——理查德·拉瑞克，《判斷與決策布萊克威爾手冊》，2004 我們不能違背機率法則，因為它可以捕捉到關於世界的真相。 ——阿莫斯·特沃斯基和丹尼爾·卡尼曼，《不確定狀況下的判斷：啟發式和偏差》，1982 在本書的前幾章中，我大概描繪了認知吝嗇鬼的一些基本特徵。但是，認知吝嗇鬼並非是導致劣質思維（poor thinking）的唯一原因。在某些情況下，人們未能達成既定目標的原因在於心智程式出現了問題。心智程式是指人們在進行決策和解決問題時，可以從記憶中提取出的規則、知識、程式、策略等，以輔助完成當前的認知任務。人們未能採取優質思維方式（good thinking）進行思考的原因有二。第一，個體的心智程式還未獲得足以支援理性思維的規則、策略和知識；第二，心智程式中的某些知識本身就是導致非理性行為和思維的罪魁禍首。我將第一類問題稱為“心智程式缺陷”（mindware gap），即本章的討論重點。第二個問題，我將其稱為“汙化心智程式”（contaminated mindware），即下一章的主題。
現實生活中的心智程式問題：心智程式缺陷效應引發的兩起悲劇自閉症是一種以人際互動障礙、語言發育遲滯以及重複性行為和特殊興趣愛好為特徵的一種發展性精神疾病。對於一些外表看起來完全正常，但是不與任何人進行交流的自閉症兒童來說，他們的父母很難接受自己的孩子是自閉症患者這個事實。因此，在20世紀80年代末90年代初，當這些孩子的父母聽說一種源於澳大利亞的技術能夠讓之前完全不能使用語言進行交流的自閉症兒童可以正常與他人溝通時，他們的興奮和激動之情可想而知。 這種技術被稱為“輔助溝通”，聲稱可以幫助沒有語言溝通能力的自閉症患者恢復溝通能力。有幾家極具社會影響力的媒體對這種療法進行了不加批判的大幅報道，比如《新聞60 分》、《遊行雜誌》和《華盛頓郵報》等。這些報道聲稱，一位性情溫和的“輔助者”把自己的手和胳膊與那些因自閉症或其他發展性障礙而無法進行語言溝通的兒童的手一起放在打字機上時，兒童可以用鍵盤打出極具文采的文字資訊。當那些只能斷斷續續地說出隻言片語的自閉症兒童表現出令人驚異的語言能力時，他們的父母無一例外地倍感振奮，不免重新燃起對孩子未來的希望。報道還宣稱，這種技術對於那些智力嚴重低下且語言能力受損的兒童也有效。我們可以理解患兒父母的激動之心，他們熊熊燃起的希望之火著實令看者動容。 然而，不幸的是，這個故事並非像所有人期望的那樣有一個美好的結局。在20世紀90 年代，行為科學研究者在恐怖的預期中展開了對這種療法的研究工作，這就好像以慢動作觀看一起車禍一樣，一場可以預見的悲劇慢慢地展現在人們眼前。這起悲劇之所以是可以預見的，原因在於研究者試圖彌補這個心智程式缺陷（以教學為手段），使得這場悲劇成為不可避免的必然事件。 此處的心智程式缺陷源於缺乏科學性思維，其中最為重要的一點，是在實驗過程中沒有透過設定對照組的方式對備擇假設進行檢驗。在使用對照組被試對結論進行進一步檢驗之前，有關方面就將關於“輔助溝通”神奇作用的訊息散佈給了那些心懷希望的家長。在這個研究中，由於觀察到的現象實際上可以有多種可能的解釋，因此，開展進一步的對照組研究是非常必需的。研究中的“輔助者”通常是一位富有同情心，並且發自內心希望孩子成功克服溝通障礙的人，在研究中，他們有無數的機會有意識或無意識地將患兒的手向著正確的按鍵上引導。一些實驗觀察記錄佐證了患兒有可能受到“輔助者”引導這一事實，研究者觀察到，患兒有時在眼睛沒有看鍵盤的情況下，也可以敲打出複雜的資訊。另外，一些還沒有開始學習 ABC的患兒，在實驗中也打出了美妙的英語散文。 現在，十幾年過去了，研究者設計開展了很多設計巧妙又嚴密的對照研究，以檢驗輔助溝通法的有效性[1]。這些研究無一不揭示了這樣的事實：自閉症兒童在打字方面的優異表現，有賴於輔助者提供的觸覺線索。有的實驗是這樣操作的：輔助者和患兒分別看到一張靜物素描畫，兩人互相不能看到對方所看到的畫。當輔助者和患兒看到的是同一幅畫時，患兒可以在打字機上正確打出該靜物的名稱，而當兩人看到的是不同的畫時，患兒打出的是輔助者看到的靜物名稱，而非自己看到的靜物。也就是說，打字機打出的內容是由輔助者決定的，而非患兒。毫不誇張地說，輔助溝通法確實導致了一些悲劇的出現。例如，在有的兒童訓練中心，自閉症兒童在輔助者的“幫助”下，透過打字的方式敘述自己曾遭到父母的性侵犯。這些患兒隨後就被強制帶離了他們的父母家，直至後來法院判斷這項指控無效，患兒才重返父母身邊。 在這場由輔助溝通導致的悲劇中，那些應該為此負責的臨床醫生並非是愚蠢的笨蛋。然而，他們的信念和行為都是非理性的。由於他們存在心智程式缺陷而導致了很多傷害的發生。他們缺少可以防止妄下因果推論的批判性思維策略。他們是由於存在心智程式缺陷而表現愚蠢的聰明人。 另一起因心智程式缺陷導致的悲劇發生於2003年。英國律師薩利·克拉克曾因謀殺自己的兩個嬰兒而被捕入獄，2003年，她的判決被推翻而釋放出獄。5個月後，英格蘭梅登黑德的藥劑師特魯珀提·帕特爾謀殺親生子女的案件也得以昭雪[2]。克拉克夫人和帕特爾夫人的案件存在很多共同點。她們的家中都不只一次發生過嬰兒死亡事件；她們都被指控謀殺自己親生的嬰兒；用以給她們定罪的證據含混不清。最後一點，她們之所以被判有罪，都是由於法官、陪審團尤其是專家證人的心智程式缺陷。
