知的自动化。

如果你熟悉编程的话，这一打包的动作非常像封装(encapsulation)，在面向对象编程方法中，封装是一种将抽象性函数接口的实现细节部分包装并隐藏起来的方法。封装将一些数据和基于数据的特定操作捆绑在一起，使其构成一个不可分割的“原子”单元，只保留一些对外接口与外部发生联系。

适当的封装，可以将对象使用接口的程序实现部分隐藏，不让用户看到，同时确保用户无法任意更改对象内部的重要数据。它可以让代码更容易理解与维护，也加强了代码的安全性。日常生活使用的各种软件也是进行了各种封装，尽管我们不知道软件内部工作的细节，我们依然可以在它的接口里输入一些信息，它在内部的“暗箱”里经过一些操作后，最终帮助我们得到所想要的结果。

通过一系列封装而形成的直觉思维并不总是带来好处，本节开头的测验或许可以提醒你这一点，如果单纯依赖直觉来回答会错得离谱。接下来我们看看直觉的“封装”过程中可能存在的局限性及其原因。

二、硬件/生理问题

作为“碳基的计算机”，我们“硬件”可谓来源悠久。虽然物种在不断进化，但是越是底层的器官变化越少。我们的“软件”，即我们的知觉和高级认知系统也是如此。我们的视听觉信息的初级处理系统和我们生物学上的近亲很相似，埋藏在潜意识里的直觉系统在人类的进化中慢慢塑造成形，行为习惯是出生以来经验沉积形成的结果。

如果电脑的硬件出现问题，上面的软件也很难正常运行。同样地，如果个体的神经系统出现损伤，其直觉系统也会出现异常：

面孔失认症(prosopagnosia)俗称脸盲(face blindness)，是指个体不能识别熟人面孔甚至是自己的面孔的现象。该症状可以分为两类：

(一)获得性面孔失认症(acquired prosopagnosia, APA)，是由后天大脑损伤或其他的认知障碍引起的。

(二)先天性面孔失认症(congenital prosopagnosia, CPA)，产生的原因可能是基因缺陷，也可能有其他解释，该症状的特点是一生下来就难以识别面孔(林菲菲、陈旭、周春霞、马建苓、冉光明，2013)。先天性面孔失认症患者比获得性面孔失认症患者多，并且有很大一部分患者具有明显的家族遗传特征。患者没有正常的识别面孔的经验，生活中他们可能会使用一些替代性的方法去识别面孔，如依赖声音、发型、穿着、步态等非面孔线索，并且认为别人也是这样来识别面孔的。这也可能弱化了他们面孔失认的症状，从而难以发现自己的面孔识别障碍，但数据显示面孔失认症的发病率高达2.5%(T.Grüter, M.Grüter, & Carbon, 2008)。

面孔失认症与颞枕叶区域、颞叶、杏仁核、前额叶皮层以及皮质(白质、灰质)的病变有关，面孔识别依赖于一个包含上述区域的分布式的神经网络，不同区域受损的患者会表现出不同的行为缺陷。

面孔识别是一项重要的社会性技能，在进化史上占有重要地位，以致我们的大脑为此进化出一个专门的大脑机制。另一方面，由于人类在长达几十万年的时间里都是生活在50～100人的小群体中，依靠一些替代性的方法能够一定程度上弥补面孔失认的缺陷，但是工业时代的城市化造成人口的大规模集中，这给面孔失认症患者造成极大的不便。

盲视(Blindsight)是指某些人对视野中的某一块区域视而不见的现象，但令人惊奇的是，这些病人却能够对自己看不见的视觉信息做出反应。例如在病人声称的视野盲区内闪过一道光，尽管他们报告说自己什么也没看见，但是仍然可以指向这个刺激或将眼睛转向这个刺激。要解释这个现象不得不说大脑中存在的两条视觉通路：

