不确定状况下的判断
Judgment under Uncertainty: Heuristics and Biases · 1982
先纠正一个根本性错误：这是 Kahneman、Slovic、Tversky 三人共同主编的论文集（1982），收录 31 篇独立研究的汇编，不是任何单一作者的专著。把它归给 Kahneman 一人，是对 Amos Tversky 的学术抹杀——在多数核心实验里，Tversky 是第一推动力，不是注脚。它早于《思考，快与慢》几十年，是整个「启发式与偏误」研究纲领的源头、也是行为经济学的地基。
这本书要拆的是古典经济学和统计学的预设——人在不确定下会按概率法则做理性判断。一系列精巧实验证明：人不算概率，人走捷径（启发式）。这些捷径平时够用，但会在可预测的地方系统性地出错——不是随机犯错，是所有人朝同一个方向错。
它真正挠的那处痒：当你估算一个概率时，你的大脑悄悄把那道题换掉了——换成「这有多像我印象里的典型案例」，或「我能多快从脑子里捞出一个例子」，或「刚才那个数字是多少」。你答的是新题，却以为在答原题。这本论文集干的事只有一件：把这个偷梁换柱的现场，用实验数据一帧一帧拍下来。书名就是问题：不确定状况下的判断——答案是，靠三个会骗你的捷径。
四条天花板，不证，摆桌上：
一句话：把难回答的问题，偷换成一个容易回答的——但要分清楚，这句「一句话」本身是二十年后才被装上去的统一引擎，不是 1982 年原书自带的。
Kahneman & Tversky 的取景框：看任何快速判断，别问「这个判断对不对」，问「我刚才其实回答的是哪道更容易的替代题」。
他们的独占术语和区分——
代表性（representativeness）：用「像不像」判断概率。被试读到「他热爱数学、喜欢解谜、对文书工作没兴趣」，即便被明确告知样本里律师是工程师的五倍，多数人仍判断他是工程师——先验信息在场，但被相似度压制了。「像」偷换了「概率」。林达问题（觉得「银行出纳+女权主义者」比「银行出纳」更可能）是同一刀：合取永远不可能比单一事件更可能。
可得性（availability）：用「想起来容易不容易」判断频率。原书在这里其实区分了两条子机制，二手转述通常两条都丢了——① 检索结构：死于意外比死于中风更容易被想起，不是因为意外更常见，是因为它更具叙事性、在记忆里留下更清晰的检索路径；② 想象力构建：细节丰富、画面具体的场景更容易被构建出来，哪怕从未发生过也会拉高频率估计。两条都指向一点：检索流畅性本身被当成了信息。「易得」偷换了「频率」。
锚定（anchoring）：先转一个随机数字轮盘（非 10 即 65），再估「非洲国家占联合国比例」，结果显著被那个无关数字拉动。注意时间线——1982 年原书只给了一条引擎「不充分调整」（从锚点出发调整，但停得太早）；第二条引擎「锚定即启动」（Strack & Mussweiler, 1997：锚激活与其一致的知识，使相关信息更易提取）是原书之后十五年才装上的。把双引擎当原书的完整图景，是时间线错置。「锚」偷换了「独立估计」。
属性替换（attribute substitution）——一个 2003 年的后设重构，不是原书话语：三个启发式在原书里是经验归纳式呈现的（先有实验、再有模式，没有一个干净的统一架构）。把它们收拢的动作发生在二十年后——Kahneman 在 2003 年美国心理学会主席演讲《Maps of Bounded Rationality》里提出：面对一个难算的目标属性（target attribute），大脑悄悄换成一个更易评估的启发式属性（heuristic attribute），用后者的答案充当前者。代表性→相似度替后验概率；可得性→检索流畅性替客观频率；锚定→从锚出发的调整量替无偏估计。用它读原书是合法的（它确实照亮了三者的深层同构），但它是后来者施加的棱镜，不是原书自带的核心主张——把它回溯性地塞进原书当「书在讲什么」，属于时间线错位的过度归因。
