书籍信息

全书名：《思维的发现：关于决策与判断的科学》
作者名：[美]迈克尔·刘易斯
译者名：钟莉婷

前言

作者迈克尔·刘易斯可以说是鼎鼎大名，《说谎者的扑克牌》、《魔球》以及《将世界甩在身后》都是他写的，无一不是经典无比。

大家都知道，人的思维里藏着各种谬误和陷阱，因为我们现代化节奏的生活方式其实产生时间是很短的，身体和大脑的进化没有那么快反应过来，于是在以前的环境里是“正确”的反应，现在就不那么正确了。

之前在看《认知突围》的时候，就了解过很多相关的思维谬误，比如晕轮效应，可以解释为什么长得好看、身材更匀称平均收入就会更高一些，因为人们倾向于认为他们也更有能力。

我们极易掉进思维圈套，有时候很难避免，但多读思维类的书是十分有帮助的，它在培养你避坑的第一直觉。

一、NBA数据

NBA里有着很多的球探，也有很多的数据专家，球队的总经理总是会看他们的报告，因为当他们挑选一名新的球员时，他们需要一些决策的依据。

一个19岁的孩子进入NBA后会有怎样的表现？没人可以预料。

NBA的选秀状元的确表现平均比其他顺位要好，但这很有可能是因为状元本身就被球队大力培养导致的马太效应。
我们在预测的时候极易受到某些固定模型的影响，比如当你看到身高臂长的，你就会把他的模板设定成凯文·杜兰特，这样你就会倾向于高估他的潜力。

在NBA还没有史蒂芬·库里这号人物的时候，瘦弱的小个子又会投篮，就没有什么很高的模板，你就会倾向于轻视他，直到史蒂芬·库里的出现，小个子的经纪人会告诉你他是下一个库里，那么你或许就不会轻视他。

但我们必须明白，凯文·杜兰特只有一个，史蒂芬·库里也只有一个，只是当某些相似特质的人出现，我们还是会不自觉地去类比，同时忽视其实凯文杜兰特不仅仅是身高臂长，史蒂芬库里不仅仅是投篮准的事实。身高臂长的人太多了，会投篮的小个子也一样，你必须排除这些模板对你的隐性干扰。

火箭队的总经理莫雷是一个怪人，他既致力于建立更精确的数据分析模型，又不完全相信它；他不从信任何宗教，他不信粉丝怎么说、媒体怎么说、专家怎么说，他只在乎他的模型是不是有改进的空间。

我们从这里可以看到一个这样的人——完全遵循理性，相信科学和逻辑。
**
他认为自己挑选球员的模型一定不是最好的，但比那些自以为懂球的印象流的总经理和球探的胡乱选择肯定要好。

NBA专家们只会用现成的数据去分析一名球员，这是十分不严谨的，我就曾经质疑过这种做法——一名球员篮板抢得多，就证明他在篮板方面对球队帮助更大？完全不是一回事，当你的队友也能拿到这个篮板的时候，你的篮板计数就不应该被计在贡献里，至少贡献比率应当大幅度下降。

我们需要关注更多在“官方数据”中没体现出来的东西，就连一个人的个人经历和生活状态都该被纳入模型之中，比如德安得列·乔丹，他在大学时表现就很差，所以没有球队经理愿意选他，很显然你看数据和球探报告的话就不该选这个人，但他很快就成为了顶级中锋，因为他在大学时讨厌他的教练，出工不出力，什么模型可以选出一个存心不好好打球的优秀球员？

你必须跟踪他的个人生活以及他的喜好，这就是莫雷会做的事情。

除此之外莫雷还是个“冷酷无情”的人，你会对“自己的东西”有特殊的感情，他不会，事实上他不是不会，而是在努力克服。

当别人向你的球员报价时，你通常会倾向于高估他的身价，这是著名的“禀赋效应”——哪怕是同等交换，或对方的东西价值稍高，你也倾向于不失去已有的东西，认为自己的东西更值钱，从而不愿交换。