视觉信息最初由视网膜捕捉，经由丘脑外侧膝状体，传到枕叶的初级视皮层，两条视觉通路以初级视皮层为发源地，一条通向腹侧，被称为“腹侧通路”(Ventral Stream)，或者“what通路”，这条通路沿着大脑皮层的枕、颞叶分布，包括纹状体皮层、前纹状体皮层和下颞叶，主要功能是辨认和识别物体；另一条通向背侧，被称为“背侧通路”(Dorsal Stream)，或者“where/how通路”，沿着枕顶叶分布，包括纹状体皮层、前纹状体皮层和下顶叶，主要功能是帮助运动系统发现和使用物体。where通路受损的病人不能完整地描述他们看到的物体，却仍然可以正确抓取物体或绕着物体走。与之相反，“what”通路受损的病人虽然能够描述物体的大小、形状和颜色，却不能伸出手准确地抓住物体，虽然能回忆起家具是什么样，却回忆不出它在房间里是如何摆放的。

阿尔茨海默症(Alzheimer’s disease, AD)或称老年痴呆症，是一组病因未明的原发性退行性脑变性疾病，它的真正成因至今仍然不明。目前将阿尔茨海默病视为一种神经退化的疾病，并认为有将近七成的危险因子与遗传相关，疾病的进程与大脑中纤维状类淀粉蛋白质斑块沉积和Tau蛋白相关。该病最常见的早期症状是难以记住最近发生的事情，病人的长期记忆(情节记忆)、语义记忆和内隐记忆(身体记住如何做一件事，例如使用叉子吃东西)受到的影响比较少。阿尔茨海默症病人的程序性记忆好于陈述性记忆，他们依然可以学习新的技能，但是之后又会为自己的良好技能感到惊奇，因为他们完全不记得之前的学习经历(Kalat, 2011)。

由于我们对直觉认识如此习以为常，例如识别面孔、辨别明暗或记忆等，以至于当我们初次看到由于生理性损伤而被扭曲的直觉现象常常惊讶不已。当你对这方面的生理知识学习得越多，则更加会惊叹于在以万年为单位的进化历程中各种器官的巧夺天工，而人类最先进的机器与之相比也显得拙劣。另一方面，即使是再精密的“机器”也不可能总是完美地运行，尤其是碰到“设计者”始料未及的情境时。

三、错误的输入格式

任何计算机程序都对输入信息有特定的格式要求： 例如一个加法程序，用来计算输入的两个阿拉伯数字的和，但是如果你输入的数字是汉字形式，这个程序就会报错，甚至崩溃；另一种情况是程序尽管接受了一个不合法的输入格式，程序却依然能够运行，但是结果却不是我们所想要的，例如我们的加法程序是基于十进制的，而输入的却是二进制数字时，例如10+11，二进制下10表示2，11表示3，相加的结果是101。如果程序错误地把它们当成十进制的数进行相加得到的结果为5，这个结果自然是没有意义的，且通常这种不合法的输入产生的偏差是难以觉察的。

人类是在自然环境中进化的，如果将其看成自主的编程过程，它的输入信息就是进化过程中相关的环境信息。然而随着人类社会的发展，尤其是近几百年的工业化，我们每天接收的信息与曾经的进化环境越来越不同。而我们的生理结构和几十万前的祖先并没有大的变化，我们的潜意识中很多观念和推理形式和他们也没大的区别，尤其涉及性、危险和空间推理等。人类生存环境的巨变无疑会给我们的生理和认识带来挑战，有时候引起一些意想不到的窘况，下文将具体进行介绍。

(一)知觉错觉

我们的知觉系统已适应我们祖先进化的环境，换言之，我们的知觉系统已为“进化适应的环境”所塑造了(Gigerenzer，包燕，2001)。然而，我们的视觉系统在某些人造光线如钠灯或水银灯下，便不再保持颜色恒常性。可见，当适应的环境发生变化时，我们的视觉系统也会被欺骗。