在兩起案件中出庭作證的專家證人是一名兒科醫生。據他推測，兩位母親都患有“代理型孟喬森綜合徵”，具體症狀是父母親讓健康的子女接受沒有必要的醫學治療，這是一種很殘忍的兒童虐待方式。比兒科醫生的說辭更能打動陪審團的，是這位兒科醫生作證時出示的一組機率資料。這位兒科醫生作證說，同一個家庭中兩個嬰兒都死於“搖籃猝死症”的機率是 1/73000000。這個誇張的資料讓陪審團印象深刻，使得他們認為這種事情幾乎不可能在非人為的情況下發生。但是，這位兒科醫生在計算機率時誤用了一條最基本的規則。他只是簡單地把發生一次搖籃猝死的機率進行了平方，進而得到了1/73000000這個資料。但是，在進行機率計算時，只有當兩起事件完全獨立時，才可以使用這種演算法。而在嬰兒猝死的案例中，並不滿足兩起事件完全獨立的假設，已有很多研究表明，由於共享很多基因和環境因素，在發生過嬰兒猝死的家庭中再次出現嬰兒猝死症病例的機率會升高。 就在克拉克夫人被定罪不久，英國醫學雜誌發表了一篇題為《因資料錯誤而定罪？》的文章，指出了兒科醫生的法庭證詞中出現的機率邏輯錯誤。就某種意義來說，兒科醫生所犯的錯誤，是一個很小的機率推理錯誤。一旦被指出來，多數人都可以理解他錯在哪裡。相信所有的機率入門課程老師在講授“機率平方”的使用規則時，都會強調事件獨立性是它的基本使用原則。但是，從另一個角度來看，這個小錯誤又是一個大問題。關於基本機率理論的心智程式並非人人具備，這位兒科醫生沒有，法官、陪審團成員也都不知道。多數人在高中畢業時搞不懂機率的操作規則，只有少數選修了統計相關課程的大學生才有機會獲取這一類知識。智力測驗更是不會對這些方面進行測量。認知心理學家發現，當處理這一類機率資訊時，人們並不能透過自然思維傾向（認知吝嗇鬼即依賴於此）得出正確的估計[3]。多數人的心智程式中並沒有儲存一些重要的機率理論規則，因為這些知識無法透過基礎教育獲得。簡而言之，缺乏機率理論知識是一種心智程式缺陷，也是很多非理性思維和行為的根源。 透過這兩個例子（輔助溝通和由不恰當使用機率而導致的誤判），我試圖向大家說明心智程式缺失如何導致非理性的決策和行為。我所展示的這兩類心智程式缺失（分別是科學性思維規則的缺失和機率思維規則的缺失）是經過我精心挑選的。因為這兩類缺失現象可以用來解釋很多非理性思維和行為。這兩類心智程式的存在與否，決定了人們是理性還是非理性。由於較少面對此類情境，或缺乏這方面的指導，這些心智程式在高智商人群中也會常常會缺失，這是導致理性障礙出現的主要原因之一。之所以出現這種現象，原因在於智力測驗並不對機率推理能力進行測量，因此，很多高智商個體依然會受到非理性機率決策的困擾。 雖然很多智力測驗都對個體的事實類資訊（比如詞彙量）掌握情況進行了測量，但並沒有對科學化思維方式和機率的心智程式進行檢測。如果加入這兩部分的內容，人們的智力測試結果會大不相同。我們也許會發現，有些高智商個體並沒有之前認為的那麼聰明，而有些之前被認為是低智商的個體，也許並不愚蠢。 [1] 很多文獻介紹了輔助溝通的歷史（Dillon 1993；Gardner，2001； Jacobson，Mulick，and Schwartz，1995；Spitz，1997；Twachtman-Cullen，1997），時至今日，已有很多研究證明了這種療法是偽科學 （Burgess，Kirsch，Shane，Niederauer，Graham，and Bacon，1998；Cummins and Prior，1992；Hudson，Melita，and Arnold，1993；Jacobson，Foxx，and Mulick，2004；Mostert，2001；Wegner，Fuller，and Sparrow，2003）。關於自閉症， 請參考巴倫等人的文章（Baron-Cohen，2005；Frith，2003）。 [2] 我對這兩起案件的瞭解來自《經濟學人》（2004年1月24日）、《每日郵報》（2003年 6月12日）、《泰晤士報》（2003年6月12日）以及沃特金斯的文章（Watkins，2000）。 [3] 關於啟發式和思維偏差的文獻中包含了很多類似的例子（Baron，2000； Evans，2007；Gilovich et al.，2002；Johnson-Laird，2006；Kahneman and Tversky，2000；Koehler and Harvey，2004；Nickerson，2004；Shafir，2003； Sunstein，2002；Tversky and Kahneman，1974，1983）。
貝葉斯前來救援！ 在輔助溝通案例中所展示的，是考慮備擇假設必要性的科學思維原則，這種原則在現實生活中有著廣泛的適用性。這種推理策略最基本的形式被稱為“反向思維”，這是一種可以被用於解決很多日常問題的心智程式。試想在你的住所附近新開了一家看起來還不錯的餐廳， 但是你從未在那裡用過餐。之所以一直沒有嘗試，主要原因是據曾經去過那家餐廳的朋友反饋，那裡的食物味道非常一般。暫且不管他們的評價是對還是錯（也許他們的觀點並不具有代表性，你過度受到他們的評價影響），你在不知不覺中認為這是一家很普通的餐廳，好吃的機率大概只有50%。過了一段時間，當你在髮廊理髮時，剛好遇到這家餐廳的老闆。老闆認出你是住在附近的鄰居，於是熱情地詢問你為何從未到過他的餐廳吃飯？慌亂之中，你臨時編了一個很蹩腳的理由應付他。老闆似乎覺察到了你的遲疑與不情願，詢問道：“怎麼了？發生了什麼事情？來過我店裡的顧客有95%都說很好吃呢。” 老闆的這番話能夠打消你的疑慮嗎？你有想去那家餐廳嘗試一下的衝動嗎？老闆的一面之詞能夠證明這家餐廳很棒嗎？ 上述問題的答案毫無疑問是一個堅決的“不”。事實上，如果硬要說老闆的這番話對你的態度有什麼影響的話，也許是讓你變得更加不願意去嘗試。很顯然，老闆的說法沒有提高這家餐廳在你心目中的印象。他的推理過程出了什麼問題呢？為何他的說辭並沒有成為證明這家餐廳值得一去的有力證據呢？ 18世紀，來自英格蘭坦布里奇維爾思的教士托馬斯·貝葉斯（Thomas Bayes）提出的定理為這個問題提供了理論性答案[1]。貝葉斯公式基於兩個基本概念：待檢驗的焦點假設（稱為H），以及與假設相關的資料集合（稱為D）。在下面我將要給大家展示的公式中，你將看到這樣的符號：~H（非H）。這個符號代指備擇假設，即如果焦點假設為假，則備擇假設一定為真，兩者是相互排斥的。因此，按照慣例，備擇假設為真的機率等於1減去焦點假設為真的機率。