认知科学：导论/偏差与推理启发式
在一天的行程中，我们反复需要做出判断和决定。 这些决定和判断可能与你与朋友的关系，晚餐吃什么，申请哪所大学，或者你应该在哪个城市定居有关。 但是我们如何做出这些决定呢？ 关于判断的研究关注的是个人在对情况和事件做出结论时如何利用各种线索。 相反，关于决策的研究涉及研究个人如何在各种选择中做出选择（Eysenck & Keane, 2010）。 可以说，判断是根据其准确性进行评估的，而决策的价值通常是根据这些决策的结果进行评估的（Eysenck & Keane, 2010）。 然而，这些领域密切相关，并在一定程度上重叠。
为了不被大量的信息和刺激所淹没，我们需要过滤掉其中很多。 决策也是如此。 为了在有限的时间范围内做出决定，我们必须将可用信息减少到可管理的量。 启发式帮助我们通过减少决策过程的认知负担，并允许检查更少的信息量来实现这一点。 因此，启发式是人们用来解决问题和信息处理的一种思维捷径。 它们是简单的经验法则 - 习惯性的、自动化的思维方式，让我们免于对信息进行完整而系统的处理。 它们通常在日常生活中非常有效且有用，但有时也会导致我们犯错； 我们的思维受到我们倾向于简单化决策的趋势的偏差。（Sternberg & Sternberg, 2009）。
Daniel Kahneman 和 Amos Tversky 是人类判断领域最具影响力的两位心理学家（Eysenck & Keane, 2010）。 Kahneman 是一位以色列裔美国心理学家，最初研究注意力，他在 1970 年发表了一系列与 Tversky 合作进行的实验研究，研究人们在日常生活中如何评估概率，他们使用哪些捷径（启发式），以及在这种评估中可能出现哪些偏差。 他们还发展了一种不确定性下的决策理论，该理论在关键点上偏离了流行的经济模型。 由于这些著作，Kahneman 在 2002 年获得了诺贝尔经济学奖 [1]。 Kahneman、Slovic 和 Tversky（1982）普及了“启发式推理”这一术语，用于描述涉及捷径的思维和决策 [2]
在本节中，我将从介绍人们在日常决策中使用的一些启发式和偏差模型开始。 此外，我将对一些启发式和偏差进行更深入的阐述。 在本文的最后，我将探讨可能影响决策过程的三种谬误，并对启发式在日常生活中的作用进行反思 - 它们帮助我们还是误导我们？
| 名称 | 启发式 | 偏差 |
|---|---|---|
| 框架效应 | 将现实世界中的需求视为可以解决的“问题” | 将你对问题的看法误认为真实需求。 “框架效应偏差” |
| 锚定与调整 | 假设一个起点，并思考从该点进行的调整 | 过度受假设起点的支配 |
| 现状 | “一切照旧” “如果它没有坏，就不要修理它” |
对任何新事物都有偏见 |
| 沉没成本 | 将已经花费在一个备选方案上的资源视为你需要重新开始一个新备选方案的资源估计。 | 将已经花费在一个备选方案上的资源视为放弃它而选择更好的东西的实际成本 |
| 确认 | 如果你倾向于采取一项行动，看看你是否能证明它是一项好的行动。 | 如果你只寻找支持性证据，你可能会错过致命缺陷 |
| 认知过度自信 | 果断 拒绝被怀疑困扰 |
自我欺骗 |
| 谨慎估计 | “保守估计” | 错失良机。 在小组解决问题中尤其危险 |
| 风险厌恶 | “手中的一只鸟胜过林中的两只”。 避免破产的可能性 | 错失良机。 风险厌恶对个人有吸引力，但对整个经济不利。 “确定性效应” |
| 选择性知觉 | 知道你在寻找什么 | 那些不愿看到的人是如此的盲目 |
| 可回忆性（“可用性”） | 如果一个想法不符合明显的数据，它肯定可疑 | 不明显的事情可能是最重要的，甚至是最常见的。 |
| 猜测模式 | 快速发现趋势或大局 | “战胜随机性” - 看到不存在的模式 |
| 代表性 | “如果它看起来像鸭子，走起来像鸭子，叫起来也像鸭子” | 忽略基本比率会导致严重的、可预防的错误 |
| 最可能的情况 | 避免浪费时间在可能不会发生的事情上 | 罕见事件可能是最重要的 |
| 乐观 | 争取金牌！ | 追逐梦想，忽视风险 |
| 悲观 | 避免令人不快的意外 | 错失良机 |
满意化是最早被提出的启发式之一。 该启发式基于这样的信念，即在我们逐一考虑了选项之后，一旦我们找到一个符合我们最低可接受水平的满意或足够好的选项，我们就会选择它。（Sternberg & Sternberg, 2009）。 当可用工作记忆资源有限时，可能会使用该启发式。
