现在你已经体验到了启发式和偏差计划的核心思想：回答一个难题的启发式是去寻找一个简单问题的答案。用一个问题代替另一个问题会导致源于可预见性心理假设的误差，我们称之为心理偏差。

在比尔的例子中，心理偏差很明显。当相似性判断代替概率判断时，误差必定会发生，因为概率判断受限于特定的逻辑。也就是说，文氏图适用于概率，却不适用于相似性，正因如此，许多人都会犯源于可预见性心理假设的逻辑错误。

再说一个忽略统计属性的例子。请回想一下你在第4章中对甘巴迪是否成功问题的看法。大多数人对甘巴迪成功可能性的评估完全基于例子中给出的关于他的信息，并会尝试将关于他的描述与成功CEO的形象进行匹配。

你是否考虑过一个随机选择的CEO有多大可能在两年后仍然留任呢？你很可能不会考虑这个问题。你可以将这种基准概率信息（base-rate iformatio）视为衡量一个CEO留任难度的方法。如果这种方法看起来很奇怪，那么请试想一下你会如何估计某个学生通过考试的概率。考试不及格的学生比例当然是很有价值的一个指标，因为它可以反映这场考试的难度。同样的道理，CEO的留任率对甘巴迪问题也是至关重要的。这两个问题都是采用我们所谓的外部视角的例子：当你采用外部视角时，你会把该学生或甘巴迪想象成一群相似案例中的一员。你会用统计思维来看待这个群体，而不是用因果思维去分析具体的案例。

采取外部视角可以扭转乾坤，防止出现重大错误。花几分钟进行现在你已经体验到了启发式和偏差计划的核心思想：回答一个难题的启发式是去寻找一个简单问题的答案。用一个问题代替另一个问题会导致源于可预见性心理假设的误差，我们称之为心理偏差。

在比尔的例子中，心理偏差很明显。当相似性判断代替概率判断时，误差必定会发生，因为概率判断受限于特定的逻辑。也就是说，文氏图适用于概率，却不适用于相似性，正因如此，许多人都会犯源于可预见性心理假设的逻辑错误。

再说一个忽略统计属性的例子。请回想一下你在第4章中对甘巴迪是否成功问题的看法。大多数人对甘巴迪成功可能性的评估完全基于例子中给出的关于他的信息，并会尝试将关于他的描述与成功CEO的形象进行匹配。

你是否考虑过一个随机选择的CEO有多大可能在两年后仍然留任呢？你很可能不会考虑这个问题。你可以将这种基准概率信息（base-rate iformatio）视为衡量一个CEO留任难度的方法。如果这种方法看起来很奇怪，那么请试想一下你会如何估计某个学生通过考试的概率。考试不及格的学生比例当然是很有价值的一个指标，因为它可以反映这场考试的难度。同样的道理，CEO的留任率对甘巴迪问题也是至关重要的。这两个问题都是采用我们所谓的外部视角的例子：当你采用外部视角时，你会把该学生或甘巴迪想象成一群相似案例中的一员。你会用统计思维来看待这个群体，而不是用因果思维去分析具体的案例。

采取外部视角可以扭转乾坤，防止出现重大错误。花几分钟进行一些调研你就会发现，美国企业的CEO离职率大约为每年15%。这一统计数据表明，一位新上任的CEO平均约有72%的概率在两年后仍然处在该职位上。当然，这个数字只是一个方面，在甘巴迪的案例中，那些具体信息都会影响你的最终估计。但是，如果你只关注被告知的与甘巴迪有关的信息，那么你会忽略一项关键信息。我们举甘巴迪的案例，原本是为了说明判断充满噪声，可我们花了几个星期才意识到，这个案例本身就很好地体现了我们现在介绍的这种偏差，我们称之为忽略基准概率偏差（base-rate eglect）。可见，即使是本书的作者也不能比其他人更自然地想到基准概率这件事。