例如，如果我認為魚竿另一端咬鉤的魚是鮭魚的機率為0.6，那麼，這隻魚不是鮭魚的機率就是0.4。 接下來的章節是本書中技術性最強、對數學要求最高的一部分。但是，此處的重點與難點並非在於數學公式，而是概念。即使你有數學恐懼症，想要忽視所有的數字和公式，也應該對理念有清晰準確的把握，這是關鍵所在。掌握貝葉斯思維方式，除了一些詞彙規則之外，你並不需要學習太多其他的知識。正規的貝葉斯統計肯定包含計算，但是，為了避免犯機率相關的思維錯誤，你只需要掌握正確進行機率計算思維方式所需的概念性邏輯即可。 在接下來出現的公式中，P（H）表示在收集資料之前估計焦點假設為真的機率，P（~H）表示進行資料收集之前，備擇假設為真的機率。另外，接下來的計算中還牽扯到一些假定機率（條件機率）。例如，P（H／D）代表在對資料（D）模式進行分析之後， 焦點假設為真的機率；P（~H／D）代表備擇假設的後驗機率。P（D／H）表示在焦點假設為真的情況下，觀察到特定資料模式的機率；P（D／~H）（下文中將要提到，這是一個非常重要的值）代表在備擇假設為真的情況下，觀察到特定資料模式的機率。需要引起重視的是，P（D／H）與P（D／~H）並非是互補的（兩者相加不為1）。資料有可能同時給定焦點假設和備擇假設，也有可能不給定焦點假設和備擇假設。 接下來，我們將聚焦於貝葉斯公式中理論性最強的一種變形形式，該公式以機率形式呈現： 在這個比率等式中，或者說機率形式公式中，從左至右3個比率分別表示：在獲得新資料（D）的情況下，焦點假設（H）成立的後驗機率；焦點假設機率除以備擇假設機率，被稱為相似率（LR）；焦點假設成立的先驗機率。具體來說：
該公式告訴我們，在給定資料集的情況下，焦點假設成立的機率等於兩個機率的乘積： 相似率乘以焦點假設成立的先驗機率。即： 焦點假設的後驗機率＝相似率×先驗機率值得引起大家重視的一個問題是，不知道貝葉斯定理，並不意味著這個人一定是非理性的。普通人其實並沒有必要熟記這個公式。問題在於，無論個體的判斷是否遵循貝葉斯定理，人們在做出機率方面的決策時，通常是根據自動化加工做出的推測，實驗室研究所關注的正是這種自動化推測是否符合貝葉斯定理的限制條件。當我們跌倒在地時，我們的身體倒下的軌跡遵循牛頓定律。當我們跌倒時，我們不會有意識地根據牛頓定律進行計算，但是， 我們的行為可以被認為是遵循牛頓定律的。同樣的道理，人們在做出判斷時也許並不知道貝葉斯定理，但我們仍然可以將他們的行為描述為符合貝葉斯定理的理性推理。哪怕在人們不瞭解任何貝葉斯公式的有關知識，或是沒有進行有意識計算的情況下，人們的機率判斷也有可能被認為是遵循貝葉斯定理的。 個體的推理偏離貝葉斯定理的形式多種多樣，在接下來的章節中，我將重點關注其中一種[2]。 通常情況下，當人們對證據的可診斷性進行評估時，即評估[P（D／H）／P（D／ ~H）]，常常會忽略掉分母[P（D／~H）]。在焦點假設為假的情況下，人們沒有意識到評估獲得觀測資料機率的必要性。
這是由於沒有想到反例而導致嚴重推理錯誤的理論性原因。好了，現在讓我們回顧一下在開篇中提到的社群餐廳老闆的故事。如果你認為老闆的回答很棒，那麼你跟他犯了相同的錯誤。原因如下： 根據貝葉斯定理，餐廳老闆僅提供了P（D／H）的資訊[如果這是一家很棒的餐廳，少於5%的客人會投訴的機率]，而忽視了P（D／~H）[如果這是一家很糟糕的餐廳，少於5% 的客人會投訴的機率]。他/她希望告訴你一個很高的P（D／H），以提高餐廳的吸引力和你光顧的機率，但是你（正確地）意識到，如果要評估後驗機率，僅僅有P（D／H）是不夠的，因此你並不會被老闆說服。你覺得老闆提供的論據可信度不高，並且，由於老闆沒有提供P（D／~H），你可能還會做出一些其他的假設。在這個簡單的例子中，你能夠認識到獲取P（D／~H）的必要性。換句話說，如果這家餐廳很糟糕，有5%的客人會直接向老闆抱怨的機率是多少？ 上述情況如何用貝葉斯公式表達呢？請大家先來回想一下貝葉斯公式的基本形式： 後驗機率＝相似率×先驗機率讓我們假設你收集資料之前估計這家餐廳很棒的機率是0.5，那麼，估計這家餐廳很差勁的機率也是0.5。因此，認為這家餐廳很棒的先驗機率是0.5：0.5，即1：1，用博彩術語來說，就是賭一賠一。 這個例子中的相似率指的是什麼呢？根據老闆提供的資訊來看，95%的客人從未抱怨過這家餐廳。因此，可以對此處的相似率做如下表述： 假定這是一家好餐廳，很有可能有95%的客人都不會抱怨、投訴餐廳。事實上，5%的投訴率在競爭激烈的餐飲業中是非常高的，這樣的餐廳很有可能面臨生存危機。因此，95% 的客人用餐後沒有任何怨言這一評價指標，超過99%的好餐廳都可以輕鬆達標。餐廳老闆所犯的錯誤在上述公式的分母部分，即P（D／~H）。如果這是一家很差勁的餐廳，超過95% 的客人不會抱怨的機率是多少？這裡問題就多了。多數差勁的餐廳並非一如既往得差。另外，多數餐廳之所以收到差評，並非因為顧客對食物有所怨言（那樣的餐廳距離關門不遠了），而是由於這家餐廳的各方面一直都差強人意，或是差於周圍餐廳的平均水準。這些餐廳並非提供令人反胃的食物，而只是“一般般”的餐廳。再考慮到基於社會化因素，當人們僅僅是輕微不滿意時，通常不會公開表示抱怨。也就是說，人們如果在一家很糟糕的餐廳吃飯，雖然心中暗下決心絕對不會再去第二次，但多數人離店時都不會把抱怨掛在臉上或者說出來。這就是為何餐廳老闆提供的95%滿意度的資料並沒有很強的說服力。 如果這家餐廳很差勁，有90%的機率至少有95%的顧客離店時不會口頭表達不滿。當我們把這些資料代入到貝葉斯公式，結果如何呢？ 後驗機率＝相似率×先驗機率後驗機率＝（0.99/0.90）×（0.5/0.5） 後驗機率＝1.1 “這是一家好餐廳”的賠率是1.1比1（這是一家好餐廳的機率已由50%變為 52.4%[3]）[4]哪怕是最為樂觀的估計，這家餐廳值得品嚐的機率都不大。 餐廳老闆試圖誘惑我們犯思維錯誤。