物体表面反射的光越多，亮度就越高。在昼夜交替的情况下，一个物体反射的亮度也在跟着环境一同变化。如果人的视觉系统只依靠亮度测量的话，那么就无法分辨强光下的黑色平面和昏暗下的白色平面，而我们却能够轻易分辨，这归功于人眼具有的亮度恒常性。由于从视网膜到皮层，视觉信息经过几层不同种类的神经细胞的转换，最终皮层对所得到的信息进行推理。例如视网膜上亮度和颜色是皮层通过比较不同位置的信息来决定的(Land, Hubel, Livingstone, Perry, & Burns, 1983)。

在自然环境中，知觉恒常性(包括亮度恒常性、大小恒常性、形状恒常性等)能让我们忽略干扰因素，更好地认识事物的本质，像这种捉弄我们知觉算法的图片在自然界也基本不存在。现代社会的生存环境与曾经的进化环境相差得越来越大，我们的大脑接受的是各种自然环境中存在的参数，而如果接受的输入变量是自然界不存在的，有的时候会产生荒谬的结果。

本节开头的感觉直觉的第一个测试题中，两个亮度一样的方块，为什么在深色方块里的小方块亮一些，而在浅色方块里的暗一些呢？两个方块既然是同样的颜色，说明它们反射的光是一致的，即亮度是一致的，然而我们感受到的明度却不同。第二个测试题中是著名的Müller-Lyer错觉，两条同样长度的线段，在分别加上向外或向内的箭头后，它们仿佛变得一长一短了。这些都显示知觉在加工明度或长度等信息时，并非依靠单一的明度或长度等信息，还结合了之前或现在的其他信息(Kahneman, 2003)。我们的视觉算法通常能很好的工作，而这些视觉错觉图片显然是经过特殊设计的，可以捉弄我们的视觉。

我们已经发现很多种类的知觉错觉，而产生的原因也各种各样，其中一些像上面的例子一样，将正常的知觉算法放到一个特殊设计的场景中，错觉就可能产生。看来我们的知觉算法并不是尽善尽美的，在特殊情况下还是会产生“bug”。既然连底层的视觉都有“bug”，那么认知和推理层面呢，是否也存在类似的“认识错觉”呢？

(二)频率形式

作为进化的产物，我们的直觉算法适应了当时的进化环境，某一算法的前提和参数都来自特定的情景，即我们进化祖先的生存环境。人类的推理算法是否像亮度恒常性一样，是为我们进化祖先的生存环境中曾出现的一定格式的信息而设计的？

在古典经济学理论中，基本命题是完全理性，即人的行动持理性的假设占据了主导地位。理性人的一个重要假定就是行为人在不确定性条件下对事件发生概率的思考判断符合贝叶斯准则，这是指概率统计中的应用所观察到的现象对有关概率分布的主观判断(即先验概率)进行修正的标准方法。而概率错觉第二个测试题按照贝叶斯公式计算为：

正确结果为0.077，然而通常大家给出的答案是正确结果的10倍左右。

在心理学中，研究者不太关注贝叶斯推理的数学形式，心理学中的贝叶斯推理是指在已知基础比例的情况下，利用击中率和虚报率对基础比例进行调整的过程，即直觉概率推理判断的过程(史滋福，王香香，陈姣，张庆林，2010)。

Kahneman和Tversky(1973)在实验中给被试呈现以下一段关于Tom的描述：“Tom是一个高智商但缺乏真正创造力的人。他希望按部就班，把所有事情都安排得井然有序，他写的文章沉闷而机械，但偶尔也会闪现一些老套的双关语和科学幻想。他很喜欢竞争，看起来不怎么关心别人的感受，也不喜欢和其他人互动。以自我为中心，但也有深刻的道德感。”然后要被试估计，Tom最有可能是以下哪个专业的研究生： 企业管理、工程、教育、法律、图书、医学、社会学？