用一个问题替代另一个问题不仅限于相似性和可能性之间的替代，另一个例子是将概率判断替换成在脑海中获取案例难易程度的判断。例如，人们对飞机失事或发生飓风的风险认知会在此类事件被媒体广泛报道后短暂上升。从理论上讲，风险判断应基于长期平均值，但实际上，近期发生的事件会被赋予更高的权重，因为它们更容易被人想起。用例证在脑海中出现的难易程度来替代频率判断，被称为“可得性启发式”（availability heuristic）。

用简单的判断替代困难的判断并不仅限于这些例子，实际上，替代是很常见的。我们常常会把回答一个较简单的问题视作一个“通用程序”，并以此来应付一个可能难住我们的问题。请思考一下，我们在回答下列问题时，往往会用什么比较容易的问题替代（例子中每个问题下方都提供了一个可能的选项）？

·　我相信气候变化吗？一些调研你就会发现，美国企业的CEO离职率大约为每年15%。这一统计数据表明，一位新上任的CEO平均约有72%的概率在两年后仍然处在该职位上。当然，这个数字只是一个方面，在甘巴迪的案例中，那些具体信息都会影响你的最终估计。但是，如果你只关注被告知的与甘巴迪有关的信息，那么你会忽略一项关键信息。我们举甘巴迪的案例，原本是为了说明判断充满噪声，可我们花了几个星期才意识到，这个案例本身就很好地体现了我们现在介绍的这种偏差，我们称之为忽略基准概率偏差（base-rate eglect）。可见，即使是本书的作者也不能比其他人更自然地想到基准概率这件事。

用一个问题替代另一个问题不仅限于相似性和可能性之间的替代，另一个例子是将概率判断替换成在脑海中获取案例难易程度的判断。例如，人们对飞机失事或发生飓风的风险认知会在此类事件被媒体广泛报道后短暂上升。从理论上讲，风险判断应基于长期平均值，但实际上，近期发生的事件会被赋予更高的权重，因为它们更容易被人想起。用例证在脑海中出现的难易程度来替代频率判断，被称为“可得性启发式”（availability heuristic）。

用简单的判断替代困难的判断并不仅限于这些例子，实际上，替代是很常见的。我们常常会把回答一个较简单的问题视作一个“通用程序”，并以此来应付一个可能难住我们的问题。请思考一下，我们在回答下列问题时，往往会用什么比较容易的问题替代（例子中每个问题下方都提供了一个可能的选项）？

·　我相信气候变化吗？我相信那些说它存在的人吗？

·　我是否认为这位外科医生有能力？

这个人说话充满信心和威严吗？

·　项目会如期完成吗？

现在项目已经按计划在执行吗？

·　核能是必要的吗？

我会闻核色变吗？

·　我对自己的生活感到满意吗？

我现在的心情如何？

不管问题是什么，将一个问题替代为另一个问题，都会导致你在给出答案时无法对证据的不同方面赋予恰当的权重，而错误地对证据赋予权重会不可避免地产生错误。例如，要想得到你关于生活满意度问题的确切答案，需要询问的显然不仅仅是你当前的情绪，现在也已经有相关研究证据表明，情绪实际上是被过分重视了。

同样，用相似度代替概率会导致忽略基准概率偏差，而基准概率在判断相似度时是完全不相关的因素。比如，在评估一家公司的价值时，应当很少或完全不考虑诸如公司计划书的美观度这类不相关的因素。这类因素对判断产生的任何影响都可能反映出你对证据赋予权重的不当之处，并导致错误的产生。我相信那些说它存在的人吗？

·　我是否认为这位外科医生有能力？

这个人说话充满信心和威严吗？

·　项目会如期完成吗？

现在项目已经按计划在执行吗？

·　核能是必要的吗？

我会闻核色变吗？

·　我对自己的生活感到满意吗？

我现在的心情如何？

不管问题是什么，将一个问题替代为另一个问题，都会导致你在给出答案时无法对证据的不同方面赋予恰当的权重，而错误地对证据赋予权重会不可避免地产生错误。例如，要想得到你关于生活满意度问题的确切答案，需要询问的显然不仅仅是你当前的情绪，现在也已经有相关研究证据表明，情绪实际上是被过分重视了。