他的伎倆包括以下3步： （1）製造一個已知數D，以產生很高的P（D/H）； （2）希望對方忽視P（D/~H）； （3）僅僅根據高P（D/H），推測焦點假設的發生機率。 越來越多的研究表明，人們普遍傾向於忽略能夠證明非焦點假設為真的證據。例如，心理學家麥克·多爾蒂（Michael Doherty）及其研究團隊使用一種簡單的正規化對這個問題進行了研究。該研究正規化讓被試想象自己是一位正在給紅疹病人做檢查的臨床醫生[5]。研究者給他們提供了4條資訊，要求被試從中選取一條可以確診病人患有“Digirosa”的臨床證據。這四條資訊內容如下： 患有Digirosa的人口比例。 沒有患Digirosa的人口比例。 患有Digirosa的患者中，紅疹患者的比例。 未患Digirosa的患者中，紅疹患者的比例。 這些資訊對應於貝葉斯定理中的4個術語：P（H），P（~H），P（D／H）和P（D／ ~H）。由於P（H）和P（~H）是互補的，所以在計算後驗機率時，實際上只有3條資訊是必需的。其中，未患Digirosa的人群中紅疹患者的比率，即P（D／~H），是必選的資訊。 因為根據貝葉斯定理，它是計算相似率不可或缺的關鍵部分。然而，在多爾蒂及其同事的研究中，48.8%的被試沒有選擇P（D／~H）這條資訊。因此，對於很多面臨這個問題的人來說，未患Digirosa的紅疹患者數量與當前問題的解決毫無關係，它被（錯誤地）認為是一件無關痛癢的事。 能夠意識到P（D／~H）的重要性，這並非是預設安裝在大腦中的心智程式，因此，選擇它作為解決問題的必需資訊看起來有些“反直覺”。人們必須透過學習而得知這條資訊的重要性，否則，預設的資訊加工過程會選擇忽略這條資訊。因此，那些沒有認識到加工P（D ／~H）重要性的人，可以認為他們存在心智程式缺陷。 [1] 更多關於托馬斯·貝葉斯的資訊，參見斯蒂格勒的文章（Stigler，1983，1986），關於貝葉斯公式在心理學領域中的應用，參見費詩霍夫的文章（Fischhoff and BeythMarom，1983）。 [2] 此處需要格外強調一下，隨著本書的深入展開這個問題會越來越明晰。本章中所討論的這些機率推理問題並非只會出現在實驗室，或是傳說軼事中，也並非只會出現在家庭聚會小遊戲上的錯誤。我們將會看到，這些錯誤出現在一些極為重要的領域，包括金融規劃、醫學決策、生涯規劃決策、家庭規劃、資源分配、稅務政策和保險購買方案等。很多文章對這些推理謬誤在多個領域中的現實意義和價值進行了討論（舠tebro，Jeffrey，and Adomdza，2007；Baron，1998，2000；Belsky and Gilovich，1999；Camerer，2000； Chapman and Elstein，2000；Dawes，2001；Fridson，1993；Gilovich，1991； Groopman，2007；Hastie and Dawes，2001；Hilton，2003；Holyoak and Morrison，2005；Kahneman and Tversky，2000；Koehler and Harvey，2004； Lichtenstein and Slovic，2006；Margolis，1996；Myers，2002；Prentice，2003； Schneider and Shanteau，2003；Sunstein，2002，2005；Taleb，2001，2007； Ubel，2000）。 [3] 這個機率值是透過貝葉斯公式的一種變式計算而來： P（H/D）=P（H）P（D/H）/［P（H）P（D/H）+P（~H）P（D/~H）］； P（H/D）=（.5）（.99）/［（.5）（.99）+（.5）（.90）］=.5238 [4] P（H/D）＝1-P（～H/D），故P（H/D）＝1.1/（1.1＋1）。——譯者注 [5] 文獻出處：Doherty and Mynatt，1990。
一個關鍵的心智程式缺陷：忽略備擇假設未考慮到備擇假設，即相似率計算公式的分母，並非是一個無關痛癢的推理錯誤。關注備擇假設下的觀察機率，是醫學臨床診斷和應用科學決策的一個關鍵步驟。這也是在研究中使用對照組的原因。瞭解在自變數不變的情況下會發生什麼，對於研究來說是至關重要的。 對於臨床和科學研究推論來說，如果只提供實驗處理組的資訊，意味著這個研究設計存在致命的缺陷。 未考慮到檢驗備擇假設的必要性，是導致前述自閉症輔助溝通研究案例越錯越離譜的諸多原因之一。心理學家做了大量的研究以評估人類忽視關鍵性對照資訊（對照組）的認知傾向，例如，已得到廣泛應用的協變關係探測正規化。該研究正規化給被試呈現了一系列治療方法和病人反應之間的關係資料[1]。被試有可能被告知以下資訊： 200人接受治療，病情得到改善。 75人接受治療，病情沒有得到改善。 50人沒有接受治療，病情得到改善。 15人沒有接受治療，病情沒有得到改善。 這些資料是對實驗結果進行歸納總結的2×2矩陣。在協變關係探測正規化實驗中，要求被試判斷這種療法是否可以有效改善病情。許多被試認為該療法是有效的。這些被試的關注點在於接受治療並且病情得以改善的病人數量（200人）。另外，他們還注意到，接受治療並且病情改善的人（200人）遠遠多於接受治療但病情沒有得到改善的個體數量（75人）。由於病情改善的機率看起來相當之高（200/275＝0.727），這個資料慫恿被試認為該療法是有效的。這即是一個理性思維錯誤。 這種思維方式忽略了沒有接受治療但病情得以改善的機率。由於不接受治療病情改善的機率（50／65＝0.769）比接受治療的機率更高，因此，這種療法可以被認為是完全無效的。被試忽略非治療組療效結果的認知傾向，以及治療後改善組的數量優勢，誘使很多人認為這是一種有效的療法。令人不安的是，研究發現那些負責進行臨床診斷的內科醫生，也常常會使用這種非最最佳化的思維方式處理臨床證據。 [1] 很多研究中都對協變關係探測正規化進行了相似描述（Levin et al.，1993； Shanks，1995；Stanovich and West，1998d；Wasserman，Dorner，and Kao，1990）。 這種謬誤已發現於醫療工作人員群體中（Chapman and Elstein，2000； Groopman，2007；Kern and Doherty，1982；Wolf，Gruppen，and Billi，1985）。
