琳達問題引起了廣泛的關注，它也引發了眾人對我和阿莫斯關於判斷的研究方法的批評。一些研究人員發現將指示和提示結合起來可以減少謬誤的發生，這跟我們已有的發現沒什麼兩樣。有些人爭論道，在琳達問題中，受試者將“機率”理解為“貌似合理”完全是合情合理的。這些爭論有時波及我們的整個研究，說我們的所有結論都在誤導公眾：如果一種顯著的認知錯覺能被削弱或解釋清楚，其他的系統功能也會如此。這個理論忽視了合取謬誤是直覺和邏輯間的矛盾衝突這一特殊性。我們透過設計組間實驗對啟發式進行論證的論據沒有受到質疑，簡單地說就是沒有被討論過，而且因為過於重視合取謬誤，這個證據的突出性也被掩蓋了。琳達問題的淨效應是我們的工作對於普通民眾來說更透明瞭，而在此領域的學者中，我們的研究方法的可信度有了一點欠缺。當然我們絕不會料到事情會這樣。 如果你去法庭就會看到律師們往往採用兩種批評風格：要想推翻某個案件，他們往往會去質疑支援此案的最有力證據，他們會找準證詞中最薄弱的地方，讓目擊證人變得不值得相信。關注弱點在政治辯論中也很常見。我認為在科學爭論中這是不恰當的，但我越來越相信一個事實，那就是社會科學中的辯論規則無法阻止政治辯論的風格，尤其在緊要關頭的重大問題的討論上—人類判斷中普遍存在的偏見就是個重大問題。 幾年前，我和拉爾夫•赫特維格（Ralph Hertwig） 有過一次友好的交流。他對琳達問題一直都持批評態度，而我想透過琳達問題解決我們之間的分歧，不過結果證明這只是徒勞之舉。我問他為什麼和其他人只關注合取謬誤，而不關注其他可支援我們立場的更強有力的發現。他笑著說：“這個問題更有意思啊。”他說琳達問題引來了眾多關注，我們沒有理由抱怨什麼。 示例——少即是多 “他們構建了一個非常複雜的情節，還堅持說這個情節出現的可能性很大。 這不是真的，這只是個貌似合理的故事而已。” 145
思考，快與慢 TEINKING FAST AND SLON “對於貴重的產品他們還附贈一個便宜的小禮物，這樣的話，整套產品就不那麼吸引人了。少即是多就是這個意思。” “很多情況下，直接的比較使得人們更謹慎也更有邏拜性。不過，也不常是這樣。有時即使正確的答案就在眼前，直覺也會打敗邏輯。” 躍驅 146
第16章因果關係比統計學資訊更具說服力請考慮下列情境，憑直覺寫出答案。 一輛計程車在夜晚肇事後逃選。 這座城市有兩家計程車公司，其中一家公司的計程車是綠色的，另一家是藍色的。 你知道以下資料： •這座城市85%的計程車是綠色的，15%是藍色的。 •一位目擊證人辦認出那輛肇事計程車是藍色的。當晚，警察在出事地點對證人的證詞進行了測試，得出的結論是：目擊者在當時能夠正確辨認出這兩種顏色的機率是80%，錯誤的機率是20%。 這場事故的計程車是藍色而不是綠色的機率是多少？ 這是“貝葉斯定理”的一個標準問題。我們可以從中得到兩條資訊：一個基礎比率以及不完全可靠的目擊者證詞。若沒有目擊者，肇事計程車是藍色的機率（即藍色計程車的基礎比率）為15%。若兩家計程車公司規模一樣大的話，基礎比率就會思考，快與甜紫2 變成無用資訊，你就只需考慮目擊者的證詞，因而這個問題的機率就是80%。我們可以用貝葉斯定理將這兩個資訊源結合起來，得出正確答案是41%。然而，你可能會想到當人們面對這個問題時是怎樣做的：他們會忽略基礎比率，只考慮目擊者的因素。 因此，最普遍的答案是80%。 因果關係基礎比率與思維定式現在，請考慮一下上述問題的另一種表述方式，在這個表述中，只有基礎比率發生了變化。 你得到的資料如下： •兩象公司擁有數量相同的計程車，但是在出祖車造成的事故中，綠色計程車佔85%。 •關於目擊證人的資訊與上例相同。 同一問題的兩種表述從數學角度來看並沒有區別，但從心理學角度來看則有很大不同。看了第一種表述的人並不知道怎樣運用基礎比率，通常會忽略它。相反，看到第二種表述的人會對基礎比率給予一定重視，他們的平均判斷與運用貝葉斯定理解決該問題得出的答案相差不多。這是為什麼呢？ 在第一個表述中，藍色計程車的基礎比率是關於這座城市計程車的統計學事實。 大腦極其渴望找到其中的因果關係，但卻一籌莫展：這座城市綠色和藍色計程車的數量與計程車司機肇事後逃逸到底有什麼因果關係呢？ 而在第二個表述中，開綠色計程車的司機比開藍色計程車的司機肇事率高5倍。 於是你會馬上得出結論：開綠色計程車的司機是一群莽撞的瘋子！現在，你認為綠色計程車司機是莽撞的，並對這家公司所有你並不認識的司機都抱有這種印象，我們稱之為思維定式。我們很容易將這樣的思維定式設定在因果關係裡，因為莽撞是使計程車司機與肇事逃逸產生因果聯絡的相關事實。在這個表述中，有兩個因果關係需要放在一起考慮。第一個是肇事後逃逸，這件事使人很自然地認為莽撞的綠色計程車司機難脫干係，第二個是目擊者的證詞，證詞特別強調肇事計程車是藍色的。 148
第16章因果關係比統計學資訊更具說服力根據這兩個因果事件對計程車顏色作出的推斷是相互矛盾的，因此如果其中一個成立就相當於另一個被推翻。這兩種顏色的機率大致相同（用貝葉斯定理估計出的機率是41%，這說明與目擊者確信計程車為藍色的機率相比，綠色計程車的基礎比率略為極端了些）。 這個計程車的例項闡明瞭兩種基礎比率。“統計學基礎比率”（statistical base rates）是指某一事件所屬類別的事實總量，與單獨事件無關；而“因果關係基礎比率” （causal base rates）則會改變你對單獨事件的看法。對兩種基礎比率，人們往往會區別對待： •統計學基礎比率普遍受到輕視，當人們手頭有與該事件相關的具體資訊時， 有時還會完全忽略這一比率。 •因果關係基礎比率被視為個別事件的資訊，人們很容易將這一比率與其他具體事件的資訊結合起來考慮問題。 與因果關係相關的那個計程車問題存在一種思維定式：綠色計程車的司機是危險的。思維定式是指人們會（至少暫時會）將自己對某個團體的看法延伸到這個團體中每一個成員的身上（團體存在某些問題，其中的成員無一例外也都會有這些問題）。 下面有兩個例子： 這所位於市中心的學校的絕大多數畢業生都能考上大學。 腳踏車風靡整個法國。 這些陳述很容易被理解為某個團體中每個個體都具有某種傾向，符合因果關係。 這所位於市中心的學校的許多畢業生都想要上大學，他們也有這個能力，原因可能是這所學校的校園生活有利於學生身心發展的特點。法國文化及社會生活中蘊涵著使法國人對騎腳踏車感興趣的推動力。當你想到某學校畢業生進人大學的可能性或考慮是否與一個剛認識的法國人談論環法腳踏車比賽時，你就會聯想到這些事實。 思維定式在我們的文化中是個貶義詞，但我把它當成一箇中性詞來用。系統1的基本特徵之一就是它代表了範疇規範和原型範例。這樣的規範和範例決定了我們怎樣看待馬、冰箱及紐約市的警察，因為我們會在記憶裡儲存與所有這些範疇的事物 149
