# 在噪声世界里清醒思考
面对一项重要选择，先写清五件事：想实现什么，哪些替代方案可行，相信什么及有多不确定，什么证据会改变选择，以及何时重新检查。然后保护这个决定，防止自己的反应、他人的判断、数据和所处系统里那些可预见的错误。
好流程仍可能遇到坏结果，精确估计仍可能有偏，有用规则也可能在前提改变后失效。这十二本书的实际用途，是把这些区别变得可用：什么时候相信经验，什么时候测量，什么时候探索，什么时候重新决定。
本文整合十二本书完整的本地Shortform一页摘要、其中的例子及补充评论，不声称覆盖十二本原书全文。正文区分作者观点、Shortform比较与编辑纠正；补充练习不自动等于经过检验的干预。以下各节把框架集中讲全，并将边界放在它所限定的机制旁边。
- [当头脑走捷径](#theme-fast-minds-bias-and-emotion)
- [不确定性、信念与学习](#theme-uncertainty-probability-and-calibration)
- [测量与因果证据](#theme-evidence-measurement-and-causality)
- [把决策流程走完整](#theme-decision-process-and-options)
- [组织与群体中的噪声](#theme-noise-judgment-and-groups)
- [系统、反馈与干预](#theme-systems-feedback-and-leverage)
- [跨领域使用思维模型](#theme-mental-models-and-second-order-effects)
- [现实约束下的算法](#theme-algorithms-and-bounded-optimization)
- [怎样判断科学主张](#theme-science-incentives-and-reliability)
- [在不确定中生活与计划](#theme-durable-judgment)
## 当头脑走捷径
### 什么时候该打断直觉？
熟悉情境中的快速反应不可或缺。要问的是：这一模式在这里是否可靠，反馈是否训练过它，以及犯错要付什么代价。
**系统1：快速、直觉化的思维系统**
丹尼尔·卡尼曼（Daniel Kahneman）的双系统思维模型是理解快思考与慢思考的核心框架，也构成了他在《思考，快与慢》中整个研究脉络的基础。**系统1**（快思考）自动、迅速地运作，几乎不需要意识努力，也不受自主控制；它产生感受与直觉，并向意识层面提出可供考虑的行动方案。相比之下，**系统2**（慢思考）则涉及审慎、刻意的推理，且会消耗认知资源。加布里埃尔·温伯格（Gabriel Weinberg）和劳伦·麦肯（Lauren McCann）在《超级思维》（*Super Thinking: The Big Book of Mental Models*）中讨论“不当直觉”时，直接沿用了卡尼曼的这一模型。
系统1通过联想产生快速的印象与判断：它会立刻将你所见或所经历的事物与记忆中储存的相关概念和模式联系起来。例如，看到某人皱眉时，系统1会瞬间将这一面部表情与愤怒、威胁、负面等关联概念挂钩，让你在数毫秒内就做好自我防卫、逃离或化解局面的准备。系统1思维的其他日常例子包括判断两个物体哪个更远、理解简单句子、察觉他人声音中的情绪，以及执行简单或习惯性的动作，比如在空旷的道路上开车。
尽管快速、直觉性的思考对于应对日常生活至关重要——你无法对遇到的每一个景象、声音或体验都进行有意识的深思熟虑——但卡尼曼强调，系统1冲动且不精确，会经常产生错误。这就带来了一个实际难题：当人们的默认思维容易出错，而理性系统又需要费力启动时，如何才能做出可靠的决策？卡尼曼提出的解决方案是，学会识别系统1特别容易犯错的情境，从而调动审慎的系统2进行推理。为此，他梳理了一系列常见的启发式（心理捷径）和认知偏差（由这些捷径引发的思维错误），它们常会误导直觉思维。
卡尼曼以两种系统为核心的更广泛研究，还涵盖了人类思维中常见的偏差与疏漏、前景理论（解释参照点、得失感受与决策权重），以及对幸福和自我认知如何增进福祉的探讨。
**系统2：需要付出努力的审慎思考**
系统2是将注意力分配给需要付出努力的心智活动的思维模式。需要系统2参与的常见任务包括保持专注、做出艰难选择以及进行复杂计算。它还会将直觉转化为信念，将冲动转化为自主行动。这是对思考功能的描述，并非信息依次流过两个脑区的线路图。审慎思考既能检查快速答案，也可以在行动前主动启动。例如，在空旷道路上开车通常属于系统1的任务——简单、熟悉，无需刻意思考就能完成——但在狭小空间内倒车入库则会触发系统2，以进行精细调整并避开周围车辆。
**系统2的惰性与心智资源的节约**
丹尼尔·卡尼曼（Daniel Kahneman）写道，大脑之所以默认使用系统1，不仅因为它更快，还因为它消耗的心智能量更少，而大脑会本能地尽可能节省心智资源。简而言之，系统2是懒惰的：它更愿意让系统1处理尽可能多的思考。因此，人们往往不会质疑系统1产生的冲动和直觉，因为重新思考这些决定会消耗大脑宁愿省下的能量。当你疲惫或压力大时，这个问题会更严重，因为有限的心智资源已经紧张，更难投入有意识的努力去解决问题和做决策。
**丹尼尔·卡尼曼与行为决策理论的奠基**
丹尼尔·卡尼曼（Daniel Kahneman，1934–2024）是一位专注于人类决策研究的心理学家。他在认知偏差、启发式和行为经济学领域的开创性研究为他赢得了2002年诺贝尔经济学纪念奖，使他成为有史以来少数获此殊荣的非经济学家之一。他最广为人知的成就是与同事心理学家阿莫斯·特沃斯基（Amos Tversky）共同提出了前景理论（prospect theory）。
**启发式研究在检验什么**
迈克尔·刘易斯的《思维的发现》讲述卡尼曼与特沃斯基从20世纪60年代末开始的合作。他们用容易误导的题目研究的不只是人会不会答错，还包括什么规律解释错误。期待小样本紧密代表总体的“小数定律”，以及专家依赖刻板印象，成为重要发现。这些工作帮助建立启发式与偏差研究传统，却不是发明了此前所有“启发式”的用法。
**启发式：系统1如何用简单问题替代困难问题**
卡尼曼将启发式定义为一种心理工具：当系统1面对复杂问题时，它会用一个更简单的问题加以替换，并回答那个简单问题。系统1给出的简单答案通常并不完美，但足以应对大多数日常情境。然而在高风险的复杂情境中，这些简化的答案可能会造成严重误导。例如，“晚餐该点什么？”是一个低风险问题，理想情况下需要权衡成本、营养、个人偏好等诸多因素，但人们通常会把它替换成一个简单得多的启发式问题：“我现在想吃什么？”这个问题只依赖情绪冲动而非多重考量，对于日常选择来说已经足够好用。相比之下，“这家公司值得投资吗？”是一个高风险问题，理应通过逻辑评估公司的成功概率以及股价上涨潜力来回答。但系统1可能会用“我喜欢这家公司吗？”这样的启发式问题来替代。此时，依靠感觉而非对业绩的如实评估，就有可能蒙受重大经济损失。系统2有能力识别并拒绝启发式答案，但它常常不加审视就予以认可。因此卡尼曼敦促人们，在做重要决策之前，要确认自己回答的确实是自己以为在回答的那个问题——也就是说，要检查结论是来自审慎、理性的思考，还是来自简单化、冲动的捷径。
**快速联想思维的易错性**
卡尼曼用几个具体的例子说明了系统1的易错性。在一个社交场景中，看到某人皱眉可能会触发系统1的即时假设，认为这个人在生气、你处于危险之中，尽管皱眉可能有很多无关的原因——例如，他们可能只是在思考一个难题。脑筋急转弯式的问题提供了另一个鲜明的例证：当被问及根据《旧约》，摩西把每种动物带上了多少只到方舟上时，大多数人会立刻回答“两只”。正确答案是零，因为把动物带上方舟的是诺亚，不是摩西。系统1的联想式处理捕捉到了“动物”和“方舟”等熟悉的词，回答的是它预期会听到的问题，而不是实际被问到的问题。
**Shortform补充：系统1、直觉与联想思维**
系统1思维对应马尔科姆·格拉德威尔（Malcolm Gladwell）在《眨眼之间》中所说的“无意识思维”——也就是人们更熟悉的直觉或“第六感”。格拉德威尔认为，无意识思维通常与有意识的理性思维同样有效，而且还具备速度更快、不易被压力或焦虑干扰等优势。他解释说，潜意识会自然地接收远超意识处理量的信息，过滤掉无关内容，然后针对你当前的问题给出最佳答案。
卡尼曼所描述的系统1的联想式思维不仅速度快，还具有创造性。在《创新者的基因》一书中，哈尔·格雷格森（Hal Gregersen）、杰夫·戴尔（Jeff Dyer）和克莱顿·克里斯坦森（Clayton Christensen）提出，联想思维是创造力的根本基础。他们解释说，创意与创新通常并非全新的概念，而是人们以从未有过的方式将既有概念串联起来的结果。
**Shortform补充：心理疲劳，以及发散思维何时有用**
Shortform 借本杰明·哈迪的《意志力无效》说明，反复决策、诱惑、压力和疲劳可能让人更偏爱省力的默认选项。但“每次决定必然耗掉同一种有限储备”是有争议的解释，不是已确立的生物机制。可以管理负荷、睡眠和环境，无须假定每天存在固定的决策配额。
芭芭拉·奥克利的《学习之道》区分集中工作与较发散的思考状态，后者可能让人在休息后连接不同想法。Shortform 把它与卡尼曼的双系统作比较；这是类比，不是两组分类完全相同，也不是关于更长神经路径的证明。实际建议仍成立：持续专注却卡住时，休息一下，再回来检验涌现的想法。
**直觉何时失效：陌生情境下需要慢思考**
温伯格和麦肯主张，在需要慢思考的情境中，我们应当避免依赖直觉。他们用一个跨文化的例子来说明这一点：如果你是一名美国人，到访一个相对寡言的文化环境，发现当地人都不愿与你交谈，若凭直觉判断，你可能会错误地认为他们不礼貌或粗鲁，但实际上只是社会规范不同而已。在这种情况下，应该用慢思考来考量那些陌生的规范，而不是仓促下结论。
**不同作者把纠正放在不同环节**
卡尼曼2011年的《思考，快与慢》研究判断中的系统性模式。瑞典投资者贝弗林汇集数学、科学、商业与哲学观点，强调用事实检查假设。沙恩·帕里什（Shane Parrish）重视自控失灵时仍能起作用的习惯与流程。三者的实际交集是承认易错并安排纠正，不需要把情绪视为一切理性选择的反面。
*来源与延伸阅读：* [《思考，快与慢》](https://short.zaynjarvis.com/books/thinking-fast-and-slow/) · [丹尼尔·卡尼曼](https://kahneman.scholar.princeton.edu/) · [前景理论](https://thedecisionlab.com/reference-guide/economics/prospect-theory) · [《思维的发现》](https://www.shortform.com/app/book/the-undoing-project) · [卡尼曼与特沃斯基的合作](https://www.shortform.com/app/book/the-undoing-project#the-collaboration-begins-1969-1973) · [小数定律](http://stats.org.uk/statistical-inference/TverskyKahneman1971.pdf) · [《眨眼之间》](https://www.shortform.com/app/book/blink) · [无意识思维](https://www.shortform.com/app/book/blink/introduction) · [《创新者的基因》](https://www.shortform.com/app/book/the-innovators-dna) · [联想思维](https://www.shortform.com/app/book/the-innovators-dna#associative-thinking) · [《意志力无效》](https://www.shortform.com/app/book/willpower-doesnt-work/1-page-summary) · [决策负担](https://www.shortform.com/app/book/willpower-doesnt-work/1-page-summary#the-problem-willpower-is-weaker-than-you-think) · [《学习之道》](https://www.shortform.com/app/book/a-mind-for-numbers) · [集中与发散思维](https://www.shortform.com/app/book/a-mind-for-numbers/part-1#the-two-basic-modes-of-thinking)
### 在捷径变成结论之前认出它
**确认偏误及其他由系统1驱动的常见认知偏差**
卡尼曼将一系列认知偏差与谬误归为系统1思维的产物，每一种都会通过扭曲我们处理信息的方式而影响决策——即便我们自认为在理性思考。
**确认偏误**（confirmation bias）是指人们会选择性地寻找、偏爱并解读那些能强化自身既有信念的信息，同时忽视或贬低与信念相悖的证据。在《决断力》中，希思兄弟将其列为破坏良好决策的核心坏习惯之一：一旦我们确定了可选方案，确认偏误会阻碍我们准确评估这些方案，导致我们忽略支持非偏好选项的信息，即便那些选项客观上更优。他们用一个选择社区的例子说明这种偏差：一名男子听过一个关于A社区入室盗窃的生动故事，便选择性地搜索能证实“A社区不安全”这一直觉的安全信息，从不查找B社区的可比数据，最终选择了B社区，尽管B社区的犯罪率要高得多。卡尼曼进一步指出，人们不仅会丢弃与自己相悖的信息，还会以符合自身先入之见的方式解读模棱两可的证据：例如，持保守派和进步派观点的人面对同一份犯罪数据，会各自将其解读为支持自己在枪支管制问题上对立立场的证据。
**可得性偏差**（availability bias）会让人们高估工作记忆中印象鲜明的事件的发生频率，同时低估那些统计上更常见、但近期没有想到的事件。例如，经常听到涉及无家可归者犯罪新闻的城市居民，可能每次出门都觉得自己面临巨大危险，尽管从统计上看这类犯罪不太可能影响到他们；与此同时，他们却在很大程度上忽视了被外卖自行车撞到这种更常见的风险。
**锚定效应**是指最先接触到的信息——即使与判断无关——也会把后续估计拉向它。卡尼曼描述的调查询问受访者每年愿意捐出多少：400美元的锚对应平均143美元的捐款意愿，5美元的锚对应20美元。这些是受访者报告的意愿金额，不是非营利组织实际收到的款项。参见[卡尼曼锚定章节](https://faculty.bard.edu/hhaggard/teaching/sci127Sp20/notes/KahnemanThinkingExcerpt2.pdf)。
**叙事谬误**（narrative fallacy）是指人们倾向于编织连贯的故事来解释随机事件，进而对预测未来产生不合理的信心。例如，体育评论员会在事后编造故事，解释为什么某个拳击手赢了、另一个输了——比如输的一方在压力下崩溃了，或者赢的一方更有斗志——即便两位拳手实力相当、比赛结果本就难料；之后他们又会依靠这些故事去预测同样不可预测的二番战。
**窄框架**（narrow framing）是指人们往往基于相对有限的信息池做决策，而非通盘考虑全局。它有多种表现形式：在**规划谬误**（planning fallacy）中，人们会忽略项目可能出错的各种方式，因此低估所需时间，只把理想情境下的进度考虑在内；在**沉没成本谬误**（sunk cost fallacy）中，人们把注意力收窄到只想挽回在失败项目中已经损失的东西，而退一步审视所有选项往往会发现，及时止损、把资源转向别处才是更优选择。
**模式错觉与赌徒谬误**
直觉可能在不存在规律的地方看出规律。如果轮盘每次旋转相互独立，连续几次黑色并不会让下一次红色“该出现了”；误以为相反结果更可能来补偿，就是赌徒谬误。这与相信连胜会继续是不同的错误。Shortform 还引用了一项研究：人们即使知道某种概率判断错误，仍会保留相应的直觉。知道规则，与直觉能遵守规则，并不是一回事。
**Shortform补充：为什么确认偏差会让人感觉有用**
Shortform 提出三类解释：只看顺耳证据可以省力；论证理论认为，不同立场的人在真实辩论中可能揭露彼此错误；信念又可能与身份绑定，使异议像对个人的威胁。群体收益的解释以真正挑战和回应证据为条件；成员共享偏见或压制批评时，不会仅因人人自信就更准确。
**信念是决策的基础**
所有决策最终都源于信念——无论是哪份工作更有成就感、城市生活是否比小镇更适合自己、有氧运动是否对心脏有益，还是一段关系能否长久。有些信念基于直接经验，但错误信念常常在不知不觉中扎根并持续存在。因此，定期审视自己的信念对做出好决策至关重要。
哈佛大学一位心理学教授开展的一系列实验发现，人们即便在信息被明确标注为虚假的情况下，也倾向于将其当作真实信息来处理，在压力下尤其如此。除非人们被推动去质疑、审视自己的信念，并主动寻找事实证据，否则错误信念会一直留存——有时即便被揭穿也依然挥之不去。
**动机性推理：信念如何自我强化**
旧有信念一旦形成，就会影响人们对新信息的解读，进而强化既有偏见并使之不断放大——杜克将这一循环称为“动机性推理”。这也是假新闻如此隐蔽且有效的原因：它很少将人转变到全新的立场，而是瞄准并强化人们既有的信念。
同样的机制也体现在周期性刷屏的“没有科学证据表明牙线有用”这类说法上。许多人只看标题就转发并相信这些文章，因为他们不喜欢用牙线，因而会偏向任何能减轻自己不用牙线的负罪感的内容。牙医仍在推荐每日使用牙线，那些“没有科学依据”的说法也存在诸多保留条件，但这类文章依然广为传播——因为它们强化了人们既有的感受和信念，而非提供真正的新洞见。
**审视信念的两种实践方法**
要做出好决策，人们必须对抗动机性推理，让自己的信念建立在客观基础之上。杜克提出了两个审视信念的实用策略。
第一，想象你必须为自己持有的每一个信念下注。如果判断错误会立刻带来金钱损失，你就会更有可能去审视这个信念、自我质疑，并核实事实。大多数错误观念不会直接让你掏钱，但许多错误信念仍会让你付出代价——那些本可以通过更好的决策实现的人生可能，就这样被错过了。
第二，承认你所持有的大多数信念都存在某种程度的不确定性。你越仔细审视自己的信念，就越会发现，能让你有足够信心押上钱的事情其实很少——而这是正常的。即便是科学结论也在不断被更新或推翻。你不必对每一个信念都百分之百确定，但思考自己到底有多确定是有益的；每一个信念都处在确定性与信心程度的连续谱上的某一点。
**联想何时取代了证据**
贝弗林提醒，在相关事实尚不清楚时，人就可能下判断。高车价唤起质量好，让买家跳过调查，后来才发现发动机过热或折叠车顶故障；纹身唤起叛逆，让招聘者忽略候选人的岗位能力与人际长处。错误在于用联想代替关于实际所评特征的证据。
**重新检验第一印象**
当你开始怀疑第一印象时，卡尼曼的双系统框架才真正转化为行动。系统一已经给出了直觉判断或感受；修正的关键，是给系统二足够的时间与结构，检查这一直觉背后的假设。逆向思考就是其中一种方法：不要直接接受最初反应，而要倒推它成立需要哪些前提。
聚焦错觉——即情境的某一个方面会主导你的评价——的一种缓解方法，是在不同的情绪或心态下重新思考同一个问题。据传，古代波斯人会对重要决定进行两次审议：一次在醉酒时，一次在清醒时，以此转移关注点、考虑情况的不同侧面；据说只有在两种状态下都显得明智的决定才可以通过。虽然并非每次决策都建议喝醉，但稍后重新审视一个选择——尤其是在情绪激动时做出的选择——是有价值的，因为当情绪平复、关注点转移后，你可能会得出不同的判断。
**对抗仓促判断：质疑第一印象，在低风险场景中练习**
贝弗林认为，你可以通过质疑第一印象来抵消仓促下结论的倾向，这样就能避免那些往往不完整或错误的初始印象左右你的结论和决策。他将一种具体的应对策略归功于查尔斯·芒格（Charles Munger）：一种名为“逆向思考”的理性思考技巧，它会促使你主动寻找能够推翻第一印象的信息，推动你基于事实证据而非有偏差的初始反应得出结论。放到有纹身的求职者这个例子中，逆向思考就意味着去寻找能够推翻“该候选人很叛逆”这一假设的证据——例如，查看简历中体现责任感的内容，并向推荐人了解候选人的性格特点。帕里什也提出了类似的建议：在面对高风险决策之前，先通过低风险的练习积累专业能力，这样代价高昂的错误就会发生在学习阶段，而不是后果最严重的时候。例如，如果你要在一场大型会议上发表重要主题演讲，可以先在公司内部其他团队面前练习、收集反馈。
**Shortform补充：可得性、显著性、负面偏差与锚定效应**
可得性偏差与**显著性偏差**密切相关——后者指我们会注意到那些因生动性或情感冲击力而突出的事物；这两者又都与**负面偏差**相关，即我们更关注负面信息而非正面信息。这三种偏差共同形成了一个自我强化的循环：显著性和负面性让耸人听闻的事件格外突出、被人谈论，从而在记忆中更可得，这又让我们更加关注和讨论它们。这个循环解释了为什么人们往往更害怕鲨鱼袭击这类罕见但戏剧性的事件，而不是车祸这类常见得多但没那么生动的风险。
锚定效应的部分成因可能是**心理启动**：接触到一个初始想法会激活大脑中相关的区域，这些区域在我们处理后续信息时仍保持活跃，从而将我们的思维锚定在第一个想法及其相关的心理联想上。为了对抗锚定效应，Shortform 建议主动提出反驳论点或替代选项，并寻找这些选项可能优于锚定信息的理由。
**参照系与可得性偏差**
错误假设并非只在从第一性原理推理时才构成风险——我们也容易受到源于自身视角的错误假设的影响。要进行客观推理，就必须意识到自身的参照系以及扭曲参照系的各种偏差。
物理学在爱因斯坦之前就使用参照系；相对论改变了我们对不同参照系关系的理解。在飞机上，你相对机舱静止，却可能相对机场以每小时550英里向北移动。温伯格与麦肯把个人参照系作为类比：经历影响什么显得突出或正常，因此不同观察者可能对同一事件作出不同解释。
可得性偏差让鲜明、容易想起的信息占过大权重；近期发生只是其中一个因素，不是完整定义。一则惊险的鲨鱼袭击报道，可能让危险显得比实际更常见。估计风险应使用范围明确的频率——地点、时期、暴露和结局——而非鲜明故事或没有口径的死亡数字。
**Shortform补充：可得性偏差与风险预测的困难**
Shortform 解释说，风险难以预测的一个原因是“可得性偏差”：即人们倾向于根据记忆深刻的经历来做决策。例如，经历过股市崩盘后，一位投资者可能会避开股票，认为另一场崩盘即将到来，却忽视了意外医疗费用这类不那么鲜活的风险。这会让她对真正可能出现的各种挫折准备不足。要抵消可得性偏差、为意外做好准备，你可以通过广泛阅读、咨询该领域专家或有相关生活经验的人来补充自己的信息，用统计数据支撑你的结论，并务必质疑自己的假设。
**Shortform补充：叙事谬误与对可预测性的渴望**
叙事谬误源于人类理解、控制并预测周围世界的深层渴望。心理学家认为，阴谋论——将不相关事件联系起来的极端叙事谬误——是一种自我安抚的焦虑反应：如果真有光明会之类的秘密组织在幕后操纵事件，那就没有什么是真正随机的，未来的灾难原则上可以被预测和防范，人们也有了一个具体的敌人可以针对，而不必在随机偶然面前感到无助。
**窄框架与工作记忆的局限**
窄框架可能是工作记忆（working memory）固有局限的不可避免的结果——工作记忆是大脑存放当前用于解决问题或做决策的想法的心理空间。工作记忆一次只能容纳少量信息。研究人员对其确切容量存在分歧，且容量因人而异，但普遍估计平均水平在两到四个想法之间。因此，无论一个人使用的是系统1还是系统2思维，做决策时都不可能把所有因素都考虑进来。
**现状偏差与熟悉感的牵引力**
在《决断力》中，希思兄弟将**现状偏差**（status quo bias）列为第三种不良决策习惯，并解释说，当我们面临艰难选择时，它会削弱我们的判断力。艰难的决策会激起强烈的情绪，驱使我们从熟悉的事物中寻求慰藉，从而导致我们抗拒改变，即便改变是必要的。现状偏差本身建立在两个底层偏差之上：一是**纯粹曝光效应**（mere exposure effect），即偏好我们习以为常的事物和情境；二是损失厌恶，即对涉及损失的选择抱有偏见。这两种偏差共同作用，让我们害怕失去熟悉的东西和目前拥有的一切，因此我们会回避做出重大的人生改变。
希思兄弟认为，要克服现状偏差，我们不应否定那些将我们拉向现状舒适区的当下情绪。相反，我们应该通过跳出自我、超越当下的视角来审视这些情绪。