结果，绝大多数被试都认为Tom最有可能是工程系学生。为什么呢？因为Tom最像一个学工程学的学生，与我们心目中一个理工科学生所应当具有的形象完全吻合(或者说代表了一个理工科学生的形象)，所以我们认为Tom最有可能是工程系的学生。这就是典型的代表性启发式思维方式。当面对不确定的事件，我们往往根据其与过去经验的相似程度来进行判断或预测。说简单一点，就是基于(过去经验的)相似性来预测(当前事件的)可能性。

另一方面，被试完全忽略了学生在各个专业中的基础比例(base rate)。就算上述7个专业的学生都一样多，那么任何一个学生是工程系的学生的概率和他是其他任何一个专业的学生的概率是一样的，即1/7。根据另外一组被试对所有学生在各个专业中所占的比例的估计，学工程学的学生应该比学其他专业的学生更少，即还占不到1/7。如果考虑到这一点，那么任意抽一个学生出来(比如Tom)，他是学工程学的可能性应该是很低的。这种在判断时忽略基础比例而导致的谬误就是所谓的基础比例谬误(base rate fallacy)。

尽管许多类似的研究都反复传送这样的信息： 人的推理能力很差劲，在大多数时候都忽视了基本比例，忽视了虚报率，而不能按贝叶斯定理将基本比例、击中率和虚报率整合在一起。

Gigerenzer和Hoffrage(1995)提出，被试在贝叶斯推理任务中的成绩差是因为问题描述中包含的数据格式(概率格式)不符合人们的思维习惯，以频率格式代替概率格式后，被试成绩有了明显的提高(50%左右)，并且用进化论的观点对频率促进效应做出了解释： 人们的心智更适应频率形式，非频率形式倾向于导致较低的推理成绩。此外，他们认为人类对再认事物的偏好源于自我保护和泛动物化进化的本能或潜意识。

Gigerenzer及其同事(2002)从生物本能和启发式策略的角度提出了“生态理性”的假设，认为一些看似“不理性”的行为其实符合人类进化和适应的需要，首次将进化论的观点引入决策研究中，提出人的决策能力是与环境相适应的，人类的决策认知也是长期进化的产物。

四、不可靠的直觉推理

在上文概率错觉的第一个测试题中，中国居民的存款金额的首位数，以1开头的概率是大约是1/3，离我们由直觉得出的1/9相去甚远，这便是著名的本福特法则(Benford’s Law)，指的是在一堆从实际生活得出的数据中，如公司账目、街道号码、国家选举票数、经济数据等，以1为首位数字的数的出现概率约为30%，它的确切值等于lg2。越大的数字，以其为首位的数出现的概率就越低，首位数是2的数出现概率是17.7%，而首位数是9的数出现概率仅有4.6%。本福特法则显示出我们的直觉有时候会对世界产生错误的认知。

认知过程就是信息处理的过程。人脑是一个有选择的、序列的信息处理器，它处理信息的能力是有限的，因而会在认知过程中产生信息处理偏差。例如顺序偏差是指对最先或最后进入大脑的信息给予优势地位，进而产生首因效应或近因效应。

Fiske和Taylor(1991)认为，人类是“认知吝啬鬼”(cognitive misers)，由于有限的信息加工能力，人们总是竭力节省认知能量，试图采用将复杂问题简化的策略。其过程为：

1.忽略一部分信息以减少我们的认知负担。

2.过度使用某些信息避免寻找更多的信息。(www.chuimin.cn)

3.接受一个不尽完美的选择，因为这就足够好了(卿志琼、陈国富，2003)。Fiske和Taylor认为人类需要接受和处理大量的信息，因而采用认知吝啬的策略是理性的。

我们凭直觉做出的许多决策产生于思维的“启发式”(heuristic)，即我们认知工具箱中的一些简单规则。依靠几个简单的启发式能让我们更容易地进行概率估计和预期数值，这种方式也使我们显得很聪明。

启发式包含代表性启发式、可得性启发式和锚定启发式(Kahneman & Tversky, 1974)。

(一)代表性启发式(Representativeness heuristic)