如果我们面临的备选方案比我们有时间考虑的更多，我们可能会使用逐项排除法，在这种方法中，我们会通过一次专注于每个备选方案的各个方面来排除备选方案。 例如，一个人可能会查看各种能力的方面。 然后你为这个方面设定一些最低标准（例如，你想买一台电脑，但它不能超过 1000 欧元）。 然后，你排除所有不符合该标准的可能性。 对于剩下的选项，你选择一个新的方面（电脑必须有 CD 播放器）。 我们就是这样继续这个过程，直到最终只剩下一个选项。 在实践中，我们似乎可以使用这种理论来缩小选项范围，以便进行更有思想和更谨慎的策略。 这对于在少量选项之间进行选择可能有用。（Sternberg & Sternberg, 2009）。
这就是你更看重未来的东西，而不是现在的東西。 随着时间的推移，事物贬值的速率是你的“贴现率”。
可以这样思考：假设我今天给你 100 美元，或者一年后给你其他数额的钱。一年后你会接受多少钱，才能让你觉得和今天得到的 100 美元一样有价值？如果答案是 103 美元，那么你的折现率就是每年 3%。折现曲线是可以衡量的，有时它是双曲线的，有时是指数的。
棉花糖测试可以被看作是折现的衡量标准。那些立即吃掉棉花糖的孩子可能非常贬低未来得到两颗棉花糖的价值。来自混乱童年环境的人被证明具有非常高的折现率。当你对未来的稳定性不信任时，对他们来说，享受现在能得到的东西更有意义。这有时包括生育孩子——在混乱中长大的孩子甚至更早成熟。[1]
代表性启发式是指我们根据以下两个因素来评估不确定事件的可能性
1. 它与总体相比有多么明显、相等或具有代表性——例如，许多人认为得到 GGGGG（女孩）的可能性比得到 BBBBB（男孩）的可能性更高，因为女孩的出生率高于男孩。
2. 反映过程底层特征的程度，例如巧合——例如，大多数人认为得到 BGBBBB 的可能性比得到 GBGBBG 的可能性更低。尽管两者的概率相同。原因是，第二种性别的组合 (GBGBBG) 分布更随机，因此被认为更有可能。
因此，这种启发式方法关注的是某事物或某人与我们对某个术语的原型有多么相似，这会影响我们对该物体/人的分类。我们不断依赖代表性启发式方法并不令人惊讶。它们使用起来很简单，而且通常有效。我们使用代表性启发式的另一个原因是，我们错误地认为，小样本反映了样本来自的总体。我们低估了小样本总体特征不一定能充分代表整个总体特征的可能性（Sternberg & Sternberg, 2009）。当我们非常清楚轶事证据时，我们也往往更倾向于使用代表性启发式方法（这种谬误是指知识基于单一案例）。人们错误地使用代表性启发式方法的原因之一是他们没有理解基本比率的概念。基本比率是指事件或特征在该事件或特征总体中的发生率（Sternberg & Sternberg, 2009）。
一些判断错误取决于可用性启发式方法的使用，这种方法涉及根据我们能多容易地想起我们认为与现象相关的相关信息来估计事件的频率（Eysenck & Keane, 2010）。可用性启发式方法的使用可以分为两种，取决于它们与哪种机制相关联。其中一种机制是召回可用性机制，它基于一个人回忆起因特定风险而死亡的人数，例如癌症。第二种机制是流畅性机制，它涉及“通过决定找到相关实例的难易程度来判断风险导致的死亡人数，但并不实际检索这些实例”（Eysenck & Keane, 2010）。
与可用性密切相关的启发式方法是锚定与调整启发式方法。在这种类型的启发式方法中，人们通过称为“锚定”的特定参考点来调整对事物的评估（Sternberg & Sternberg, 2009）。这种类型的启发式方法与人类倾向于将评级锚定在一个特定的起点，并根据此起点调整进一步的信息有关。这方面的一个例子可能是，对其他人的推断往往根植于对我们自己的想法。我们通过参考自己来确定某人有多聪明或多友善。
这种启发式方法基于这样一个信念，即问题选项的呈现方式会影响选项的选择。例如，当我们面临一个涉及潜在收益的选项时，我们倾向于选择体现风险规避的选项。这意味着我们会选择一个提供小但确定收益的选项，而不是一个提供大但不能确定的收益的选项（Sternberg & Sternberg, 2009）。
如果我们的启发式方法未能产生正确的判断，则可能导致认知偏差，即倾向于基于认知因素得出不正确的结论。在接下来的内容中，我将讨论决策中出现的几种偏差：虚假关联、过度自信和事后诸葛亮。
