這本書剖析了人類是如何思考, 以及如何在心理實驗和經濟活動上獲得實證
其核心講述的是人類的思考系統可以分為System 1和System 2
這兩個系統相輔相成, 但我們自己是很難察覺它們的差異的
若能如作者所建議的, 適時的喚醒System 2, 就可以在緊要關頭做出正確的判斷
書裡的理論和實驗並存, 說服力強, 也難怪會成為名著
而書中提及的System 1和System 2在也成為心理學上的一種典範模型了
看完這本書真的覺得獲益良多
對於一些本來覺得荒謬的事情, 終於有個理論可以解釋了
作者和他的研究同伴Amos Tversky在認知偏差和行為科學上一起貢獻了許多
而作者也因此在2002年獲得諾貝爾經濟學獎, 可惜Amos當時已過世
據說此書的中文譯本"快思慢想"翻的很糟糕
原文書雖然頁數多, 不過真的很值得一看, 只能說良藥苦口了啊
=========================================================
書中把人的思考大約分成兩類
一類是Fast thinking, 其為自動化的System 1, 會具現出behavioral economics, 回憶時會表現出remembering self
另一類是Slow thinking, 為effortful System 2, 會具現出classical economics, 並且為experiencing self
書的內容因此分為三大部份
Part 1~3介紹Two Systems的存在, 盲點, 以及建議補救的方法
Part 4介紹我們所作的決定是如何受到影響 (Human v.s. Econ)
Part 5講述我們腦中的Two selves是如何地不同看待我們對事物的感受和回憶
以下節錄一些我覺得很有趣的論點
-------------------------
System 1: automatic, fast, little or no effort, voluntary
它來自於我們的原生腦裡的assosiative memory
只會做事物的快速辨識以及直覺式的思考
來源應該是因為人類古時候為了生存, 需要有快速下判斷的機制
為了加速思考, 我們會無意識地套用許多不同的heuristic和bias
但在現代, 這些機制有時候會讓我們落入盲點而不自知
例如System 1無法進行統計上的思考
System 2: needs attention, slow, effortful for complex computations, involuntary
這部份才是我們經常認為的"我"
負責的是理性和智慧的思考, 但它很消耗能量 (無論是心智上或是實質上的)
所以會是在System 1無法處理的時候才會登場
一個很棒的例子是假想你走在路上, 被問到1+1=?, 你會不加思索地(由System 1)回答2
但是如果是被問到113*121=?, 你會停下你的腳步開啟你的System 2計算
於是我們可以發現思考有兩種不同的模式, 後面那一種會需你集中精神以致於中斷目前的活動
書裡的主要論調就是, System 1會幫我們擋掉大部份的思考, 而System 2是個懶鬼, 非到必要不活動
所以我們要盡力地訓練我們的System 2, 並且System 1的盲點帶來的陷阱及錯誤
(許多商業活動和廣告, 都是利用System 1的弱點設下圈套)
但System 1也不見得有這麼糟, 它除了讓我們能應付日常生活中的簡單任務外
和System 2邏輯性的思考不同的是, 它通常是shot-gun式的思考
也就是你問它一個問題, 它可能會去測試可能相關的十幾個問題
而這種亂跳式的思考, 可以連接腦裡不同部份的知識, 也是產生creative thinking的主要來源
這也是為什麼許多大師, 都是在很放鬆的情形下天外飛來一筆, 像是阿基米得泡澡, 牛頓被蘋果敲到等
-------------------------
Ego-depletion (自我耗損)的現象, 就是當System 2經過活動後會累, 會變得不想進行接下來要動腦的事情
實驗也指出補充葡萄糖確實會改善這個現象 (所以下午茶要吃東西的話, 有葡萄糖的東西是最好的)
但有時候, 長時間的mental work不會有耗損的現象, 心理學上稱為flow, or optimal experience
這在專業人士身上經常看到, 像是chess master
著名的"一萬小時規則" (要把東西練到極致平均要花一萬小時), 就是達成這個境界的方法
通常在這種狀況下, System 1裡的heuristic是非常專業和有用的, 也因此System 2較不容易疲憊
-------------------------
Mental work = Intelligence + Rationality
智力(Intelligence)和理性(Rationality)是不一樣的
智力指的是當你的System 2開啟後, 它的運算能力如何
理性指的是你記得要開啟你的System 2, 而非濫用System 1
所以以後看到大師亂說話的時候, 不是他智力低, 而是忘了開啟System 2, 只用System 1在回應
-------------------------
System 1主要的弱點來自於WYSIATI (What You See is All There is)
也就是認為你所看到的就是事情的全象, 因此過度自信的認為如此片面的判斷是正確無誤的
因為這個弱點, 衍生出以下這些經常被拿來催眠或誤導人們的現象
Priming effect: 給你一些暗示, 你的大腦會不自主地被誤導, 常見的像是一直叫你要投資和買房子
Cognitive ease: 只要給System 1它喜歡的, 像是熟悉的或是看似有道理的東西, 它就很容易接受你的結論 (e.g. 政治上的操作)
Jump to conclusion: System 1的天性就是下判斷後趕快收功, 只有System 2才是多疑的, 所以偽論由System 1傳播, 科學由System 2所創造
Halo effect: 第一印象會決定你對人的判斷
-------------------------
System 1在下決定時, 常使用heuristic或bias來取代複雜的評估, 常見的問題或現象有:
Basic assessment: 覺得長得帥的人, 能力也會比較強 (.....); 或是直銷的人喜歡擺些跑車給你看, 就覺得直銷能賺大錢
Substitution: 用一個較簡單的問題, 取代原來較複雜的問題 (e.g. 支不支持核四 => 想不想被限電)
Prefer Causality: 較易接受看起來有因果性或是協調性的東西, 例如RRRGGG看起來比RRGRGG還不random
Anchoring effect: ***** 這個要打五個星星表示重要, 同時也適用於System 2
發生在對於數字的判斷, 像是房子買價或是甘地歲數
你的判斷會被一開始給的數字所影響, 即使早就告訴那個數字是亂給的
例如問你甘地是幾歲過世的?