**Shortform补充：现状偏差、确定性与选择心理学**
研究人员发现，有两种不愉快的情绪会催生现状偏差：一是选择过多带来的不适，二是两难困境带来的痛苦。维持现状能让我们同时避开这两种感受。
不确定性可能占用注意、加强威胁监测，有助于解释熟悉选项为何让人轻松。但感觉确定不等于确有知识，也不保证判断更好。有效回应是识别仍不确定的部分并管理后果，而非过早宣布答案已定来消除疑虑。
*来源与延伸阅读：* [模式知觉](https://www.apa.org/monitor/mar05/misfires) · [赌徒谬误](https://thedecisionlab.com/biases/gamblers-fallacy) · [确认偏差](https://thedecisionlab.com/biases/confirmation-bias) · [论证与群体推理](https://www.journals.uchicago.edu/doi/10.1093/bjps/axy079) · [《唤醒心中的巨人》](https://www.shortform.com/app/book/awaken-the-giant-within) · [信念与身份](https://www.shortform.com/app/book/awaken-the-giant-within/chapter-4#recognize-the-three-categories-of-beliefs) · [双系统模型](https://short.zaynjarvis.com/books/thinking-fast-and-slow/#two-systems-of-thought) · [波斯人审议轶事](https://www.forbes.com/sites/chunkamui/2016/03/22/wine-and-sleep-make-for-better-decisions/) · [显著性偏差](https://thedecisionlab.com/biases/salience-bias) · [启动与锚定](https://thedecisionlab.com/biases/anchoring-bias) · [可得性与经历](https://www.forbes.com/sites/brycehoffman/2024/04/06/availability-heuristic-what-it-is-and-how-to-overcome-it/) · [阴谋信念与焦虑](https://newrepublic.com/article/150922/pioneer-paranoia) · [阴谋论中的替罪羊](https://www.bbc.com/future/article/20170809-the-accidental-invention-of-the-illuminati-conspiracy) · [随机性与阴谋信念](https://www.bbc.com/future/article/20180124-the-enduring-appeal-of-conspiracy-theories) · [想象的敌人与控制感](https://www.independent.co.uk/news/world/europe/bilderberg-group-conspiracy-theories-secret-societies-new-world-order-alex-jones-a8377171.html) · [工作记忆](https://www.psychologytoday.com/us/basics/subpage/working-memory) · [容量估计：两项](https://bura.brunel.ac.uk/bitstream/2438/801/1/GobetClarkson.pdf) · [容量估计：四项](https://www.cambridge.org/core/journals/behavioral-and-brain-sciences/article/magical-number-4-in-shortterm-memory-a-reconsideration-of-mental-storage-capacity/44023F1147D4A1D44BDC0AD226838496) · [选择的不适](https://thedecisionlab.com/biases/status-quo-bias) · [不确定性与脑活动](https://news.mit.edu/2021/how-the-brain-deals-with-uncertainty-1014) · [威胁监测](https://nesslabs.com/uncertain-mind)
### 得失对选择者意味着什么
参照点、敏感度递减与损失厌恶讨论价值评估。期望效用则另行解释，为何同样金额对不同人不必有相同价值。
**前景理论：三种价值机制**
前景理论用相对于参照点的得失、随得失增大而递减的敏感度，以及损失厌恶来描述选择；决策权重也可能偏离概率本身。这些机制解释系统性的选择模式。期望效用理论是另一种模型，普通的风险厌恶也可以符合它。下文把三项价值机制与可能性效应、确定性效应放在一起说明。
第一，你通过与一个中性参照点比较来评估情境，这个参照点通常是你的现状——即你日常所处的状态——因此你会做出自认为能改善现状的决策。不过，参照点也可以是你预期或觉得自己理应得到的结果，比如年度加薪；这就是为什么当你没有得到预期的东西时会感到沮丧，即便你的客观处境并没有改变。
第二，对收益或损失的敏感度，往往随其离参照点越来越远而递减。因此，在一笔小收益上再增加100美元，可能比在一笔大收益上再增加100美元更有感。摘要用财富从100美元增至200美元、从1000美元增至1100美元，以及百万富翁再得到100美元作说明。三种情形都增加100美元，但这个例子混合了相对参照点的变化与不同财富水平下金钱的价值，不能推出价值等于财富某个百分比的规则。
第三，损失厌恶是指：相对于参照点，同等金额的损失通常比收益分量更重。失去100美元带来的影响，可能大于得到100美元。这是在得失两侧比较同量变化，不同于各自一侧的敏感度递减；强弱也随情境而变。以上是三种价值机制，概率的决策权重则是另一层问题。
卡尼曼还指出了前景理论的一些实际意义，包括**可能性效应**（possibility effect）和确定性效应。可能性效应是指，人们会高估某一结果仅仅“有可能发生”的价值，即便该结果发生的概率仍然极低。例如，在赢得 100 万美元这件事上，从赢得 100 万美元（$1 million）的概率为0%提升到5%，给大多数人带来的主观感受变化，要强于从赢得 100 万美元的概率为5%提升到10%，尽管两种情况下概率的客观增幅完全相同。这种效应解释了为什么人们会对小概率的大额收益抱有幻想——比如买彩票或去赌场赌博——也解释了为什么人们会执着于最坏的情况，即便这些情况发生的概率微乎其微。
**损失厌恶：偏差还是理性的毁灭规避？**
Shortform 将卡尼曼的损失厌恶解释，与塔勒布在《非对称风险》中关于避免毁灭的主张对照：毁灭是无法恢复的损失。如果损失会累积，或一次灾难就终结继续参与的能力，反复暴露于小风险也可能威胁生存。这提醒人检查下行后果、资源和重复暴露，却不证明每笔小损失都通向毁灭，也不证明任何损失厌恶都是最优选择。塔勒布关于生存的规范性判断，同样不能推翻等量得失可能获得不同权重的描述性发现。
损失厌恶和纯粹曝光效应这类偏差并非孤立存在；社会环境会影响我们对它们的感受强度，以及它们对我们的影响程度。例如，实验研究表明，富人和有权势的人损失厌恶程度较低，因为他们的社会和经济安全网让损失带来的痛苦没那么强烈。关于纯粹曝光效应的研究也将其与种族偏见联系起来：一项研究发现，增加白人对亚裔和黑人面孔的接触，会提升他们对这些群体新面孔的好感度。研究人员由此得出结论，努力增加白人对有色人种面孔的接触——比如在广告和媒体中——可能会减少种族偏见及其有害后果。
**Shortform补充：边际价值与期望**
前景理论中的敏感度递减，与经济学的边际效用递减有关，但并不是同一个概念。一美元如果能换来必需的一餐，意义可能很大；基本需要已经满足时，增加同样金额的意义可能小得多。口渴时第一杯水很有价值，后面几杯通常带来的新增益处较少。这不能证明理性的人必须同等看待每一美元。
Shortform 将参照点与“幸福＝现实−期望”联系起来。应把它当作期望会影响满意度的提醒，而非心理学公式：把期望降到零，不保证身处匮乏、痛苦或不公时就会满足。塔拉·布拉奇的全然接纳同样是在邀请人承认当下体验，并不要求放弃抱负，也不意味着面对伤害不采取行动。
**确定性效应**
卡尼曼描述的是：结果变成确定时，决策权重可能发生不成比例的变化。康复概率从90%升到95%，或从95%升到100%，都增加5个百分点；人们却可能更看重后者。例子说明人对确定性的敏感，但具体偏好是否不合理，还取决于后果与效用：严重损失剩下5%的风险，也可能很重要。预后良好不意味着担心残余风险必然不理性。
**小概率也必须结合后果来判断**
应把可能性效应与对灾难后果的合理担忧区分开。风险判断需要同时考虑概率、严重程度，以及损失是否会让人无法恢复。因此，一个人反对小概率的切尔诺贝利级别事故，不一定只是误解了概率；评估能源选择时，仍须把替代方案的风险一起比较。
从0%增加到5%，不能说成一个有定义的百分比增幅，因为起始分母为零；从5%增加到10%，则是概率翻倍。两者都增加了5个百分点；在奖金100万美元的例子中，两者都使期望金额增加5万美元。主观感受可以不同，但不会改变这些算术关系。
**期望金额不等于期望效用**
期望效用理论比较的是概率加权后的效用：在给定模型和个人偏好下，把每种结果的效用乘以其概率并求和，选择总和最高的方案。它既不要求只选成功概率最高的方案，也不要求每一美元具有相同价值。
80%的概率得到100美元、20%的概率得到10美元，期望金额为82美元；确定得到80美元，期望金额就是80美元。如果一个人在这一区间风险中性、效用随金额线性增长，会偏好前者；如果效用函数足够凹，选择确定的80美元也完全可以符合期望效用理论。因此，这个例子本身不能推翻该理论。卡尼曼与特沃斯基的前景理论解释了参照点依赖、损失厌恶、非线性决策权重等系统性模式；仅凭偏好确定性，还不足以区分两种理论。
**圣彼得堡游戏并没有一个“无限大奖”**
经典的圣彼得堡游戏不断投掷公平硬币，直到第一次出现正面；如果在第n次出现，就支付2ⁿ美元。每一次实际结束的游戏，奖金都是有限的；但期望金额会发散，因为每一种停止时点都向无限求和贡献1美元。不存在一个概率大于零、能让玩家拿到无限金额的结果。
无限期望与人们只愿支付有限入场费之间的差距，推动了以效用来评估风险选择。对数效用等边际效用递减函数，就能使这个游戏的期望效用有限，无须假设财富超过某个硬门槛就彻底失去价值。实际愿付多少钱，还取决于起始财富、庄家的支付能力和游戏时间限制。这与前景理论讨论的参照点依赖是不同问题。
*来源与延伸阅读：* [《非对称风险》](https://www.shortform.com/app/book/skin-in-the-game/) · [毁灭与恢复](https://www.shortform.com/app/book/skin-in-the-game/part-3-chapter-11#loss-aversion-helps-us-avoid-ruin) · [财富、权力与损失厌恶](https://thedecisionlab.com/biases/loss-aversion) · [面孔接触与好感](https://www.ncbi.nlm.nih.gov/pmc/articles/PMC2705986/) · [边际效用递减](https://www.investopedia.com/terms/l/lawofdiminishingutility.asp) · [期望与幸福](https://www.theguardian.com/lifeandstyle/2013/oct/12/happiness-reality-expectations-oliver-burkeman) · [《全然接受》](https://www.shortform.com/app/book/radical-acceptance) · [风险概率与后果](https://its.wsu.edu/information-security-services/policies-standards-and-guidelines/how-to-rate-impact-for-risk-assessments/) · [圣彼得堡悖论](http://www.econport.org/econport/request?page=man_ru_basics2)
### 情绪能提示目标，也可能扭曲行动
**情绪性决策及其冲动后果**
在多种论述中，情绪都是非理性决策的普遍驱动因素。贝弗林将情绪性决策视为源于演化错配的一类重要非理性错误：我们常常因为让情绪影响决策而犯下非理性错误，情绪会驱使我们做出冲动、不明智的决定。他举了三个具体例子：对一份新工作充满热情而承担了过多承诺；让强烈的性欲驱使你对配偶不忠；因为担心新款手机会售罄，即使你并不需要新手机也冲动地买下了它。前景理论描述风险选择中的系统性模式，不能被简化为“所有偏离期望金钱值的决定都是情绪错误”。
**Shortform补充：情绪与决策：干扰还是助力？**
虽然彼得·贝弗林（Peter Bevelin）断言情绪会干扰明智的理性思考，但一些心理学家提出了相反的观点：情绪可以在多个方面有益于你的决策过程。首先，情绪可以激励你做出重要决策；例如，对不公正的愤怒可能会驱使你竞选公职以解决问题。其次，某些情绪实际上可以减少你的决策偏见，从而使其更加理性。例如，研究表明，感恩可以抵消贴现率偏差——即导致你重视即时满足而非长期回报的认知偏差。
Shortform 还提到了心理学家丹尼尔·戈尔曼（Daniel Goleman）在《情商》一书中的相关观点：情绪实际上可以通过提高人们对自身偏好的认知来帮助他们做出理性决策。了解自己的情绪偏好有助于你在相互竞争的优先事项中做出选择；如果你忽视或轻视自己的情绪，你可能会因优柔寡断而陷入瘫痪，或者做出一个日后会后悔的选择。例如，如果你拿到了一笔奖金，正在犹豫是用它去度假还是存起来以后买东西，两种选择都有理性的理由，因此你必须参照自己的情绪偏好来做出决定。
**Shortform补充：先调节反应，再处理决定**
Shortform 补充了几种在强烈情绪中留出停顿的方法。缓慢、舒适的呼吸可能降低唤醒水平；例如，如果节奏适合你，可以吸气4秒、呼气8秒。渐进式肌肉放松依次经过手、手臂、胸部、腿和脚，轻轻绷紧后再放松各组肌肉，以打断肌肉紧张与压力感相互强化的循环。
摘要还把冷水淋浴、浸泡和冰水敷脸放在一起，但它们是不同的刺激。长时间冷水浸泡后的多巴胺变化，或面部降温时心率减慢的发现，不能推出所有冷刺激都是让副交感神经起效的镇静方法；冷水浸泡本身也可能触发强烈的应激反应。它不应被写成清晰思考普遍需要的准备步骤。
另一项互补工作是觉察情绪，而非只把它压下去。Shortform 介绍的RAIN有四步：
- **识别（Recognize）**：给感受到的情绪命名。
- **允许（Allow）**：让它暂时存在，不急于改变。
- **探究（Investigate）**：觉察它在身体何处，思考哪些因素可能促成它。
- **不认同为自我（Non-identification）**：情绪是真实的，但不是你的全部身份，也不是必须服从的指令。
这些练习为选择回应方式腾出空间，并不保证人能完全控制每一种情绪。
**对抗非理性决策的实用策略**
在卡尼曼的双系统纠偏方法之外，决策研究领域的多位作者还提出了具体策略，以减少非理性思维的影响、提升决策质量。这些策略中有许多共享同一种逻辑：它们通过构建结构或增加阻力，来抵消冲动的、受情绪驱动的或带有偏差的直觉判断。
贝弗林提出了一套对抗情绪性决策的两步法。首先，他主张应当避免在强烈情绪的影响下做决策；最好的决策来自花时间理性权衡各种选项，因此每当你感受到强烈情绪时，都应当暂缓决策，先专注于让自己冷静下来。其次，冷静下来之后，他建议参考**预先制定的准则**——一份指导你如何行动的规则或步骤清单。这些准则通过提醒你应当采取或避免哪些行动，来抵消情绪状态的影响；它们应当提前制定，以便你在面临决策时随时查阅。贝弗林关于预先制定准则的观点，借鉴了查尔斯·芒格（Charles Munger）和沃伦·巴菲特（Warren Buffett）的智慧——两人都采用这种理性思考策略。
帕里什则提出了三条抵御非理性思维后果的实用策略：提高坏决策的实施成本、限制自身风险、从每一次错误中学习。这些方法都承认，非理性无法被彻底消除，但可以通过主动的防护措施减少其危害。
**用预先制定的准则防范情绪化决策**
贝弗林建议，要对抗情绪化决策，可以先让自己冷静下来，并参考预先制定的准则。他用一个消费的例子来说明这种方法：假设你经常在昂贵的消费上冲动花钱，事后又后悔，你可以制定一套规则，在做任何消费决策前参考：
- 不要为了凑够网购的免邮门槛而额外买东西。
- 如果你已经拥有的某件物品仍能正常使用，就不要买同款替代品。
- 在为一件重要物品挑选多个选项时，选择第二便宜的那一个。
**Shortform补充：预先制定规则，提高坏决策的成本**
应对非理性、情绪驱动决策的一种策略，是提前设定好准则。然而，仅仅拥有规则并不能保证你在诱惑来临时会遵守它们。有两种有实证支持的方法，可以通过提高冲动选择的难度来帮助你坚持准则。
第一，消除你想抵制的诱惑的提示物。詹姆斯·克利尔在《原子习惯》中提出，移除线索会让诱惑更容易抵御；例如，为了强化消费规则，你可以退订最喜欢的商店的营销邮件列表，这样就不会不断被提醒那些你可能想要的产品。
第二，让诱惑变得更不方便。比如，把你的信用卡信息从网购账户里删掉；重新输入信息的额外麻烦，或许能让你打消购买不需要的东西的念头。
沙恩·帕里什“让坏决策更费力”的原则，也与关于宗教和灵修实践的研究发现一致。罗伊·F·鲍迈斯特和约翰·蒂尔尼在《意志力》中指出，这类实践通过两种方式改善人们的生活：一是提供清晰的行为准则——通常以神圣诫命的形式呈现——省去了人们在日常决策中反复纠结的心力；二是通过社群监督以及“被更高力量注视”的感觉建立问责感，从而提高坏选择的感知代价。没有宗教信仰的人也可以通过加入有指导规则和同伴问责的世俗团体（比如健身房或武术馆）获得类似益处。
**提高坏决策的成本**
帕里什提出的弥补非理性思维的第一条建议是，提前为非理性时刻做好规划，提高做出坏决策的成本。这种方法主要有两种形式。第一，识别自己的坏习惯，主动设计环境，让放纵这些习惯变得更困难；久而久之，你会自然而然地做出正确选择，仅仅因为那是最省力的选项。例如，如果你经常工作到很晚、影响睡眠，可以授权伴侣在晚上7点无论如何都进来关掉你的电脑。由于说服对方让你继续工作既困难又不愉快，你自然会围绕7点这个截止时间来安排工作。第二，制定明确的规则，直接禁止坏决策。规则省去了逐案做正确选择时的内心挣扎，让你能用更少的意志力做出明智的行为。举例来说，你可以定下“绝不把电子设备带进卧室”的规则来改善睡眠。
**Shortform补充：谨慎规划与有效的低风险练习**
纳西姆·尼古拉斯·塔勒布的《黑天鹅》为高度谨慎的决策方法提供了进一步的理论支撑。塔勒布认为，人类始终低估未来的不可预测性：我们构建出过度简化的现实模型，却误以为它们远比实际更准确。他主张，在一个本质上不可预测的世界里，我们应当放弃预测每一种可能失败的尝试，转而设计出足够强健、能抵御极端灾难的方案。
低风险练习环境是构建这种稳健性的一种方式，但只有当你真正从中学习时，它们才会有效。卡尔·纽波特在《优秀到不能被忽视》中提出，最优的学习体验需要满足两个条件：第一，难度要适中——当任务刚好把你的能力推到舒适区之外一点时，学习效果最好；第二，要有精准、即时的反馈，明确告诉你哪些做对了、哪些做错了。例如，网球教练可能会指出你挥拍时肘部下沉，或者代码分析工具能在你出错的瞬间就标记出问题。
**限制风险：为最坏情况做准备，在安全中学习**
帕里什的第二条建议是限制风险，也就是减少你可能承受的损失。他认为，既然没有人能永远做出完美决策，那么假定事情会出错才是理性的。你应当做出能在最坏情形下保护自己的选择，哪怕这些选择看起来过于谨慎。他推荐的做法是：先设想最糟糕的结果，然后为“比那再严重一倍”的情况做准备；这是留出缓冲的启发式方法，不是抵御前所未有灾难的保证；储备和风险敞口仍须按具体失效方式设计。帕里什补充说，在你刚开始学习一项新技能时，限制风险尤为重要。不要一有机会就冲进高风险、高回报的环境，而要主动寻找低风险的场景，在其中自由尝试、通过试错积累专业能力。这样可以在代价较低时发现并纠正一些错误，但不能保证日后面对高风险决定就不会再犯错。
**理性、情绪与成功：以巴菲特和芒格为例**
理性思考常与成功联系在一起，但并非所有成功的决策都是纯粹理性的。例如，一位军事战略专家认为，领导者的情绪可以促成他们的成功——只要这些情绪与目标相一致。他以德国前宰相奥托·冯·俾斯麦为例，称这位成功的战略家的恐惧促使他在战斗中迅速行动；这种恐惧非但没有损害他的判断，反而支持了他采取进攻而非防御行动的目标。
沃伦·巴菲特和查理·芒格被广泛视为理性、自律决策的典范。比尔·盖茨等知名人士称赞巴菲特的分析思维，许多作者也撰写了关于他投资策略的书籍。芒格的崇拜者则称他是一位拥有非凡理性思考能力的博学者。两人也因其慈善承诺广受赞誉：芒格已捐赠数亿美元用于在多所大学建造学生宿舍，并向好撒玛利亚医院捐赠了2100万美元；巴菲特则向各类慈善机构捐赠了超过410亿美元。
然而，批评者也指责两人做出了不负责任的投资决策。一份报告估计，亿万富翁的投资使得他们造成的温室气体排放量是普通人的一百万倍。对伯克希尔·哈撒韦的批评者认为，尽管巴菲特声称公司致力于应对气候变化，但该公司在减排方面做得比同行更少。
**向高度成功的思考者学习理性思维**
贝弗林认为，我们可以研究那些取得非凡财务成就或贡献重要思想的人所采用的理性思考策略。他主张，其中许多人之所以成功，部分原因在于严谨的推理帮助他们避开了重大错误。《寻求智慧》借鉴了多个领域的思想家，并特别关注投资者沃伦·巴菲特（Warren Buffett）和查尔斯·芒格（Charles Munger）；在贝弗林看来，两人都对理性思考保持了非同寻常的自律。芒格于 2023 年去世，曾任伯克希尔·哈撒韦副董事长，并非首席执行官。
*编者勘误：冻结摘要误写了芒格的职务，并使用了缺乏依据的“全球最大上市公司”比较。依据见伯克希尔·哈撒韦的 [2022 年 Form 10-K](https://www.berkshirehathaway.com/2022ar/202210-k.pdf) 与 [2023 年 11 月 28 日公告](https://www.berkshirehathaway.com/news/nov2823.pdf)。*
**助推：设计环境以补偿非理性**
Shortform 指出，这种“为人类不可避免的非理性做出补偿”的核心逻辑，正是理查德·塞勒（Richard Thaler）和卡斯·桑斯坦（Cass Sunstein）在《助推》中提出的治理框架的基础。他们认为，政策制定者应当设计环境，巧妙引导人们做出“在清醒思考时会做出的选择”，而非强行要求人们保持理性。例如，市议会可以要求商店将烟草产品放在不透明的柜子里、不让顾客直接看到，从而降低购买行为的自动性和显眼程度，达到减少吸烟的效果。
**随大流的道德失败**
贝弗林提出了第三类与进化错配相关的非理性错误：未能做出合乎道德的选择。他认为，我们之所以常常做出不道德的选择，是因为我们非理性地根据他人的行为来做决策，而不是依据自己认为正确的标准。造成这种失败的一个原因是，我们害怕持有不受欢迎的观点会招来批评。他举了一个例子：如果一位同事在会议中发表了性别歧视言论，你选择不发声，因为你不想被别人指责过于敏感或不够忠诚。
**Shortform补充：从众、道德选择与平庸之恶**
Shortform 为这种遵从他人期望、做出不道德选择的倾向提供了背景，将其与“平庸之恶”的概念联系起来——这一观点认为，普通人在面临从众压力或服从权威命令时，也可能做出极其不道德的行为。哲学家汉娜·阿伦特（Hannah Arendt）提出这一概念，用以解释为什么普通德国人会成为大屠杀暴行的共谋者。