思考，快與慢陛悐臨或人相關的一個或多個“規範的”典型形象。當這些範疇具有社會性時，這些典型形象就被稱為思維定式。有些思維定式的錯誤是致命的，負面的思維定式可能會產生可怕的後果，但這樣的心理學事實無法避免：不管是對是錯，思維定式都是我們對不同範疇事物的看法。 你可能發現了其中的諷刺之處。在計程車問題的情境中，忽略基礎比率資訊是一個認知錯誤，是貝葉斯定理的失敗，依賴因果關係基礎比率才能獲得令人滿意的答案，形成對綠色計程車司機的思維定式便會提高判斷的準確度。然而，在其他情境中， 例如涉及僱傭問題或整體概述時，社會規則與思維定式會發生強烈衝突，在法律當中同樣有所體現。事實就是如此，無須大驚小繹。在敏感的社會情境中，我們不想根據某個團體的相關統計資料對個人做出可能是錯誤的結論。我們認為應該將基礎比率視為與整體相關的統計學事實，而不是與個人相關的假設性事實。換句話說，我們反對利用因果關係基礎比率。 社會規範往往反對思維定式，包括對整體概述這一做法的否定，這對於建立一個更加文明平等的社會大有益處。然而，我們也應該知道，忽略有根據的思維定式會不可避免地妨礙我們的判斷。打破思維定式是值得稱道的道德主張，但是如果簡單地認為打破這種印象不用付出任何代價，那就錯了。為了建立一個更美好的社會， 付出這些代價都是值得的；然而如果只顧滿心歡喜和正確的政治立場，卻否認代價的存在，這種態度是經不起科學推敲的。在政治分歧中依賴情緒啟發是很常見的，我們贊同的某些立場無須成本，我們反對的某些立場也沒有益處。我們應該有能力可以做得更好。 我和阿莫斯設計了許多計程車問題的衍生實驗，但並沒有發明因果關係基礎比率這一強大概念，我們是從心理學家埃塞克•阿杰恩（Icek Ajzen）那裡借用了這一概念。阿杰恩在他的實驗中給受試者簡單描述了一些學生在耶魯大學參加考試這件事， 然後要求受試者判斷其中每個學生透過考試的機率。因果關係基礎比率的影響是非常明顯的：阿杰恩告訴一組受試者，那些考生中有75%的人透過了考試：而告訴另一組受試者，考生考試的透過率是25%。這項測試的困難自然在於，受試者需要用眾多因果關係中的一個來判斷每一個學生的考試結果。不出所料，阿杰恩的受試者都對因果關係基礎比率非常敏感，在高成功率的情境中，受試者估測出的每個學生通 150
第16章因果關係比統計學資訊更具說服力過考試的機率都要高於在高失敗率的情境中那些受試者的估測值。 阿杰恩運用一個頗具獨創性的方法指出了一個非因果關係的基礎比率。他告訴受試者，那群學生是從一個樣本中抽取的，而且這個樣本是從已得到考試結果的學生中抽取的。例如，處於高失敗率情境的那一組所看到的資訊如下所示： 研究者主要是對考試失敗的原因很感興趣，所以選取的樣本中有75%的學生是沒透過考試的。 請注意其中的不同。這個基礎比率是一個關於選取示例整體的純統計學事實。這與所問的問題（即個別學生是否透過考試）並無關聯。正如人們所料，這個闡述明確的基礎比率對判斷產生了一定影響，但相對於統計學上的因果關係基礎比率而言， 其影響則要小很多。系統1處理的事件中各項因素是有因果關係的，但是在統計推理中這樣的關係很薄弱。當然，對於一個以貝葉斯定理模式進行思考的人來說，所有這些表述方式都是相同的。我們很容易認為自己已經得到了一個令人滿意的結論： 因為我們使用了因果關係基礎比率；我們只不過（或多或少）忽略了統計學上的事實而已。下面這個研究是我一直以來最中意的一項，它表明了情境是非常複雜的。 我們並沒有自己根的那樣樂於助人莽撞的計程車司機以及高難度的考試闡明瞭兩個從因果關係基礎比率中得出的推論：一是我們容易賦予個人以典型特徵，二是情境的一個重要特點就是能影響個人的思考結果。實驗的受試者做出了正確的推論，他們的判斷力也有所提高。可事情並不總是那麼順利。我即將要描述的典型實驗表明，人們不會從基礎比率資訊中得到與他們的觀點相沖突的推論。這個實驗還證實了一個讓人苦惱的結論：教授心理學純粹是在浪費時間。 社會心理學家理查德•尼斯貝特（Richard Nisbett）和他的學生尤金 •博吉達 （Eugene Borgida）很早之前就在密歇根大學做了這個實驗。他們向學生描述了前幾年在紐約大學進行的那個著名的“幫助實驗”。他們將實驗受試者分別帶入房間，並要求他們對著麥克風談論自己的生活和煩惱。他們輪流敘述兩分鐘，每個房間的麥 151
