《思考，快与慢》笔记
锚定效应：我们的大脑如何被误导
在《思考，快与慢》中，丹尼尔·卡尼曼通过一系列精妙的实验揭示了人类思维中一个重要的偏见——锚定效应。锚定效应指的是，当我们在做出判断或决策时，往会过度依赖于某个已知的参考点（锚点），并且在此基础上进行调整。这种调整往是不充分的，导致我们的判断偏离实际值。例如，在评估连续事件和非连续事件的概率时，我们的大脑容易陷入锚定效应的陷阱。
研究表明，人们在评估连续事件时，往会高估其发生的概率，而在评估非连续事件时，则会低估其发生的概率。例如，在一个连续事件中，假设我们从一个90%红球、10%白球的口袋中连续抽取7次红球，这个事件的概率实际上是0.48，而人们往会认为这个概率更高，接近0.50。相反，在非连续事件中，例如从一个10%红球、90%白球的口袋中连续抽取7次，至少出现一次白球的概率是0.52，但人们却倾向于低估这个概率，认为它更接近0.50。这种偏差的根源在于，我们的大脑过度依赖于单个事件的概率（即基本事件的概率），并将其作为锚点，在此基础上进行不充分的调整。
这种锚定效应在现实生活中有许多应用。例如，在商业计划中，人们往会过度乐观地估计连续事件的成功概率，例如新产品的推广需要一系列连续的成功事件，而每个事件的成功概率都很高，但整体成功概率却可能非常低。相反，在评估非连续事件时，例如复杂系统的故障概率，人们往会低估其发生的可能性，即使每个部分的故障概率都很小，但整体故障概率却可能很高。
计划偏差与非连续事件的误判
锚定效应在计划偏差中表现得尤为明显。计划偏差是指人们在估计某项任务的完成时间或成功概率时，往会过于乐观。这种偏差的根源在于，我们的大脑过度依赖于最佳情况下的估计，而忽略了潜在的风险和不确定性。例如，当我们计划一个新项目时，我们往会认为每个阶段都能顺利完成，而忽略了可能出现的延误或失败。
卡尼曼的研究表明，计划偏差与锚定效应密切相关。当我们在估计某个任务的成功概率时，我们往会将最佳估计作为锚点，并在此基础上进行不充分的调整。例如，当我们估计一个新产品的市场成功概率时，我们可能会认为每个阶段的成功概率都很高，而忽略了这些阶段的依赖性。如果某个阶段失败，整个项目也会失败。因此，整体成功概率可能远低于我们预期的水平。
为了避免计划偏差，卡尼曼建议我们应该更加关注非连续事件的结构。在非连续事件中，至少需要一个事件的发生即可导致结果的变化。例如，在核反应堆的安全评估中，只要有一个关键部件出现故障，整个系统就可能失败。因此，我们需要更加谨慎地评估非连续事件的概率，而不是简单地依赖于锚点。
主观概率分布的误判与校准
在决策分析中，专家们往需要以概率分布的形式来表示他们对某个变量的信念。例如，判断者可能会被要求选择一个数字X₉₀，使得他认为这个数字将会超过道琼斯指数的主观概率为0.90。通过多个这样的估计，我们可以构建出一个主观概率分布。然而，这些分布往存在系统性的偏差，主要是由于锚定效应的影响。
研究表明，人们在估计主观概率分布时，往会过度集中于最佳估计值，而忽略了不确定性。例如，当我们估计某个变量的X₁₀到X₉₀的置信区间时，我们往会将这个区间设置得过小，导致真实值超出该区间的概率远高于预期。例如，在一个研究中，30%的问题，其真实值要么小于X₀₁，要么大于X₉，这表明人们的置信区间过小，反映了更大的确定性。
为了改善这种误判，卡尼曼建议我们需要更加注意锚定效应的影响。在估计主观概率分布时，我们应该避免将最佳估计值作为唯一的锚点，而是应该考虑更广泛的可能性。此外，我们还需要更加谨慎地调整锚点，以确保估计的概率分布更加接近真实值。
启发式的局限性与认知偏差
在《思考，快与慢》中，卡尼曼还探讨了启发式在认知偏差中的作用。启发式是指我们在做出判断或决策时，依赖于一些简单的规则或直觉，而不是系统的分析。例如，我们可能会依赖于代表性启发式，即根据事件的表面相似性来判断其概率，而忽略了基本概率的影响。
然而，启发式的使用往会导致认知偏差。例如，在代表性启发式中，我们可能会过度关注某些表面特征，而忽略了更重要的统计学规律。例如，我们可能会认为一个连续的事件序列（如连续出现多次正面）更有可能出现反面，因为它看起来“不正常”。然而，实际上，每一次抛硬币都是独立的事件，前面的结果不会影响后面的概率。
此外，卡尼曼还指出，启发式的使用并不是唯一的认知偏差的来源。我们还可能受到可得性启发式的影响，即根据信息的易得性来判断其重要性。例如，我们可能会高估某些罕见事件的概率，因为它们更容易被记住，而低估常见事件的概率，因为它们更容易被忽略。
结语
通过《思考，快与慢》这本书，我们得以窥见人类思维中复杂而深刻的认知偏差。锚定效应、计划偏差、主观概率分布的误判以及启发式的局限性，都是我们在思考和决策过程中需要警惕的陷阱。了解这些偏差，不仅可以帮助我们更好地理解自己和他人的思维方式，还可以帮助我们在决策时更加谨慎和理性。正如卡尼曼所说，“我们不能从每天的经历中学习到统计学的规则，因为相关的例子不能被恰当地解释。”因此，我们需要通过系统的学习和反思，来克服这些认知偏差，成为更好的思考者。