代表性启发式是一种用于估计似然性的经验法则。人们在不确定性情况下，假定将来的模式与过去的相似，并寻求用熟悉的模式来判断，不考虑模式产生的原因和概率。

一般情况下，代表性是一个有用的启发法，但在分析以往经验，寻找规律或结果的概率分布的过程中，可能会产生严重的偏差，从而得到错误的启示，导致判断错误。如果我们在公共汽车上看到一个人鬼鬼祟祟，像个小偷，我们可能会认为他就是一个小偷，并提高警惕性。有时相似性确实和可能性有关，因此这种判断是正确的，但有时我们则可能会因此忽略其他相关信息而做出错误的判断。

使用“代表性”进行判断可能产生的偏差有：

1.对先验概率(或基础概率)不敏感

进行概率计算时，先验概率是一个主要的因素，然而在代表性启发中却无视了先验概率的影响，像上面提及的Tom实验一样。在类似的实验中，Kahneman和Tversky向被试提供一段关于Dick的描述：“Dick是一个30岁的男性，他已经结婚了但仍没有孩子，他是一个有能力、充满激情的人，希望在自己所在的领域取得成功，他受到同事们的喜欢。”被试需要判断Dick是工程师还是律师。因为这段描述是中性的，所以一半被试认为Dick是工程师；另一半认为Dick是律师。并且被试判断时并没有考虑过先验概率，不管Dick所在的群体有70%是工程师30%是律师，或者30%是工程师70%是律师，被试都认为Dick是工程师或律师的概率是50%。

2.对样本的大小不敏感

在统计中样本的大小对统计结果有重要的影响，例如样本量越大，获得的参数就更稳定。例如一个地方有一大一小两家医院，大医院每天有45个婴儿出生，小医院每天有15个婴儿出生。接下来的一年里，有一家医院的初生婴儿有60%是男婴，那么是哪家医院？大医院？小医院？还是概率相等？结果大部分被试认为两家医院出生60%的男婴的概率相等。但是恰恰相反，小医院更有可能产生60%的男婴，因为样本越大，男女的比例越不可能偏离50%。

3.对概率的误解

如果一系列事件是随机产生的，人们倾向认为其中任一片段都能反映该事件的随机本质，即使是很短的序列。Kahneman和Tversky(1972)的一项研究中，要求被试猜测抛硬币可能出现的序列时，大部分被试认为硬币出现“正反反正反正”的概率大于出现“正正正正反正”或“正正正反反反”的概率，尽管三者在数学上的概率是一样的。人们常常错误地认为概率会自我校正，硬币的正反面出现的概率是0.5，如果正面连续出现多次，人们期待下一个出现反面以恢复平衡。但是硬币并没有记忆，不可能根据之前的序列决定下一次抛掷。实际上，随着概率过程的展开，偏差并不会被“纠正”，它们只会被稀释。

4.缺乏预测性

如果让人们去预测某一只股票的价值或体育比赛的输赢时，由于他们不是专家，通常只能运用代表性启发来做判断。基于有限的，甚至不相关的信息来做预测，也就很难得到可靠的预测结果。

5.缺乏有效性

当个体基于代表性启发做出预测后，他们对预测的信心主要取决于代表性程度，如对Tom的人格的描述与工程系学生的匹配程度。他们很少或根本不考虑影响预测准确性的因素，即使个体意识到该问题，这种盲目的自信依然持续存在。

6.对回归假象的误读

回归假象是指在许多测量情形中，第一次测验时的高分组和低分组这两个极端组的分数在第二次测量时向平均数回归的现象。例如在医学上，一些极端的临床症状或体征或化验指标的病人，即使不进行治疗处理，第二次测量时它一般都会向正常值靠拢。巴菲特说过：“别人恐惧的时候我贪婪，别人贪婪的时候我恐惧”，也是说股市涨跌背后的“均值回归”。在飞行训练中，飞行员在经历一次非常平稳的降落后，下次的降落通常很糟糕，在被教练训斥一通后，下次的降落表现又有所提高。如果对回归假象一无所知，就容易高估惩罚作用，或低估奖赏的作用。