THINKING 思考，快與慢：XSHXNSI 克風只有在受試者講述時才會出聲。每一組有6位受試者，其中一位是我們派去扮演受試者的工作人員。這位工作人員是第一個敘述的人，他是按照研究人員準備的稿子說的。他說他很難適應紐約的生活，並十分尷尬地承認自己很容易抽搐，在緊張的時候尤其如此。接著，所有受試者都依次敘述。當那位工作人員再次對著麥克風講述時，他變得焦慮和不連貫，他說他感到一陣抽搐，希望有人能幫助他。他最後幾句說的是“有沒有人⋯⋯能⋯⋯救救我⋯⋯（喘氣聲）我⋯⋯我要⋯⋯死了，我要•⋯死了（氣哽聲，然後安靜了下來）”。此時，下一位受試者的麥克風被自動開啟， 人們再也聽不到那位有可能瀕臨死亡的人的動靜了。 你認為這個實驗的其他受試者會做些什麼呢？到現在為止，受試者知道他們中的一員癲癇發作並希望得到幫助，然而他們覺得可能已經有幾個人衝出去並提供了幫助，所以自己可以安然地待在隔間中。實驗結果是：15個受試者中，只有3個人立刻對請求做出了反應。6個人沒有踏出過房間，另外5個人在“癲癇患者”明顯氣哽時才衝出房間。這項實驗說明當某人知道其他人也聽到了同樣的求救資訊時，就會感到自己肩上的責任變小了。 這樣的結果令你驚訝嗎？很有可能。我們大多數人都認為自己十分正直，在那樣的情況下，都會義無反顧地提供幫助。當然，這項實驗的意義就是去證實那樣的期望是錯誤的。即使是普通、正直的人也不會衝過去提供幫助，因為他們希望別人能夠處理這種令人不快的癲癇發作情況。這是不是意味著你也會這樣做呢？ 你贊同下面的說法嗎？“當我閱讀幫助實驗的流程時，我想我會立刻對那個陌生人施予援手，就如同當時只有我和這個癲癇病患者一樣。然而，我有可能錯了， 如果發覺自己所處的環境中還有許多人有可能去提供幫助，我可能就不會走出去了。 別人的存在會削弱我最初的責任感。”這是一個心理學老師希望你學到的。你自己也做過相同的推理嗎？ 描述這項幫助實驗的心理學教授希望學生能將基礎比率看做是有因果關係的，就如前面提到的那個虛擬的耶魯大學測試一樣。他希望學生可由這兩個例子得到推論， 即高失敗率意味著測試很難。學生應該懂得這個情境的顯著特點，例如責任感的淡化。這個特徵會引起包括這些學生在內的普通人和高尚的人意外地沒有向他人伸出援手。 152
第16章因果關係比統計學資訊更具說服力改變一個人對人性的看法很難，改變一個人對自身陰暗面的看法就更難了。尼斯貝特和博吉達懷疑學生很有可能會對這項任務和不快的感覺產生牴觸情緒。當然， 學生能夠也願意在實驗中敘述“幫助實驗”中的細節，甚至會重複實驗方對責任傳播的“正面”解釋。他們對人性的看法真的發生改變了嗎？為了弄清這一點，尼斯貝特和博吉達給受試者播放了一些簡短訪談的影片，被訪者是在紐約所作的那項研究中的受試者。訪問簡短而平淡，受訪者看上去都是友好而正直的普通人。他們描述了各自的愛好、課餘活動以及對未來的計劃，這一切完全是老生常談了。在看過其中一個採訪影片後，學生們需要猜測那個受試者會在多長時間後為陌生的發病者提供幫助。 要想將貝葉斯推論應用到這項指派給學生的任務中，你應該先問問自己如果你並沒有看過那兩人的影片，你會作出怎樣的猜測。這個問題可以運用基礎比率得以解決。我們知道，在患病者發出第一次請求後，15個受試者中只有4個衝出去提供了幫助。