同样，用相似度代替概率会导致忽略基准概率偏差，而基准概率在判断相似度时是完全不相关的因素。比如，在评估一家公司的价值时，应当很少或完全不考虑诸如公司计划书的美观度这类不相关的因素。这类因素对判断产生的任何影响都可能反映出你对证据赋予权重的不当之处，并导致错误的产生。结论偏差，我们常常依结论寻找证据

在写《星球大战》（Star Wars）第三部的电影剧本《绝地归来》（Retur of the Jedi）的关键时期，该系列电影的制作人乔治·卢卡斯（George Lucas）与他出色的合作者劳伦斯·卡斯丹（Lawrece Kasda）展开了激烈辩论。卡斯丹强烈建议卢卡斯：“我认为你应该‘杀死’卢克·天行者并让利娅公主接手。”卢卡斯当即拒绝了这个建议。卡斯丹又建议，如果让卢克活着，那么另一个主角就应该死掉。卢卡斯再次拒绝，并补充道：“你不要光想着‘杀人’。”于是卡斯丹真心诚意地说出了自己对电影本质的看法。他向卢卡斯解释道：“如果你喜欢的人在旅途中遭遇了不幸，这段旅途才显得更有吸引力。这将使这部电影的情感分量大大增加。”卢卡斯的回答迅速而明确：“我不喜欢那样，也不相信那一套。”

这里的思维过程与你在考虑比尔是不是爱好演奏爵士乐的会计师时所经历的思维过程完全不同。再看一下卢卡斯的回答：先是“不喜欢”，然后是“不相信”。卢卡斯对卡斯丹的提议自动地做出了回应，这种自动化的回应有助于激发他的判断力，事实证明，他是正确的。

这个例子说明了另一种类型的偏差，我们称之为结论偏差或者预判。像卢卡斯一样，我们经常在判断过程初期就对某个特定结论有了一种倾向性。当我们这样做时，我们让自己头脑中的快速、依赖直觉的系统1思维给出结论，然后，我们要么绕过收集和整合信息的过程直接得出结论，要么转而动员系统2思维进行审慎性思考，找到支持我们预判结论的论据。在这种情况下，证据就是有选择性且失真的：结论偏差，我们常常依结论寻找证据

在写《星球大战》（Star Wars）第三部的电影剧本《绝地归来》（Retur of the Jedi）的关键时期，该系列电影的制作人乔治·卢卡斯（George Lucas）与他出色的合作者劳伦斯·卡斯丹（Lawrece Kasda）展开了激烈辩论。卡斯丹强烈建议卢卡斯：“我认为你应该‘杀死’卢克·天行者并让利娅公主接手。”卢卡斯当即拒绝了这个建议。卡斯丹又建议，如果让卢克活着，那么另一个主角就应该死掉。卢卡斯再次拒绝，并补充道：“你不要光想着‘杀人’。”于是卡斯丹真心诚意地说出了自己对电影本质的看法。他向卢卡斯解释道：“如果你喜欢的人在旅途中遭遇了不幸，这段旅途才显得更有吸引力。这将使这部电影的情感分量大大增加。”卢卡斯的回答迅速而明确：“我不喜欢那样，也不相信那一套。”

这里的思维过程与你在考虑比尔是不是爱好演奏爵士乐的会计师时所经历的思维过程完全不同。再看一下卢卡斯的回答：先是“不喜欢”，然后是“不相信”。卢卡斯对卡斯丹的提议自动地做出了回应，这种自动化的回应有助于激发他的判断力，事实证明，他是正确的。

