快思慢想
1 序言
- 给予人们一组帮助诊断错误的词汇，就像医生诊断病情一样，相互纠正错误。系统 1 是不自觉的。语言学习、语法是有直觉的，而即使统计学家对统计也没有直觉，只根据能否想起来来判断，因此媒体起到很大作用
- Amos 和作者以互相出题的方式快速形成理论框架（先直觉判断，不求证），性格互补，过程有趣，导致他们的研究逐渐趋于完美
- 两人发现一些系统性错误，与之前人们归因于情绪不同。同时因为运气，给出了实验过程从而读者可以轻易验证认知错误，使得该论文流行。人们容易忽视运气和未知，高估对世界的了解
- 系统 1 的专家直觉，无非是识别暗示 cue，通过暗示找到记忆中的信息，根据信息来操作。如同从声音中识别愤怒、注意到马路上的车辆一样，只不过这些太常见所以不感到奇怪
- 在没有专家直觉时，系统 1 发生问题替换，或使用系统 2。系统 1 指快思考，同时包括环境评估、记忆、感知、联想、直觉
- 书中不介绍两人成果，而介绍近期认知和社会心理学关于系统 1 的成果。简要介绍各章内容，附录里有两篇简单的论文
2 系统 1 特点
在 Part1 结束，以下特点帮助产生对系统 1 的直觉（个人观点：从而避免犯错）
- 不费力，技能直觉
- 环境评估，识别不和谐（可编程）
- 边际递减，损失厌恶
- 倾向相信眼前的/刻板印象，忽略没看到的（或事情的反面） WYSIATI，夸大低概率。产生感觉、构造和谐的联想（包括因果关系），跨量度转换，困难问题替换
3 每节内容
The Characters of the Story，作者以愤怒的女人和数学问题来说明存在两种系统，系统 1 处理不费力的活动，系统 2 处理需要注意力的活动。投入注意力可以让人忽略一些事，以篮球场上黑猩猩举例。系统 1 提供给系统 2 感觉、直觉、目的的建议，但察觉到异常时激活系统 2，系统 2 通常比较懒，这种搭配在某些情况下存在问题。因此需要识别出这种情况，否定系统 1 给出的判断 illusion，作者以 Muller-Lyer 线段举例。作者以系统 1、系统 2指代两种处理模式，方便读者对两种模式形成直觉
Attention and Effort，系统 2 平时懒惰状态。Add-1、Add-3 实验，可通过瞳孔放大程度，判断系统 2 的使用率。不同于电路过载时断电，系统 2 过载时保护重要任务，忽略其它（如看不到黑猩猩）。技能熟练或有天赋时系统 2 就不那么费力。时限内完成任务、任务频繁切换能力强的，一般来说智力高
The Lazy Controller，系统 2 的精力有限，有的人系统 2 强，可以维持纪律，控制注意力与情绪，且可能与智商正相关（Keith Stanovich 认为高智商与高理性不一样）。心流状态不需要自控力（个人观点：我认为只是心理上享受着这种过程，不会 ego depletion，但仍然是 cognitive busyness，不能再做另一项系统 2 类型的任务）。饥饿、劳累、饮酒导致自控力低，以法官批准保释举例。智力不仅体现在理性逻辑上，还体现在系统 1 能否在记忆中找到相关内容，以及分配注意力的能力。自控力耗尽 ego depletion 在获得激励后可以继续，而 cognitive busyness 则无法靠努力提高，如 Add-1 这种
The Associative Machine，对于产生的联想，人会获得比真实发生轻微但一样的感受，联想像池塘落入石子的涟漪一样。prime effect，想到某事行为就会受影响，行为这么做又会影响想法，虽然影响不大，但这个影响是无法察觉的
Cognitive Ease，系统 1 会自动评估环境，放松时更有创造力，紧张时更少犯错。放松时，更容易犯错，更容易相信，比如清晰的字体、押韵的语言、好记的名字、多次重复产生的熟悉（mere exposure effect，重复发生但没有坏事发生），都会影响系统 1，系统 2 不会察觉。心情差时失去创造力。心情、动作、系统 1/2、认知轻松/紧张互相增强、互为因果
Norms, Suprises, and Causes，系统 2 可编程检测某事件，系统 1 构造的世界随着事件发生而变化，某个让人惊讶的事件再次发生就不会那样让人惊讶，作者以两次在国外遇见熟人为例。系统 1 自动根据事件给出原因，无法做统计思考。有两种模式归因，一种以灵魂为主语发出动作，另一种以物理动作来描述
A Machine for Jumping to Conclusions，信息少、环境不熟悉、金额高时使用直觉风险高。近期事件给予更多权重，信息呈现的顺序影响判断，用“第一印象”和”作者批改同一人的两个论文成绩相似“举例。为了客观，要让开会的观点独立（会前收集观点，避免被能说的人影响），证人证词独立。系统 2 可以质疑，但懒惰，系统 1 用少量信息构建出更简单的世界