**Shortform补充：利用社会认可推动道德决策**
Shortform 推断，巴菲特的头版测试——想象你的决策被登在报纸头版会是什么样子——之所以有效，是因为它利用了我们根深蒂固的对社会认可的渴望。贝弗林并未解释该测试有效的原因，但其机制可能在于：它将你决策的想象受众扩大到所有可能读到报道的人，让你害怕不道德行为会招致反对，从而倾向于做出你认为他人会认可的选择。
这是将我们天生对认可的渴求引导至道德目的的策略之一。由于我们容易服从权威人物，有时可能在其压力下做出不道德的选择，一些专家建议转变你的效忠对象：与权威人物保持距离，转而站在潜在受害者一边，这样你就会为了获得受害者的认可而采取道德行动，而不是为了讨好权威而做出不道德的行为。
*来源与延伸阅读：* [决策中的情绪](https://www.annualreviews.org/doi/10.1146/annurev-psych-010213-115043) · [《情商》](https://www.shortform.com/app/book/emotional-intelligence/1-page-summary) · [情绪偏好](https://www.shortform.com/app/book/emotional-intelligence/chapter-2#the-neocortex) · [副交感神经功能](https://www.hss.edu/article_parasympathetic-nervous-system.asp) · [镇静练习](https://www.psychologytoday.com/us/blog/click-here-happiness/202011/10-science-based-relaxation-techniques) · [冷刺激与多巴胺](https://pubmed.ncbi.nlm.nih.gov/10751106/) · [面部降温与心率](https://www.jstage.jst.go.jp/article/circj/70/6/70_6_773/_article) · [节奏呼吸](https://hbr.org/2020/09/research-why-breathing-is-so-effective-at-reducing-stress) · [肌肉紧张与压力](https://myhealth.alberta.ca/Health/aftercareinformation/pages/conditions.aspx?hwid=abs2086#:~:text=The%20body%20responds%20to%20stress,tension%20and%20general%20mental%20anxiety.) · [渐进式肌肉放松](https://www.sciencedirect.com/topics/medicine-and-dentistry/progressive-muscle-relaxation) · [肌肉放松顺序](https://www.cci.health.wa.gov.au/-/media/CCI/Mental-Health-Professionals/Panic/Panic---Information-Sheets/Panic-Information-Sheet---05---Progressive-Muscle-Relaxation.pdf) · [情绪压抑](https://www.hcf.com.au/health-agenda/body-mind/mental-health/downsides-to-always-being-positive) · [RAIN练习](https://adaa.org/living-with-anxiety/personal-stories/rain-mindful-framework-addressing-anxious-thoughts) · [《原子习惯》](https://short.zaynjarvis.com/books/atomic-habits/) · [给诱惑增加阻力](https://www.nytimes.com/2019/03/25/smarter-living/why-you-procrastinate-it-has-nothing-to-do-with-self-control.html) · [《意志力》](https://www.shortform.com/app/book/willpower/1-page-summary) · [宗教与自控](https://www.shortform.com/app/book/willpower/1-page-summary#religion-is-an-especially-effective-tool) · [《黑天鹅》](https://www.shortform.com/app/book/the-black-swan) · [模型简化](https://www.shortform.com/app/book/the-black-swan/chapter-1#platonicity-and-the-platonic-fold) · [应对极端事件](https://www.shortform.com/app/book/the-black-swan/chapter-7#5-prepare-dont-predict) · [《优秀到不能被忽视》](https://www.shortform.com/app/book/so-good-they-cant-ignore-you) · [挑战与反馈](https://www.shortform.com/app/book/so-good-they-cant-ignore-you/chapters-4-7#how-to-acquire-career-capital-practice-deliberately) · [领导者的情绪](https://digitalcommons.usf.edu/cgi/viewcontent.cgi?article=1974&context=jss) · [巴菲特的分析方法](https://hbr.org/1996/01/what-i-learned-from-warren-buffett) · [巴菲特的投资方法](https://www.investopedia.com/articles/investing/092214/best-books-warren-buffett.asp) · [芒格的思考方式](https://fs.blog/intellectual-giants/charlie-munger/) · [慈善捐赠](https://www.cnbc.com/2021/06/30/buffett-and-munger-this-is-what-we-really-wanted-more-than-money.html) · [投资相关排放](https://www.cnbc.com/2022/11/08/billionaires-emit-a-million-times-more-greenhouse-gases-than-the-average-person-oxfam.html) · [伯克希尔气候政策批评](https://www.nytimes.com/2022/04/25/business/energy-environment/warren-buffett-climate-change.html) · [《助推》](https://www.shortform.com/app/book/nudge) · [为易错性设计环境](https://www.shortform.com/app/book/nudge/part-1#common-biases) · [选择架构](https://www.shortform.com/app/book/nudge/part-1#libertarian-paternalism-and-choice-design) · [平庸之恶](https://www.themarginalian.org/2017/02/07/hannah-arendt-the-banality-of-evil/) · [权威与受害者](https://effectiviology.com/authority-bias-the-milgram-obedience-experiment/)
### 演化解释不是完整机制
**贝弗林的进化错配解释**
贝弗林提出两类广泛的错误来源：在较早环境中形成的行为，可能不适应眼前要求；人也可能误解科学概念。他的进化错配解释先讨论祖先行为，再追到当下错误与纠正方法。这是一套解释框架，不是摘要中每个祖先场景都已得到证实。祖先生活与现代生活都没有一套统一风险；身体、社会和心理威胁可以同时存在。
**快速回应的演化解释**
贝弗林的捕食者情景说明，延迟的代价可能使快速回应占优：树叶沙沙声可能让人躲藏或拿起武器，看到树丛有动静后僵住则可能避免引起注意。Shortform在《思考，快与慢》的补充评论中另举一例：灌木中的眼睛可能让人先逃跑、后辨认。这些是教学情景，不是关于哪些祖先实际存活、哪些人传下“快思考基因”的研究比较。它们让一种权衡变得清楚：误报与漏掉威胁的代价可能很不同。卡尼曼也用优先关注威胁而非机会，解释损失厌恶可能的演化意义；其描述性定义已放在前景理论部分。这些故事本身都不能确立遗传机制。
Shortform 所说的“足够好者生存”，强调演化并不以完美为目标；它不意味着准确判断从未重要、谨慎者没有后代，或现代人不需要也不能获得更高准确性。
**Shortform补充：压力、进化错配与决策质量**
Shortform 借约翰·梅迪纳的《大脑规则》区分急性与慢性压力。短期应激可以帮助应对即时要求；持续压力则可能干扰记忆和学习，皮质醇是其讨论的机制之一。这个区分有用，无须假定祖先从未承受慢性压力，或现代应激反应都不适应环境。持续时间、强度与情境，会影响压力对审慎判断的作用。
**Shortform补充：进化错配与二元思维偏差**
科普作家广泛使用“进化错配”的理念来呼吁改变行为和生活方式，这些作者大致分为两派。一派以彼得·贝弗林为代表，认为我们那套为狩猎采集生活塑造的心智已经过时，需要改进思考策略以适应现代需求。另一派则不认为心智有缺陷，在他们看来问题出在现代环境本身，他们主张将祖先生活方式的某些特征——比如模仿狩猎采集饮食模式的旧石器饮食法——重新引入当代生活。
Shortform把快速的“好／坏”分类与贝弗林的演化解释联系起来。无论起源如何，当下的错误可以直接检查：因为认定自己的政党好，就认定它提出的每项政策都好，是用群体标签取代对具体政策的审视。声称这种做法曾是祖先最高效的生存策略，属于解释，不能由这个例子证明。
基于联想的二元偏差还可能在意识之外运作。心理学家珍妮弗·埃伯哈特在《偏见》一书中解释说，我们成长的文化塑造了内隐偏见——即我们在无意识中形成的、将特定人群与“好”或“坏”的特质联系起来的联想。内隐的反黑人偏见在美国是一个普遍存在的问题；例如，“黑人女孩不擅长数学”这种有害刻板印象，如果不被察觉，就可能导致持有这种内隐联想的教师低估学生的能力，妨碍他们的学习。
**进化错配是判断失误的一个根源**
贝弗林强调，人类历史中很长一段时期以采集和狩猎为生；摘要使用“近99%”，这是依赖于如何界定人类历史时段的粗略表述。他把寻找食物、性与同伴、避免伤害，与生存和繁衍联系起来，随后讨论仓促下结论、情绪化选择和道德决定中的从众。这些当下问题可以被研究，无须把来源中的宏观历史当成每个人大脑或所面临威胁的完整解释。
**Shortform补充：狩猎采集者大脑、现代生活与趋乐避苦的神经科学基础**
尽管贝弗林提出我们的狩猎采集者大脑不适应现代生活的要求，但他将狩猎采集生活方式视为过去的遗留物。Shortform 指出，世界各地的许多地区至今仍存在现代狩猎采集社会，他们的生活方式与贝弗林所描述的远古狩猎采集者存在一些差异。例如，一些现代狩猎采集者会用种植的食物补充饮食，比如南美的普梅人会种植木薯。还有一些狩猎采集者已将技术融入日常生活：北极的因纽特人会使用雪地摩托在各个猎场之间往来。
Shortform 还引用一项研究，把特定GABA能与谷氨酸能神经元，与其实验情境中的趋近和回避联系起来。按递质划分的这两大类别，并不能把整个大脑分成追乐与避痛两套系统。缺少物种、脑回路和任务条件，就不能把结果当成普遍机制，也不能据此独立证明某种演化解释。较稳妥的结论是：奖励与厌恶可以通过具体、相互作用的回路影响行为。
**Shortform补充：暂停不需要“三层大脑”故事支撑**
Shortform 把格林关于快速情绪与较慢反思的建议，连接到较早的“三位一体脑”说法：爬行动物本能、哺乳动物情绪，以及后来出现的理性新皮层。这幅图不能用作解剖学机制。情绪与认知来自相互作用的系统，不是三个独立演化层依次接管行为；它也不足以证明人永远无法理解心情的来源。
实际问题仍存在：最初的情绪反应可能先于审慎回应，表情也不会完整揭示别人的内在状态。暂停、检查触发因素、询问而非猜测，可以增加有意识回应的机会。暂停是一项技巧，不保证某个脑区随后接管并消除错误。
**Shortform补充：科学素养不足与进化错配**
尽管贝弗林将科学素养不足视为与进化错配相独立的错误根源，但两者可能存在关联。罗尔夫·多贝利（Rolf Dobelli）在《清醒思考的艺术》中指出，我们狩猎采集者的大脑并未进化到能处理复杂数学，而复杂数学正是许多科学概念的基础。我们的祖先大多只处理线性数学——简单的加减乘除——而现代生活则要求理解指数型数学，例如利率以及“城市犯罪率每年上升5%”之类的统计数据。
*来源与延伸阅读：* [直觉的演化解释](https://pmc.ncbi.nlm.nih.gov/articles/PMC11892090/#ejn70024-sec-0001) · [足够好者生存](https://www.latimes.com/archives/la-xpm-1985-05-11-me-9726-story.html) · [《大脑规则》](https://www.shortform.com/app/book/brain-rules/1-page-summary) · [慢性压力](https://www.shortform.com/app/book/brain-rules#rule-4-stress-can-hurt-the-brain) · [进化错配论述](https://blog.castac.org/2018/07/evolutionary-mismatch/) · [旧石器饮食类比](https://www.eatingwell.com/article/290400/the-paleo-diet-is-eating-like-our-very-distant-ancestors-really-a-good-idea/#:~:text=What%20Is%20the%20Paleo%20Diet,wild%2Dcaught%20fish%20and%20nuts.) · [二元分类解释](https://www.psychologytoday.com/us/blog/overcoming-destructive-anger/202108/the-potential-all-or-nothing-thinking-fuel-anger#:~:text=dichotomous%20thinking%20derives%20from,differentiate%20whether%20or%20not%20they) · [《偏见》](https://www.shortform.com/app/book/biased/1-page-summary) · [文化与内隐偏见](https://www.shortform.com/app/book/biased/chapters-1-2) · [刻板印象与数学](https://files.eric.ed.gov/fulltext/ED533550.pdf) · [当代狩猎采集者](http://sarweb.org/media/files/unm_whyforage.pdf) · [趋近与回避回路](https://www.psychologytoday.com/us/blog/the-athletes-way/202001/the-neuroscience-seeking-pleasure-and-avoiding-pain) · [《人性的法则》](https://www.shortform.com/app/book/the-laws-of-human-nature/law-1) · [情绪与觉察](https://www.shortform.com/app/book/the-laws-of-human-nature/introduction) · [旧式分层大脑说法](https://www.shortform.com/app/book/emotional-intelligence/chapter-1#the-science-behind-emotions) · [《清醒思考的艺术》](https://www.shortform.com/app/book/the-art-of-thinking-clearly/1-page-summary) · [演化与数学直觉](https://www.shortform.com/app/book/the-art-of-thinking-clearly/1-page-summary#you-struggle-to-understand-complex-math)
### 给回应留出空间的习惯
**帕里什的四种习惯**
帕里什另从习惯入手，在触发与行动之间创造空间。例如，害怕惹老板生气，可能让人接受不现实的期限，换来一个月过劳。他的四种习惯是：对自己的回应负责，客观认识自己，调节情绪，用远大目标激发动力。他的演化叙事是一种解释冲动的思路；练习暂停，无须把它当成完整的神经科学解释。
**为自己的境遇承担全部责任**
帕里什第一种习惯关注能动性：处境不公或计划失败时，检查仍然能怎样回应。责怪别人有时会成为逃避检查自身作用的方式。但对回应负责，不同于造成事件；他人或机构也可能确有帮助、修复伤害的义务。一个人可能需要支持或集体行动，承认这些约束不必妨碍迈出下一个可行步骤。
**Shortform补充：责任、指责与短期思维的偏向**
两种截然不同的心理力量塑造了我们应对挫折的方式：逃避指责的冲动，以及大脑天生对即时问题的偏向。人们常常不愿为自身处境承担责任，是因为害怕被指责是自己造成了这种局面。但正如马克·曼森（Mark Manson）在《重塑幸福》（*The Subtle Art of Not Giving a F∗ck*）中所说，你可以为处境负责而不必自责——你可以寻找改善局面的方法，同时不必为自己如何落到这步田地而感到愧疚。卡罗尔·塔夫里斯（Carol Tavris）和埃利奥特·阿伦森（Elliot Aronson）在《错不在我》（*Mistakes Were Made (But Not By Me)*）中进一步解释，人们抗拒责任的深层原因是认知失调：当关于自身的信息与自我形象冲突时，我们会感到强烈不适，并迫切想要消解它。大多数人相信自己比普通人更有能力，因此一旦犯错就会显得能力不足，从而引发认知失调；把责任推给别人，或是彻底否认犯过错，是消除这种不适的常见方式。
另一种相关的偏向，则把我们的注意力拉向当下而非未来。罗伯特·格林在《人性的法则》中提出，长期思维之所以难以维持，是因为我们的大脑进化出的是扫描即时危险而非遥远危险的机制。当生存依赖于察觉显著威胁并迅速反应时，这种适应对我们很有帮助，但在一个更复杂的世界里，长期危险往往比我们当下面对的任何问题都更严重。要摆脱短期思维，格林建议培养一种有远见的视角——模拟事后诸葛亮的状态，并让判断不受情绪干扰。这种视角包含三个要素：超脱，即不带情绪地看待问题，从而正确看待短期挫折，坚持长期目标；全面，即审视问题的所有背景，而不只是最吸引眼球的细节；预测，即权衡每一个可能决策的负面后果、可能出现的新问题，以及对长期目标的影响。
**客观的自我评估与自我认知的局限**
帕里什提出的理性思考第二项核心习惯，是客观地评估自己。他认为，准确判断自身的能力与局限，能防止你承接自己无法应对的挑战。举例来说，如果一位受聘负责软件产品开发的项目经理承认自己并不完全懂技术，他就可以避免推出一款因自己技术能力不足而未能发现缺陷的产品。帕里什也承认，这种自我意识很难培养，因为高估自己的能力会让人感觉良好；许多人对自身的缺点浑然不觉，是因为这样做能抬高他们的信心和自尊。他给出了一个简单的检验方法：回想一下你有多少次向别人承认自己不懂某件事。如果很少有，那你很可能高估了自己。
**Shortform补充：自我评估中谦逊与自信的平衡**
客观的自我评估需要在谦逊与自信之间取得平衡。过度自信会削弱理性思考，但过度自我怀疑也会带来问题。瑞·达利欧（Ray Dalio）在《原则》（*Principles*）中提出，通过借助比你更懂行的人的专业知识，你可以克服仅凭一己之力无法应对的挑战——但这一策略需要谦逊的态度：如果你过于自信，觉得自己不需要别人的想法，就永远不会主动去寻求他人的意见。与此同时，这也需要一定程度的自信。达利欧指出，如果你放弃培养自己的专业能力，就无法分辨别人的想法哪些有用、哪些没用。正确的平衡是：永远不要以为自己无所不知，但也永远不要以为自己一无所知。
**情绪掌控与冲动反应的代价**
帕里什强调的第三个习惯是掌控情绪：学会控制自己的情绪，而不是被情绪控制。恐惧或愤怒等强烈情绪会迫使你做出在冷静状态下绝不会做的决定。情绪调节之所以重要，是因为一次冲动的反应就可能毁掉朝目标迈进多年的成果。例如，一位经理在老板面前被下属冒犯后勃然大怒，给全公司发邮件诋毁这名员工，那么他可能再也无法在那里重建自己的职业声誉。为了避免这类破坏性反应，要培养在面对情绪触发点时停下来反思的能力，这样你才能理性地决定如何回应。帕里什指出，抗拒自身的生物信号是困难的，但随着练习你会越来越好。
帕里什还建议培养有帮助的情绪，尤其是以过去努力和恢复经历为依据的信心。回想自己处理过的困难，可以对抗气馁、支持继续投入。它可能改变情绪反应，却不保证心境彻底转变，也不能成为忽视计划失败新证据的理由。
**Shortform补充：解离：将自己与情绪触发点分开**
提升情绪触发点管理能力的一个关键部分是与你的想法“解离”。拉斯·哈里斯（Russ Harris）在《幸福的陷阱》（*The Happiness Trap*）一书中解释道，解离是指将你的想法和情绪视为转瞬即逝的心理事件，而非需要立即采取行动的绝对真理。例如，上述场景中的经理可能会意识到：“我产生了一个想法，觉得所有人都在评判我。”与其立刻把这个想法当作事实，他可以更清晰地看待情况，并在犯下灾难性错误之前停下来。
**远大志向与脱颖而出的动力**
沙恩·帕里什（Shane Parrish）认为，如果你想成就大事，为自己的工作设定高标准至关重要；没有这份承诺，你只会得到平庸的结果。人类天生有融入周围人群的动机，而平庸的工作是社会常态，因此任何想要取得更大成就的人都必须做好准备，接受自己显得“与众不同”，并因此承受负面评价。为了激励自己达到更高的标准，帕里什建议找出那些体现了你想要采用的高标准的人，并有意识地让自己融入他们。他澄清说，这并不一定意味着要把“普通”人从生活中剔除；而是要尽可能多地与你的榜样相处，无论是直接接触，还是通过书籍、播客等媒介。这种接触会激励你向他们看齐。
**Shortform补充：榜样、抱负与独处自省的必要性**
Shortform 指出，卢克·伯吉斯（Luke Burgis）在《欲求》（*Wanting*）一书中也建议多与能激励你成就大事的榜样相处。不过，伯吉斯补充说，有时反过来做也有必要：切断与所有榜样的联系，进行深入的独处自省。这种做法可以帮你区分哪些是你真正有意义的抱负，哪些是你可能从有缺陷的榜样那里沾染的、具有误导性的欲求。
**Shortform补充：意义、成就与清晰思考的目的**
奥利弗·伯克曼（《四千周》）同意帕里什的看法，即你应当意识到生命有限，并把有限的时间花在你认为有意义的追求上，但他不认为有意义的成就是通往幸福的道路。在伯克曼看来，如果你能认识到从更宏大的视角看你的成就并没有那么重要，你一生也无法对世界做出多大改变，你反而会更幸福。因此他主张，你应当以任何对你个人有意义的方式度过时间——无论是享受当下，还是为他人的生活做出微小而具体的改善，比如花一天时间陪伴祖父母。从这个角度看，清晰思考不仅仅是帮你做出“好”决策、实现宏大人生目标的思考；它首先也可以意味着，将自己从必须实现那些宏大目标的压力中解放出来。