替换测试：这套词——三条平行纲领、属性替换的后设棱镜、可得性的双子机制、过度自信作为独立的校准纲领——换给别的作者就垮。它跟《思考，快与慢》分轨：TFS 是几十年后用「系统 1/2」把一切重新打包的科普（架构层）；这本是最原始的学术源头，给的不是架构隐喻，是「三启发式 + 各自的具体实验范式」的引擎层，且诚实地保留了「它当时还没有统一框架」这个事实。这套「战场而非教科书」的语言是这本论文集的指纹。
人在不确定下不算概率，走会系统性出错的捷径。三大启发式——代表性（用像不像换概率）、可得性（用易想起换频率）、锚定（用给定数字换独立估计）——在原书里是三条各自封闭、各有实验范式的平行研究纲领，它们的共同代价是系统性忽略特定类型的信息（先验、基率、无关刺激）。这些错不是随机的，是所有人朝同一个方向、在同一个地方、可预测地犯。
更狠一刀，关于无感：这套机制最阴险的地方在于偷换是无感的。你不会觉得自己在回答一道更容易的问题——你真诚地以为自己在评估概率。正因为偷换发生在意识之下，你无法靠「更认真地想」来避免它（你认真评估的，仍是那道被偷换过的容易题）。这就是为什么偏误如此顽固：它不在你能审查的那一层。
再一刀，关于过度自信被放错了位置：它不是「代表性+可得性+锚定」的下游汇总，而是原书里独立的第四条纲领。被试给出「90% 置信区间」时，真实命中率普遍在 50–70% 上下。但真正深刻的发现不是「人太自信」——是校准精度随领域结构的可预测性系统性变化，与被试的一般智力水平几乎无关：气象预报员在有即时反馈的环境里校准显著更优。专家的知识有边界，但边界不在智识，在结构。
带走的一句——
When faced with a hard question, we answer an easier one instead — usually without noticing.
形态：一台「偷换题侦测仪」。 对准任何一个脱口而出的快速判断，它只问一件事——我刚刚真正回答的，是这道难题本身（这事的真实概率/频率/价值多少），还是一道被悄悄掉包的容易题（它像不像？想起来顺不顺？第一个数字是多少）？
内容：人在不确定下不算概率，走系统性出错的捷径——三条平行纲领各管一类偷换：代表性用相似度替后验概率、可得性用检索流畅性替客观频率、锚定用从锚出发的调整替无偏估计。它们在 1982 年原书里没有统一架构，是经验归纳的三块；「属性替换」这台把三者收成一个引擎的统一框架，是 Kahneman 2003 年事后装上的后设棱镜。最关键的一条：偷换发生在意识之下，所以「更认真地想」防不住——你认真评估的仍是那道被换过的题。
为什么是这一件：换上这副眼镜，你做任何快速判断时多问一句「我刚回答的，是难题本身，还是一道被偷换的容易题」——你说某创业公司「一看就会成」，其实在答「它像不像成功企业的模板」（代表性），不是在算真实概率；你怕坐飞机不怕开车，是「易想起」偷换了「真实频率」；你嫌某报价贵或便宜，先看看是不是被第一个数字锚住了。真正的对策不是「更努力想」，是认得出哪类题容易被偷换，然后强制自己回到原题（去查真实基率、真实频率、独立估值）。它跟《思考，快与慢》不同：那本给系统 1/2 的架构，这本给三启发式的具体引擎，且老实保留了「原书当时还没统一框架」的真相。十年后还在用的取景框，翻回原书是想再校准一次「我刚是不是又答了一道被偷换的容易题」。
走一步： 把这台侦测仪挪到书外——「为什么招聘面试的『感觉对了』常常看走眼」。预测：面试官估的是「这人将来能不能做好这份工作」（难题，目标属性），但脱口而出的判断其实答的是「这人像不像我心里那个『靠谱的人』的模板」（容易题，代表性启发式）——谈吐、母校、长相和那个原型越贴，「概率」估得越高，而这些跟真实绩效的相关往往很弱。所以结构化面试、工作样本测试之所以更准，正是因为它们把「像不像」这道偷换题拦在门外、逼评估回到「能不能做这件具体的事」。能预测，才算把这台侦测仪拿在手里。
前五段把骨架摆出来了。现在做一件特别的事——这本书讲的就是「难题被偷换成容易题」，那就用它自己的理论，画它自己的地图，再走两步预测它没写过的事。