How Judgments Happen，强度匹配和 mental shotgun，系统 1 通过典型来进行判断，忽略总和、数值，以竞选总统看外貌、一组线段平均值比总长更容易、给海鸥捐钱依靠情感而不管具体数量。思考像散弹枪一样会过多计算，比如要判断单词是否押韵，拼写反而会影响判断速度
Answering an Easier Question，散弹枪导致问题替换然后强度匹配，当想到约会就会影响生活幸福的评估
The Law of Small Numbers 系统 1 从因果方向思考而非统计，但有的事情只是概率而已，即便看起来像人为的。不注意样本过小得出的结论是否可靠，更在意内容是否和谐
Anchors 系统 2 的调整不足，系统 1 的 prime effect。谈判时，因为锚定先出价的人有优势，后出价的要避免被影响
The Science of Availability，系统 1 根据想起的难易程度来判断，但如果系统 1 事先知道回忆会有困难，就不会识别出不和谐或者系统 2 介入就没问题
Availability, Emotion, and Risk，灾难记忆逐渐消退导致风险逐渐低估。人群与媒体互相被塑造，导致吸引眼球（如恐怖攻击）却不那么重要（发生概率低）的事被高估。以感觉代替思考的问题替换。使用有或无的答案，忽视具体概率。政策的制定应该感性考虑公众情绪还是理性？作者认为应该专家意见和公众情绪综合考虑
Tom W’s Specialty，给出一个人的描述来判断这个人的专业，人们忽略基础概率和信息的准确性
Linda: Less Is More，处理“和”类型的问题不敏感，尤其是统计的和，概率 A = AB + A非B。可通过具体举例、直接对比来减少错误
Causes:Trump Statistics，cause 原因类型统计数据比普通数据更有吸引力，同样给出具体例子更有说服力
Regression to the mean，导致结果的可能有多个原因，其中一个原因就是随机。当因果不完全相关时，进行预测就要考虑运气，上次运气好，这次运气很可能就差，所谓回归均值。并不是每件事都有原因。对照组就是用来消除随机的
Taming Intuituive Predictions，证据的可靠性、证据与推测结果的相关性，当不完全相关时，需要以平均值 base rate 为基础结合证据来预测，即 regress to mean。特殊情况，当极端情况的损失很大时，则即便概率小也给予更大权重是合理的
The Illusion of Understanding，依赖结果来评估之前决定的对错，忽略其中的运气成分。在不知道自己无知时，事实越少越容易编出和谐的故事。hindsight，曾经想到过，只是猜测，然而当事情真的发生，就会认为自己早就想到了
The Illusion of Validity，证据越少故事越好，反馈帮助作者发现了自己的判断问题，要预测的未来太远，与当时的团体协作考核的相关性很低，即便知道这个结果人们包括作者依然会选择相信眼前，不相信统计数据。衡量是否存在 skill 的测试是 persistent achievement，这里作者以股票举例表明其中不包含技能，然而人们仍然相信自己的判断。以 Taleb 的黑天鹅举例未来难以预测。作者认为，短期未来可预测，长期的未来不能以现在事件作为推断，更不能凭借自信程度、故事和谐程度来判断。个人思考：或许可以从 Taleb 的书中找找如何以概率的方式预测未来
Intuitons Vs Formulas，专家受到系统 1 影响在预测长远时并不客观，偏向于独特个案，同时反馈通常很多年以后（所以难以发现预测错误），作者认为最终决定应当交给公式来做。作者以自己设计的新兵招募评估，以过往事实评估 6 个独立的性格特点，最终等权重求和计算出结果。该方法可推广到招聘上
Expert Intution: When Can We Trust It? 专家直觉不是魔法，只是普通的模式识别，与识别人脸一样，调取出之前的记忆和解决方案。或者因为途径某地而回想起不好的记忆。取得技能的两个要素 1. 规律可预测结果的环境，即随机很少 2. 长时间的练习，反馈越快、反馈质量越高学习越快。如果环境中随机的噪音多，此时人类预测不如算法。自信程度不能作为预测准确的判断，前面的两个要素才是，即通过此人所处环境的规律性和学习历史