约翰·哈里（Johann Hari，《失联》）将只能带来短暂满足的目标称为“垃圾价值观”：就像垃圾食品一样，它们当下感觉很好，但摄入过多就会损害健康。哈里还补充说，秉持垃圾价值观的人，人际关系质量往往更低，自尊也更不稳定。
**Shortform补充：社会不平等、稀缺与决策能力**
希思兄弟认为我们可以通过抵制不良习惯来提高决策能力，这一观点暗示所有人都有做出良好决策的能力，也意味着提高决策技能是个人的责任。相比之下，其他从社会和文化背景研究决策的学者则强调社会不平等如何影响我们的决策思考能力。他们的研究表明，个人和政策制定者——以及后者创造的社会和经济条件——都对个人的决策负有责任。
稀缺研究提示，缺钱、缺时间或缺空间所造成的要求，可能占用注意并限制审慎思考。贫困可能使这些要求长期存在，但不能因此认定每位穷人能力更低或选择更差：机会、负担与选择试图实现的目标不同。个人技巧也不能提供结构上不存在的资源或选项。
评论建议在可行时预留审慎思考时间，例如每天30分钟；这条建议本身也消耗了一些人缺少的时间。它同时主张用政策减轻负担，例如附近诊所可以减少就医所需的交通与协调。两种层面的行动互补，不应把结构障碍的责任全部转给个人。
**Shortform补充：文化背景：决策类书籍为何在美国盛行**
Shortform 认为，决策书在美国受欢迎，可能与文化重视选择和独立有关。它把亚当·斯密关于自利的论述，与拉尔夫·沃尔多·爱默生后来关于自立的写作联系起来。爱默生生于1803年，不能把他的影响放在美国建国时。这些是评论提出的历史影响，不是该出版类型流行的完整因果解释。
**Shortform补充：接纳他人的缺点与脆弱**
接受榜样的缺点与脆弱可能会让人感到陌生，因为西方社会的教化告诉我们，要配得上爱与赞美，就必须“修复”自己的缺点与脆弱之处，而不是接受并展现它们。正如塔拉·布拉奇（Tara Brach）在《全然接受》（*Radical Acceptance*）中所说，迈向接纳他人缺点与脆弱的一条路径，是认识到它们是存在中重要且不可避免的一部分。我们都不完美；有缺点与脆弱并不意味着一个人“有问题”——这只说明他们和所有人一样，都是普通人。
**Shortform补充：两种自信观：过往成功 vs. 价值完整性**
布琳·布朗（Brené Brown）在《敢于领导》（*Dare to Lead*）一书中对建立在过往表现之上的自信提出了不同观点：真正的自信并非相信自己很可能会成功。相反，自信源于对自身价值观和原则的完整性的信任。这种完整性让你有决心在不确定或失败的情况下采取行动，因为你知道无论结果如何，这样做都是正确的。相比之下，帕里什的方法可以说是一种更具条件性的自信——如果你觉得过去的成功不足以证明你能够克服眼前的障碍，这种方法可能就无法激励你。
**Shortform补充：习惯形成、坏习惯与微小改变的复利力量**
Shortform 建议用社会问责打断习惯，例如事先约定每天与伴侣回顾喝了多少汽水。机制是让行为可见，并维持改变意图的显著性。尴尬可能激励一些人，也可能造成隐瞒或羞耻；应选择支持性的安排，而非把羞辱当成必要手段。
Shortform 借《原子习惯》的“进步1%”和潜力积累平台，解释小投入为何可能先于可见收益。反复练习可以形成技能、惯例与累积优势。这是复利类比，不保证每种习惯都按可测的每日百分比改善，也不保证每个平台最终都会陡升。应观察练习是否有效，使用反馈，无效时调整方法。
*来源与延伸阅读：* [《重塑幸福》](https://short.zaynjarvis.com/books/the-subtle-art-of-not-giving-a-f-ck/) · [《错不在我》](https://www.shortform.com/app/book/mistakes-were-made-but-not-by-me) · [认知失调](https://www.shortform.com/app/book/mistakes-were-made-but-not-by-me#what-is-cognitive-dissonance) · [高于平均的自我判断](https://www.shortform.com/app/book/mistakes-were-made-but-not-by-me#belief-2-i-am-a-competent-person) · [《人性的法则》](https://www.shortform.com/app/book/the-laws-of-human-nature) · [短期威胁注意](https://www.shortform.com/app/book/the-laws-of-human-nature/law-12) · [《原则》](https://www.shortform.com/app/book/principles-life-and-work) · [谦逊与专业知识](https://www.shortform.com/app/book/principles-life-and-work/chapter-5#4-balance-humility-with-self-knowledge) · [《幸福的陷阱》](https://short.zaynjarvis.com/books/the-happiness-trap/) · [《欲求》](https://www.shortform.com/app/book/wanting) · [独处反思](https://www.shortform.com/app/book/wanting/1-page-summary#step-1-identify-meaningful-desires) · [榜样与欲望](https://www.shortform.com/app/book/wanting#mimetic-desires-negative-effects) · [《四千周》](https://www.shortform.com/app/book/four-thousand-weeks) · [成就的限度](https://www.shortform.com/app/book/four-thousand-weeks/1-page-summary#fact-2-your-life-is-finite) · [《失联》](https://www.shortform.com/app/book/lost-connections) · [垃圾价值观](https://www.shortform.com/app/book/lost-connections/chapter-5#disconnection-from-intrinsic-motivation) · [稀缺与注意力](https://www.apa.org/monitor/2014/02/scarcity) · [决策书籍文化](https://www.shortform.com/best-books/genre/best-decision-making-books-of-all-time) · [美国的选择传统](https://www.npr.org/transcripts/519266687) · [公共文件中的个人主义](https://www.state.gov/courses/answeringdifficultquestions/assets/m/resources/DifficultQuestions-AmericanValues.pdf) · [接纳不完美](https://www.shortform.com/app/book/radical-acceptance/chapter-1) · [《敢于领导》](https://www.shortform.com/app/book/dare-to-lead) · [基于价值观的自信](https://www.shortform.com/app/book/dare-to-lead/chapter-1-5) · [习惯的持续](https://short.zaynjarvis.com/books/the-power-of-habit/)
## 不确定性、信念与学习
### 决定是一项赌注，结果是一条证据
先记录作决定之前能够知道什么，再检查结果，不假定结果会自动说明自身成因。能力、环境与运气可能相互作用。
**把决策视为赌注：杜克决策框架的核心**
在《对赌》一书中，安妮·杜克（Annie Duke）借助数十年职业扑克生涯的经验，打磨出一套适用于日常生活与商业场景的决策框架。扑克是一个直观的决策实验室：每个选择都会导向赢钱或输钱这两种明确结果之一，而这些结果会成为决策质量的反馈。她的方法旨在帮助人们变得更加理性、思维更具弹性。
每一个决策，无论大小，都伴随着风险。然而人们在做选择时并不总能把风险放在首位，这种疏忽是他们往往以非理性方式决策的原因之一：行事冲动、不深思熟虑，选择简单或当下令人满意的选项即便长期来看对自己有害，以及让偏见左右选择。保持风险意识的一个方法，是把每一个决策都视为一场赌注。
杜克指出，“用对赌思维思考”有三大核心支柱：校准良好的信念、从过往决策结果中学习的能力，以及一个能帮助自己防范低效思维习惯的群体。信念、结果和群体共同构成了她决策哲学的基础。
**拥抱不确定性：跳出非黑即白的判断**
提升决策能力的起点，是更好地从过去的决策中学习，而这要求你直面不确定性。在一场赌局中，你知道即便胜算在握也不保证会赢；下注意味着承认你并不掌握全部信息，必须在风险与不确定性面前尽你所能做出判断。决策也是如此：你权衡概率，期盼最好的结果。
不要把决策简单分成完全正确或完全错误。应结合目标、各种结果的概率与后果、个人偏好和可承受风险，比较可行选项。某个狭义“成功”的概率最高，不等于期望价值或效用最大。坏结果可能涉及杜克提醒我们考虑的五种情况：运气不好；没有好选项；缺少关键信息；认为潜在回报值得冒险；或者在最好与最坏之间，选择了当时看来合理的中间方案。仅凭结果无法判断是哪一种。复盘仍可能发现可避免的信息遗漏、推理错误或不合适的权衡。记录选择前知道什么、有多不确定，才能让复盘更有依据。
**避免结果论：评价流程，而非只看结果**
评判过往选择时一个常见的陷阱是“结果论”（resulting）——这是一个扑克术语，指仅凭产生的结果来评价决策的习惯。结果论之所以危险，是因为它会让你在一次糟糕的结果之后就认定必须改变策略，即便那个坏结果是运气所致，而非决策质量的问题。在这种情况下，改变策略从长远来看并无益处，只会让你变得困惑且反复无常。好的决策不仅仅是获得最好的结果：它意味着拥有一套健全的决策流程，无论最终结果如何都站得住脚。
在你把负面结果归咎于糟糕的决策之前，先分析一下是什么因素促使你做出了那个选择。你无法控制运气，但可以控制自己的技能和思维的严谨性。要检验你的决策流程是否扎实，可以问问自己：你是否考虑过替代方案，是否采取过降低风险的措施，是否想过所有可能的结果。成为一名优秀的决策者意味着在损失面前保持理性。你不会总是正确的，但你可以始终朝着客观的方向努力，远离情绪化或带偏见的决策。
**结果归类：在连续谱上区分运气与技能**
在你能从一个结果中学到东西之前，你必须先判断其中有多少源于技能，又有多少源于运气。如果一个结果完全由你无法控制的力量（比如运气）造成，那它可能没什么可教你的。然而，大多数结果都是多种因素共同作用的产物，其中一些是你可以控制的，比如技能。你可以把结果看作处于纯运气和纯技能之间的一个连续谱上，大多数结果都落在两个极端之间的某个位置。
安妮·杜克把这个分类过程称为“结果归因”（outcome fielding）。例如，如果一个演员接不到任何工作，他就得弄清楚问题是缺乏训练——技能问题——还是仅仅还没找到合适的角色——运气问题——或者两者兼有。要推动职业发展，他必须学会区分这些因素并相应地加以解决。你如何对一个结果进行归类，本身就是一种赌注，就像你的决策和信念一样。如果你把一个结果归因于技能，你就是在赌你能从中学习，并调整未来的决策——也就是其他的赌注——从而影响未来的结果，形成连锁反应。这就是为什么提升结果归类的能力、尽可能多地做对这件事很重要。
**从结果中学习：区分能力与运气**
安妮·杜克（Annie Duke）在《对赌》（*Thinking in Bets*）中对“从结果中学习”提供了互补的视角：她澄清说，从结果中学习并非不可能——关键技能在于判断哪些结果值得学习、哪些不值得。在评估一个决策的结果时，人们会构建一套叙事：他们要么把结果主要归因于自己的选择和行动，要么归因于运气。许多人无法提升理性决策能力，原因就在于他们把这两类结果搞混了。例如，假设一家线上服装零售商的CEO新增了一条复古哥特风服装线，随后因为线上时尚行业一轮无关的整体增长而创下利润纪录；如果他们把利润归功于自己押注哥特怀旧情怀的精明决策，而非运气，他们就永远不会意识到自己对客户需求的理解是扭曲的。帕里什建议的“记录决策时的想法”，是更准确评估结果中有多少来自你的行动、多少来自运气的一种方法。杜克则推荐了另一种方法：从*他人*决策的结果中学习。这件事做起来很难，因为自我偏差会让你倾向于把别人的成功归因于运气、把别人的失败归因于决策失误；你可以通过有意识地考虑这种偏差来抵消其影响。
**通过审视决策流程从错误中学习**
要有效地从错误中学习，首先需要准确识别自己何时犯了错。帕里什提醒说，大多数人只凭结果来评判自己的决策，这让他们无法分辨一个决策究竟是明智的，还是只是运气好。你不应只关注结果，而应去寻找决策*过程*中的错误——例如，你的逻辑是否有缺陷，或者情绪是否影响了你的思考。目标是建立一套前后一致、信息充分、理性的决策流程，即便它并非每次都能成功。帕里什认为，识别决策流程缺陷的最佳方法，是在做决策时把你的想法切实记录下来，而不是依赖记忆。这样可以防止你的自我在事后说服你，让你觉得自己当时比实际更聪明、更理性。
**认知偏差与经历在判断中的作用**
我们以为自己会有的行为方式与实际反应之间的错位，往往源于会产生认知偏差的思维捷径。在《思考，快与慢》中，卡尼曼解释说，我们的大脑常常依赖这些捷径，而他的发现也支持了这样一种观点：人的判断深受个人经历和情绪状态的影响。例如，“规划谬误”会在你面对实际经历之前影响你的思考：我们会低估任务所需的时间，高估自己应对未来状况的能力，因为我们依赖的是自己在脑中构建的最佳情景。要避免这种谬误，卡尼曼建议研究类似情况的过往结果——比如，你可能以为早上准备出门只需要10分钟，但这个估计的前提是你前一天晚上就准备好了衣服，而且准备过程中不会出现任何意外。相比之下，“锚定效应”会在你经历重大事件之后影响你的思考：当你接触到一条新信息时，大脑常常会抓住它作为参照点，即便它并不相关。记忆和过往经历会“锚定”你解读和回应新信息的方式，影响你对风险的判断、对价值的评估以及情绪反应。因此，过去的重大事件可能会让你当下的决定产生偏差，即便那些过往经历与眼前的处境几乎没有关系。既然我们都容易出现这类误判，这就印证了要对自己和他人抱有同理心的建议：看似不理性或与众不同的行为，往往源于独特的经历和认知偏差，而不仅仅是因为信息不足或不讲道理。
*来源与延伸阅读：* [《对赌》](https://short.zaynjarvis.com/books/thinking-in-bets/) · [经历与认知偏差](https://short.zaynjarvis.com/books/thinking-fast-and-slow/#cognitive-biases-and-heuristics)
### 把不确定性说成可检查的形式
主观区间、置信程序与概率预测是不同对象。明确所描述的事件、时间范围与不确定性。
**主观区间与校准**
哈伯德让估计者用带有把握程度的范围表达不确定性，例如：“我认为项目成本落在4000万至6000万美元之间的概率是90%。”即使来源把它称为置信区间，它在这里仍是人为给出的主观区间：表达的是概率判断与边界，本身并没有增加测量证据。统计置信区间则不同，其覆盖率指的是在抽样假设成立时，反复使用同一构造程序所得的区间中，有多少会包含固定的总体参数。两者都不要求所有结果必须服从钟形分布。
校准训练把主观把握与事后正确率对照：训练者提问，收集概率或区间，公布答案，再通过多次反馈改善判断。在20道题、每题给出90%区间的练习中，12题命中就是60%的实际覆盖，16题命中是80%，仍低于大约18题的目标。单轮样本很少，结果会波动；目标也不是把区间一味放宽，而是在覆盖率合理的同时保留信息量。
摘要的例子包括把微软成立年份放在1970至1980年之间——答案是1975年——以及把亚马逊员工数估为50万至80万，而该历史比较采用的实际值超过150万。后一题必须指定日期和员工统计口径。数百题的练习可以暴露反复出现的过度自信，但不能保证换个领域仍有90%的覆盖率。
**不确定性内生于所有测量之中，即便日常测量也不例外**
即使是看似简单直接的测量，比如沙发的长度，也存在一定程度的不确定性，只是可能非常微小。用卷尺量沙发时，测量工具的精度、卷尺摆放位置的细微差异，甚至温度对材料的影响，都会带来微小的误差。在实际使用中，这种不确定性通常可以忽略不计——你可能有把握沙发长度在84.8到85.2英寸之间，而不是恰好85英寸——但道理依然成立：即便是“确定”的测量，本质上也还是在处理概率和区间，只是区间非常窄而已。
区间的可信度取决于背后的模型或判断。正态分布有时有用，但不确定性与区间估计都不以正态性为必要条件。Shortform 借投资者杰米·麦的故事说明模型错配：面临重大诉讼的烟草公司，胜诉与败诉可能对应截然不同的结果，而非大多落在一个中间值附近。在该叙述中，期权显得便宜，是因为市场低估了大幅波动的可能性。这是对某种结果分布与价格的判断，不能证明期权市场总按钟形曲线定价。诉讼例子也简化了和解等中间结果，应用到真实决定时还须把它们纳入。
**Shortform补充：校准训练的效果有条件，且存在明确局限**
Shortform 讨论的研究报告：把回答与正确答案对照的反馈改善了部分受训者的自我评估；撤去反馈后，一些收益仍延续到新材料。这一顺序提示训练后的迁移，不证明前期反馈多余，也不证明初学者没有反馈会学得一样好。
此外，研究还显示，如果让受训者在完成任务前预测自己的表现，而不是在事后评判，训练有时会适得其反：中等和高水平的表现者会变得过于谨慎，低估自己的能力。这说明不同类型的自我判断对这种训练的反应并不相同。
在这些任务范围内，结果支持提供明确比较标准，并关注受训者原有的自评能力；评估已经完成的表现，与预测将来表现不是同一任务。它们不足以确定普遍最有效的训练法，也不保证迁移到不相关的决定。
**Shortform补充：概率思维与“‘也许’的错误一侧”谬误**
加德纳与泰特洛克所说的“也许错误侧谬误”，把高于50%当保证、低于50%当不可能。一组可比且校准良好的70%降雨预测，应在所指定地点与时段大约70%真的下雨；单次晴天本身不能推翻这一预测。校准需要许多已揭晓预测来评估，单次预测质量还取决于提出时可用的信息。
**贝叶斯预测：先验赔率乘以似然比**
克里斯汀与格里菲思把预测描述为结合既有知识与新证据。贝叶斯法则给出了具体运算：后验概率正比于先验概率乘以各假设下观察到证据的可能性，再做归一化。如果只比较两个假设，后验赔率就等于先验赔率乘以似然比。
举一个计算例子：某假设的先验概率是20%，赔率为1:4。如果某条证据在该假设成立时出现的可能性，是在另一假设成立时的3倍，后验赔率就变成3:4，概率为3/7，约43%。这是本文补充的算术示例，不是书中报告的研究结果。
在来源的加薪例子中，同事等待加薪的时间提供一个初始参照，再用关于自己表现和公司制度的可信信息更新判断。不过，一个同事只是很有限的参照群体，你对老板想法的猜测也不是测得的似然。同一条新闻被重复报道，不能当成多条新的独立证据累计。
**Shortform补充：按证据强度更新**
Shortform 借泰特洛克与加德纳的《超级预测》提醒读者，不要对微弱的新信息反应过度。优秀预测者常作有分寸的调整；例如，公司薪酬制度没有变化时，一次表现出色的经历未必足以支持“马上会加薪”的预期。但贝叶斯更新不要求永远微调，也不要求一概忽略大部分证据。应剔除无关与重复信号，按区分假设的能力衡量证据；强证据出现时，就应大幅修正。先验和似然模型也可能出错，因此仍须检查校准与后续结果。
**Shortform补充：将贝叶斯推理应用于日常决策**
你可以将贝叶斯推理——即随着新证据的出现更新信念——应用于财务规划等日常决策中。在投资前，根据有关市场或某只股票的当前证据，评估成功的初始概率。当新信息出现时（例如季度报告或市场变化），更新你的概率估计，以反映最新的成功可能性。这种方法能帮助你做出更明智的决策，同时兼顾不确定性和变化。
**Shortform补充：超级预测者如何进行预测**
Shortform 指出，另一类被称为“超级预测者”的专家在做出有把握的未来预测时采用不同的方法。丹·加德纳（Dan Gardner）与菲利普·泰特洛克（Philip Tetlock）在《超级预测》（*Superforecasting*）一书中解释道，超级预测者并不依赖关于人类行为与社会的固定法则，而是运用分析能力。例如，他们会把看似无从下手的问题拆解成越来越小的子问题，从而将真正未知的部分与可以做出合理推测的部分区分开来。他们还通过从所有可能的渠道收集信息、让数据主导自己的解读、并愿意根据新信息修正预测，来保持客观性。
*来源与延伸阅读：* [测量不确定性](https://www.webassign.net/question_assets/unccolphysmechl1/measurements/manual.html) · [正态分布模型](https://www.investopedia.com/terms/b/bell-curve.asp) · [非正态结果](https://macro-ops.com/jamie-mais-trading-strategy-explained/) · [期权市场例子](https://www.investopedia.com/options-basics-tutorial-4583012) · [校准训练的局限](https://onlinelibrary.wiley.com/doi/full/10.1002/acp.3548) · [《超级预测》](https://www.shortform.com/app/book/superforecasting/) · [也许错误侧谬误](https://www.shortform.com/app/book/superforecasting/chapter-3#probabilities-are-useful-estimates-not-facts) · [贝叶斯预测](https://www.shortform.com/app/book/superforecasting/chapter-7) · [《超级预测》](https://www.shortform.com/app/book/superforecasting) · [分析式预测技能](https://www.shortform.com/app/book/superforecasting#part-2-traits-of-superforecasters)
## 测量与因果证据
### 测量可能改变选择的东西
先明确决定与阈值，再把测量投入用在可能让你跨过阈值的不确定性上。
**测量减少与决定有关的不确定性**
哈伯德把测量理解为通过观察减少不确定性：用数值、区间或概率表达认识，而不是只说“高风险”“质量好”。目的在于改善具体选择，不是知道一切。少量信息若能改变顾客满意度、市场风险或投资方面的决定，也可能很有价值。但测得越多不自动越好：无关指标、有偏数据与收集成本可能超过收益。原则可以用于商业之外，书的主要读者仍是商业决策者。
**测量范围的界定及其三大决定因素**
界定测量范围——即哪些内容要纳入、哪些不纳入——对测量成功至关重要。范围过宽会导致数据过多却无法产生有意义的洞见；范围过窄则可能遗漏重要因素，无法解决实际问题。哈伯德用一个客户满意度的例子说明了这一点：如果一家为降低流失率而测量满意度的公司把范围定得过宽，就会就所有方面调查客户，无法找出流失的驱动因素；如果范围定得过窄，只看产品评分，就可能忽略服务差才是真正原因。恰当的范围应聚焦于最相关的接触点——支持互动、账单流程和核心产品功能——这样既能提供可落地的洞见，又不会产生无关数据。