更多的科學思維心智程式：可證偽性人們在嘗試依據備擇假設評估資料時，會覺得這是一件比較困難的事情；同樣的道理， 人們在尋找有可能會推翻焦點假設的證據，並檢驗這個證據時，也會感到非常困難。原因在於，人們天然的思維傾向是尋找證實假設的證據，而非證偽的證據。過去40年，在推理領域中被廣泛研究的一個問題，極具戲劇性地說明了這一點。這個任務是由最具創造性的科學家之一，研究現代人類理性的專家——彼得·華生（Peter Wason）發明的。這個任務在各種研究中被使用了沒有幾百次，也有幾十次了[1]。在繼續往下讀之前，請先試著回答下面的問題：假設在你面前擺放著4張長方形卡片，每張都是一面寫有字母且另一面寫有數字，這4張卡片中有兩張是字母朝上，兩張是數字朝上，朝上的一面分別是K、A、8、5。你的任務是選擇翻開一張或多張卡片，以檢驗下述規則是真還是假：如果卡片的一面是母音字母，那麼，它反面的數字是偶數。現在請指出哪一張卡片是必須翻開的。 這個任務名為“四卡選擇任務”。它受到廣泛關注和研究的原因有兩點：第一，絕大多數人都會犯錯；第二，人們在個問題上犯錯的原因令人費解。待檢驗的規則是：如果卡片的一面是母音字母，那麼，它反面的數字是偶數。如果我們想檢驗該規則，應該翻開A和8。翻開 A——母音卡片，是為了弄清楚它的背面是否是偶數，翻開8是為了證實它的反面是否是母音字母。答案看似非常簡單，但問題在於：50%的人選擇的答案是錯的！排名第二常見的答案是隻翻開A卡（檢查它的背面是否是偶數），研究中大概有20%的被試選擇了這種做法。這種做法也是錯的！還有約20%的被試選擇翻開其他的卡片組合（比如翻開K和8），這也不對！ 如果你的解決方案和上面提到的那90%的人相同的話，那麼，你和過去幾十年研究中的被試一樣，回答錯誤（即使在閱讀了前面我對於可證偽性的介紹之後，依然會犯錯）！讓我們來看看大多數人是怎麼犯錯的吧。首先，人們不會出錯的是A和K的選擇。多數人沒有選擇K這張牌，而是選擇了A。因為待檢驗的規則並沒有提及子音字母的反面應該是什麼內容，卡片K看起來和規則毫無關聯，而卡片A就不同了。卡片A的背後可能是偶數，也可能是奇數。如果是偶數，則與待證明的規則相符，如果是奇數，則可以證明這個規則是錯誤的。 簡單來講，為了證明這個規則的真實性，必須翻開卡片A。這一步，多數人都做出了正確的選擇。 但是，究竟是選擇翻開卡片5還是卡片8呢？對於多數人來說，這是難點所在。很多人就在這個問題上犯了錯誤。他們錯誤地認為應該翻開卡片8。之所以會做出這樣的選擇，是因為人們認為應該翻開卡片8，以檢驗它的背後是母音還是子音。但是，即使卡片8的背後是子音字母K，這也不能說明待證明的規則是錯的，因為規則中雖然提到母音字母卡片背後必須是偶數，但並沒有說偶數卡片的反面必須是母音字母。因此，在卡片8的反面發現非母音字母，並不能說明任何問題。而被大家所忽視的卡片5，實際上是解決問題的關鍵所在。如果卡片5的背面是母音字母，由於所有母音字母背面都不會是奇數，那麼，就可以說明待證明的規則是錯的！簡而言之，為了證明規則是錯誤的，需要選擇翻開卡片5。 總而言之，在判斷此類“如果P，那麼Q”的規則時，只有“P出現的同時，非Q出現”的證據才可以判斷規則為假。所以，在檢驗規則的真實性時，只需翻開卡片P和卡片非Q即可（在本例中是卡片A和卡片5）。如果P和非Q同時出現，那麼規則為假。如果沒有同時出現，那麼規則為真。 在解決這個看似簡單的問題時，為什麼多數人的答案都是錯誤的呢？有很多理論試圖解釋這個問題，其中最經典的一個理論認為，人們之所以在這個任務上表現糟糕，部分原因在於人們太過於關注證實、確認規則。這是驅使人們翻開卡片8（希望確認背面是母音字母） 和翻開卡片A（希望確認背面是偶數）的原因。但很少有人關注有可能會推翻規則的卡片 ——這種證偽的思維模式能夠讓人立刻想到翻開卡片5（背面是母音字母的話，則可推翻規則）。如前所述，還有一些其他理論試圖對人們在這類問題上的糟糕表現進行解釋。然而， 不管這些理論如何解釋這種錯誤傾向，毫無疑問的是，如果人們在解決問題時能夠考慮到可證偽性，可以大大減少這種錯誤的發生。 在推理過程中，尋求可證偽性是一條非常有用的原則。但是，大量證據表明，尋求可證偽性對於絕大多數人來說並非是一種自然而然的優選策略。原因在於，認知吝嗇鬼只會根據給定的資訊去建構問題解決的框架，而不會自動地從另一視角去思考問題。因此，對於多數人來說，尋求證偽性證據的心智程式需要透過學習來獲得。 另一個用於研究人類在證偽時會遇到困難的正規化是“2-4-6任務”。這個著名的研究任務也是由彼得·華生髮明的[2]。在2-4-6任務中，被試被告知：研究者腦海中存在一個規則，這個規則是將3個整數劃分為一組的標準。2-4-6這個數字組合已被證實符合研究者心中的這個規則。接著，讓被試猜測這個規則到底是什麼。在猜測過程中，被試可以提出數字組，研究者會根據這組數是否符合“規則”而給予相應的反饋，直到被試能夠準確地猜出這個規則為止。 在這個“2-4-6任務”中，研究者心中的規則是“任何3個依次增加的數字組合”。被試在探索這個規則時，常會遇到很多挫折。因為他們在最開始的時候形成了一個比這個規則更為嚴苛的規則假設，比如“依次增加的偶數”或是“等距增加的數字”，並且，他們會依據這些嚴格的規則創造數字組去檢驗自己形成的規則是否正確。毫無疑問，被試在檢驗自己創造出的數字組合時，從實驗者那兒得到的都是積極反饋，因此，他們會信心十足地宣佈自己已經找到了實驗者心中的規則。