The Outside View，个人观点：人们不愿接受概率一是因为不直观，二是其中包含了不完美、包含了失败的概率，尤其是当前看起来很完美时（个人观点结束）公开讨论不是收集所有人观点的好方法，而是收集每个人（作者没解释原因，记得之前提到过会给发言的人过多比重，从而引导了话题）。作者以编写教材为例说明自己忽略 base rate （这里叫 outside view）的例子，当时看起来进展顺利，但人无法预测未知的未知，容易过于乐观，预测时间越远意外越多，越需要参考类似案例的情况。此外作者反思了自己知错不改，因为沉没成本，因为是自己发起的项目，承认失败丢脸，因为没压力逼迫作者这样做。个人观点：所以我需要一个敢反对自己的朋友，当然个人也同样保持警觉
The Engine of Capitalism，人们关注自身的水平，忽略竞争对手和外部环境，导致对前景过于乐观。社会对自信持赞扬的态度也导致过于乐观。在科研上，也是乐观使人们能不断的面对失败。个人观点：如已经正确评估前景，或者在没有其它选择的情况下，即使成功概率低，也只能继续做，面对现实和乐观做事我认为并不矛盾（个人观点结束）作者给出应对过于乐观的方法，请所有人假设计划一年后失败了，给出可能的失败过程。这样可以引导所有人思考风险，且鼓励提出质疑（尤其是对领导提出的计划）
Bernoulli’s Errors，经济学当时假设的人是完全理性的，与心理学不同。伯努利认为人的实际感受与钱的数量是对数关系，即边际递减，所以人们在确定的钱数与相同期望的概率钱数中，选择确定钱数（比如确定的 4 与 0.5 * 1 + 0.5 * 7 之间会选择 4） ，risk aversion。作者认为自己与 Amos 的前景理论成功有一定运气，恰好发在了经济学期刊而非心理学。他们两人拿自己做实验，可以快速提出一些假设。作者的理论补充了参考点，即在都是坏的选择（损失钱）时，人们会赌一把，risk seeking。作者认为包括自己都容易受到固有理论的思想局限，所以一直没人对 expected utility theory （伯努利的理论）提出质疑
Prospect Theory，同等金额的损失与获得的心理上的比例是 1.5-2.5 倍，评估时要区分参考点导致获得还是损失，从而使选择不同。选项1，你得到 1000，然后 0.5 赢 1000 和 确定赢 500 二选一。选项2，你得到 2000，然后 0.5 输 1000 和 确定输 500 二选一。同样都是确定 1500 和 0.5 1000 0.5 2000 的最终结果，但人们选项 1 选确定，选项 2 选赌博。前景理论的 2 个缺陷都是忽略了选项对情绪、即心理结果的影响上，第一个是对于大概率赢而没赢产生的失望，第二个是对于大的确定金额与赌博之间，选择赌博输了导致的后悔。个人观点：参考点产生的锚定，加上损失产生的强烈情绪，使人忽略更全景的评估，使富人计较小的损失
The Endowment Effect，保持现状时 lose aversion 的结果，选择不是不变的，拥有了就不想失去。用来使用的物品会有这个特点（失去比获得更难，卖出价高于买入价），用来交易的则不会。穷人也不会，因为他们所有的获得都是靠失去另一种换来的，所有买卖都是失去。有经验的交易人 Endowment Effect 更少
Bad Events，坏消息更能引起人的注意，系统 1 会评估威胁，自己不同意的观点、lose aversion 也视为威胁。为维持稳定的关系（应该指婚姻），好的互动与不好的比例至少 5:1 。没达成目标被看做损失，而超过预期后努力就会降低，因为被视为获得。协商分配利益比分配损失容易。设定一个参考点被视为一种谈判策略，因为参考点决定了是损失还是获得。得失判断也影响公平的判断，因为公司损失而降低工资或公司盈利分配给员工的利益少不被视为不公平，而通过降低工资来为公司牟利则视为不公平。公平的判断影响着经济，即经济不只由自身利益驱动，不公平的企业会受到社会的惩罚。也影响法律，法律补偿损失，但不补偿由损失而失去的盈利
The Fourfold Pattern，确定与接近确定两种情况间的心理感受与统计理论相差大，同时加上边际效应的作用，导致了 risk seeking 和 risk averse 4 种情况，大概率获得 -> 厌恶风险，大概率损失 -> 追求风险，小概率获得 -> 追求风险 买彩票、赌博，小概率损失 -> 厌恶风险 买保险。为了避免情绪对不确定的痛苦，愿意花超过统计期望的钱（个人观点：用钱买情绪或许可以理解），作者认为如果这种情况很多，那么为情绪的开销就太大，不值得。个人观点：这也是为何保险能赚钱，个人仍愿意买保险来去掉不确定性、平复情绪