(二)可得性启发式(Availability heuristic)

可得性启发式是依据容易想起来的事例判断一类事件出现的频率或概率。一个类别的实例越多，也就越容易回忆，这种情况下可得性启发式是有效的，但是还有很多因素会影响回忆或可得性，从而导致认识偏差。

1.由于实例的可检索性而产生的偏差

如果类A和类B有相等数量的实例，而类A的实例更容易回忆，或者说更容易检索，按照可得性启发个体就会误认为类A的实例更多。导致类A更容易检索的原因可能有个体对类A更熟悉、类A的不同寻常性，或个体最近接触过类A。例如亲眼看到火灾或车祸，常常会高估火灾或车祸的发生概率。

2.被搜索集合的有效性所造成的偏向

人们搜索记忆中的信息集合而做出的判断，常常取决于某一信息集合能反映到脑海中的有效性，有的信息集合不能有效地反映出来，判断者就会形成认知偏向。在一项研究中，Tversky和Kahneman使用单词作为材料，被试的任务也很简单，即判断5个字母(K, L, N, R, V)更可能出现在单词的第1个字母的位置还是第3个字母的位置？结果2/3的被试认为这些字母更可能出现在第1个字母的位置。相信你的估计也会差不多，因为回想首字母是K的单词比回想第3个字母是K的单词要容易得多。实际上，这5个字母作为单词的第3个字母的频率都要比出现在开头的频率高。

3.由想象力造成的偏差

人们在对某类事物的发生概率做估计时，由于对该事物不熟悉，只能根据一定规则，在脑海中构筑该类事物的实例，并以此计算其发生概率。然而构筑实例的容易程度并不总是与事情发生的实际概率相一致。

在常识直觉的两个测试题中，人们通常更容易想象狮子和艾滋病的危险性，然而这两者都不是题目的正确答案，正确答案是蚊子和心血管疾病。2016年因蚊子叮咬而死的人约78万人，下一个最致命的动物是人类自己，约有54.6万人死于各种暴力活动，包括谋杀、战争、恐怖袭击等，还有1.3万人死于犬类，而狮子只杀死了100人，连河马杀死的人(500)都比狮子高。但是狮子咬死人比蚊子“咬死”人更容易上新闻，从而你也更容易留下印象。根据发表在《柳叶刀》的2017全球疾病负担研究公布的数据(Roth et al., 2018)，2017年全球死于自杀的人数约为79万人，死于艾滋病的约为95.5万人，死于交通事故的约为133.5万人，而死于肿瘤的约为955.6万人，最后，心血管疾病带来高达1 779万的死亡人口，与“一战”造成的死亡人数相当(1 500万～1 900万)。蚊子和心血管疾病很难激起人们的想象，从而人们低估了它们的危险。

4.因果错觉

因果错觉是指当两事件A和B同时发生时，会给人造成一种这两者之间有一种因果关系的错觉。但是除了A导致B，还可能是B导致A，存在事件C导致A和B，或者A和B的同时发生只是巧合，不存在任何关系。

(三)锚定启发式(anchoring heuristics)

锚定启发式指在推测中，以初始值为参照，经过调整获得最终的判断。Tversky和Kahneman(1973)第一次对这种现象进行了总结。初始值可能提供预测所需的部分信息，接下来进行调整时，很多情况下人们由于缺乏充足的信息，所以调整的幅度很小，不同的初始值会导致不同的预测。

锚定效应有三种表现形式：

1.不充分的调整

Tversky和Kahneman在一项实验中，要求被试首先回答非洲国家和美国面积的比值是否正确，接着给出自己的估计值。结果被试给出估计值在初始值附近徘徊，对初始值的调整很小。人们不光被所给的初始值锚定，还被自己基于不完整信息的估计值所锚定。Tversky和Kahneman要求两组高中生在5秒内计算黑板上的算式，一组被试计算8×7×6×5×4×3×2×1，另一组被试计算1×2×3×4×5×6×7×8。由于没有足够的时间，被试根据前几项的乘积估算整体的结果。由于降序排列组的前几项乘积大于升序组，所以这一组的估计值也更大。最终，第一组的估计值中位数是2 250，第二组的估计值的中位值是512，而正确答案是40 320。