火箭队10几年来一直处在季后赛行列，且长年位于NBA30支球队的前五，几乎没有起伏，这种稳定性让当初质疑老板亚历山大请了一个不懂篮球的人来出任总经理的人们鸦雀无声。

懂思维的人比懂球更重要，或者说比懂任何具体领域都重要，可以料想的是，莫雷就算进入华尔街，也能迅速超越一众分析师，这就是大家在这里学通识的好处。

二、概念偏见

刚才我们用NBA作为例子来阐述了理性思维的重要性，同时也说明了绝大多数人在现实中通常都做不好决策，因为人们总有各种各样的固定思维。有固定思维并不一定不好，但不去关注“哪些固定思维是否好”就不太好了。
**
人们总倾向于简化事实，于是形成了很多的”概念偏见“，概念偏见这个词是我自己创造的，人们总会自己发明概念，但很多概念却没什么道理，但说的人多了，便于记忆，于是大家都认可了这些概念。

举个很简单的例子，当我们抬头仰望的时候，运气好会看见满天的星星，但我们总会把某些形状组合起来，说它们是什么星座，其实星星和星星之间是相互独立的，一点关系也没有，为什么要ABC组合而不是BCD或者CDEFG？人们就是随意组合的，以至于现在小孩子都知道这是什么星座，但很少有孩子从一开始就问——为什么要这样组合？依据是什么？三颗星星组成一个星座，为什么不把旁边那颗放进去？

桌子为什么是桌子，矮一点还是桌子吗？矮到哪个标准就不是桌子了？或者面积再小一点成为了凳子？小到什么面积变成了凳子？太高不能成为凳子吗？那为什么会有高脚凳？每个人的概念都不同。

人们会认为101近似100，却不会认为100近似101，这很奇怪，如果我们说A近似B，那么B不应该近似A吗？这取决于我们把谁作为“固定参照”，比如我们说儿子长得很像爸爸，很少说爸爸长得很像儿子，说了也有人马上纠正你，因为我们觉得儿子的基因来自爸爸，这个顺序是这样的，但撇去我们添加上去的逻辑，从一句话的数学含义来讲，我们是不该给它加任何“固定参照”的概念的。

我们很容易自己去加框架，但当表达的时候又不知不觉地去掉框架。

比如当我们说A和B相似的时候，我们说的是某个框架里的相似，苹果和梨的相似点是都含有水分，但它们本没有任何关系，是我们把它们扯在一起的，从这个角度上来说，父子之间也可以没有任何相似性，是我们把他们扯在一起的。

人和人之间很多的误会和难以理解就是因为没有表明自己的框架而产生的，简单交流可以省去框架，但大多数人通常在严肃争论的时候也忘了加上框架，或者说很多人干脆已经丢失了识别框架的能力。

三、不敢相信的判断

人是一台机器，我在不止一个场合讲过，但很多人不信。

人的思维算法是很简单的，如果说复杂，那只是世界复杂，同样的思维算法接触到了复杂的世界以后，演化出了形态各异的对世界的反应模式。

当你去看医生，医生说你得了什么病的时候，你觉得医生的大脑里有个怎样的算法？是不是精细无比？否则他怎么能判断你得了什么病？医生的专业程度不可能拿你开玩笑。

如果你去问医生，是不是我咳嗽就代表感冒了要吃治咳嗽的感冒药？医生会告诉你，哪有那么简单？咳嗽的种类非常多，它要跟你其他并发的症状联系在一起，综合判断可能是什么问题，然后对症下药。医生的经验越丰富，对你的病情判断越准确。

听起来没错，你很容易就被一堆名词唬住了，其实有点逻辑的人应该知道，这就是非常简单的if then语句，如果出现ABC症状，那么1病的可能性为70%，接着通过某项检测，跟X结果合起来，要么得了某种病的可能性或许就达到了95%，要么就排除了某种病，于是转向另一种病的排除或提升概率的证实程序，一旦概率提升到某个值，医生就给你开药，其他出现ABCDE症状也同理。