我们倾向于将特定事件、属性或类别看作是一致的，这种现象被称为虚假关联。例如，在属性的情况下，我们可能会使用个人偏见来形成和使用刻板印象；在事件的情况下，我们可能会看到错误的因果关系（Sternberg & Sternberg, 2009）。当人们认识到事件之间的关联时，即使这种关系并不存在，也会发生虚假关联。（Pelham, Brett; Blanton, Hart, 2013;2017）
过度自信是一种常见的错误，即个人高估自己的技能、判断、知识等。造成这种过度自信的原因之一可能是人们没有意识到自己知道的太少，而且他们的信息可能来自不可靠的来源。因此，人们有时会做出错误的决定。
当我们回顾某个情况时，我们认为自己很容易看到导致特定结果的所有迹象和事件；这种偏差被称为事后诸葛亮。当亲密的人际关系出现问题时，这种偏差很常见，人们往往在问题变得太大之前无法观察到问题的迹象。事后回想起来，人们可能会问自己“为什么我没有预见到它？”。由于这种偏差会损害一个人将自己的期望与结果进行比较的能力，因此可能会阻碍学习（Sternberg & Sternberg, 2009）。
基于启发式方法在决策过程中的核心作用，不正确推断的可能性将会被促进。最后，在本文中，我将探讨三种可能影响决策过程的谬误。
错误地认为，给定随机事件的可能性，例如在游戏中赢或输，会受到先前随机事件的影响，这种错误被称为赌徒谬误，也称为蒙特卡洛谬误（Sternberg & Sternberg, 2009）。这种错误可能与代表性启发式方法有关，这种方法基于这样一个信念，即过去事件的模式可能会发生变化。与这种谬误形成对比的是热手效应，它指的是对一组事件会继续发生的信念。
另一种谬误是合取谬误，它假设个人对事件子集的估计值高于包含该子集的更大事件集的估计值（Sternberg & Sternberg, 2009）。可用性启发式方法可能导致这种谬误。
最后一个谬误是沉没成本谬误，它声称决策过程不仅考虑潜在后果，还考虑过去的投入。根据沉没成本谬误，我们会继续投资于某件事，仅仅因为我们之前已经投入了，并希望收回我们的投入。例如，如果你投入了大量的钱去修理你的汽车，你很可能会再次修理它，尽管购买一辆新车会更有利（Stenberg & Stenberg, 2009）。
正如我们所见，代表性启发式是最常见的启发式之一，即认为一小部分样本代表整个群体。我们对概率和基本比率的理解偏差也会导致我们使用其他心理捷径，例如在结合谬误中。我们大多数人使用的一种常见启发式是易得性启发式，我们根据记忆中可获得的信息做出判断，而不费心去寻找不太容易获得的信息（Stenberg & Stenberg, 2009）。其他启发式，例如锚定和调整、框架效应和虚假相关，也经常会损害我们快速做出决定的能力。当一个人做出了决定，并且决定的结果已知时，我们可能会陷入事后诸葛亮偏差。或许最严重的偏差是过度自信，这种偏差似乎不受自身错误证据的影响。
启发式并不总是导致糟糕的决定或错误的判断，相反，它们可以作为简单的方式来得出合理的结论。关于启发式和偏差的研究表明，在日常生活中区分智力能力和智力表现的重要性。例如，统计学和概率学方面的专家可能会发现自己在日常生活中陷入错误的决策和判断模式。即使人们在传统的基于测试的意义上很聪明，他们也可能表现出与那些测试分数较低的人相同的偏差。这可能表明，人们在日常生活中往往没有充分利用他们的智力能力。
- Store Norske Leksikon Daniel Kahneman
- Blackwell Publishing 什么是启发式推理？启发式推理的优缺点是什么？
- 佐治亚州立大学 启发式和偏差
- R. J. Sternberg. & K. Sternberg (2009) 认知 (第 6 版) Wadsworth: Cengage Learning
- Eysenck, M, W., & Keane, M, T (2010) 认知心理学 (第 6 版) Sussex: Psychology Press
- ↑ Hutson, M. (2015). 当破坏性行为在生物学上讲得通时。Nautilus 11 月/12 月，107--113。 http://nautil.us/issue/31/stress/when-destructive-behavior-makes-biological-sense