當他們得知回答錯誤時，常常會感到十分驚訝。例如，被試會創造出這樣的數字組合：8-10-12；14-16-18；40-42-44。在收到3次“正確”的反饋後，他們即宣佈“規則是依次加2”！當被告知回答錯誤後，他們會嘗試這樣的數字組合2-6-10；0-3-6；150-99。這一次，他們依然可以收到3個肯定的反饋，這時，被試又宣佈新發現的規則：“規則是挨在一起的兩個數字之間的差值是相同的！”毫無疑問，這個答案又是錯的。在被試猜測規則的過程中，他們沒有想過從“證偽”的角度去解決問題，比如驗證數字組合100-90-80 或是1-15-2。 被試不願意做出違反焦點假設的嘗試，這個現象在另外一個研究中得到了進一步的驗證。在這個研究中，研究者透過人為手段使得被試對假設進行證偽，進而使得他們在猜測規則任務上的表現大大提升。該研究由瑞恩·特韋尼（Ryan Tweney）的研究團隊完成。實驗中，被試被告知研究者心中有兩個規則，規則一適用於3個數字組合，被稱為DAX；規則二適用於另一個3個數字組合，成為MED。研究者每公佈一個數字組合之後，都會告訴被試這個數字組合是符合DAX規則還是MED規則。研究中，被試被告知2-4-6符合DAX規則。DAX規則和上一段提到的規則相同，即3個連續增加的數字，而MED規則是：所有不符合DAX規則的3個數字組合。在這種情況下，被試解決問題的速度更快，他們交替檢驗DAX規則和MED 規則。由於MED規則是“所有不符合DAX規則的數字組合”，因此，被試檢驗MED規則的過程實際上也是證偽DAX規則的過程。被試之所以會對DAX規則進行證偽檢驗，原因在於有一個近在眼前的焦點假設有待證實（MED規則）。由於兩個規則互補，被試嘗試去證實一個假設的同時，也是在證偽另外一個假設。研究者透過這種方法引導被試嘗試用他們不常用的思路去解決問題——關注備擇假設，證偽焦點假設。在這個研究中，只有透過這種人為誘導的方式，人們才能關注焦點假設證偽，足以證明採用證偽的思維方式是一件多麼困難的事情。 綜上所述，我們現在有一個壞訊息和一個好訊息。壞訊息是人們不擅長尋求證偽焦點假設的證據，而好訊息是這種心智程式是可以透過教育和學習獲得的。所有科學家在成長過程中都完成了大量需要證偽焦點假設的練習，因此，他們遇到問題時會自動提出這樣的疑問：“我需要考慮哪些備選方案？” [1] 已有文章對使用四卡選擇任務（Wason，1966，1968）的相關研究進行了綜述 （Evans，Newstead，and Byrne，1993；Evans and Over，2004；Manktelow，1999； Newstead and Evans，1995；Stanovich，1999）。現已有若干種理論對被試的行為模式進行解釋（Evans，1972，1996，1998，2006b，2007；Hardman，1998；JohnsonLaird，1999，2006；Klauer，Stahl，and Erdfelder，2007；Liberman and Klar，1996； Margolis，1987；Oaksford and chater，1994，2007；Sperber，Cara and Girotto，1995；Stenning and van Lambalgen，2004）。更多關於證實偏見的研究，可參考尼克爾森等人的文章（Nickerson，1998）。 [2] 該任務最早出現在華生1960年發表的文章中（Wason，1960）。與四卡選擇任務相同， 致力於解釋人們為何在2-4-6任務上表現糟糕的理論有若干種（Evans，1989，2007；Evans and Over，1996；Gale and Ball，2006；Klayman and Ha，1987；Poletiek，2001）。無論使用哪種理論對2-4-6任務進行解釋，有一點是可以確定的，那就是關注可證偽性可以提升任務表現。DAX/MED實驗是由推尼等人報告的（Tweney，Doherty，Warner，and Pliske，1980）。
基礎機率：更多貝葉斯心智程式理性思維的另一個重要方面，是在預估未來事件時能夠使用正確的基礎機率值。有趣的是，研究發現人們很擅長處理“隱含的”機率資訊（只需自主心智即可獲取的資訊），但是， 當需要個體進行具體推理時，就破綻百出了。下面，請思考一個醫學風險評估的問題。該問題曾出現在很多研究中，其中包括以醫療專業人員為實驗被試的研究[1]。 假設某種疾病由XYZ病毒引起，該病的發病率為千分之一。假設現在有一種化驗方法可以100%地檢測到XYZ病毒，但是，使用這種化驗方法的假陽性率為5%。也就是說，如果一個人攜帶XYZ病毒，透過這種化驗一定可以被發現。但是，如果未攜帶病毒的健康人接受這種化驗，有5%的可能性被誤診為XYZ病毒攜帶者。現在，從人群中隨機選取一人進行檢測，化驗結果為陽性（陽性意味著受檢者可能是XYZ攜帶者）。那麼，在完全不考慮個人資訊、病史的情況下，這位受檢者攜帶XYZ病毒的機率為多少？ 在繼續往下讀之前，請你先估算一下這道問題的答案是什麼？結果無需太過精確（如果你可以算出精確的結果，當然更好）。這道題考察的並非是計算能力，而是看你的解題思路是否正確。若想正確地解答這道問題，需要結合抽象的機率資訊，但是，多數人在解題時都會過分依賴具體、鮮活的個案資訊，給出錯誤的答案。 在解決這個問題時，最常見的錯誤答案是95%，而正確答案約為2%。人們極大地高估了陽性結果代表個體為XYZ病毒攜帶者的機率。透過貝葉斯法則可以精確地算出正確答案， 不過，接下來我們不使用這種方法，而是進行一些邏輯推理，以幫助我們釐清基礎機率對機率預估結果產生的巨大影響。我們已知的資訊是：每1000人中，有一位XYZ病毒攜帶者。如果其他的999位未攜帶病毒者全部都接受化驗，由於該化驗的誤診率為5%，所以化驗結果會錯誤地顯示這些人中約有50位攜帶病毒（0.05乘以999）。因此，在所有化驗結果為陽性的51位“患者”中，只有1位是真正的XYZ病毒攜帶者（約為2%）。簡而言之，這個問題的基礎機率是：絕大多數人都並未感染病毒。患者數量極少的事實結合假陽性的機率（5%），