这事儿用公认的科学结论作为素材，提前设定机器语句就可以执行程序了，哪有神医什么事儿，这比人的判断不知道准确多少。

这样的结果医生们可能会难以接受，他们会给出更多高深的“算法”，比如当溃疡面积扩大到什么指标时，经验丰富的医生会对哪6条线索进行重新判断，每条线索又影响了几条线索，但很可惜的是，人的所有经验和知识，说到底都只是算法，只要医生有任何的判断依据，无论多么复杂、计算过程多么迂回，对程序来说，就是配置好，然后一瞬间执行的事儿。除非你在面对一种病的时候随意性很大，根本没有判断逻辑，那这就不能被称为“医学”，只能是瞎蒙。

经实验，几乎所有的医生都被这样简单的算法模型给打败，因为医生面对完全相同的情况在很多时候并不能做出完全一致的判断，换言之，同一份报告以及同一个人在他心情好坏、是否跟老婆吵架或者昨天有没有被孩子吵得睡不着觉的情况下，都可能被得出不一样的诊断；而同一份报告给上千位医生去诊断又会得出五花八门的结论，这其中基本不存在谁的医术更高的问题，因为多做几次研究就会发现“这次是你对，下次是我对”。

你可以说，这个机器模型集合了所有的专家和文献的智慧，当然比单个医生要强，不过最有趣的是，哪怕是某个医生依靠自己的专业知识设定出来属于自己的机器模型，也能打败他自己——人的思考过程跟算法没有差别，快慢而已，输在了“不能总处于最佳状态”上。

四、思维盲点

人的思维盲点太多，没有经过严格的训练最好“三思而后行”，因为你的直觉在很多时候都是错的。

现在从多个侧面举几个例子：

4.1 组合

一个家庭有6个孩子，请问更可能是男、男、男、女、女、女，还是男、女、女、男、女、男？

我想很多人第一感觉都会认为是后者，因为后者看起来更符合“随机”，这就说明很多人在计算的时候懂什么是随机，但原始的大脑根本不懂。

4.2 调查

中国男性平均身高为169cm，女性为159cm，有两个被调查的性别组，从中抽取了几个，请问哪一组调查组是男性组的可能性更大？

第一，有一个被试，身高为172；

第二，有6个被试，平均身高为166。很多人的原始思维又开始作祟了，身高172，是男性的概率当然非常大，平均身高166？不到男性平均身高，应该就是1可能性更大。所以我说，遇事最好三思而后行，1只有一个样本，女性172的概率虽然小，但是跟2的六个样本比，还是不够看，六个女性平均要到166，需要的可不止一个172就够了。

4.3 判断

当我们判断一个男孩未来会以何种方式谋生的时候，我们会看他的言行举止，当我们觉得他的一言一行非常像严肃的科学家时，我们就会认为他以后有很大概率会成为科学家，我们似乎丝毫不会考虑科学家在人群中的比例有多少。这也是望子成龙、望女成凤的家长经常会不理智的地方。

4.4 计算

请在3秒钟之内算出87654321，当然你肯定是算不出的，只能猜一下，实验显示，大家猜出来的中位数是2250左右。不过有趣的是，再找一组人做一道12345678的题，得到的中位数却是512左右。仅仅是先看到的数字的大小，就能有这么大的差异，当然正确答案是40320。

引申到真实世界，其实大家可以看到，若是先让大家玩点容易的，大家就更容易坚持做某事，因为大家虽然知道越来越难，但对难的估计还是会不足，但先难的，大家就会把事情估计得特别难，从而失去动力，尽管从结果上来看，哪怕是更高估一些，所有人还是会低估客观的难度，以至于绝大部分人最终会在绝大多数事情上半途而废。

五、预见偏误

人们总认为自己能预见到或者本应该预见到很多事，这种自信来源于思考范围的缩小。

在事情没发生之前，我们需要考虑到事情可能不会发生，或者因为意外被搞砸的各种情况，我们不能忽略走在路上被撞死的概率，不能忽略突然下雨把衣服淋湿的概率等，但当事情过去以后，我们会全然忘了这些小概率但在事前不可忽视的概率，我们会认为“好好的走路怎么会被车撞呢”、“这么大太阳怎么会下雨呢”……