問法1: 甘地是30歲後, 幾歲過世的?
問法2: 甘地是120歲前, 幾歲過世的?
實驗指出被套用問法1的人給的猜測會比問法2小, 因為其中的30和120雖然荒謬, 但在你腦裡你已經被anchor住了!
發生的原因是, 我們對甘地的歲數有個不確定的區問, 例如是60~90歲間
而在進行猜測時, 大腦會自動從anchor住的數字往不確定的區間前進, 而且停止在邊界
所以若被anchor在30, 你的回答會是60; 若是anchor在120, 你的回答會變成90
這個現象威力太過驚人, 所以面對有數字的不確定估計時要極度小心
我們周遭充滿太多的anchoring數字了, 最常見的就是高房價和低薪資
即便帝寶的價錢或是20K的薪資是極端的狀況, 但你的大腦是會被anchor住的!
Plausibility > probability:
System 1看待一件事的合理性高於它的機率
例如"溫網第一輪Djokovic會輸掉第一盤" v.s. "溫網第一輪Djokovic會輸掉第一盤, 但最後會勝出"哪個機率較高?
實驗指出許多人會認為是後者, 但稍微想一下就會知道是前者, 因為後者是前者的子集
但因為後者比較合理(Djokovic第一輪會贏), 所以System 1就被騙了
這延伸出一個怪現象, 越長的論述雖然發生機率會越短, 但越容易說服別人, start-up公司常見手法
-------------------------
System 1進行的是合理性的推論, 而System 2可以進行統計性的推論
所以System 1常常得出over-confidence的結論, 像是
Hindsight effect: 認為所有事都能事前被預測和預防, 例如911攻擊和高雄氣爆
Outcome bias: 只要成果是好的, 就覺得所有手法都是對的, 像是Google CEO做什麼事都對
要避免System 1錯誤的判斷, 要依靠System 2進行Bayesian thinking的推論
假設觀測到的是P(B|A), B是發生的事件, A是欲推論相關性的事件
WYSIATI代表的是假設A和B是高度相關, 因此 P(A|B) ~= P(B)
Bayesian thinking指的是要記得使用base rate, 也就是prior probability P(A), 來估計P(A|B)
書中提到的像是outside view和premortem手法都是為了把base rate考量進來
要啟動System 2是痛苦且費力的, 在面對重要決定時, 要時時問一下自己現在的決定是由System 1還是System 2所下的?
-------------------------
傳統經濟學假設人都是理性的, 偏好不會隨著時間或是說法而改變
最極致的數學模型就是Von Neumann提出的utility model (賽局理論的基礎)
但事實上我們的System 1是不理性的, 而作者與Amos提出的Prospect theory就是用來處理這種情況的模型 (諾貝爾獎貢獻)
不理性不代表無法預測, Prospect theory強悍之處就是在於能成功預測出許多當非理性出現的結果
Prospect theory三大要素為
Reference point: 心理上的效用和我們的現況或是目標有關, 同樣是輸掉100萬, 對於億萬富翁和窮學生, 效用完全不同
Diminish sensitivity: 同樣多贏10塊, 從贏100變成110和贏1000變成1010, 效用會遞減
Loss aversion: 對於損失的感受比失去更強烈, 例如失去1000塊的強度比贏得1000塊來得強 (強度差異在機率為0或1處約為2倍)
其中loss aversion可以成功解釋, 為何大多數人傾向留在當下的職位或環境裡
因為害怕失去現有的benefit比渴望獲得更多的好處來得強烈
Prospect theory裡的效用或稱為expected value (EV)的式子為
EV = decision weight x sensitivity
其中decision weight在utility model裡為客觀的機率
但人類對於機率從0->5%給的weighting通常來得比5%->10%來得重, 因為一件事從不可能變成可能在心理上比較重要
同樣的95%->100%也會比90->95%來得重要, 於是人們願意花多餘的錢買保險
以下為Prospect theory在四個極端狀況的推論, 也成功地預測了常見的結果
像是為何窮人願意花錢買保險, 較有規模的公司較願意接受併購, 但start-up較不願意
Gain Loss
Certaintry effect 95% chance to win 95% chance to lose
Risk averse Risk seeking
Accept unfavorable settelment Reject favorable settelment
(e.g. Company merging) (e.g. Lottery, OR start-up!)
