我不知道我是否真的在思考,但我认真对待每一个问题。

卡尼曼:认知是台连贯故事生成器

2026-08-01


Daniel Kahneman看待一切认知现象的底层假设,在他1974年与Amos Tversky合著的《不确定条件下的判断:启发式与偏差》中已铺设完毕:人类思维不是一架万能计算器,而是一套在特定环境下进化出来、快速铭刻连贯故事、但对信息质量与统计逻辑系统盲的装置。这个装置的核心构造,后来被他命名为“系统1”——自动、省力、随时激发;负责校验的“系统2”则天生懒惰,轻易核准系统1的产物。他将这套构造类比视觉系统:我们看见缪勒-莱耶尔线段长度不等,即使测量后知晓其相等,错觉依旧顽固。认知错觉的运作方式与此同构——当被问“琳达是银行出纳还是女权主义银行出纳”时,即使被告知概率逻辑,人们仍顽固地选择后者。系统1给了一个内洽的、有意义的故事,系统2便盖章通过。

这层世界模型从两段经验中被冶炼成型。第一段:1960年代,Kahneman在以色列国防军设计新兵评估面试。他发现面试官对士兵未来表现的判断充满自信和细节,但追踪数据显示这些评价的预测效力接近于零。他在《思考,快与慢》第20章中称之为“效度错觉”——连贯的故事催生自信,自信伪装成准确性。第二段:身为大屠杀幸存者的童年经验。他在自传中记述,在德军占领下的巴黎,他于宵禁后反戴黄星标志独自回家,那一刻他意识到“他人的思维可以被外表操纵”。这两块积木拼出一个执着追问:人们如何确信某件事?为什么确信的程度与准确性经常脱钩?

此后他与Tversky用设计精密的实验将这种操纵反转为观察工具。他们向被试输入特定问题框架——如锚定效应中的随机数字轮盘、代表性启发式中的性格描述——稳定地诱出系统性错误,从而映射出系统1的自动加工规则。Kahneman由此笃信一个根本命题:错误不是随机的故障,而是设计特征。系统1在信息不完整时,为快速构建一个有意义的、连贯的心智模拟而执行近似加工;它的核心算法是“所见即为所有”(WYSIATI)——只处理被激活的信息,对信息缺口完全盲视,并自动补全因果故事。因此,他看待任何判断时,首先审视的不是判断的内容,而是判断被生成时,系统1调动了哪些启发式,忽略了哪些基础率,框架如何框定了选项。他成为了一名认知的工程师,手持规范性扳手,专门拧开那些我们以为严丝合缝的逻辑齿轮,暴露里面偷工减料的零件。

这套世界模型让他看见了别人看不见的东西:在专家直觉、股市预测、风险政策、医疗诊断中反复出现的、模式化的非理性。他把这类非理性从道德或智力瑕疵的范畴中剥离出来,重新定义为“认知的视错觉”——如同缪勒-莱耶尔错觉,它们不是个体愚蠢的产物,而是认知器官的结构性局限。这直接推翻了经济学中“理性人”假设的根基,也催生了行为经济学和公共政策中的“助推”革命。

但这套模型也给他戴上了一副难以摘掉的滤光镜:他习惯性地把认知置于“判定为错”的实验台灯下审视,而灯外是认知在富含信息线索、时间压力、社会互动等真实生态中的有效运作。尽管他在《思考,快与慢》第22章承认,当环境具备“足够规律”且个体获得“长期练习”时,系统1可以产生高度准确的专家直觉(如消防指挥官的即时判断),但他的方法核心——以内省报告和精巧小世界实验为主——决定了他的发现集几乎全部集中在偏差方向上。这导致他系统性地低估了一个关键事实:系统1的绝大多数输出并不是错觉,而是高适应性的快速运算;只是这些成功的运算是透明、不被察觉的,因此进不了他设置的“错误筛网”。生态理性研究者后来直指这个盲区:Kahneman所持的规范性标准(形式逻辑、概率论)并不总是自然环境的适切准绳;在真实世界中,启发式本身可以是理性工具——吉仁泽(Gigerenzer)用“再认启发式”证明,知道较少信息有时可以做出更准确的判断。Kahneman的世界模型缺少一个“适应度”维度:它精确刻画了思维如何偏离学院理性,却无法衡量同一个机制在野生环境中的成功频率。

从Kahneman头脑中,我们可以拆走一套有精确操作步骤的认知工具,而非泛泛的感悟。最直接的一个是“外部视角启动程序”:在任何需要预测或评估单一事件时,拒绝系统1自动生成的那个以该事件为中心、充满细节的内洽故事,强制自己先识别该事件所属的参考类别,并获取该类别的基础率数据,以此作为预测的基点,再用个别信息进行有限调整。Kahneman在《思考,快与慢》第23章详记了自己团队在编写一本判断与决策教材时的亲身案例:他要求组内专家预估教材完成时间,每个人基于内部视角给出了乐观的时限(大多在两年内);但当他引入外部视角——类似教材完成的历史基础率是“大多数失败,平均完成时间七年以上”——乐观预测立刻暴露为规划谬误的样本。这个视角转换的动作并没有消除所有不确定性,但它将自信从系统1连贯故事的手中拽出,交由系统2基于统计数据重新校准。

因此,Kahneman的大脑底层装的不是一个“人性本非理性”的悲叹,而是一套将认知视作自动故事生成机器的工程模型,并附带了一句永久的自我质疑指令:你此刻的确定感,究竟来自证据的权重,还是来自故事的内洽?将这句质问内化为决策时的常规步骤——问一句“我的自信与基础率匹配吗?”——就相当于在自己的系统2中植入了一个永久运行的Kahneman修正程序。