所以某個受試者立刻伸出援手的機率是27%。因此，當被問到某個特定的受試者是否會立刻提供幫助時，你的第一反應是不會。接著，貝葉斯邏輯要求你透過該受試者的相關資訊對自己的判斷進行調整。然而，影片是經過精心設計的，不會提供什麼資訊。他們並沒有提供任何理由以便讓你推測出某個受試者的熱心程度。因此， 這樣推測出來的結果並不比亂猜的準確率高多少。在缺乏有用新資訊的時候，可同時運用貝葉斯定理與基礎比率來解決問題。 尼斯貝特和博吉達叫兩組學生看了這些影片並要求他們判斷兩名受試者的反應。 第一組學生只瞭解到“幫助實驗”的流程，並不知道實驗的結果。這組受試者的預測結果反映了他們對於人性的看法以及對情境的理解。正如你可能猜到的那樣，他們作出的預測是兩位受試者立刻都衝出去幫忙了。第二組學生對實驗的流程和結果都有所瞭解。對兩組受試者作出的預測進行比較，可以回答一個非常重要的問題： 這組學生是否從 “幫助實驗”的結果中得到了一些資訊，從而顯著地改變了自己的思考方式？答案很明顯：他們其實什麼資訊也沒得到。第二組學生對這兩位受試者所作的預測與並沒有見過實驗統計結果的第一組學生所作的預測沒什麼區別。儘管知道影片中被抽到的這個受試者所屬小組的基礎比率，他們還是相信自己在影片申看到的人會很快為陌生的患病者提供幫助。 153
思考，快與慢 THINKING FAST ANDSLON 對心理學老師來說，這項研究的隱含資訊無疑是令人沮喪的。在為學生講授“幫助實驗”中受試者行為的相關知識時，我們希望他們能夠有新的收穫，希望改變他們在某個特定情境中對於人的行的看法。這個目標並沒有在尼斯貝特和博吉達的實驗中得到實現，而我們也沒有理由相信假如他們選擇的是另一個令人驚奇的心理實驗， 實驗結果就會有所不同。的確，尼斯貝特和博吉達在給學生呈現另一項研究結果時， 彙報了類似的發現，此發現表明輕微的社會壓力會增強人們對令人痛苦的電擊的承受力，且這樣的承受力超出了我們大多數人的想象。如果學生沒有對社會環境的影響力形成一個新的認識，他們就沒有從實驗中學到任何有價值的東西。他們對陌生人或是自己的行作出的推測說明，他們並沒有改變原本的想法。以尼斯貝特和博吉達的話來說，學生“默默地將自己（以及他們的朋友和熱人）排除在外”，認為實驗的結果並沒有令他們驚訝。然而，各位心理學老師不應感到絕望，因尼斯貝特和博吉達想出了一個能讓學生充分理解“幫助實驗”內涵的方法。他們找了一組新的學生，向他們描述了“幫助實驗”的流程，但沒有告訴他們實驗的結果。他們播放了那兩個影片，然後只是簡單地告訴學生影片中的兩個人沒有幫助那個陌生患者， 然後，他們要求學生對所有受試者的行為進行猜測。實驗結果是出乎意料的：學生們的猜測十分精確。 在教授學生全新的心理學知識時，你必須得令他們感到驚訝，但什麼樣的驚訝才會有效果呢？尼斯貝特和博吉達發現，當他們向學生展示令人驚訝的統計學事實時， 學生什麼也學不到；但當學生驚訝於個體案例時，例如知道兩個友好的人對求救的人袖手旁觀時，他們會立刻歸納並推斷出幫助他人似乎比自己想象的要困難。尼斯貝特和博吉達將結論總結為耐人尋味的一句話： 這些受試者不願從普遍現象中推匯出特殊性，這一點與他們願意從特殊現象中歸納出普遍性如出一轍。 這是一個影響深遠的重要結論。有些人的行令人驚訝，瞭解這些行為的統計學事實的人也會將這些事實告訴別人，就在這種轉述的過程中，他們的印象得以加深， 但這並不意味著他們的世界觀也會隨之改變。學習心理學面臨的考驗是，你對所處環境的理解是否發生了改變，而不是你是否瞭解到一個新的事實。我們對於資料的 154