产品/测试 思考的快与慢--06

人是如何做出判断的？初次见面的陌生人你会从面相判断好与坏，手头拮据时坚定不买和花呗分期你会选择后者 ，谈薪资时HR会根据你的个人能力来匹配你的薪资。生活中这些选择或判断是否有理可循？本期我们就通过《思考，快与慢》第八章来跟大家一起探讨思维机制如何控制人做出判断。

---

本章内容如下图所示，我们会从本章的四个思维特性出发来跟大家探讨人究竟是如何做出判断的，以及这些控制判断的思维特性在现实中生活中的投影。

一、系统一时刻进行基本评估

系统一具有基础评估的能力，且这种“基本评估”是时时刻刻全方位进行着的，即通俗意义上的“直觉思维”、“第六感”。就像人只需瞥一眼陌生人，就能对陌生人的潜在威胁度和可信度作一个基本评估。在瞥一眼的过程中，脸型以及面部表情都为判断提供了暗示。当然这种基本评估不是空穴来风的直觉判断，这些评估是建立在洞察事实和理解信息的基础之上，作者通过“看照片预测竞选胜出者准确率高达70%”的实例来论证系统一的这一特性。一群不了解政治人物的受试者仅凭照片投出的竞选胜出者，结果与实际胜出者作比较，准确率高达70%。系统一的基本评估是由神经机制控制且随着人的进化而进化，它使人持续不断地对周围的环境作出评估。系统一这一思维特性投影到现实中也有很大的适用性，面试、答辩等需要与陌生人进行沟通的场合，我们可以借助系统一的“基本评估”，提高陌生人对我们的可信度评估，从而得到更多机会。

二、系统一不评估具体量化

系统一不评估具体量化，涉及到数据总量的问题往往需要调用系统二。就像作者所讲述的案例：因为原油泄露，很多路过的海鸟葬身于原油泄漏的海面，受试者可以掏钱买网覆盖油池来救鸟，三组受试者分别决定救助鸟的数量为2000、20000、200000，最后三组的平均捐款分别是80美元、78美元和88美元。总量差距如此之大，但最终捐赠数额相差无几，是因为实验者在捐款前给受试者看了一只鸟被淹死的画面，在这种情形下，受试者几乎完全忽略了数量的概念。在这个案例中很好地体现了只用系统一思考就很容易忽略总量的概念，就像文中提到的判断一条线是否符合一堆线段的平均值，系统一可以独立完成；要是计算总长度，只靠系统一无法对总量作出评估，就需要借助系统二。

系统一的该特性在生活中的利用随处可见。最为典型的就是花呗、白条等令人深陷分期贷款的消费主义陷阱。17年的数据显示开通花呗的人数已经超过4500万，以及在购买手机时，76%的用户买手机时都选择了分期付款。在自身经济能力无法支付数额较高的产品时，花呗分期后平均一月的数额更容易使人接受了，这就是在系统一的引导下几乎完全忽略了数量的概念。《乌合之众》有个概念：发生在人们身边的事，更容易对人造成影响，而对一些统计的来的数据不以为意。这个现象同样是因为发生在人身边的事更容易通过系统一的作用引起人的联想和想象，并尽可能不去调动系统二，使人不去评估具体量化的数据。

三、与强度等级匹配的描述

系统一可以通过强度等级匹配来描述一件事。通俗来说，就是系统一使得人具有跨纬度思维。比如流行的一些无厘头网络用语，“今天的风像依萍被她爸爸打的那天下的雨一样大”，我们会在描述一件事的强度等级时借用另一件强度等级对等的事件来进行描述，这种强度匹配模式在统计学角度看来时错误的，但对于系统一而言很正常。日常生活中的比喻论证、概念替换都是在系统一的跨纬度思维的引导下产生的。就像你告诉正在面试的HR你上一份工作的薪资是19K*15薪，她就会根据你的薪水大致匹配出与之对等的工作能力。在系统一的这一特性的影响下，我们通过一种范畴向另一种范畴的转换来回答或者解决生活种的问题。

四、思维发散性

系统一会持续不断的对周围进行常规评估，进而做出直觉判断，这导致了思维的发散性，于是本章还探讨了系统一导致的思维发散性。作者提到了这么一个案例：一个人被问及是否认为这家公司财力雄厚时，他想到的却是该公司令其钟情的产品。从这个案例中我们很明显的看到这个人在调用系统二搜寻自己关于这家公司财力的记忆时，因为思维的发散性想到了该公司的产品。系统一就像烧到硬盘里的程序，系统二就是用户本人意愿的控制操作，在开机的那一刻起系统一就为了维护系统的正常运作而不断地运行，它不完全受用户的控制，即想让系统一完全执行系统二的命令不做作多余的工作很难。而投影到人的实际生活中，从我们出生的那一刻起，系统一就在持续不断地运作中，保证着我们的基本生存，而一旦遇到棘手的问题，系统二就会引导注意力搜寻答案，进而解决问题。利用系统一的思维发散性，我们可以在艺术创作工作中更得心应手，而需要注意力集中的工作中，我们可以通过减少外界的干扰，避免引起系统一的思维发散性，从而提高工作效率。

好了，以上就是我们小组读完《思考快与慢》第八章的一些小感悟，希望能够帮助大家拓宽思维，深度解析自己在做决策过程，帮助自己做出更好的决定。后续我们会持续更新后面章节的读书感悟，感兴趣的小伙伴可留言加入我们的讨论！