哈伯德认为，有三个因素决定了测量范围：1）你当前的知识状态；2）你打算如何使用这些信息；3）决策的潜在影响。
**现有知识评估与分解法：界定测量范围的工具**
评估自身当前的知识水平是界定衡量范围的关键第一步：它能揭示不确定性所在，以及哪些知识缺口对决策影响最大，从而让你把衡量精力投入到最有价值的地方。例如，一位想要提升利润的餐厅老板可能会先区分自己已经知道的信息（食材成本、人员开支）和不确定的信息（最优定价），然后专注于顾客反馈、复购率等有针对性的衡量指标，而不是试图一次性衡量所有事情。
哈伯德提出，分解法是评估自身已有知识的一种工具：将复杂、难以衡量的概念拆分成更小的组成部分。这有助于厘清衡量范围，让你看清哪些部分确实需要新的衡量，哪些可以用现有知识充分解决。分解法还让衡量变得更可行，因为相较于复杂的整体，较小的组成部分通常更容易衡量，也能更精确地估算。一位在预测新营销活动成功度时感到无从下手的营销总监，可以将“活动成功”拆分为几个部分：触达人数、互动人数、购买率和客户长期消费。这个过程立刻让她发现，自己已经掌握了关于触达的可靠历史数据，以及不同渠道点击率和参与率的扎实基准数据；而她不确定性最高的地方，是这款特定产品的购买率和新客户的长期价值。因此，她可以把衡量范围缩小到这些高不确定性的组成部分上，而追踪这些指标也比模糊的“整体活动成功度”具体得多、可操作得多。
**以决策为导向的测量与拐点原则**
范围界定的第二个因素——你打算用测量结果做什么——是哈伯德方法的核心。测量应当服务于某个存在多种选项的具体决策，且每一项测量都应有一个明确的拐点：也就是一个具体的临界点，一旦收集到的数据达到这个点，你就会转而选择另一个决策选项。如果不把测量建立在具体决策的基础上，你就可能花费大量时间和金钱收集毫无用处的数据。例如，一个负责网站重新设计的产品团队明确了自己的决策：“我们应该采用单页结账流程，还是保留现有的多页流程？”这就确立了一个拐点——如果单页结账的完成率提升15%或更多，他们就会改用单页结账——并让他们的测量只聚焦于结账相关的指标，如各阶段的放弃率、完成时长、错误率，以及与结账体验相关的满意度评分。
为使教学门槛口径明确，本文把“提升15%”解释为相对增幅：原完成率40%时，门槛为46%，不是55%。来源没有说明采用哪种口径；真实团队应事先明确相对增幅还是百分点，并同时考虑成本、收入和体验等必要条件。
**Shortform补充：用 OKR 界定测量范围**
在《衡量什么最重要》（*Measure What Matters*）一书中，风险投资家约翰·杜尔（John Doerr）提出了一套帮助企业明确什么最重要、并衡量其成功的体系，其起点是通过厘清 OKR——目标与关键结果——来界定测量范围。目标是你想要达成的事项；好的目标应当是切实、具体、客观且以行动为导向的。要确定组织的最高目标，可以问：“未来三个月、六个月、一年内，我们需要完成的最重要的任务是什么？”然而，仅靠目标往往过于宽泛模糊，无法有效衡量。例如，“招聘新员工以满足组织扩张的需求”这样的目标，既没有说明成功是什么样子，也没有说明如何追踪进展。
关键结果则将模糊的目标转化为可衡量的基准。好的关键结果会列出具体、可量化的子目标，一旦达成这些子目标，就能实现总体目标。它们提供了可追踪的具体指标、需要达成的截止日期，以及对成功的明确定义，通常包含具体的时间范围和数字，例如收入、市场份额、活跃用户、增长和招聘目标。以招聘目标为例，与其用“招聘新员工”这样模糊的表述，关键结果可以设定为“本月面试三名候选人并录用一名”这样的具体基准。这精确量化了需要进行的面试数量，设定了明确的截止日期，也让进展可追踪——已经完成了多少场面试，是否在当月完成了录用。没有可衡量的条款，就没有客观的方法来评估目标的进展，甚至无法界定目标的真正含义。
**决策影响潜力与不确定性的价值差异**
第三个范围因素是决策影响潜力：即降低某一特定因素的不确定性，能在多大程度上改变你的决策。哈伯德的核心洞见是：并非所有不确定性都同等重要——有些知识空白对决策影响巨大，另一些则不然。高决策影响潜力意味着，获得该因素的更优数据可能会显著推动你偏向某一选择；低决策影响潜力则意味着，即便掌握该因素的完美信息，也不会对你的决策产生实质改变。你追求的不是完美知识，而是足以让你从犹豫不决走向有充分依据的信心的信息。例如，一位正在决定是否投资20万美元购置新患者预约系统的医疗管理者，对患者满意度问题已有85%的把握，对员工偏好有90%的把握，但对于系统能否减少爽约和等待时间——也就是证明这笔投资合理的核心收益——她只有40%的把握。由于这一不确定性对她的决策影响最大，她将研究预算集中用于该特定问题，而非那些她已经相当有把握的领域。
**Shortform补充：决策影响潜力：在噪声中寻找信号**
要识别哪些数据点能最大程度降低不确定性，并不总是凭直觉就能做到——尤其是在金融市场中，看似无关的信息可能具有极高的决策影响潜力，却被淹没在海量的市场噪声里。在《破解市场的人》（*The Man Who Solved the Market*）中，财经记者格雷戈里·祖克曼（Gregory Zuckerman）讲述了前数学家吉姆·西蒙斯（Jim Simons）的故事，他后来成为史上最成功的对冲基金经理之一。西蒙斯的基金文艺复兴科技公司（Renaissance Technologies）成功的关键，在于他洞察到金融市场的价格波动遵循可识别、可预测的模式；一旦识别出这些模式，就可以用来在正确的时间战略性地买卖正确的股票、债券、货币及其他金融工具。
大多数投资者关注显而易见的财务指标和公司基本面，而西蒙斯意识到，最高的决策影响潜力可能藏在历史数据模式深处的微妙关联之中。西蒙斯及其团队分析历史数据集，考察不同金融工具的价格在过去如何变动，并基于发现的模式，识别出哪些价格变动之间存在相关性。换言之，他们能在数据迷宫中找到预示市场下一步走向的市场“信号”。例如，他们的模型可能显示，在特定条件下，小麦价格上涨0.25%，在历史上与三个月后芝麻价格飙升3%相关。此时，市场信号——小麦价格上涨——就指向一个具体行动：买入芝麻期货，预期价格将上涨。这一方法与哈伯德的核心洞见一致：你要找的不是所有可能的信息，而是能让你从不确定走向有依据的信心的特定数据。
**Shortform补充：基础研究对测量拐点论的反例**
Shortform 对哈伯德“所有测量都应有一个与备选方案选择挂钩的拐点”这一主张提出了异议。基础研究就并非如此，这类研究只是为了理解事物的运作原理而对现象展开调查。研究人员可能会研究新发现的生物结构、无法解释的自然现象或尚未被充分理解的机制，心中并没有任何明确的终点。他们不是在试图解决某个具体问题，也不是在不同方案之间做选择——而是在好奇心的驱动下探索关于自然界的问题。这类研究的价值即便真的会显现，也是不可预测的，而且往往要在很久之后才会出现。
**Shortform补充：测量的认识论：不确定性、客观性与直觉**
Shortform 将哈伯德的观点置于更广泛的哲学争论中加以阐释。哈伯德认为绝对确定性无法实现，而一些哲学传统走得更远：在《犬儒理论》（*Cynical Theories*）中，海伦·普卢克罗斯（Helen Pluckrose）和詹姆斯·林赛（James Lindsay）将后现代主义描述为对“客观真理存在”这一观念本身的拒斥。哈伯德的测量方法在“盲目相信客观性”和“彻底怀疑真理”之间提供了一条实用的中间道路：尽管我们可能永远无法达到完美的客观性，但仍然可以通过观察做出比仅凭直觉更好的决策。即便我们的测量存在一定偏差或不确定性，通常也比主观评估提供更可靠的信息。
尽管哈伯德主张基于测量的方法能带来更理性的决策，但一些专家认为，最有效的决策是定量分析与人类直觉的结合。成功的高管明白，原始数据无法捕捉复杂商业情境中的每一处细微差别，尤其是在处理模糊或抽象的挑战时。人类直觉是一套精密的模式识别系统，在高风险、不确定的场景中格外有价值——此时再收集更多数据也不会对结果产生实质性影响。对外科医生急诊决策、投资者分配初创资本的研究表明，当大量分析导致犹豫不决时，“直觉”往往是推动行动的催化剂。专业决策者并不将直觉视为不科学，而是将其理解为一种无意识的智能形式，与分析性思维互为补充。
**Shortform补充：评估自身知识时的认知偏差**
在应用哈伯德的建议评估自身知识水平时，一个实际的挑战是邓宁-克鲁格效应——一种导致人们对自身技能和能力产生非理性过度自信的认知偏差。在衡量的情境中，这种偏差可能会让你错误地认为自己已经足够了解所要衡量的事物。你不会诚实地评估自己的知识缺口（比如对市场状况、员工表现或顾客满意度的不确定），反而会假定自己当前的理解已经足够，直接跳到衡量或决策阶段。结果就是，你可能衡量了错误的对象，或者提出了错误的问题。
营销人员也会刻意利用人们依赖个案证据的倾向，而不去使用可能与他们的宣传相悖、但更有力的代表性证据。营销专家指出，展示满意客户的好评可以提升销量，因为新客户会被他人的成功故事打动——即便这些好评并不能代表普通客户的真实体验。
*来源与延伸阅读：* [比特币投资者亏损估计](https://gizmodo.com/bitcoin-crypto-bank-of-international-settlements-1849784466) · [《衡量什么最重要》](https://www.shortform.com/app/book/measure-what-matters/1-page-summary) · [目标与关键结果](https://www.shortform.com/app/book/measure-what-matters/1-page-summary#what-are-okrs) · [《破解市场的人》](https://www.shortform.com/app/book/the-man-who-solved-the-market/1-page-summary) · [历史市场模式](https://www.shortform.com/app/book/the-man-who-solved-the-market/1-page-summary#finding-signals-in-the-noise) · [基础研究](https://nap.nationalacademies.org/read/10733/chapter/9) · [《犬儒理论》](https://www.shortform.com/app/book/cynical-theories) · [客观真理争论](https://www.shortform.com/app/book/cynical-theories#phase-2-postmodern-deconstruction) · [分析与直觉](https://www.harvardbusiness.org/insight/data-and-intuition-good-decisions-need-both/) · [邓宁—克鲁格效应](https://www.psychologytoday.com/us/basics/dunning-kruger-effect) · [好评与个案证据](https://cxl.com/blog/is-social-proof-really-that-important/#h-what-is-social-proof)
### 抽样精度、代表性与显著性
小样本有用，不等于它能代替所有大样本。精度、偏差与犯错成本是不同问题。
**随机抽样、小样本与证据代表性**
随机抽样是一种能大幅降低不确定性的测量方法：你通过考察较大群体中一小部分随机选取的样本，来推断整体的情况。它尤其适用于测量大规模群体中持续发生的行为、活动或特征，例如员工在不同任务上花费的工作时间占比、客户遇到特定问题的频率，或者库存中有质量问题的商品比例。举例来说，一位想测量每月1万名顾客满意度的零售经理，可以给每位顾客分配一个编号，再用随机数生成器选出200名顾客参与调查，这样每位顾客都有相等的被选中机会，避免了只调查周末购物者这类偏差。仅用占比2%的随机样本，经理就能以合理的置信度估计整体满意度，成本仅为全面调查的一小部分。
哈伯德反对“只有海量样本才能学到东西”的想法。摘要的教学例子设定：一家有一万名顾客的连锁店随机得到七个回答，十分制评分在六到九分之间，均值7.5；这个均值要求量表允许非整数回答。随后一个假设的700人样本均值7.6，范围相同。这组设定提示平均满意度相近；仅七个回答不能证明所有顾客都满意，更不能保证后面693个回答帮助很小。在独立同分布且方差有限的抽样条件下，观测数量增加100倍，均值标准误降到十分之一。额外精度会不会改变行动，是另一个信息价值问题。
贝弗林区分鲜明的个案与能代表目标总体的证据。同事投资比特币赚了钱，说明的是他的经历，不是新投资者面对的胜算。Shortform 将其与一项所引用的估计比较：四分之三的新比特币投资者在初始投资上亏损。这个数字有特定时期、样本和假设，不能当成永久概率。更大的研究是否更有用，仍取决于样本选择、测量和目标人群是否适合问题。这也连接了贝弗林对轶事的警惕，与哈伯德“小而选得好的样本也能有用”的观点。
**小样本可以有用，大样本仍能显著增加精度**
简单随机抽样让总体中的每个人有相同的入选机会。概率抽样也可以采用已知但不相等的入选概率，并在分析时适当加权。问题不在于概率不同本身，而在于忽略抽样机制、未回复、覆盖缺口等系统性失真。增加样本量不会自动修复这些偏差。
哈伯德对决策有用的提醒是：六七个观测值也可能值得收集，从没有证据到有一点证据，已经可能改变行动。但这不意味着从7个增加到700个对精度帮助很小。对于来自同一分布、相互独立且方差有限的观测，样本均值的标准误按1/√n缩小；样本量增加100倍，这部分抽样误差约缩小到原来的十分之一。检测小效应、估计罕见事件、研究子群体和异质人群也可能需要更多样本。精度增益是否值得付费，取决于决定及其阈值，不能用一个通用样本量替代判断。
**分层保证重要子群体得到观察**
Shortform 引用达雷尔·哈夫的讨论，强调获得代表性样本的实际困难；这不等于真正的随机抽取不可能。分层随机抽样本身就是概率抽样：把目标总体划成互不重叠、完整覆盖的群体，再在每层中随机抽取。年龄与种族类别要交叉定义或另行明确，不能让同一个人被重复计入不同层。
例如，三条生产线每月分别生产5000、2000和1000件产品，按比例抽取50、20和10件，就能确保每条线都有样本。不分层时，小生产线可能恰好只抽到太少产品，无法充分研究它。只要子群体差异重要，客户、员工、产品或交易都可以分层；抽样与加权方法必须匹配要估计的是总体还是某个子群体。
**统计显著性及其在实际决策中的有限作用**
显著性检验衡量的是：观察到的数据与一个指定的零假设模型是否相容。p 值低于 0.05，意味着**在零假设成立且模型假定满足的前提下**，出现当前结果或更极端结果的概率低于 5%。它不是“结果纯属巧合的概率”，也不是“假设为真的概率”，更不能证明某个理论。这一表述依据[美国统计协会关于 p 值的声明](https://www.amstat.org/asa/files/pdfs/p-valuestatement.pdf)，修正了冻结摘要中继承的逆概率说法。
哈伯德关于实际决策的观点仍然成立：商业衡量的目标是降低与决策相关的不确定性，而不只是跨过学术研究中的某个阈值。例如，你原本不知道某项产品任务需要 5 分钟还是 2 小时，而一次小型测试把估计收窄到约 30 分钟；即使结果未达到传统显著性阈值，这个更窄的估计相较于一无所知仍能改善决策。
**统计显著性与样本量：从费舍尔的品茶实验到商业应用**
费舍尔著名的品茶例子，让小型实验变得具体：八杯茶随机排列，品茶者需要找出其中四杯先加牛奶的茶。在70种选四组合中均匀猜测，八杯标签全对的概率是1/70；至少六杯标签正确的概率为17/70，约四分之一。把一对杯子分错，会错两个标签，而不是只错一杯。这些是在随机猜测模型下的概率，不是“品茶者没有辨别能力”的概率。例子说明了随机化与证据强度，不能据此断言统计显著性这个概念起源于这一事件。
一些统计学作者也持类似观点，认为更大的样本更有利于降低不确定性。查尔斯·惠兰（Charles Wheelan）在《赤裸裸的统计学》（*Naked Statistics*）中写道，样本量越大，就越有可能代表背后的总体，这一方面是因为更大的样本更有可能涵盖多样性，另一方面是因为它能降低异常值的影响。一般来说，样本越大，统计结果越可靠——但这条规律只适用于真正随机的样本；有偏差的样本无论大小，都会得出有偏差的结果。
卡尼曼的肾癌例子说明“小数定律”：人口较少时，比率可能波动更大。一些美国农村县同时出现在记录发病率最低与最高的两端。这容易诱发相反故事——新鲜空气与天然食物保护居民，或者贫困与高脂肪饮食危害居民——但共同的小分母是另一种需要检查的解释。少数新增病例就能大幅改变小县的比率，因此只看极端值不能识别乡村生活的效应。这个抽样机制不排除真实地区风险差异，也不保证每个大城市都接近同一个“真实平均值”。
Shortform 还指出，尽管哈伯德对大多数企业使用统计显著性的价值持怀疑态度，但也有专家认为它对企业做出合理决策非常重要。了解观察到的结果反映的是真实效应还是随机偶然，能避免企业被不代表真实底层关系的误导性数据模式所迷惑，从而犯下代价高昂的错误。能够有把握地识别数据中真实模式的企业，可以更准确地预测客户行为、市场趋势和运营结果，更有效地配置资源。这些专家还指出，统计显著性在今天尤其重要，因为现代企业从各种来源产生海量数据；理解统计显著性的组织能够更好地评估其分析结果的可靠性，并更清晰地向利益相关方传达结论。
*来源与延伸阅读：* [《统计数字会撒谎》](https://www.shortform.com/app/book/how-to-lie-with-statistics) · [分层随机抽样](https://www.shortform.com/app/book/how-to-lie-with-statistics/chapter-1#good-sampling) · [费舍尔品茶实验](https://www.sciencehistory.org/stories/magazine/ronald-fisher-a-bad-cup-of-tea-and-the-birth-of-modern-statistics/) · [商业中的显著性](https://mailchimp.com/resources/statistical-significance/) · [《赤裸裸的统计学》](https://www.shortform.com/app/book/naked-statistics) · [样本量与代表性](https://www.shortform.com/app/book/naked-statistics/reducing-bias-in-data)
### 没有这项干预，本来会怎样？
**关联与因果解释**
里奇提醒，新闻稿和报道常把关联改写成一个因素“导致”另一个。贝弗林解释了它为何影响行动：伴随成功出现的变量，改变后未必会带来成功。仅凭观测关联不能识别因果。因果解释需要可辩护的设计，并说明混杂、时序、选择机制及所考虑干预的假设。随机实验是一条有力路径，而非唯一可能的路径；在一个情境估出的效应，迁移到另一情境也需要理由。
**混淆相关性与因果性会导致错误决策**
贝弗林的毛衣店例子从夏季销量低迷开始：店主增加广告，十月至一月销量随后上升。把增量全归广告，忽略了一个合理解释：天气变冷提高了毛衣需求。比较其他店的秋季销量，可以增强季节性解释，却不能证明广告完全无效，因为店铺的顾客、价格或活动可能不同。真正要判断的是：广告在季节变化之外增加了多少销量，这需要可比的反事实。
**通过试运行与实验生成因果证据**
如果已有因果证据不适合你的处境，小型试运行可以提供有用的第一手观察。但今年秋天投毛衣广告、明年秋天不投，并不能单独识别广告效果：天气、价格、竞争、客户构成和经济状况都可能跨年变化。这样的比较只能提供线索。同期随机对照，或明确检验识别假设的准实验设计，能为估计广告效应提供更强依据。希思兄弟的试运行建议仍可用于了解可行性与亲身体验，即使试运行无法给出干净的因果估计，也无法保证长期结果。
尽管哈伯德认为实验易于开展且能带来切实收益，企业却常常对其持抵触态度。一种反对意见是，实验在当下会让人感觉不公平。当企业对定价、员工福利或产品功能进行实验时，不可避免地会出现部分客户或员工得到的待遇优于其他人的情况。即便长期目标是最终改善所有人的结果，许多高管仍觉得这在道德上令人不安，并担心可能适得其反。当下可见的不公平，往往显得比未来更好结果的可能性更重要。第二个问题是，企业通常渴望确定性和明确的方向。聘请昂贵的顾问或开展焦点小组讨论，能给领导者提供可以立即执行的明确答案；这些方法之所以让人觉得有成效，正是因为它们能给出笃定的建议。相比之下，实验会产生疑问，需要持续分析。它们会拖慢决策速度，并在一个推崇自信领导力的环境中引入不确定性。实验迫使领导者承认自己并不知道最佳前进路径，这让人感到不安，也显得不够果断。
**对照实验：干预、比较与测量**
哈伯德强调三个要素：主动改变某件事，设置比较条件，测量结果。商业实验不一定需要昂贵实验室。随机分配使各组在期望上可比，却不是把所有特征真的固定不变，也不保证某个具体样本刚好平衡。执行、流失、组间影响与测量仍然重要。
餐馆可以随机向部分桌赠送前菜，并追踪回访。回访率测的是重复行为，可以作为满意度的代理，却不等于满意度本身；应预先定义追踪期，并以可比方式记录两组。邮件团队可以随机发送不同主题行，同时保持正文和时间可比。这类干预回答的是较窄的问题，不证明整套商业策略在所有环境都有效。
**Shortform补充：避免错误因果推断的实用习惯**
Shortform 的一篇编辑侧栏补充了一些在日常生活中避免错误归因因果性的实用习惯。第一，练习“反向预测”：注意到一个结果后，先头脑风暴列出可能的原因，然后事后调研，看看你提出的相关性是否成立，或者是否有其他更合理的解释。例如，如果你发现当地交通异常拥堵，先列出天气、活动、施工等潜在因素，然后查看交通报告、天气更新和当地新闻来检验你的猜测。第二，使用根本原因分析中的“五个为什么”技巧：当你遇到一个因果性主张时，反复追问“为什么”，以深入挖掘其背后的推理。比如，如果一篇新闻报道称吃巧克力会导致快乐，就不断追问如何导致、为什么导致，直到你对两者的关系有更根本的理解。
**Shortform补充：决策理论、因果证据与好决策的局限**
哈伯德主张，测量的目的是为决策提供信息；虽然我们可能永远无法获得完美的信息，但通过测量减少不确定性至少能引导我们做出更好的决策。然而，关于决策的研究揭示了一个残酷的事实：好的决策并不一定带来好的结果。研究人员还指出，由于我们的认知能力有限、所处情境复杂，以及时间上的实际限制，我们不可能始终做出完全理性的决策。针对这些局限，许多专家形成了“决策理论”的共识：我们应当先问清楚自己最看重什么，然后做出能使该结果最大化的决策。其目标是权衡各个选项，选择最符合你价值观的那一个。
Shortform 借艾米莉·奥斯特的《做父母的科学》讨论因果证据。随机分配有助于把干预与既有组间差异分开；它不同于决定谁进入研究的随机招募。论文声称采用随机分配，只是核查设计的起点，不是可靠性证书：还需看执行、结局缺失、可比性、测量和不确定性。观测研究在有合理识别策略时，也可能支持因果判断，但未经控制的关联本身不能做到。育儿证据要用于其他决定，同样需要相关的人群与结局。
*来源与延伸阅读：* [《决断力》](https://short.zaynjarvis.com/books/decisive/) · [检验选项](https://short.zaynjarvis.com/books/decisive/#strategy-3-conduct-a-trial-run) · [对实验的抵触](https://www.linkedin.com/pulse/why-businesses-dont-experiment-denis-vanuyshkin) · [决策研究](https://hbr.org/2006/01/a-brief-history-of-decision-making) · [决策中的价值观](https://www.newyorker.com/magazine/2019/01/21/the-art-of-decision-making) · [《做父母的科学》](https://www.shortform.com/app/book/cribsheet/1-page-summary) · [随机试验证据](https://www.shortform.com/app/book/cribsheet#goal-1-gather-actionable-data)