Rare Events，能引起系统 1 联想的描述，导致概率被夸大，但涉及到钱时这个影响小，因为是具体的数值。可以利用这种效应，给出数字和描述来夸大，给出概率来让人忽略。而当有可能发生而从未经历过时，概率会被低估，因为系统 1 想不起来类似事件。个人观点：比如外国人会高估日本地震的概率，而处于日本的人，由于大地震发生概率低，一生都没经历过，会低估这个概率（个人观点结束）前景理论通过文字描述研究人们的选择，而通过实际经历来研究人们的选择时，对于小概率事件，人们往往低估，因为从未发生过
Risk Policies，A 得 240，B 25% 得 1000，C 失 750，D 75% 失 1000。AB 二选一，CD 二选一，多数人选 AD，然而联合比较发现 BC 更好。AD 75% 失 760，25% 得 240；BC 75% 失 750，25% 得 250。人类天性视野狭窄，选择矛盾经常出现。遇到概率选择，如果能想到一生中这种选择很多，即长远来看，从概率来看 broad frame / outside view，某一次的风险就会减弱（个人观点：类似于保险），应用这个策略有几点注意：1. 每次选择独立，比如不是投资同一领域 2. 损失不会大到无法承受 3. 胜率不会过小，以至于无法等到。指定 risk policy 即某个策略能帮助 broad frame 方式做决策，关注统计概率
Keeping Score，不愿承认失败、沉没成本，对应四象限 “大概率损失 -> 追求风险” ，使人停留在失败的婚姻、工作中。当偏离常规（冒险）而有失败结果时，人会后悔，因为害怕后悔而不敢承担足够的风险。作者认为在冒险前充分考虑后果可以避免后悔，或完全不考虑后果（个人观点：这应该是对不值得在意的损失，避免浪费精力时），只有在自己感觉差一点就选对了时最后悔
Reversals，比较产生更广泛的见解 broad frame，现实中通常没有对比（个人观点：所以我们要自己找对比来产生更广泛的见解），只会与该类别下的 norm 作比较。单一评价是系统 1 的跨量度转换，而对比会使用系统 2。当然对比如果是利益相关方提供的则要警惕
Frames and Reality，系统 1 不是基于现实的，所以人的选择不能完全基于现实（个人观点：受到情感影响）。对某种情况打折，可以换种说法对另一种情况罚钱，金额一样，感受不同。90% 存活和 10% 死亡，不同表述会改变人的选择。（个人观点：所以为做出理性选择，我们要想到另一面，从更大的视野考虑问题）另一种导致选择不同的情况是系统 2 的懒惰，不愿改变默认选项。政府可以利用这个特点，制定对社会有利的政策，如默认器官捐献
Two Selves，一个是评估自我，峰终定律，忽略时长，另一是当下的体验自我。最终影响决定的是评估自我。评估自我依靠记忆，记忆是系统 1 的功能，使用典型代替整体，不求和，因此记忆未必反应真实情况
Life as a Story，评价人一生时使用平均值，峰终，不求和，只考虑故事的好坏。给一个幸福一生的人，加上 5 年不那么幸福的人生，会降低对他一生幸福的总体评价
Experienced Well-Being，少部分人口的痛苦遭遇了多数痛苦，与普通人相比疾病让极度贫穷的人更痛苦。体验自我由当时的环境决定，例外是一些频繁出现的想法（PTSD？）也影响心情，稍夸张些指是否与你爱和爱你的人相处。有钱可能影响评估自我，但不会影响体验自我。可控制自己的时间是提升幸福最简单的方法
Thinking About Life，评估自我只选取能想到的故事片段来评价人生，作者以结婚对幸福的影响图来说明，并非真的婚后幸福下降，而是结婚这件事更难被想起。体验自我也只与当时的环境有关，与是否结婚无关。评估自我的满意度与设定的目标是否达成有关。两个自我都与幸福有关。当我们想到某事时，这件事在评估中的比重被放大。买车、换居住环境，这些开始很有趣，后期无趣的事会给予过大的权重。例外是慢性病、环境噪音，因为会一直引起注意（个人观点：作者以体验自我来看，人决策时容易忽视时间的效应，应当区分出是开始有趣还是长期有益/有害的事，同时评估自我关注目标达成，以片段来编故事）
Conclusions，评估自我忽略时长，与体验自我的看法未必相同。人不是完全理性，逻辑也存在矛盾，需要帮助来做出更好的决策，如在存钱养老上给予默认选择。足够的练习与反馈才会有准确的直觉，解决系统 1 错误的唯一办法，就是识别容易出错的场景，慢下来使用系统 2，识别他人的错误更容易。组织比个人更容易避免错误，制定规则，互相监督
我认为只使用系统 1 的判断是次优的，是在时间紧迫时的不得以选择