Probability effect 5% chance to win 5% chance to lose
Risk seeking Risk averse
Reject favorable settelment Accept unfavorable settelment
(e.g. frivolous litigation) (e.g. insurance)
可以發現許多商業行為, 都是建立在人類在0%->5%和95%->100%的情況下願意承受非理性(與機率不相符)的成本
所以擁有大量資產(reference point高)的公司行號便能利用這弱點, 對小公司和個人戶進行獲利
-------------------------
人腦習慣會對事物開一些mental account
例如你買了十支股票, 容易把每支股票視為獨立的輸或贏
但loss aversion就會分別適用於每一個account, 造成你過度害怕損失而做出錯誤的決策
這稱為narrow framing, 用狹窄的角度看待事情
較好的方法為broad framing, 把這些股票的輸和贏統整為單一事件
雖然loss aversion依然存在, 但強度會減弱許多, 也因此能做出較好的判斷
-------------------------
***** Framing effect: 對於同一件事情, 我們對於不同說法會產生不同的效用
幾個例子:
1. keep $20 v.s. lose $30 after receiving $50 (the former will be preferred (lost aversion))
2. 開刀前醫生跟你說這場手術有90%存活率 v.s. 10% 致死率 (大家都喜歡聽到前者)
3. 哪個油耗數字進步比較多? 是12 km/l到14km/l 還是 30 km/l到40km/l?
雖然大部份的人會覺得是後者, 但事實上同樣跑1公里來看, 前者省了較多油
所以其實 l/km是比較好的油耗數字, 但汽車公司喜歡用km/l來框你
4. 對於你沒什麼主見的事項, 預設值為決定大多數人的選擇, 因為害怕改變預設值帶來的損失
像是不同國家的器官捐贈率相差很多, 統計上顯示主要原因即為預設值為opt-in或opt-out而已, 與文化背景較無關
-------------------------
Two selves: Experiencing self v.s. Remembering self
實驗指出experienced utility != decision utility
有一個實驗是這樣子的
讓人把手放到冰水裡, 然後在不同時間點改變水的溫度並詢問受測者的痛苦指數
然後定義experienced utility為整段過程痛苦指數的加總
對一手實驗完後, 對受測者說要再做另一隻手, 此時讓他們從不個的溫度過程選一個
竟然會發現, 大多數人選的不是experienced utility較少的那些
而是選擇最低溫度(peak)較高或是結束時(end)水溫較高的那些
這就是peak-end rule, 影響我們在回憶中評比後做決定的decision utility不是experienced utility!
更誇張的是, 兩段相同過程, 其中一段只是在最後延長一些時間把溫度稍微提高(但還是很冰)
大多數人竟然會選擇後面這一段, 只因為結束時溫度較好, 而忽略其實多痛苦了後面那段
Experiencing self為當下的感受, 屬於rationality控制的範疇
Remembering self回憶中你記住的感受, 屬於biology控制的範疇, 存在著peak-end rule以及duration neglect的特性
例如常見的故事或電影片段, 當主人翁要過世前, 你在乎的是他愛的人有沒有在他身邊, 而不是他只有20歲
這裡也可以了解, 一般常說的"過程比結果重要"或是"志在參加, 不在得獎"是理性的說法
如果你是旁觀者你會認為很有道理
但對於經歷過的人, 幾乎一定是"the end justifies the means", 也就是結果最重要
體驗一下這兩種心境(當下 v.s. 回憶)的不同, 就會發現人的心理真的是很有趣
由於Remembering self的特性, 也值得我們反思我們終其一生的目標是否妥當
或許理性會選擇一條Experiencing self時時能被滿足的道路 (穩定的工作, 大大的房子, 十台車子等)
然而當生命快結束時, 你回想過去, 你用來評斷你的一生的將會是Peak-end rule
當你知道這件事時, 是否你會改變你現在的做法呢?
留言列表