### 模拟各种组合，同时记住模型的边界
**蒙特卡洛：让假设生成一个分布**
蒙特卡洛模拟从指定的输入分布反复抽样，再运行模型；它适合检查人工难以逐一计算的组合，工具可以是电子表格，也可以是专用软件。输出描述的是这些分布、依赖关系与模型方程之下的可能性，不是未来的完整清单。
摘要用莎拉准备开三家咖啡店作教学例子。每店建设费设为18万至28万美元，日客流300至500人，月运营费1.2万至1.8万美元；中点计划采用23万美元、400人和1.5万美元。例子设定回报18%，随后一万次模拟仍得到18%的均值、25%的机会超过30%回报、15%的机会亏损。这些结果不能只由上述范围推出来：人均收入、时间跨度、回报分母、分布及相关关系并未完整给出。
在例子内部，建设超支成为重要风险。莎拉因此谈固定价格合同、选择需求较可预测的地点，并分阶段开店。固定价把部分成本风险转给承包商，仍可能留下范围变更、对方违约等风险。模拟的用途，是找出哪些假设支配选择，以及哪些行动能改变这些假设。
**Shortform补充：蒙特卡洛模拟在测量中的局限性**
Shortform 强调，模拟会继承输入与模型的缺陷：遗漏依赖关系、有偏数据或不合理分布，会让看似精确的结果误导人。计算成本取决于模型与运行次数；许多普通商业模拟可在笔记本上完成，复杂模型才需要更多资源。解释输出又是另一项能力：检查敏感性，区分模型不确定性与模拟出的变异，并把结果联系到明确的行动阈值。
**Shortform补充：分解有边界，但不存在统一的“十天天气预测墙”**
Shortform 用计算不可约性来补充哈伯德的分解法：某些过程不存在一种通用捷径，能比沿着过程本身演化更省事地预测其状态。因此，把系统拆成几块，不保证就能准确、低成本地预测。
天气体现了一个相关但不同的问题：对初始条件的敏感性。初始测量的不确定性与模型误差会随预测推进而放大，限制精细预测的可靠期限。“超过十天，即便算力无限也无法预测天气”过于绝对；预测能力取决于变量、空间尺度、初始信息、模型及时间跨度。更多计算可以改善一部分预测，却不能消除所有不确定性。实用的检验是：分解是否保留了关键相互作用，以及剩余的不确定性有多大。
*来源与延伸阅读：* [模拟的局限](https://projectmanagers.net/top-10-cons-disadvantages-of-monte-carlo-analysis/) · [计算不可约性](https://www.wolframscience.com/nks/p737--computational-irreducibility/) · [天气预测的局限](https://www.nesdis.noaa.gov/about/k-12-education/weather-forecasting/how-reliable-are-weather-forecasts)
## 把决策流程走完整
### 两套流程，各自讲完整
帕里什问：明确目标，生成方案，评估方案。希思兄弟的WRAP针对其中四种易错点：选项狭窄、确认偏差、短期情绪和对结果过度自信。两套框架相关，但步骤不同。
**为什么结构化决策很重要**
大多数人不擅长清晰思考。我们会在无意识中被本能的情绪反应，或是想要显得“聪明”的需求所驱使，做出损害事业、人际关系和整体生活满意度的糟糕选择。沙恩·帕里什（Shane Parrish）在《清晰思考》（*Clear Thinking*）中认为，世界上最成功的人已经找到了克服自身非理性倾向的方法，能够持续做出与自身目标一致的决策；通过培养特定的思维习惯、更有系统地行动，任何人都可以进行更清晰、更有目的性的思考，最大限度地发挥成功的潜力。
丹·希思与奇普·希思（Dan and Chip Heath）在《决断力》（*Decisive*）中同样将有缺陷、带偏见的思维视为做出良好决策的核心障碍。他们指出，尽管研究已大量证明人类决策有多不完善，但关于如何改进决策的实用指导却少得多。凭借商业背景，并借助心理学研究与访谈，他们提出了一套可用于生活各领域重大抉择的通用决策流程。他们强调，仅仅意识到不良的决策习惯并不足以改善决策；我们需要一套能主动抵御每一种坏习惯的流程。
我们默认的决策流程——识别选项、权衡选项、做出选择——本身并无问题。根据希思兄弟的观点，真正的问题在于，我们被动地让认知偏差和非理性思维影响了这一流程的每一步。Shortform 将这些扭曲决策的影响归纳为四个“坏习惯”，会损害我们选择的质量。
加布里埃尔·温伯格（Gabriel Weinberg）与劳伦·麦肯（Lauren McCann）在《超级思维》（*Super Thinking: The Big Book of Mental Models*）中指出，决策本质上是困难的，因为没有人能获得完全准确、全面的信息；我们的信息往往是混乱且有缺陷的，因此我们无法总是预测决策的结果。仅仅意识到不良决策习惯并不足以改善决策，因此需要结构化的流程和工具来主动对抗这些习惯，并根据决策的复杂程度帮助选出最佳选择。
**帕里什处理重要决策的三步流程**
提升理性思考能力的第二种方法是遵循一套决策系统。帕里什（Parrish）认为，日常行为大多处于自动驾驶状态，由习惯或情绪反应驱动。虽然这种自动决策通常既有用又高效，但也增加了犯错的几率。因此，当需要做出后果重大的决策时，他建议通过循序渐进的流程进行审慎思考，以最大限度提高获得最佳结果的可能性。在高风险情境下，可以通过三个步骤程序化地做出有效决策：第一，明确你想要达成的目标；第二，头脑风暴潜在的解决方案；第三，评估哪个解决方案最好。
**第一步：澄清问题及其根本原因**
帕里什认为，做决策时，第一步应该是明确你的决策要解决的问题。思考你想要达成什么目标，以及有什么阻碍。
具体来说，在采取行动之前，要先找出问题的根本原因。人们常常浪费时间和精力去追求那些看似有成效的解决方案，结果却为问题的复发埋下了隐患。例如，一家公司可能会为了赶重要的截止日期而反复高价聘请临时承包商，却没有意识到培训一支新的全职团队才能持续地让达标变得更容易。
此外，如果你把“明确要解决的问题”和“解决问题”这两个行为分开，就不太可能贸然采用错误的解决方案：先深入思考你真正想要达成的目标，然后离开一段时间，再考虑行动方案。
**Shortform补充：明确核心目标与根本问题**
温伯格和麦肯并未提供寻找决策“北极星”的可行建议。作为补充策略，西蒙·斯涅克的《从为什么开始》提出，可以退一步反思自己的行动动机——比如问自己：“我在工作中特别享受什么？”面包店老板或许会通过这个练习意识到，烘焙是为了实现让社区在温暖环境中凝聚的更大目标。
要挖掘具体问题的根源，埃里克·莱斯在《精益创业》中提出的“五个为什么”练习很有效：反复追问“为什么会出现这个问题”，沿着因果链反向追溯。如果每周团队会议耗时过长，你可能会发现是因为没有议程，而没有议程又是因为团队没有制定议程的流程；到第五个“为什么”时，你可能会发现真正的问题是公司文化不鼓励流程改进。
明确问题后暂时抽身，不仅能避免错误的解决方案，还可能激发出更好的思路。芭芭拉·奥克利在《学习之道》（*A Mind for Numbers*）中解释道，当你停止主动专注于问题时，会进入发散思维模式：一种放松的、宏观的状态，大脑会在不同想法之间建立直觉联系。等你再回到问题上时，可能会发现之前忽略的解决方案。
**帕里什：生成至少三个选项**
帕里什同样强调要跳出最初的一两个想法。人们常常陷入虚假的二元对立，以为自己只能在选项A和选项B之间抉择，而最好的解决方案其实是隐藏的选项C。为避免这种情况，他建议在做重要决策时始终考虑至少三个选项。
帕里什还建议，尝试构建能融合多个选项优势的解决方案，这一策略被称为“整合性思维”。他表示，挑战自己对选项最初的僵化理解、发掘其中隐藏的细微差别需要付出努力，但几乎总是值得的。例如，一位营销人员在两种方案之间纠结：一种是制作精良、有声望但成本高昂的营销活动，另一种是价格亲民但显得不够专业的社交媒体营销活动；经过思考，他们意识到可以先制作一条精良的视频来树立声望，再通过社交媒体短视频控制整体预算。
**帕里什：评价标准与信息**
帕里什认为，良好的评估建立在两大支柱之上：恰当的决策标准，以及有效的信息搜集。决策标准是你用来判断一项决策是否能推进你长远目标的衡量尺度。他建议你列出一份标准清单，并按每条标准对目标的影响程度排序；例如，如果你在决定创办什么样的企业，你可能会将技能发展机会放在首位，其次是盈利潜力，最后是人脉拓展机会。清晰阐明你的标准，能让你更准确地评估各个选项的优劣。
信息搜集是收集足够背景信息、以判断哪个选项最能满足你的标准的过程。帕里什认为，有效的信息搜集意味着向那些在你所要做的这类决策上拥有丰富经验的人学习；他建议只要有可能，就直接与这些专家交流。任何转述专家建议的人，都会透过自己对“什么重要”的假设来过滤信息，而这些假设未必与你的一致。回到创业的例子：在决定创办什么类型的企业时，你可以采访一位创办过多家公司的企业家，了解他们的经验。
**分步流程为何能打断自动驾驶**
Shortform 借助卡尼曼的双系统模型，解释帕里什的框架为何可能有效。系统一快速、直觉地处理大多数日常任务，依靠通常高效、却偶尔会失灵的启发式方法。例如，可得性启发会让人根据例子浮现得有多容易来估计发生频率，这有助于解释人们为何高估空难死亡概率，却低估心脏病风险。面对重要决定时，刻意遵循一套流程，可以促使思维转向较慢的系统二推理，而不是把选择留给这些自动捷径。
**什么是“好决策”：与长远人生目标对齐**
帕里什对“好决策”的定义，并非看它在纸面上有多高明，而是看它是否能帮你实现人生的长远目标；无论决策看起来多么理性，只要它让你痛苦且无法获得满足，就不能算好决策。他提醒说，许多人追逐的目标当下看似令人满足，最终却空洞无物——比如积累比身边人更多的财富和社会地位——这场永无止境的竞赛只会让他们难以满足。
为避免落入这一陷阱，他建议你清晰想象自己垂垂老矣、临终前的感受，借此弄清什么对你真正重要。想象那些令你自豪的成就、让你后悔的决定，以及带给你快乐的经历，能帮你从长远视角审视当下处境，并激励你打造充实满足的人生。在这一观点中，清晰思考的目的是帮助你过上充实的生活。《清晰思考》指南列出了两种强化清晰思考的主要途径：培养更好的思维习惯，以及遵循一套决策体系。它还探讨了当你不可避免地无法清晰思考时，该如何加以弥补。
*来源与延伸阅读：* [《从为什么开始》](https://www.shortform.com/app/book/start-with-why) · [澄清动机](https://www.shortform.com/app/book/start-with-why#why-should-affect-everything-you-do) · [《精益创业》](https://short.zaynjarvis.com/books/the-lean-startup/) · [发散思维与酝酿](https://www.shortform.com/app/book/a-mind-for-numbers/part-1#diffuse-mode) · [偏差与谬误](https://short.zaynjarvis.com/books/thinking-fast-and-slow/#common-cognitive-biases-and-fallacies)
### WRAP：拓宽选项
**WRAP 决策框架及其学术背景**
希思兄弟将他们的决策流程整理为四步助记词“WRAP”：拓宽选项、检验假设、决策前保持距离、为出错做好准备。Shortform 对每一步作了改写以明确其具体目标，但保留了原始顺序，因为每一步都建立在前一步之上。
学界对决策的研究可分为几大传统。希思兄弟属于“认知缺陷”阵营，研究心理偏差如何塑造选择；这一脉络包括研究非理性决策的丹尼尔·卡尼曼（Daniel Kahneman，《思考，快与慢》），以及研究直觉决策的马尔科姆·格拉德威尔（Malcolm Gladwell，《眨眼之间》）。另一条研究传统则关注文化与社会影响：希娜·艾扬格（Sheena Iyengar，《选择的艺术》）探讨文化如何塑造我们对选择的重视程度以及我们做出的选择，巴里·施瓦茨（Barry Schwartz，《选择的悖论》）则研究市场民主社会中选择的丰富性如何影响决策与幸福感。《决断力》为认知缺陷传统贡献了一套旨在让决策更理性的结构化流程，对文化或社会因素着墨不多。
Shortform 还引入格拉德威尔的《与陌生人交谈》：怀疑可以帮助发现利用行为，默认信任则使合作成为可能。格拉德威尔为信任的价值提供了演化论证，但这不是说信任总胜过谨慎。实际的张力在于，既保留合作，也回应可信的危险信号。
**W——拓宽选项**
希思兄弟的W步骤，把选择范围扩到非此即彼之外。实际目标是少数有力、真正不同的选项，通常三四个；这不是通用最优数，也不保证每个备选都可用。随后三种方法是：用“既要也要”结合相容的优点，假想现有选项全部消失，以及了解有经验者试过什么。
希思兄弟推荐的一种拓展选项的策略是，想象自己现有的选项都被取消了，这能促使你发现原本会忽略的替代方案。
**二元思维与选择狭窄的进化根源**
直觉决策的一个核心缺陷是二元思维：面对选择时，人们往往只识别和考虑两个选项。希思兄弟在《决断力》（*Decisive*）中指出，这种非此即彼的框架会阻碍我们构思出更多、可能更好的替代方案。例如，一位退休人士在权衡是搬到离家人更近的小房子，还是留在自己钟爱的老房子时，可能会把选择框定为“要么留，要么卖”，从而忽略一些可行的选项，比如搬到小房子的同时把老房子租出去，这样两处都能住。
贝弗林在演化解释中，把道德从众与社会合作联系起来。共同狩猎、搭建庇护所、照料伤口，说明群体成员身份的益处；遭到排斥可能让人失去这些益处。这为寻求接纳、害怕拒绝提供一种可能解释，却不证明人由基因决定，必然把认可排在独立道德判断之前。在眼前决定中，应检查自己是否因为害怕社会代价，排除了原本认为正确的选项。
贝弗林认为，尽管我们的进化史让我们更看重社会接纳而非独立的道德判断，但我们可以通过理性思考来抵消这种倾向。他提出了沃伦·巴菲特（Warren Buffett）的一个策略，用来激励我们在道德选择不受欢迎时依然做出正确的决定：面临道德决策时，问问自己，如果一位持批评态度的记者把你的决定写成头版报道，你是否能坦然接受。例如，设想一下，如果你认识的所有人都读到这样的标题——“员工未指出同事的性别歧视言论，称‘希望别人来做这件事’”——你是否能承受。
**两者兼得思维：组合选项以跳出二元框架**
“两者兼得”思维是一种通过突破非A即B的二元选择来发掘更多选项的策略。你不必二选一，而是创造一个融合两种方案各自优势的选项。构建这类选项的一种方法，是将乐观选择与谨慎选择相结合；由此得到的“谨慎乐观”选项能让你应对从积极到消极的各种结果，在高风险路径与过于保守的路径之间取得平衡。例如，设想一名邮政职员正在考虑是否辞职成为艺术家。在“辞职还是留下”的二元框架中，乐观选项是辞职并尝试靠艺术谋生，谨慎选项则是继续在邮局工作。而谨慎乐观的替代方案是减少邮局的工作时长，同时发展自己的艺术事业。
**想象选项被取消，激发创造性替代方案**
拓展选项的另一个策略有些反直觉：想象你当前的一个或多个选项被取消了。希思兄弟提出，当我们被迫排除某个选项时，这种约束会促使我们创造性地发掘其他备选方案。举例来说，假设一个人想报名参加全程马拉松，但他刚开始跑步，不确定自己能否及时做好准备。在想象全程马拉松这个选项不可行之后，他研究了其他可能性，并把“跑半程马拉松”加入了选项清单——这是一个既有挑战性又切合实际的选项。
**向专家学习以拓展选项集**
想出更多选项的另一种方法是向专家学习。希思兄弟将“专家”定义为在你决策的主题上比你更有经验的任何人；专家可能会分享一些你从未想到过的、经过实践检验的选项。例如，一个青少年向父母要手机。父母想让他开心，但又不愿意增加他使用社交媒体的时间。为了在“给手机或不给手机”的二元选择之外想出另一个选项，他们可以向其他给孩子买过手机的父母请教，了解如何监督和限制孩子使用社交媒体。
**Shortform补充：选项多少才合适？证据与边界**
近期的心理学研究解释了我们为何会默认采用二元思维：它是一种认知捷径，能让我们高效处理大量信息，因为只权衡两个选项比权衡多个选项更快。
许多研究者和作者都研究过高风险决策的最优选项数量，但目前没有明确共识，这表明理想数量取决于决策的性质。与希思兄弟一样，研究者也观察到选项过多有明显的负面影响：例如，当人们面对太多医保计划选项时，会感到压力，做出草率的选择——甚至在某些情况下干脆放弃参保。一项研究发现，从6个人中选择约会对象的在线约会用户，比从24个人中选择的用户对自己的决定更满意。尽管希思兄弟警告不要有二元思维，但一些研究也指出了二元选择的好处：例如，关于退休规划的研究发现，与面对五个选项相比，人们在面对两个选项时会做出更明智的投资选择。此外，选择的最优数量可能取决于这些选项之间的差异程度。研究支持“考虑不同选项很重要”这一观点：当医生面对三个患者治疗方案，其中两个高度相似时，他们通常会选择最不相似的那个，以避免在两个相似选项之间做选择。
综合这些证据，并不存在适用于所有决策的唯一数字。因此，Shortform 把希思兄弟提出的“三到四个选项”视为一个实用默认值：既有足够差异来跳出虚假二选一，也能保留备选，同时又不至于让选项多到难以处理。
**Shortform补充：激发创意选项生成的约束条件**
实验研究支持了希思兄弟关于“约束能激发创造力”的观点：创意过程中的限制会推动创造性地解决问题。当人们在没有任何限制的情况下进行头脑风暴时，往往会顺着直觉走，而不会去创新；相比之下，在一定限制（比如时间或预算约束）下进行头脑风暴，通常会产生更有创意的解决方案。
在头脑风暴选项时，还有三种可以施加激发创造力的约束的方法：
- **把手机收起来。** 头脑风暴时把手机放在另一个房间，因为研究表明，即使你不实际使用手机，只要它触手可及，就会限制你的认知能力。
- **减少网络干扰。** 如果你在网上查找决策选项，可以给浏览器下载一个网站拦截工具，避免浪费时间漫无目的地浏览网页。
- **限制拓展选项的时间。** 给头脑风暴设定时间上限，避免投入过多精力和时间去生成之后会被否决的选项。
**Shortform补充：整合性思维：融合相互冲突的视角**
帕里什将整合性思维的概念归功于商业研究者罗杰·马丁（Roger Martin），马丁在《对立思维》一书中对其有更全面的探讨。在马丁看来，整合性思维不只是把多个选项的好处拼在一起那么简单——它意味着理解每个选项背后截然不同、往往相互冲突的视角，并整合这些视角中的洞见，以产生真正具有创新性的解决方案。例如，在设计 iPhone 时，史蒂夫·乔布斯将团队对丰富功能的重视，与他本人认为技术应当直观易用的信念相结合，最终打造出了一款具有革命性意义的设备。
*来源与延伸阅读：* [《与陌生人交谈》](https://www.shortform.com/app/book/talking-to-strangers/1-page-summary) · [默认信任](https://www.shortform.com/app/book/talking-to-strangers/part-2-2) · [《选择的艺术》](https://www.twelvebooks.com/titles/sheena-iyengar/the-art-of-choosing/9780446504119/) · [《选择的悖论》](https://www.shortform.com/app/book/the-paradox-of-choice/1-page-summary) · [《眨眼之间》](https://www.shortform.com/app/book/blink/1-page-summary) · [二元选择](https://www.psychologicalscience.org/news/releases/binary-bias-distorts-how-we-integrate-information.html) · [医保选择过载](https://advocacy.consumerreports.org/wp-content/uploads/2012/11/Too_Much_Choice_Nov_2012.pdf) · [约会选项实验](https://www.tandfonline.com/doi/abs/10.1080/15213269.2015.1121827?journalCode=hmep20) · [退休选项实验](https://www.uxmatters.com/mt/archives/2011/02/the-nature-of-choice-sets-and-their-affect-on-decision-making.php) · [选项之间的相似性](https://pubmed.ncbi.nlm.nih.gov/7815657/) · [约束与创造力](https://hbr.org/2019/11/why-constraints-are-good-for-innovation) · [手机在场与认知](https://www.journals.uchicago.edu/doi/full/10.1086/691462) · [网站拦截工具](https://medium.com/@kiwiandroiddev/the-case-for-constraint-why-fewer-options-mean-less-procrastination-and-more-creativity-d11dc0f4e741) · [头脑风暴时限](https://www.bloomberg.com/news/articles/2006-02-12/creativity-loves-constraints#xj4y7vzkg?sref=mIZ1p2Gz) · [《对立思维》](https://www.shortform.com/app/book/the-opposable-mind) · [冲突视角](https://www.shortform.com/app/book/the-opposable-mind#useful-beliefs)
### WRAP：用现实检验假设
**R——用现实检验假设**
希思兄弟的R步骤——用现实检验假设——针对确认偏差。通过寻找反方理由、检查客观信息与可比基准率，以及在可行时小规模试运行，检验领先选项。帕里什的评价标准具有相关用途，但属于他自己的三步框架。
希思兄弟也指出，证实性偏差会让人们更信赖自己带偏见的直觉，而不是关于同类处境者真实经历的更准确数据；主动搜集客观信息，尤其是基准概率和可比案例的真实结果，有助于克服这一倾向。
**主动引出反方观点，压力测试一个选项**
希思兄弟提出了另一种独立的压力测试方法：主动寻求反方观点。他们引用的研究表明，考虑相反意见会迫使我们关注原本可能忽略的高质量信息。一种实用做法是找到熟悉该决策主题的专家，提出专门用来引出反方论据的问题。例如，一名高中毕业生正在几所大学之间做选择，其中一所学校因为他认为其艺术专业很强而排在首位。与招生顾问面谈时，他可能只问支持这一看法的问题；更好的压力测试是直接问：“这个艺术专业存在哪些问题？”
**收集客观信息：基准比率与有针对性的专家提问**
为了更可靠地评估选项，你可以通过几种方式寻求客观信息。一个具体方法是关注基准比率（base rate），也就是描述某一情况在总体中所占比例的统计数据。例如，在不同学校之间做选择的大学申请者，可以比较各校艺术专业毕业生毕业后在艺术领域找到工作的基准比率。
希思兄弟还建议，向专家提问时要专门引导他们分享事实性信息，而非观点或预测。他们建议避免询问关于未来的问题，因为这类问题可能受到专家自身偏见的影响。相反，应该询问关于过去和现在的问题，专家在这类问题上能给出更客观的视角。例如，大学申请者不应该问辅导员“你觉得这个项目能为我的艺术职业做好准备吗？”更好的提问包括聚焦当下的问题，比如“你们通过哪些方式为在读学生提供工作经验？”以及面向过去的问题，比如“近期毕业生都找到了哪些艺术类相关的工作？”
**试运行：获取第一手证据以检验选项**
试运行提供实际条件下的第一手证据。希思兄弟举例，不确定是否同居的伴侣，可以在更长承诺前试住两周。这能暴露想象容易遗漏的日常习惯与摩擦，但短试验可能漏掉少见冲突、新鲜感和长期压力。应明确试验测什么、讨论期待，并据此更新判断，而非认为已保证准确预测长期结果。