这个例子说明了另一种类型的偏差，我们称之为结论偏差或者预判。像卢卡斯一样，我们经常在判断过程初期就对某个特定结论有了一种倾向性。当我们这样做时，我们让自己头脑中的快速、依赖直觉的系统1思维给出结论，然后，我们要么绕过收集和整合信息的过程直接得出结论，要么转而动员系统2思维进行审慎性思考，找到支持我们预判结论的论据。在这种情况下，证据就是有选择性且失真的：由于证实性偏差和期望偏差，我们倾向于有选择地收集和解释证据，以支持那个我们已经相信或希望成真的结论。

人们通常会为自己的判断找到一些看似合理的解释，并且真的认为这是他们的信念的根据。验证结论偏差的一个很好的方法是，想象一下如果那些看起来支持我们信念的论点突然被证明是不成立的，情况会如何。回到前面的例子，卢卡斯向卡斯丹明确指出的“你不要光想着‘杀人’”并不是什么令人信服的论点，《罗密欧与朱丽叶》（Romeo ad Juliet）的编剧应该不会同意卢卡斯的观点，如果《黑道家族》（The Sopraos）与《权力的游戏》（Game of Throes）的编剧决定不再“杀人”，这两个剧集很可能播完第一季就会被下架。然而，我们敢打赌，这些强硬的反驳观点都不会改变卢卡斯的想法，相反，他很可能会提出其他的论点来支持他的判断，比如“《星球大战》是与众不同的”。

无论我们从哪个方面看，预判都是显而易见的。就像卢卡斯的反应一样，预判通常带有感情色彩。心理学家保罗·斯洛维奇（Paul Slovic）称其为情感启发式（affect heuristic）：人们通过询问自己的感受如何来决定自己如何思考。对于我们喜欢的政治家，我们会爱屋及乌，而对于不喜欢的政治家，我们连他们的外表和声音也都不喜欢，这就是那些聪明的公司要付出那么多努力使其品牌与积极情感产生联结的原因之一。教授们经常注意到，如果某一年他们获得了较高的教学评分，学生也会对课程所用的教材给予好评；而如果某一年学生不太喜欢这个教授，他们会给相同的教材差评。即使这一过程不涉及情感成分，相同的机制也会起作用：无论你的信念的真正来源是什么，由于证实性偏差和期望偏差，我们倾向于有选择地收集和解释证据，以支持那个我们已经相信或希望成真的结论。

人们通常会为自己的判断找到一些看似合理的解释，并且真的认为这是他们的信念的根据。验证结论偏差的一个很好的方法是，想象一下如果那些看起来支持我们信念的论点突然被证明是不成立的，情况会如何。回到前面的例子，卢卡斯向卡斯丹明确指出的“你不要光想着‘杀人’”并不是什么令人信服的论点，《罗密欧与朱丽叶》（Romeo ad Juliet）的编剧应该不会同意卢卡斯的观点，如果《黑道家族》（The Sopraos）与《权力的游戏》（Game of Throes）的编剧决定不再“杀人”，这两个剧集很可能播完第一季就会被下架。然而，我们敢打赌，这些强硬的反驳观点都不会改变卢卡斯的想法，相反，他很可能会提出其他的论点来支持他的判断，比如“《星球大战》是与众不同的”。

无论我们从哪个方面看，预判都是显而易见的。就像卢卡斯的反应一样，预判通常带有感情色彩。心理学家保罗·斯洛维奇（Paul Slovic）称其为情感启发式（affect heuristic）：人们通过询问自己的感受如何来决定自己如何思考。对于我们喜欢的政治家，我们会爱屋及乌，而对于不喜欢的政治家，我们连他们的外表和声音也都不喜欢，这就是那些聪明的公司要付出那么多努力使其品牌与积极情感产生联结的原因之一。教授们经常注意到，如果某一年他们获得了较高的教学评分，学生也会对课程所用的教材给予好评；而如果某一年学生不太喜欢这个教授，他们会给相同的教材差评。即使这一过程不涉及情感成分，相同的机制也会起作用：无论你的信念的真正来源是什么，