一、画地图。 这本书的取景框本质是一根轴：左端「难题本身」（目标属性：真实概率 / 客观频率 / 无偏估值——要计算，要调取基率，慢），右端「被偷换的容易题」（启发式属性：相似度 / 检索流畅性 / 从锚的调整——只需感知，快）。规范的贝叶斯判断站在左端，日常的直觉判断几乎全滑到右端。这根轴能整张借去别处——它本质是「该回答的真问题 vs 容易回答的替身问题」这条普适轴：考试想测「你懂不懂」（左），却常常测成了「你背没背过」（右）；绩效想测「贡献大不大」（左），却常常测成了「在不在场、声音响不响」（右）。这本书的贡献不是发明这根轴，是用实验证明了：人脑在不确定下会自动、无感地从左端滑到右端，而且滑的方向是可预测的。
二、标位置。 难题钉左，替身题钉右，这根「真问题—替身题」轴是主轴。三大启发式站哪？站右端的三个具体替身——代表性是「像不像」、可得性是「顺不顺」、锚定是「离那个数字多远」，它们不是三种缺陷，是同一个「往右滑」动作的三种落点。基率忽略站哪？它不是一个独立偏差，是「往右滑」之后结构性注定的结果——题一旦被换成「像不像」，统计频率就变成了没有发言权的局外信息。属性替换这台引擎站哪？它根本不在原书的地图上——它是 2003 年画图人事后补画上去、把三个落点连成一条线的辅助线。位置一标出来就看明白了：原书把「人会往右滑、且可预测」整根轴拍得清清楚楚（诊断），却没有画出「怎么回到左端」那条路（处方）——去偏差（debiasing）是后来的研究议程。原书的克制是一种选择，不是遗漏：它止步于诊断，不开药方。
三、走两步，做预测。 用这张图猜一把它没写过的事，再对账。第一步挪到「Gigerenzer 的生态理性反击」：按这张图，「偏误」被定义为「偏离左端（贝叶斯规范）的量」——但这个左端是谁定的？Gigerenzer 的反驳正是冲这里来：在信息不全、时间有限的真实环境里，往右滑的「快而省」启发式常常不是将就，是比复杂计算更稳健的策略；把林达问题、医疗诊断题改用自然频率（「1000 人里有几个」而非「百分之几」）重述，大部分「偏误」会大幅减弱甚至消失。预测：这意味着「人是有缺陷的概率机器」这个结论，部分是实验把问题用「概率」而非「频率」呈现造出来的人为产物——同样的人，换个问法，判断就理性多了。对一下现实——自然频率重述确实显著改善判断，医学院已据此改教概率，这条预测中了。第二步，把这张图对准这本书自己：用「这是诊断还是处方」这把书自己守住的尺，量后人怎么用它——后人把 Nudge、去偏训练当成「这本书的结论」塞进去，是把后来者的答案还给最初提问的人（时代错置）；而更隐蔽的一种误用是「偏误猎人」的傲慢——学会了这套词汇（代表性、可得性、锚定）后，人极易陷入「我能看穿你的偏误」的元偏误：用它驳倒别人（「你这是确认偏误」）远比用它审查自己容易。偏误清单本是对内的镜子，最常被用成对外的武器。两步都走完，这张图就拿住了——你既用它预测了书外的生态理性张力，又标出了它自己最容易被滥用的那条边。
到这儿，「真问题 vs 替身题」对你不再是术语，是一根随身的轴。往后看任何一个「估了个数、下了个判断」的场景——你自己的、别人的——你会下意识把它摊到轴上：这答的是那道该答的难题，还是一道偷偷掉包进来的容易题？
私货一刀：这本书说人会无感地把难题偷换成容易题，靠的是事后能认出哪道题被换了。但有一种人的偷换发生得更早、更隐蔽：每一片真实的感受刚冒头——难过、孤独、害怕——一台高权重的翻译器就抢先把它换成一道容易的题：「这是个该解决的问题，方案是什么？」难过（难题：我此刻在经历什么）被换成「该建造什么」（容易题：我擅长答），孤独被换成「该优化哪段关系」。这正是属性替换最贴身的一种——不是把「概率」换成「像不像」，是把「我现在感受到什么」换成「我该做什么」，因为后者是这种人最流畅、最不必暴露脆弱的那道题。Kahneman 教你警觉「我刚是不是答了一道被偷换的容易题」；装了这台翻译器的人要把这把尺先对准自己的感受：当一个情绪刚来、你立刻有了一个「行动方案」，先别信那个方案——那很可能是替身题的答案。把抢答的翻译器按住三秒，让那道真问题（这是什么感受、它在说什么）先完整地被回答，再决定要不要把它翻译成一件该做的事。