**Shortform补充：收集与评估他人提供的信息**
《清晰思考》的作者沙恩·帕里什承认，传递建议的人不可避免会透过自身偏见过滤信息。罗杰·马丁（《对立思维》）认同这一基本观点，并更进一步指出：即便直接来自专家的意见，也可能因其参照系——包括资源、性格等背景因素——而产生偏差，降低对你处境的适用性。因此他建议综合多个来源的信息，尤其是在处理复杂问题时，这样不同个体的偏见可以相互抵消，你也能得出更客观的认识。
“比……更好”“比……更差”“可能意味着”等词，可以提示追问，却不能区分客观与主观陈述。测得的数值比较可以是客观的，“可能”也可以准确表达不确定性。应问清比较的对象、标准、依据，以及哪部分取决于价值偏好。目标是检查主张，不是按某个短语给它分类。
如果你不熟悉统计知识，可以通过查看样本量——即统计数据所代表的人数——来避免误读数据。“我们2020届艺术专业毕业生100%在艺术领域找到了工作”这样的说法，在毕业班只有3名学生和有300名学生的情况下，意义截然不同。
研究者建议，对于职业相关决策，应寻求专业专家的意见；而对于个人决策，则应向有经验的朋友或家人请教。当联系职业专家时，使用信息性面试技巧会有帮助：使用邮件模板、提前了解对方背景，并保持问答简短。
**Shortform补充：对抗确认偏误与过滤气泡**
对很多人来说，互联网是主要的信息来源，但它会通过“过滤气泡效应”放大确认偏误：一方面，我们自身的确认偏误从一开始就限制了我们主动寻找的内容；另一方面，算法只会向我们展示符合既有偏好的广告和搜索结果，从而强化这种偏见，让我们被不断巩固现有信念的信息所包围。一位企业家建议，通过“反向谷歌搜索”来对抗这种效应——使用能引出对立观点的搜索词。例如，正在考虑某所大学的高中毕业生，可以搜索学校名称加上“被高估”“不满意”之类的词，来寻找关于该校缺点的看法。
**Shortform补充：试运行的公平性障碍**
Shortform 指出试运行也有准入成本。它引用2019年美国营利企业实习中43%无薪的数字；未核清原调查分母前，应视为摘要报告的数字，而非已验证的全国比率。无薪岗位可能排除无法负担者，并复制财富相关不平等，包括种族差距。并非字面上只有富人能参加，但机会成本很重要。摘要中的白宫实习薪酬倡议说明一种机构回应：改变报酬，可以扩大有能力尝试某条路径的人群。
*来源与延伸阅读：* [综合信息来源](https://www.shortform.com/app/book/the-opposable-mind#gather-important-information-from-all-sides) · [检查比较主张](http://www.butte.edu/departments/cas/tipsheets/thinking/claims.html) · [核查样本量](https://datajournalism.com/read/handbook/one/understanding-data/become-data-literate-in-3-simple-steps) · [选择顾问](https://www.cnbc.com/2019/07/09/stop-asking-can-i-pick-your-brain-harvard-says-this-is-how-successful-people-ask-for-advice.html) · [信息访谈邮件](https://www.indeed.com/career-advice/interviewing/what-to-expect-in-informational-interview) · [访谈准备](https://lifedesignlog.com/a-comprehensive-guide-to-virtual-informational-interviews/) · [简短信息访谈](https://www.themuse.com/advice/5-tips-for-nonawkward-informational-interviews) · [搜索反方观点](https://www.changemakeracademy.com/articles/google-the-opposite/) · [无薪实习比例估计](https://www.washingtonpost.com/lifestyle/magazine/his-quest-to-get-interns-paid-is-paying-off/2019/01/11/93df2b2a-ff2a-11e8-83c0-b06139e540e5_story.html) · [实习与不平等](https://instituteforpr.org/unpaid-internships-and-inequality-in-public-relations/) · [白宫实习薪酬倡议](https://www.forbes.com/sites/alexandrasternlicht/2022/06/03/meet-the-28-year-old-behind-the-white-houses-decision-to-pay-its-interns/?sh=1db39e8260a6)
### 选择能让权衡看清楚的工具
先列后果，再衡量重要性；结果不确定时加入概率。算出的期望金额仍是依赖模型的一项依据，不是普遍命令。
**与复杂度匹配的决策工具**
温伯格和麦肯提出了一套分层的决策工具，适用于不同复杂程度的决策。
对于最简单的决策，利弊清单是最知名的工具：它将决策的利弊分列在两栏中，让正面和负面后果更容易看清。例如，一名律师在决定是否接受一份薪水更高但需要举家搬迁的职位时，可以为接受该职位起草一份利弊清单。
**Shortform补充：利弊清单的缺陷与适用场景**
加布里埃尔·温伯格（Gabriel Weinberg）和劳伦·麦肯（Lauren McCann）在《超级思维》（*Super Thinking: The Big Book of Mental Models*）中指出，尽管利弊清单很流行，但它有几个缺陷。第一，它制造了虚假的二分法，因为许多后果并不能简单地归为利或弊。第二，它没有对不同的利弊进行权重赋值，因此你只会关注利弊的数量。第三，“这山望着那山高”的心态会让我们自然而然地高估好处。出于这些原因，利弊清单对于较简单的决策可能足够有效，但不建议用于更复杂的决策。
Shortform 补充了一种方向相反的偏差：“这山望着那山高”使人偏向改变，现状偏差却可能夸大改变的成本。改进清单时，可以先区分主要与次要后果再赋权，例如晋升空间可能比多一周带薪休假更重要。这处理的是权重问题，并不能使每种后果都整齐归入一栏。
**作为结构化决策工具的成本效益分析**
面对较复杂的选择，温伯格和麦肯建议比较累积成本与收益。他们的简易评分法给各项后果赋予−10至10分，再把分数相加。总分为正，只能说明在所选尺度、权重、基准与约束下，评分倾向支持行动，不是判断一切决定是否值得的通用标准。工作邀约图中的负分，表示按这套尺度，所列弊端超过了所列好处。货币估值可以让部分权衡更具体：搬家可能花费1万美元，多一周休假可能被估值为3000美元。应检查价值能否比较、有没有重复计数，并保留必要约束。
**Shortform补充：成本效益分析与边际效用递减**
虽然为成本和收益赋予货币价值可能很有用，但要记住，由于收入和财富的边际效用递减，超过一定水平后，货币的价值会下降。例如，对于年收入4万美元的人来说，1.5万美元的加薪可能会切实改善生活质量，但对于已经年收入25万美元的人来说，影响可能要小得多。在进行任何成本效益分析时，都应将这类收益递减效应纳入考量。
**决策树让不确定性显式化**
对于最复杂的决定，决策树可以明确列出不同结果与概率。简单清单和加权评分可能隐含处理不确定性；成本收益分析本身也可以加入概率估计。能合理定义分支和条件后果时，树就有用，例如某项政策可能引发几种不确定回应。
关键在于，决策树让我们能够计算每个决策的期望值——即决策带来的平均货币价值。计算方法是将每种结果的发生概率乘以其对应的货币价值，然后将每个决策的所有结果相加。对于有两种可能结果的决策，公式为：
（结果1的概率）×（结果1的货币价值）+（结果2的概率）×（结果2的货币价值）= 期望值
律师例子设定：接受新职后，有80%的机会成为合伙人，20%的机会因压力而被解雇；留任则被设为在所考虑时段内100%继续担任初级律师。三个结果分别赋值10万美元、−5万美元与7.5万美元。现图左侧是决定，中间是结果，右侧是金额；三列都使用矩形，分支概率标在连接箭头上。
按这组设定的金额与概率，接受新职的期望金额为0.8×100000美元＋0.2×（−50000美元）＝70000美元，留任为75000美元。若目标是最大化期望金额，会偏好留任。这些是教学假设，不是测得的职业胜算；偏好、非金钱后果和效用可能改变选择。
*来源与延伸阅读：* [现状偏差](https://www.psychologytoday.com/us/blog/stretching-theory/202206/is-fear-change-holding-you-back#:~:text=Human%20decision%2Dmakers%20have%20an,making%20and%20stifle%20people's%20potential.) · [利弊清单的局限](https://hbr.org/2017/01/the-pros-and-cons-of-pros-and-cons-lists) · [财富的边际效用](https://www.economicshelp.org/blog/12309/concepts/diminishing-marginal-utility-of-income-and-wealth/#:~:text=Diminishing%20marginal%20utility%20of%20income%20and%20wealth%20suggests%20that%20as,increase%20in%20satisfaction%20and%20happiness.&text=Utility%20means%20satisfaction%2C%20usefulness%2C%20happiness,to%20spend%20on%20a%20good.)
### WRAP：拉开距离，决定什么重要
**A——决定前拉开距离**
决策中的一大挑战是，当下强烈的情绪会扭曲我们的判断。希思兄弟在他们的决策流程中专门用一步来处理如何正确看待当下的情绪，并提供了若干策略。
第一个策略是，想象一个没有经历同样强烈情绪的人的视角。这能让你更理性、更客观地看待决策的重要方面，然后你可能会认识到打破现状、寻求有益改变的价值。对于任何类型的决策，都可以问自己：“如果我的朋友或同事遇到这种情况，他们会做什么决定？为什么？”
第二个策略是放眼长远的未来。作者指出，当我们更重视自己未来的感受时，会做出更好的决策；思考自己日后会有怎样的感受，会让我们更愿意接受对现状的改变。他们推荐的一种技巧是由商业作家苏西·韦尔奇（Suzy Welch）提出的“10/10/10测试法”。首先，选定你的一个选项。然后问自己：“如果我选择了这个选项，在做出决定的10分钟后、10个月后、10年后，我会对这个决定有怎样的感受？”如果你判断自己在这三个时间点上对该选项都持正面感受，那么它就是一个有力的选项。
当你即使尝试了换位思考或面向未来的反思，某个决定仍然让你情绪纠结时，这通常意味着你的两个或多个核心价值观之间存在冲突。化解这类决策困境的最佳方法，是厘清哪些价值观对你最重要。作者推荐的一种价值观澄清技巧是由商业顾问吉姆·柯林斯（Jim Collins）提出的“停止事项清单”。这个练习分为三步：第一，想象你接到两通电话——一通告诉你继承了2000万美元，另一通说你将在10年后去世。第二，问问自己，为了让这最后10年过得有意义，你想把更多时间花在什么事情上，又需要停止做哪些事才能实现这一点。第三，希思兄弟补充了最后一步：查看你的日程表，删掉所有你决定停止做的事。你保留下来的内容反映了你最珍视的东西，你删掉的内容则反映了你没那么看重的东西。
**Shortform补充：预测未来感受与心理时间旅行**
Shortform 把吉尔伯特关于情感预测错误的解释放在10/10/10练习旁边：当前感受与想象可能扭曲未来幸福预测。所谓吉尔伯特“可能会”批评这一练习，是编辑推演，不是他已作出的评价。练习可以扩展视角，却不提供测得的未来感受。
不过，无论准确预测是否可行，《对赌》一书的作者安妮·杜克（Annie Duke）认为，想象未来仍然会对决策产生积极影响。她提出，通过回忆过去的决策并想象未来的结果，我们能更好地管理情绪，做出更理性的决策——她将这一策略称为“心理时间旅行”。
**Shortform补充：决策中的深思熟虑、满意度与视角转换**
温伯格和麦肯讨论的决策工具，都建立在“有意识的深思熟虑能带来更好决策”的假设之上。然而，近期的一组研究发现，即便对于复杂决策，人们通常也对未经深思熟虑做出的选择更满意。例如，在宜家购买复杂产品的顾客中，没有深思熟虑就购买的人比先深思熟虑再购买的人更满意。一个可能的解释是，深思熟虑会提高期望，让人更难满足。这并不一定意味着深思熟虑会带来更“差”的决策——只是不那么令人满意——因此这一发现仍可以与“深思熟虑能提升决策质量”的观点相调和。
类似地，想象别人处在你的处境会怎么做是一种常见的决策练习，但研究表明，当我们只是猜测别人的想法时往往是错的：通过实际交谈，我们才能更准确地预测他们的想法。即便如此，想象他人的视角作为一种思维练习仍然有价值：近期研究显示，这能提升我们产生创造性和新颖想法的能力。
**Shortform补充：文化价值观与决策风格**
当你为一个情绪纠结的决定厘清价值观时，值得思考文化背景如何影响你的思考方式。研究表明，文化会影响你在做这类决定时是向内看还是向外看：在重视个体性的文化中，人们倾向于向内审视，参照自己的需求和愿望；而在重视集体性的文化中，人们倾向于向外看，根据他人的期望做决定。两种方式各有其价值。留意你默认是向内还是向外思考，如果这种默认方式无助于你管理情绪或做出决定，可以尝试反过来做。
**Shortform补充：决策优先级排序与减少低重要性选择的耗时**
发掘更多选项有很多好处，但可能很耗时。正如奥利弗·伯克曼（Oliver Burkeman）在《四千周》中所主张的，生命是有限的，因此我们必须谨慎管理时间，优先处理对自己最重要的事情。同样，巴里·施瓦茨在《选择的悖论》中也提出，生活各个领域的选择过多，会导致我们在不重要的决策上花费太多时间。
为了判断哪些决策值得花时间，《怪诞行为学》（*Predictably Irrational*）的作者、心理学家丹·艾瑞里（Dan Ariely）建议考虑你正在做的决策是否有截止日期，并优先处理有截止日期的决策。例如，一个祖父母生病的人可能会把“如何花时间陪伴他们”的决策放在“是否要买烤架”这类没有期限的决策之前。
一旦确定了哪些决策值得投入时间，我们就可以为不太重要的决策减少决策时间。一位警告“决策过载会导致拖延”的心理学家提出了几种技巧：
- **让别人做决定。** 找一个可能比你更擅长做这类决定（甚至可能享受做决定）的人。例如，如果你不确定活动该穿什么，可以请一位时尚的朋友为你挑选着装。
- **选择“默认”选项。** 对于重复性决策，自动采用同一个简单易行的选项——即使它并不完美。例如，如果你想多锻炼，可以选择一个“默认”锻炼方式，比如30分钟跑步，只有当你有时间和精力去计划更复杂的项目（如举重）时，才偏离这个计划。
施瓦茨的满意化方法设定一个满意阈值，而非无限寻找想象中的最佳选择。要排序标准，也要满足必要约束：一个选项即使满足一两个主要偏好，若不符合健康、可负担性或其他硬条件，仍可能不可接受。权衡的是可行的足够好选择，与无休止最优搜索的成本和遗憾。
**Shortform补充：价值观驱动型决策中的满意化策略**
吉姆·柯林斯（Jim Collins）的“停止事项清单”以及希思兄弟的相关补充，促使我们思考自己最看重什么，并找出浪费时间的地方。但即便用“停止事项清单”厘清了价值观，你可能仍然会面对多个相互竞争的优先事项。对于涉及多个重要价值观的决策，可能根本不存在唯一的完美选择。《选择的悖论》一书的作者、心理学家巴里·施瓦茨建议采用“满意化”（satisficing）策略——选择一个令人满意的选项，而非追求完美。他的研究表明，“最大化者”会穷尽评估每一种可能性以寻找最优选项，但他们往往对自己的决定更不满意。
举例来说，设想一个人正在决定是留在城市还是搬到乡下。她向往乡村生活，但也重视身处庞大的LGBTQA+社群之中，而这只有城市能提供。做完“停止事项清单”后，她发现自己对乡村时光和与酷儿社群共处的时间同样看重。如果是最大化者，她可能会花数年时间寻找一个既有活力酷儿社群又完美的小镇，而且未必能找到。如果是满意化者，她可能会错过那个理想的小镇，但通过做出选择，她可以结束纠结的压力，转而开始思考如何让自己选的路走得顺畅。
**心理时间旅行：从过去学习，想象未来**
杜克的“心理时间旅行”，把过去经历与未来后果带进当下选择。向前看，具体想象未来自己的处境，例如规律锻炼或忽视健康可能带来什么变化；向后看，回想类似决定留下的遗憾，让它现在就指导行动，而不只是令人难受的记忆。两个方向可以结合，也适用于搬家、换工作等后果需要较长时间才会显现的决定。
情景规划让向前想象更有结构：构造相关且真正不同的情景，在有用时赋予暂定概率。它可以揭示应变需要、提示如何限制冲动，并在预想过的成功或挫折出现时缓和情绪反应，却不能枚举全部未来或避免所有意外。为模型之外的事件留余地，随证据调整情景，并保留原始推理，防止后来的结果改写当时怎样判断才合理。
*来源与延伸阅读：* [柯林斯的停止事项清单](https://www.shortform.com/app/book/good-to-great/chapter-6#hedgehog-thinking-always) · [《撞上幸福》](https://www.shortform.com/app/book/stumbling-on-happiness/1-page-summary) · [情感预测](https://www.shortform.com/app/book/stumbling-on-happiness#poor-choice-1-you-think-youll-feel-in-the-future-as-you-do-now) · [深思熟虑与满意度](https://pubmed.ncbi.nlm.nih.gov/16484496/) · [交谈与猜测视角](https://pubmed.ncbi.nlm.nih.gov/29620401/) · [换位思考与创造力](https://knowledge.wharton.upenn.edu/article/perspective-taking-brain-hack-can-help-make-better-decisions) · [有限时间与优先级](https://www.shortform.com/app/book/four-thousand-weeks#fact-2-your-life-is-finite) · [选择负担](https://www.shortform.com/app/book/the-paradox-of-choice#the-consequences-of-expanded-choice) · [《怪诞行为学》](https://www.shortform.com/app/book/predictably-irrational/1-page-summary) · [决策期限](https://www.shortform.com/app/book/predictably-irrational/1-page-summary#irrationality-trigger-7-options) · [选择过载与拖延](https://www.psychologytoday.com/us/blog/in-practice/201910/6-solutions-procrastination-caused-decision-fatigue) · [最大化与满意度](https://www.shortform.com/app/book/the-paradox-of-choice/chapter-4#how-maximizing-harms-decision-making) · [满意化](https://www.shortform.com/app/book/the-paradox-of-choice/chapter-4#maximizing-vs-satisficing) · [《选择的悖论》图书页](https://www.shortform.com/app/book/the-paradox-of-choice)
### WRAP：为错误作准备，并重新检查决定
**傲慢与决策后谦逊准备的必要性**
希思兄弟在《决断力》中将“傲慢”列为第四种不良决策习惯，这种习惯在决策已经做出之后才会显现。我们的傲慢——也就是极度的自信——会让我们对自己关于决策结果的预测深信不疑；当实际结果与预测不符时，我们就会措手不及，毫无应对准备。他们举了一个例子：一位女士决定在搬离小镇前卖掉自己的帆船，她自信这艘豪华船会很快售出，因此完全没有为卖不出去的可能性做任何准备。当市场行情比她预测的更疲软时，她就陷入了手忙脚乱的境地。
作者强调，做出选择并不意味着决策过程的结束；在做出决定之后，你还可以采取行动来提升决策成功的概率。傲慢会让人们对自己的未来预测过于自信，进而导致对决策的实际结果准备不足。你可以用谦逊克服傲慢，并通过以下方式提高成功的可能性：承认自己无法预测未来，转而针对一系列可能出现的结果做好准备。
**为最好和最坏情况制定应急预案**
希思兄弟建议同时为好坏结果准备后手。新开餐车的店主可以为指定事故损失投保；若美食评论让需求翻倍，也可事先联系餐饮业朋友，准备增员。保险受承保范围、除外条款和赔付限额约束，人手可用性也需确认。机制是为不同结果准备资源，不是确保任何最坏情况都不会造成重创。
**安全系数：为被低估的最坏情况留出缓冲**
安全系数是在估计上增加缓冲。餐车例子把预估支出乘1.5，增加50%的余量；帕里什另用“按想象中坏结果的两倍准备”作说明。两种倍率都不保证偿付能力，也不覆盖未知极端损失。应根据合理压力情景、可用资源和既有承诺选择余量，信息改变时重新调整。
**Shortform补充：安全边际与风险准备的重构**
希思兄弟将安全系数策略——为最坏情况建立缓冲——比作“应急基金”。对于受正向激励驱动的人来说，同样的策略可以被重新定义为“晴天基金”。例如，计算出1.5倍预算缓冲的餐车车主，可以告诉自己如果这笔钱没用来应对意外，就可以花在度假这类愉快的事情上，以此激励自己存钱。
**P——为可能出错作准备**
希思兄弟的P步骤——为判断可能出错作准备——把选择变成可修正的计划。为好坏情景准备后手，留下余量，并设置复审触发点。它们帮助识别何时需要再次决定，不保证及时发现一切，也不要求假定每项选择都会失败。
作者提出了两种预警方式。第一种是截止日期：做出决策后，选定不久后的一个日期，等那一天到来时，评估决策到目前为止的成效，并决定是否需要改变方向。
第二种是模式：做出决策后，列出若干表明决策进展不顺的可能警示信号。如果你注意到不止一个警示信号形成了某种模式，那就说明是时候重新评估决策，或者用新的决策来跟进了。例如，一位班上有几名新生的老师想确保他们能很好地融入同学，并把午餐时独自就座列为融入不佳的一个标志。他每天观察学生吃午餐的情况；如果他注意到某个学生独自就座超过两次，这一模式就会提醒他决定该如何更好地帮助这名学生。
**提醒：对抗被动生活与决策漂移**
提醒有助于对抗被动生活——希思兄弟指出的一种模式：人们在生活中不会主动反思自己的日常行为。当我们被动地生活时，往往意识不到跟进自己决策的机会；而提醒会促使我们注意到这些时刻。例如，已经决定买车的人后来可能陷入被动生活，注意不到车辆的逐渐老化，也从不停下来决定是该做保养还是换一辆更好的车。提醒还能制衡希思兄弟提到的另一个问题：傲慢自大。
**Shortform补充：预警、反思与决策的周期性**
预警——即触发新决策的预设提示——表明决策具有周期性：一个决策的结果会为下一个决策创造条件。例如，截止日期预警让你有机会在预设时间反思决策。安妮·杜克建议，在反思结果时，要区分由运气导致的结果和由能力导致的结果。这样你就能强化促成成功的行为，停止导致失败的行为，并承认那些不在你掌控范围内的好运或厄运。