2.连续和独立事件的估测偏差

人们偏向于高估连续事件发生的概率，而低估独立事件发生的概率。这也是一种锚定效应，之前成功或失败的频率作为初始值，如果缺乏更多的信息做参考，对后续事件的预测会围绕初始值轻微浮动。例如赌博中一个人连续赢了几场，他会倾向于认为接下来自己还会赢。在生活中，我们对连续事件发生概率的高估，会导致对某一计划的成功过分乐观。在完成一项计划的过程中，只要某一环节出错或有所延误，就会导致整个项目的失败或延期，如果任何基本组件发生故障，复杂系统将会发生故障。复杂系统如核反应堆或人体，即使每个组件发生故障的可能性很小，如果涉及许多组件，整体故障的可能性也会很高。我们对独立性事件发生概率的低估，会导致我们不能充分意识到某一复杂体系出问题的真正风险大小。

3.主观概率分布的估测偏差。这是指人们在估测某一数值的置信区间时，这一心理置信区间往往过于狭窄。因为人们首先想到一个最可能的估计值，然后再做调整，像大多数其他调整一样，调整得并不充分，得到的区间过窄。

Kahneman和Tversky认为启发式思维并非懒人专属，经验丰富的专家在仅凭直觉思维时，也会落入同样的陷阱，尤其在面对复杂和模糊的问题时，只是偏差出现的概率、幅度大小不同而已。

维基百科上已经列有175种不同的认识偏差，如框架效应(Framing effect)、自动特质推理、信念固着等。

框架效应是一种认知偏差，最早在1981年由Tversky和Kahneman提出。框架效应的意义是，面对同一个问题，在听到不同的描述后，人们会选择乍听之下较有利或顺耳的描述作为方案。当以获利的方式提问时，人们倾向于避免风险；当以损失的方式提问时，人们倾向于冒风险。

Tversky和Kahneman(1981)用“亚洲疾病”问题为例说明了人们对期望值相同而表述不同的选项的偏好反转(preference reversal)。亚洲疾病问题： 美国正在对付一种罕见的亚洲疾病，预计该种疾病的发作将使得600人死亡。现有两种与疾病作斗争的方案可供选择。假定对各方案产生后果的精确估算如下所示，正面框架： A方案，200人将生还。B方案，有1/3的机会600人将生还，而有2/3的机会无人能生还。负面框架： C方案，400人将死去。D方案，有1/3的机会无人会死去，而有2/3的机会600人将死去。Tversky和Kahneman发现，正面框架下大部分人选A，而负面框架下大部分人选D，而实际上A与C、B与D是等同的选项，即对于期望价值相同的选项，人们却作出了不同的选择。

此项研究的结果显示，在正向框架下有更多的人选择A方案，这表明了人们在正向框架下会更多地表现出受益时偏好规避风险(risk-averse preference for gains)；而在负向框架下则有更多的人选择了D方案，这表明了人们在负向框架下会表现出受损时偏好追求风险(risk-seeking preference for losses)。

我们变来变去的判断再一次提醒我们，直觉是有局限性的。直觉反应快速而节约资源，但有时缺乏理性。

自动特质推理： 在观察别人的时候，我们会禁不住地进行评判。我们会在无意间快速而自动地推断出他人的特征。在一项实验中，Darley和Gross(1983)给普林斯顿大学的研究生播放了关于四年级女孩Hannah的一段录像。录像中Hannah在参加口语测试，有一半问题答对了；另一半答错了。学生们在此之前分别看过Hannah的另外两段录像。在其中一组学生看的录像里，Hannah身处低收入者居住的市区，父母是蓝领阶层，这些学生推断Hannah的学术能力比较差。在另一组学生看的录像里，Hannah身处中产阶级居住的郊区，父母是白领阶层，这一组学生推断Hannah具有比较强的学术能力，能够答对大多数题目。特质推断是在不知不觉中发生的，因为学生们都声称自己没有受到Hannah所处环境的影响。