結果就是檢查結果為陽性的個體中真正患者的絕對數量其實很少。 在解決這個問題的過程中，個案證據得到高估，而統計證據卻被低估了。對於絕大多數人來說，個案證據（化驗結果）看起來更“具體”、更“觸手可及”、更“活靈活現”。相對比來說，機率證據看起來……怎麼說好呢，太過機率了！這種只顧個案證據卻忽視統計資料的推理方式顯然是錯的，因為個案證據本身也只是機率而已。別忘了，臨床化驗方法存在一定的誤診機率。個體若想做出正確決策，必須同時考慮到這個情境難題中涉及的兩種機率，一是個案證據的診斷機率；二是先驗機率。將兩種機率結合計算的方法有很多種，有的是對的， 有的是錯的。當個案證據給人帶來具體性幻覺的時候，人們通常無法正確地利用這兩個機率以得到最終的正確結果。 行文至此，我需要格外強調一下：在此處談論貝葉斯推理，並不是說在面對此類問題時，我們應該隨時記起貝葉斯公式，並結合公式進行計算[2]。其實，人們只需要對“貝葉斯”有感性認識，在解決問題時能夠有“貝葉斯直覺”就足夠了，並不需要把具體的公式背下來。以XYZ病毒問題為例，在解題時只要意識到基礎機率的重要性就可以了。在化驗誤診率很高的情況下，同時考慮到疾病的發生率極低這一基礎機率，就能判斷出多數結果為陽性的個體其實並未患病。我們需要的僅僅是貝葉斯心智程式中有關基礎機率的部分（當然，較強的理解力也很重要）。這種對基礎機率的感性認識足以讓我們在日常生活中做出接近真相的估計，預防重大錯誤的發生。這就好比在餐廳老闆自薦難題中，優秀的思考者並不需要每次都計算出相似率[P（D/~H）]的具體數值，他只需要知道餐廳老闆的推銷辯詞壓根不足為信就可以了。 [1] 該問題的不同版本請參考卡塞爾斯等人的研究（Casscells，Schoenberger，and Graboys，1978；Cosmides and Tooby，1996；Sloman，Over，Slovak，and Stibel，2003；Stanovich and West，1999）。 [2] 道金斯也曾表達過與我類似的觀點：“這就好比我們可能會用滑尺，卻不曉得滑尺的使用過程其實還涉及對數原理。當一個人把球高高拋起，然後又準確地接住時，看起來他好像是透過縝密的計算推測出了球的運動軌跡，而實際上他可能連最基本的運動軌跡計算公式都不知道，但這並不影響他的接球本領。在潛意識層面，一些相當於數學計算的思考過程正不知不覺地發生。”（Dawkins，1976）
機率評估的心智程式接下來，讓我們來看一個認知心理學領域經常研究的著名問題：琳達難題[1]。 琳達，31歲，單身。她性格率真，十分聰慧。她所學的專業是哲學。在學生時代，她反對歧視、提倡社會公平，積極參與反核遊行。下面，請根據事件發生機率的高低，給下列題目打分。1代表最有可能發生，8代表發生的可能性很小。 a.琳達是一名小學教師 b.琳達在書店工作，平日裡會參加瑜伽課程 c.琳達是女權主義運動的活躍分子 d.琳達是精神病學社會工作者 e.琳達是美國婦女選民聯盟的成員 f.琳達是一名銀行出納員 g.琳達是一名保險銷售員 h.琳達是一名熱衷於女權運動的銀行出納員在回答這些問題時，多數人都會犯被稱為“聯結謬誤”的錯誤。事件h（琳達是一名熱衷於女權運動的銀行出納員）是事件c和事件f的聯合，h的機率不可能高於c（琳達是女權主義運動的活躍分子）或f（琳達是一名銀行出納員）。所有女權主義的銀行出納員都是銀行出納員，所以h的機率不可能高於f的機率。但是，在研究中有超過80%的被試對問題h的機率評估高於問題f，這一類錯誤就是“聯結謬誤”。有人認為，人們之所以會在這個問題上犯錯， 是因為發生了“屬性替換”。被試在回答這些問題時，並沒有把它們當作機率問題進行仔細思考，而是基於描述的相似性做出判斷評估（與銀行出納員相比，女權主義銀行出納員似乎更符合對琳達的描述）。 從邏輯視角來看，當人們進行機率判斷時，應該更重視子集（女權主義銀行出納員）與全集（銀行出納員）之間的關係，而不應根據相似性評估做判斷。如果在充分了解相關機率關係的前提下，還把相似性作為判斷標準，這就意味著認知吝嗇鬼在搗亂犯錯了。與之相對比，如果是有關機率關係的資訊缺乏以致無法解決當前問題，那麼，此時發生的思維錯誤就應該歸類於心智程式缺陷（而不是基於相似性和生動性的屬性替換）。 有關機率的另外一個謬誤是：條件機率倒置。這種思維謬誤常見於現實生活中的決策情境中。機率推理過程中的條件機率倒置指的是：在給定B的前提下A的機率與在給定A的前提下B的機率，兩者是等價的。實際上，這兩者並不相同。例如，羅賓·道斯（Robyn Dowes） 曾介紹過《加州日報》上的一則新聞標題。這個標題暗示抽大麻會導致個體吸食致癮毒品。 這個標題所暗含的意思是：根據個體之前吸食大麻的情況，調查個體使用致癮毒品的機率。 但實際上文章調查了吸食致癮毒品的學生抽大麻的機率。這兩個機率存在天壤之別。抽大麻的學生吸食致癮毒品的機率，遠遠小於吸食致癮毒品學生抽大麻的機率。原因在於，多數抽大麻的人並不使用致癮毒品，而使用致癮毒品的人，絕大多數都曾抽過大麻。 條件機率倒置常常發生在醫療診斷領域。研究發現，病人和醫務工作者都經常會錯誤地將出現某種症狀時疾病的確診機率與確診後出現某種症狀的機率混為一談（作為病人，更關注的是前者）。 [1] 琳達難題最早是由特沃斯基和卡尼曼提出的（Tversky and Kahneman，1983）。與本書中討論過的多數任務一樣，圍繞著琳達難題開展了大量研究（Dulany and Hilton，1991；Girotto，2004；Mellers，Hertwig，and Kahneman，2001；Politzer and Macchi，2000；Politzer and Noveck，1991；Slugoski and Wilson，1998）。關於條件機率倒置，請參考道斯的研究（Dawes，1988）。