已经发生的事，就变成了确定——原本是10个95%乘起来等于60%，现在是10个100%乘起来等于100%——思考范围的缩小，让我们认为一切都理所当然。

有一种人，他们会嘲笑别人经常打脸，比如嘲笑罗永浩、李笑来，明明说不做低端机、不做大屏机，不搞区块链产业园等，最后都做了，你看，出尔反尔，傻吧。

但普通人很多事情之所以没有打脸，正是由于他们普通，他们的很多话没有记录下来，就算在什么犄角旮旯记录了，也没人盯着，自然也不会被千里挖坟。

当他们想法转变时，他们自己甚至意识不到，会认为“我以前就是这么想的”，或者至少是“我以前就保留了这种可能性，现在果然发生了”。所以记录是个好习惯，它能告诉你自己有多蠢。

六、风险决策系统

预见的目的是什么？降低风险。当我们谈到人的风险偏好时，我们总是爱用“风险偏好者”和“风险厌恶者”来区分人群，有些人就是愿意搏小概率但更大的收益，有些人就喜欢更稳妥地把小收益收入囊中。

但如果以理性人而言，只要一个人会计算“数学期望”，他便不太可能做出跟人家不太一样的决定，比如你告诉一个人，他有50%的概率中奖，赢了拿1万元，输了没有，那么他会不会拿这张彩票去换4000块钱呢？

照理说，这事儿不该有差别，没有什么风险偏好和不偏好的，肯定是不去换，但就是有很多人去换。

原因不在于风险偏好，而是这些人太穷了。

4000块钱他们能做很多事，当想到这些能做的事、能换的东西可能会没有的时候，他们就会如此决策，不愿冒险；反之，则不会换。

有人会说，你这么说确实有点道理，但我凭什么信你说的就一定是正确的呢？

我给你举个例子你就明白了，你把金额降低，再降低，一直到这些穷人也承受得起的时候，比如把一万后面的万去掉，他们就都会选择不换了；同理，你把金额提高，再提高，1万后面再加个万，变成1亿，除巨富以外，全换了。

所以你看，谁是风险偏好者，谁是风险厌恶者？哪有什么偏好和厌恶，就是这些“获得”的绝对值对自己生活的影响程度有多大，有多么想获得这些东西以及有多么不想失去而已，它不仅仅关系你的资产有多少，也关系到你对某些东西效用的看重程度。

七、后悔指数

最后，说说人的思维里另一个奇特的东西，叫后悔，或者叫懊悔——明明事情已经过去，但人们还是会一直想着它，并给自己带来痛苦。
**
这事儿挺奇怪的，有没有什么规律呢？就是什么情况下，人们更会后悔，后悔起来更是痛不欲生？当然是有的。

有这样两条规律：

1. 当人们感觉自己跟目标越靠近，最后失败的时候后悔的痛苦感越强；
2. 当人们觉得自己的失误对全局失败的责任越大时，后悔的痛苦感越强。

第二个很好理解，由于责任无法分散，因此对自己陷入深深的怀疑和负面评价，这种感觉本来就非常不好，想要改变
却无力回天，产生了“懊悔感”。

第一个呢？我举个例子，当天的彩票开的是107896，如果你的彩票是107895，你的痛苦感比拿着572809的彩票号码的你朋友要大得多，而如果你竟然在购买前考虑过6和5到底选哪个，最后选了5的话，我想你一辈子都会记得这刻骨铭心的痛苦感。

明明一样没中啊？

这就是原始思维足够烂的地方，希望你能够好好进化。

后记

有人可能会在这本书的最后想到”直觉“这种东西，不是说直觉有时很有用吗？怎么都要三思而后行呢？遇到危险不用直觉不是完蛋了吗？

直觉很有用，但这个直觉是需要你在后天养成的直觉，因为后天的直觉是在现代社会里不断练习而产生的，它基于的是现代社会的规则；而先天的趋利避害的直觉和本能，则是从远古时代进化而来，你并没有”修炼“过，而这中间有很多已经不再适用于当下的环境，你当然无法摆脱判断的第一反应，但要习惯立刻调用起更高级的思维程序。