信念固着： 一旦人们为错误的信息自发建立了自己的一套解释方法，那就很难再让他们否定这条错误信息，俗称“先入为主”。Anderson等人在1980年的时候，曾经做过一个实验。他们首先给参加实验的被试灌输了一种错误的信念，然后要求被试解释为什么这种信念是正确的。最后，研究者告诉被试真相以便让他们彻底否定最初的那个错误的信念。尽管被试被告知，最早的那个信念是为了实验而凭空捏造出来的，但只有25%的人接受了新的正确的信念，仍然有75%的被试坚守最初的那个错误信念。实验结果表明，一旦人们为错误的信息(或判断)建立了理论基础，那么就很难再让他们否定这套错误的信息了。

五、直觉的不可控

尽管直觉和封装的程序有上述的相似之处，但也存在着一个重要的不同之处，即程序是程序员有意识设计的，直觉却是无意识下形成的、不可控的。直觉来自进化，或者源于我们的经验，当直觉发生时又是自然而然，不经过我们的意识领地。

(一)直觉形成的不可控

通过进化，我们远古的祖先会思考有助于他们采集果实、生存与繁衍的策略，他们(和我们)天生都具有立即做出决策的思维能力。相比现代环境，快速得出结论更适合人类诞生时的环境。

在条件作用中，与天生令人厌恶或招人喜爱的物体相似的刺激会通过联想，引发直觉性的厌恶或喜爱。无论是先天还是后天的直觉，它们的形成过程均不需要我们的意识的参与和控制。

(二)直觉调用的不可控

生活中很多重大的决策需要我们凭直觉预测出我们未来的感受。然而我们的直觉常常会对情绪的强度和持续时间做出错误的预测。与吃饱了再购物相比，人们饿着肚子购物时会更冲动。

有些情绪的神经通路会绕开与思考有关的皮层区域。其中一条通路从眼睛经过丘脑(大脑中的感觉交换机)，抵达杏仁核。杏仁核是大脑原始核心中的一对情绪控制中心。这条从眼睛到杏仁核的捷径绕过了大脑皮层，因此在理智介入之前，你的情绪反应就已经被引发了。

杏仁核传送到皮层的神经投射比它接收到的更多。因此大脑研究者LeDoux和Armony(1999)提出，情感劫持思维比思维管理情感更容易。当皮层对威胁做出进一步的解读后，思维才接管了控制权。在森林里，树叶的沙沙声让我们远远地跳开，让皮层有时间来确定这声音是捕食者弄出来的，还是只是风吹树叶发出来的。我们的有些情绪反应显然没有经过审慎的思考。所以说，心灵并不总受制于大脑。

在大量新近研究中，即使被呈现的刺激是阈下刺激，也就是刺激时间非常短或强度非常低，根本感觉不到，但由此产生的启动效应依然会表现出来。看不到的东西不一定不在头脑中。一个轻微得觉察不到的电击，会增加以后遭遇电击时人们感受到的强度。以难以觉察的方式闪现单词“面包”，会使人们更快地找出相关的单词，比如黄油，而不是其他无关的单词，比如瓶子或气泡。以阈下方式给人们呈现一种颜色的名称，当这种颜色出现在电脑屏幕上时，人们能够更快地识别它。在每一种情况中，看不见的图像或文字都启动了对后一个问题的反应。

我们的直觉算法既来自远古的馈赠，又在我们的生活、学习和工作中不断地累积，由于在后台运行的直觉算法的支持，我们才能有更多的精力去处理其他问题。另一方面，我们的直觉算法也不是完美的，有的显得过时，有时候则调用得不合时宜，甚至我们会形成错误的算法，此时我们就需要直觉和分析的结合，才能更好地进行认识世界。