策略性心智程式以上我們討論的多數心智程式都是以陳述性知識的形式進行表徵的。可是，並不是所有的心智程式都是陳述性知識。還有一類心智程式，認知科學家稱它們為“程式性知識”，是指按照特定方式處理資訊的策略和傾向。比如，我在前面提到的機率推理原則可被劃分為陳述性知識，而反意思維（disjunctive thinking）則是策略性心智程式的代表。 程式管理、資訊選擇以及信念標尺傾向的差異化，反映了個體不同的反省心智屬性，通常使用調查問卷對其進行測量評估[1]。例如，認知需求思維傾向會影響問題解決過程中反省心智的使用。問卷調查透過詢問人們是否同意下列這些說法，以測量使用反省心智的傾向性：“抽象思維的想法對於我來說很有吸引力”或是“相對於那些重要、簡單、不用思考太多的任務來說，我更喜歡做重要、困難、智力上有挑戰性的任務”。我的研究團隊對“信念認同”（belief identification）的思維傾向進行了研究。這種思維傾向是指個體以改變信念使其更接近事實為重要目標，還是以堅持當下的信念為重要目標。為了測量這種思維傾向性，我們在問卷中設定了這樣的題目：“信念應該根據新的資訊或證據不斷對其進行修正。”“堅守自己的信念非常重要，即使在有證據與之相悖的情況下。” 還有一種測量思維傾向的方法是讓被試完成特定任務，並考察他們的任務表現。例如， 熟悉圖形匹配測試（MFFT）可以用來評估反省思維傾向和衝動性思維傾向。在MFFT測試中，首先呈現給被試一張目標圖片，被試的任務是在接下來呈現給他的6張圖片中選擇一張和目標圖片最為相似的。評估指標是被試在完成任務時的錯誤率和反應時。反省思維傾向個體的反應時間會更長，錯誤率更低，而衝動思維傾向的個體的反應時短，但錯誤較多。 反省心智的其他思維傾向也可以使用問卷或績效任務進行測量，包括：典型智力、閉合需要、信念固著、證實偏見、過度自信、經驗的開放性、信任直覺、反事實思維、分類思維、迷信、教條主義。這些心智程式的共同之處在於，它們都屬於策略、傾向、程式，而非陳述性知識結構。
[1] 關於我們設計的信念認同量表詳見S等人的研究（S，et al.，1999）。
心智程式缺陷導致的理性障礙在推理和決策過程中無法使用正確的心智程式（認知規則、策略和信念系統）時，就可以說是心智程式缺陷導致了非理性行為。但是，只有當高智商個體受到心智程式缺陷的影響時，才能稱之為理性障礙。為什麼這麼說呢？因為心智程式缺陷通常是由於缺乏教育或經驗而產生的。因此，當研究發現智商與本章討論的幾種心智程式之間存在正相關時，一點兒也不會讓人感到驚訝[1]。但是，兩者之間的相關並不完美，我們發現很多高智商個體也缺乏一些重要、關鍵的心智程式，而很多低智商的個體會使用心智程式做出理性的反應。舉個例子，在本章中討論過的XYZ病毒問題中，如果只看那些入學SAT成績高於中數的大學生在實驗中的表現，我們會發現這個高智商群體中只有少數人可以在解決實際問題時正確地使用基礎機率。 當理性思維心智程式與智商之間有著中等強度正相關時，有大量的高智商個體符合理性障礙的定義。雖然高智商個體比低智商個體學習了更多的知識，還有一些其他因素也在其中發揮著作用[2]。本章所討論的心智程式可以透過後天教育習得這一觀點尚未達成共識，研究結論之間存在著較大的差異。教育效果參差不齊意味著一些聰明人並沒有透過學習而獲得批判性思維。研究表明，大學生被試在實驗中會表現出忽略備擇事件發生的機率，忽略 P（D/~H），犯下聯結謬誤，不能使用基礎機率解決現實問題，顛倒條件性機率等思維錯誤，而大學生通常被認為是智商較高的群體。在本章伊始提到的“搖籃猝死症”案例中，那位出庭作證的兒科醫生在提供證詞時，錯誤地估計了同一個家庭中的兩個嬰兒死於“搖籃猝死症”的機率，這也是高智商卻有理性障礙的一個典型案例（他所犯思維錯誤同時兼具心智程式缺陷和過度自信）。 針對心智程式的訓練即使在個體成年後也很少見。誠如法學學者傑弗瑞·瑞徹林斯基 （Jeffrey Rachlinski）所言：“在大多數專業行當中，人們為了瞭解該專業領域，接受了大量專業術語和技能的培訓，但是，卻沒有培訓他們做出專業性決策的能力，而這種決策能力對於專業領域人士來說是至關重要的。”因此，雖然有些心理學家認為，有些推理能力可以透過後天學習的方式輕鬆獲得，但這種型別的培訓鳳毛麟角。總而言之，雖然我們期望心智程式缺陷在高智商群體中發生的頻率越來越低，但是，無論認知能力如何，很多聰明人並沒有機會學習到這些可以有效對抗非理性想法和行為的心智程式。 當前的智力測試沒有對理性思維的心智程式進行評估，包括處理機率的策略、歸因策略、根據論據得出結論的策略等。如果這些策略能夠得到有效評估，那麼，這樣的測試能夠比當前測試更準確地甄別出高智力個體。屆時，理性將被納入到智力評估體系中，成為 MAMBIT（智力測試評估的心智慧力）的組成部分。但是，現行智力測試並沒有涉及理性評估，也正是由於這個原因，才會有心智缺陷導致的理性障礙存在。 [1] 目前，越來越多的研究開始關注理性思維心智程式與智力之間的微弱相關（Bruine de Bruin et al.，2007；Kokis et al.，2002；Parker and Fischhoff，2005；Set al.，1999； Stanovich and West，1997，1998c，1998d，1999，2000，2008b；Toplak et al.，2007；Toplak and Stanovich，2002；West and Stanovich，2003）。 [2] 在很多情況下，高智商群體的學習速度並不快，或者可以這麼說，高智商群體的學習能力快慢不一。通常來講，能夠很好預測學習速度的指標是相關領域的已有經驗，而不是智商高低（Ceci，1996；Hambrick，2003）。