由于确认偏误会让我们只看到自己想看到的东西，我们可能会忽略决策正走向负面结果的警示信号。在设置模式型预警——即留意反复出现的问题征兆——时，寻求朋友、同事或家人的帮助会很有用，他们能发现警示信号，把你从偏见中拉出来。
**Shortform补充：情景规划与应急预案**
杜克的情景规划在选择前构想有用的一组可能结果，并赋予暂定概率。希思兄弟的应变计划则为选定之后的结果准备行动。两者可以形成循环：探索情景，选择，准备回应，再随新证据修正。它们都不要求、也无法承诺穷尽所有可能未来。
**启发式、被动生活与糟糕决策**
为什么我们往往会被动地生活？丹尼尔·卡尼曼在《思考，快与慢》中的研究表明，大脑有时会使用启发式——即处理信息的自动捷径。这种直觉、高效的判断模式在很多情况下都很有用，比如看卫生间门上的标识来判断该进哪一间。但卡尼曼认为，当我们不加质疑地依照这些本能行事时——换句话说，当我们被动地让它们支配我们的生活时——就会做出糟糕的决策。
**Shortform补充：傲慢：普遍心态还是与权力相关的状态？**
Shortform 对照了希思兄弟日常意义的傲慢，与研究中一种获得性、与权力相关的傲慢综合征。两者范围不同：过度自信可以影响普通选择，却不意味着临床性或持久综合征。这一比较补充了权力可能造成的机构风险，不是直接推翻“为错误作准备”的一般建议。
**Shortform补充：决策中的乐观、谨慎与心态**
谨慎乐观的心态不仅有益于决策，还能提升整体的生活满意度。心理学研究表明，能在乐观与谨慎之间取得平衡的人，长期满足感更高。不过，最佳的平衡比例会随任务变化：一些心理学家建议，在设定目标时兼顾谨慎与乐观，而在执行计划时则转向更乐观的心态。
*来源与延伸阅读：* [《深度工作》](https://short.zaynjarvis.com/books/deep-work/) · [储备的正向表述](https://www.verywellmind.com/the-incentive-theory-of-motivation-2795382) · [傲慢与权力](https://academic.oup.com/brain/article/132/5/1396/354862) · [乐观与谨慎](https://www.psychnewsdaily.com/realists-are-happier-than-unrealistic-optimists) · [随任务调整乐观程度](https://www.psychologytoday.com/us/blog/dont-forget-the-basil/201809/beyond-optimism-versus-pessimism) · [规划与行动心态](https://psycnet.apa.org/record/1995-43739-001)
### 按决定的重要性投入精力
**高效决策的思维模型**
温伯格和麦肯提出了三个帮助高效决策的思维模型。第一，在处理具体决策之前，确定你的“北极星”——即你的总体目标或愿景。当你以北极星为导向做决策时，你的能力会复利增长，你在追求目标时会变得更高效。第二，确定北极星后，进行深度工作——这是卡尔·纽波特（Cal Newport）在《深度工作》（*Deep Work*）一书中提出的概念：指花较长时间专注于一项重要任务，不受干扰和打断。从长远来看，深度工作比同时处理多项任务能带来更大的回报。第三，开展高杠杆活动，从决策中获得更多收益：就像物理学中的杠杆能让你举起比自己能举的更重的物体一样，高杠杆决策能用更少的努力产生更大的结果。
**决策执行中的效率、专注与杠杆**
温伯格和麦肯将深度工作作为多任务处理的替代方案进行讨论，多任务处理会将注意力分散到各种活动中。卡尔·纽波特补充了另一种视角：深度工作也是任务切换——即频繁地从一项任务转移到另一项任务——的解药。由于前一项任务留下的心理残留需要几分钟才能消散，任务切换同样会降低效率。
杠杆的概念也会影响你执行决策的效果。在某些语境中，“杠杆”带有利用优势的负面含义，比如腐败政客利用影响力通过不受欢迎的法案。不过，沙恩·帕里什和里安农·博比恩在《伟大的思维模型》第二卷中认为，杠杆可以是互惠的延伸：它让你能够为他人提供最优的服务交换，从而让所有相关方都受益。
**Shortform补充：作为认知负担减轻手段的二阶决策**
规则和标准属于卡斯·桑斯坦（Cass Sunstein）与埃德娜·乌尔曼-马加利特（Edna Ullmann-Margalit）所称的“二阶决策”——当决策数量过多、重复性过高、难度过大或过于模糊而无法逐一做出时，用于减轻认知负担的策略。其他二阶决策包括：
- **推定**：类似规则的指引，但在某些情况下允许例外。
- **惯例**：重复出现的习惯，例如总是在睡前刷牙。
- **小型、可逆的步骤**：低风险的尝试，例如先帮邻居照看狗，再决定是否自己领养一只。
- **随机选择**：不经深思熟虑地挑选，例如向地图扔飞镖来决定度假地点。
- **授权**：让其他人做决定，例如让你的伴侣决定今晚的晚餐。
- **启发式方法**：决策捷径，例如本指南其他部分提到的匹配操作。
*来源与延伸阅读：* [杠杆与互惠](https://www.shortform.com/app/book/the-great-mental-models-volume-2/1-page-summary) · [二阶决策](https://papers.ssrn.com/sol3/papers.cfm?abstract_id=193848)
## 组织与群体中的噪声
### 噪声是判断中不需要的差异
一群人可能意见一致却仍然错误；一个系统也可能在跨案例平均后误差相抵，却对具体当事人不公。诊断必须明确判断对象、目标与代价。
**《噪声》的作者与内容范围**
《噪声》由丹尼尔·卡尼曼（Daniel Kahneman）、奥利维耶·西博尼（Olivier Sibony）和卡斯·R·桑斯坦（Cass R. Sunstein）合著，融合了三人在心理学、战略咨询与法学研究领域的综合专长。卡尼曼是诺贝尔经济学奖得主、心理学家，著有获奖作品《思考，快与慢》；西博尼是战略学教授、商业顾问，著有多部商业战略书籍；桑斯坦是法学家，也是获奖作品《助推》的合著者。本书还依托数十年的研究积累，以及作者本人在企业中担任噪声顾问的实践经验。它面向普通读者，但对任何领导依赖人类判断的组织的人士尤其有参考价值。
**判断中噪声的定义与类型**
在丹尼尔·卡尼曼（Daniel Kahneman）、奥利维耶·西博尼（Olivier Sibony）与卡斯·R·桑斯坦（Cass R. Sunstein）合著的《噪声》一书中，**噪声**被定义为人类判断中意料之外且不受欢迎的变异。它是人类判断的两大主要误差之一，另一类误差是偏差；同时减少两者能提升判断质量，从而降低不公、经济损失乃至生命损失。
**判断**是为了选择行动方案而在心理上为某事物赋值的尝试。作者将判断分为两大类：
- **预测性判断**旨在尽可能接近某个正确值或答案。例如，保险核保人测算的保费既不能太低（否则公司会亏损），也不能太高（否则会流失客户）；医生诊断病人时要找出病症的正确病因。原则上，预测的准确度可以在答案揭晓后通过对比来衡量。
- **评估性判断**没有唯一正确答案，需要决策者尽可能权衡利弊。例子包括法官对罪犯量刑、决定是否批准庇护，或是教师给论文打分。由于不存在正确答案，评估的准确度无法像预测准确度那样衡量。
一般而言，判断既非纯粹事实性，也非纯粹观点性：医生解读常规血检结果不算判断（不过若她对异常结果的成因做出判断则另当别论），而个人偏爱某支乐队也不算判断。
Shortform 指出，类似的风险与收益的预测权衡适用于所有与保险类似的领域；在最糟的情况下，这类计算中的噪声可能引发全面的金融崩溃。Shortform 还指出，衡量预测准确度本身就是一项复杂的任务，因为许多预测过于模糊或附加了太多限定条件，难以做出有意义的评判。
**一致性只是判断质量的一部分**
我们期待专业判断准确、公平，也承认合格、知情的人可以有合理分歧。噪声针对的是可比判断中不受欢迎的差异，不是所有偏好、价值观差异，也不是实质不同案例本应得到的不同处理。
对于围绕固定目标的数值判断，若用平方误差衡量损失，均方误差可以分解为“偏差的平方＋方差”。两项权重相同，不代表实际大小相等。只有在偏差保持不变时，降低方差才必然降低这一误差指标；如果干预也改变了偏差，就必须同时检查。作者特别强调噪声，是因为它常被忽视：需要比较多次判断才能看清离散程度，单个案例的动听故事反而可能把它遮住。
**靶子比喻：噪声、偏差与误差**
为了说明噪声和偏差为何都很重要，作者用射击场打靶的比喻来解释：判断相当于靶子，不一致等于噪声，不准确等于偏差。四种可能的组合如下：
- 弹孔紧密集中在靶心周围：既准确又一致（无偏差，无噪声）。
- 弹孔紧密集中但偏离靶心：一致但不准确（无噪声，但有偏差）。
- 弹孔大致以靶心为中心但分布松散：大致准确但不一致（无偏差，但有噪声）。
- 弹孔分布广泛且不以靶心为中心：既有噪声又有偏差。
如果把靶子翻过来，只能看到弹孔而看不到靶心，你就无法再判断偏差或准确性，但仍然可以轻易看出噪声——因为噪声指的是弹孔的分散程度。这意味着，即使不知道预测的正确答案，你也能发现并纠正噪声。这也意味着，你可以在评估性判断中发现噪声，因为在这类情境下根本不存在衡量判断质量的正确答案。在这两种情况下，你都可以在无需知道判断是否存在偏差的前提下处理噪声，因为噪声就是不同判断之间的不一致程度。
我们可能会以为噪声会随着时间推移相互抵消。但作者认为事实并非如此：如果瞄准的目标是公正的判决、准确的诊断或审慎的商业决策，那么每一次脱靶都是有代价的，而这些代价不会相互抵消——反而会累积叠加。
**评估性判断、噪声与“判断者”术语**
Shortform 使用“判断者”（judger）这一通用术语指代所有做出专业判断的人，以避免与法庭上的法官（judge）混淆——当然，法官也属于此处定义的判断者。这一表述在评估性判断中尤为重要，因为个人主观性天然会发挥作用：我们接受有些教师、有些法官比其他人更宽松或更严格。即便如此，我们仍期望学校、法院和其他公共机构应当公平且一致。一位老师给 B+、另一位给 A- 属于正常差异范围，但同一份作业一位给 A、另一位给 F 就说明出了问题。
**三类噪声：先看水平差异**
噪声是判断的变异，不是结果中的一切变异。它既可能反映人与人之间稳定的差别，也可能来自同一个人的波动。书中区分水平噪声与模式噪声；情境噪声是模式噪声中随情境变化的部分。
**水平噪声**指的是某个人的平均判断与所有判断者的平均水平存在持续性差异。例如，有些教师长期打分比其他人更严或更松，有些经济预测者长期比其他人更乐观或更悲观。水平噪声描述的是每个判断者的整体模式与所有判断者的整体平均水平之间的差异。
Shortform 指出，水平噪声并非始终稳定，它本身也可能是有噪声的。一项研究显示，评分者会随着时间推移逐渐抬高分数，因为他们把自己对评分越来越熟练的感觉误认为是被评分材料质量的提升。这种效应并未否定《噪声》的观点，反而说明了这个问题的复杂性。
**模式噪声与情境噪声**
#### 模式噪声
模式噪声是指判断者因某种原因对特定情境产生异常反应而导致的偏差。例如，一位通常比大多数人更乐观的预测者，在评估一家初创公司时可能比同行更悲观。模式噪声源于人们的个性和独特经历。其中一部分是长期稳定的，另一部分则是短暂的——由当前或近期的环境引发。如果一位预测者早年在初创公司上亏过钱，因此对初创公司始终保持谨慎，这属于稳定模式噪声。如果一位预测者当天早上刚读到一篇初创公司惨败的报道，因此此刻对初创公司感到谨慎，这属于短暂模式噪声。
#### 情境噪声
情境噪声指的是同一个人因大量看似随机的因素而产生的判断波动。作者引用的研究表明，判断会受到以下因素影响：天气（大学招生官员在阴天更看重学术成绩，在晴天更看重非学术因素）；情绪与体育赛事（法官在当地橄榄球队输球后量刑更重，赢球后更轻）；一天中的时段（医生在一天快结束时更可能开阿片类药物，可能是因为疲惫、压力大、时间紧的临床医生容易出现诊断失误，转而寻求快速解决方案）；一系列判断中的顺序（法官连续批准几次庇护后，拒绝庇护的概率会逐渐上升，反之亦然，这可能是出于无意识的平衡倾向）；以及信息呈现的顺序（听到一位政客“聪明、有干劲、有魅力、冷酷无情”，与听到“冷酷无情、有魅力、有干劲、聪明”，会形成不同的印象）。
**水平、模式与情境噪声如何叠加**
为便于分析，人类判断中的噪声被分为三类，但在实际情况中，任意几类噪声都可能同时出现在同一场景里。汤普森法官判决的一起商店行窃案可以同时说明这三类噪声：
- **水平噪声**：汤普森法官的平均量刑比同事轻得多——这对被告来说是个乐观因素。
- **模式噪声**：由于他的父母经营着一家小型零售店，多年来深受行窃之苦，因此他对行窃者的量刑比同行严厉得多——这对被告而言是坏消息。
- **情境噪声**：他刚结束轻松的假期回来，那天早上心情特别好，所以被告或许仍能得到从轻发落。
换一位法官、换一种罪名，甚至只是换一天开庭，判决结果都会不同。这种差异性是司法系统中噪声的一个来源，同样的规律也适用于任何依赖人类判断的系统。
Shortform 尝试区分个人特有的短暂影响与可能影响许多人的情境因素，但这不宜成为另一套正式定义：情境噪声不要求人人受影响的方向相同；如果多人受到同一种影响，平均也未必能抵消。
情境噪声尤其难以提前预测，甚至在发生时也难以察觉，而且像天气这类因素无法被标准化以确保判断一致。有几种方法或许有助于降低其影响：
- 某些形式的情境噪声，例如由信息呈现顺序导致的噪声，可以通过结构化的决策策略加以控制。
- 另一些形式的情境噪声，例如疲劳医生过度开具阿片类药物的问题，或许可以通过留意信息过载和过度压力来预防，但这在实践中往往难以落实。
- 天气、情绪、一天中的时段等因素，可以通过让多位判断者独立评估情况后再比对意见来缓解。由于不同判断者受不同情境因素的影响，他们的判断往往会相互抵消。理想情况下，判断者还会遵循一套明确规定应关注哪些信息的流程——本指南后面讨论的招聘流程示例，就具体说明了这类流程如何能最大限度地减少情境噪声。
*来源与延伸阅读：* [《噪声》](https://www.littlebrown.com/titles/daniel-kahneman/noise/9780316451383/) · [噪声与金融风险](https://www.shortform.com/app/book/the-big-short) · [可检验的预测](https://www.shortform.com/app/book/superforecasting/chapter-3) · [评分漂移](https://www.sciencedaily.com/releases/2018/03/180312084826.htm) · [过载与压力](https://www.shortform.com/app/book/blink/part-5)
### 解释与交谈怎样引入差异
**噪声的心理来源：匹配操作**
噪声有多个来源：个人偏差（如偏好、背景、立场、信念等）会产生水平噪声与模式噪声；更随机的因素（如情绪、天气、决策或信息的顺序与时机等）会带来情境噪声；此外，心智感知世界的基本方式，以及人们在群体环境中的行为方式，也会导致噪声。
一个关键的心理来源是直觉性的**匹配操作**：我们试图通过将某事物与我们更了解的相似事物进行比较，来对其做出预测或评估。这一操作会引入噪声，因为该过程本身存在过度简化，而且我们分辨细微数量差异的能力有限。例如，我们能轻易分辨晴天还是阴天，或是天气热还是冷，但如果要求我们将一系列温度从冷到热排序，我们很快就会出错。据作者称，研究发现我们最多能将事物按质量或强度分成约七个等级，再往上就会开始出错。直接比较两件事物时我们表现尚可，但面对一整组事物要排序或分类时，我们出错的概率比想象中更高。
任何需要用量表评估事物的判断，量表越不明确，噪声就越大。如果没有恰当的语境和共同的参照框架来明确数值的含义以及赋值方式，判断者就只能猜测，从而使判断变得随意；由于每个人的猜测方式不同，量表就产生了噪声。
Shortform 指出，这种匹配操作是一种启发式方法——即大脑为快速解决难题而走的思维捷径，通过用更简单或更熟悉的事物来替代以得出答案，这一概念在《思考，快与慢》中有详细探讨。
**噪声的心理来源：因果思维**
卡尼曼、西博尼和桑斯坦将因果思维认定为判断中噪声的一大心理来源。由于人脑天然倾向于用因果叙事来理解世界，且习惯一次只考虑单个案例，因此很难察觉噪声——噪声是一种在大量案例中才会显现的统计属性。这种对因果的偏好还会被后见之明进一步扭曲：一旦结果已知，人们就会从事后情境中挑出若干因素，将其认定为导致结果的原因。作者指出，大多数事件既非完全出人意料，也非完全意料之中；由于普通的“正常”事件很少受到有意识的关注，它们会让人感觉本应是完全可预测的，即便实际上事前根本无法做出可靠的预测。其结果是，人们普遍觉得事件的原因是显而易见、不可避免的，也觉得未来的结果是可以预测的——这就掩盖了从预测角度看大多数事件其实具有多大的任意性和偶然性，因为相关的原因往往与结果在同一时刻才变得可见。
**噪声的社会来源：信息级联与优质团体的特质**
个体判断本身就会因为每个人解读世界的方式不同而产生噪声。当人们以群体形式做出判断时，社会因素会引入更多噪声来源。
一个主要的社会来源是**信息级联**。受欢迎程度——无论是真实的还是感知到的——会影响人们对信息的评价：一个在早期获得公众支持或流行的观点，无论其内在价值如何，都更有可能胜出。当一个人表达某种观点时，下一个发言者除非有强烈的反对理由，否则更倾向于赞同；随着越来越多的人附和最初的观点，这种效应会不断增强。在群体判断场景中，许多成员一开始可能犹豫不决或态度摇摆，因此最终决策通常由启动信息级联的那个观点所决定。
在《对赌》一书中，安妮·杜克（Annie Duke）提出，一个适合互相学习、提升决策质量的好团体有三项核心特质。第一，团体重视准确性：成员会指出彼此的偏见，并进行有分寸的异议讨论。第二，成员互相监督问责：阻止彼此屈服于不理性或自我毁灭的冲动。第三，团体欢迎思想多样性：不同视角对于产生新想法、帮助彼此发现原本会忽略的东西至关重要。这些特质能直接对抗导致信息级联和其他群体噪声的社会动态。
**群体中噪声的社会来源**
由于信息级联结束时大多数人都达成了一致，观察者往往会认为结果是必然的。但事实并非如此：不同的起点可能会带来不同的结果。这种路径依赖在日常经验中并不明显，因为每一个现实情境都只会发生一次。
群体还容易出现极化现象，即成员的观点会朝着各自初始立场的更极端方向偏移。例如，如果一个招聘委员会的每位成员一开始对候选人A只是略有好感，到会议结束时，他们可能会对该候选人变得极度热情。反之，如果部分成员对候选人A略有好感，另一部分对候选人B略有好感，极化效应可能导致僵局：委员会一半人强烈支持A、强烈反对B，另一半则相反。
**噪声的认知与社会来源**
噪声的许多认知根源都与卡尼曼《思考，快与慢》中的观点相呼应。一个关键机制是，人类倾向于用因果性、叙事性的解释来理解事件，哪怕这些事件是随机的——这一模式与“叙事谬误”密切相关。例如，如果一家公司通过从帽子里抽名字的方式裁员，不了解筛选方式的观察者往往会编出连贯的故事：如果被裁的是朋友，他们可能会想起对方最近和老板吵过架，便认定是老板怀恨在心；如果被裁的是自己不喜欢的人，他们可能会将其归因于能力或性格缺陷。在这两种情况下，观察者都会觉得结果合乎逻辑、可以预见，但实际上它完全是随机的。
信息过载也会放大噪声。马尔科姆·格拉德威尔（Malcolm Gladwell）和内特·西尔弗都指出，过多的信息会导致决策失误，原因要么是人们没有聚焦于最重要的内容，要么是他们不堪重负，转而依赖熟悉的模式和先入为主的观念。
在群体层面，社会动态会进一步放大噪声。信息级联和极化会相互强化，二者的交互作用是群体迷思的一个成因：由于随机因素，第一个发言者会将群体推向某个方向并启动信息级联，随后极化效应会推动群体沿着该方向走得更远——即便没有任何成员在参会时对某个立场持有坚定信念。在《离经叛道》（*Originals*）一书中，亚当·格兰特（Adam Grant）提出，在企业环境中，群体迷思也直接源于公司对异议声音的态度。保持透明、鼓励异议、选择真正欢迎批评的领导者等做法，都可以降低决策中出现群体迷思的风险。这些原则也与群体智慧密切相关：只有当群体由持有不同观点的人组成，且这些人能够自由表达想法时，才能发挥群体智慧。
*来源与延伸阅读：* [《眨眼之间》：选择信息](https://www.shortform.com/app/book/blink/part-5#2-be-selective-with-the-information-you-consider) · [《信号与噪声》](https://www.penguinrandomhouse.com/books/305826/the-signal-and-the-noise-by-nate-silver/) · [《离经叛道》](https://www.shortform.com/app/book/originals) · [组织中的异议](https://www.shortform.com/app/book/originals/chapter-7)
### 审计、组织并核查判断
**通过审查检测并衡量噪声**
检测并衡量噪声是减少噪声的第一步。管理者通常默认其组织的判断是一致的，在亲眼看到问题之前，他们可能会抗拒变革。为了量化一家公司、一个组织或一套系统中的噪声量，《噪声》的作者介绍了他们在咨询工作中使用的“噪声审查”流程，该书的附录中提供了详细的操作指南。大致而言，组织会将一组相同的样本案例交给所有负责对此类案例做出判断的成员——例如，一家保险公司会将一组样本理赔案件分发给所有理赔员。接受审查的人员独立完成判断，随后对结果进行比较，以衡量整个组织内的判断变异程度。
**减少或消除噪声的方法**
作者概述了在理解噪声之后，减少或消除判断中噪声的两大类解决方案：一类是机械判断工具——统计模型与计算机算法——可以替代或辅助人类判断；另一类是在人类决策过程内部减少噪声的一系列做法。
**作为改进人类判断框架的决策卫生**
作者提出的改进人类判断的核心方法是“决策卫生”：即为最大限度减少噪声出现的可能而采取的一致性预防措施。决策卫生由一系列松散的建议、做法与原则组成。除了一个例外——一套招聘流程示例——作者并未规定具体、系统的行动方案；Shortform 据此推断，各组织可以根据自身情况，实施那些相关且可行的建议。
**决策卫生：更优量表、判断者与统计思维**
《噪声》的作者提出了一系列减少噪声的决策卫生策略，其中有几项直接针对噪声的心理来源。
#### 使用可解释的量尺
不同评审对“6分”理解不同，数值绩效评分就会有噪声。评审共享相关比较集合时，相对判断可能有帮助，例如判断沟通表现处于前20%还是下一档。但排名不普遍更好：它可能在几乎一样的人中强行区分，随参照群体变化，也不显示所有人是否一起进步。评分前应明确目标、参照群体与各档具体描述。
设计良好的比较量表还会提供具体的**锚点**——量表上每个等级都有清晰的描述或标记，将特定分值与被评估事物的相关示例绑定（例如论文评分中“C等”代表中等水平）。为了尽量减少噪声，锚点必须提前提供，以便每位判断者都从相同的参照框架出发。
#### 选拔并培训更优秀的判断者
通过首先挑选更优秀的判断者，并对现有判断者进行培训以改进其判断技巧与流程，可以切实提升人类判断的质量。
#### 进行统计思维
我们日常的因果式思维容易产生以噪声形式表现出来的错误与偏差。要提升准确性，就必须采用统计视角：不要把每个案例都当作完全独特的事件，而应将其归入更广泛的相似案例类别中。在预测某一结果的可能性时，应首先考虑该结果在整个类别中的普遍程度。例如，在预测某名学生能否从大学毕业时，我们应先了解所有入学大学生的整体毕业率。
**Shortform补充：结构化判断工具：量表与分解**
模糊的评分量表是噪声的常见来源。这个问题可以通过《思考，快与慢》中的“匹配操作”和“问题替代”概念来理解：在缺乏明确指引的情况下，人们面对“X的沟通能力满分10分你打几分”这类模糊的评分问题时，可能会无意识地将其替换成一个更简单、更主观的问题，比如“X的沟通能力给我留下了多深的印象？”或“我觉得X表达得有多清晰？”
一种补救方法是预先设置行为含义明确的量表锚点，让评分者以同一种方式理解分数。Shortform 将它与心理学锚定效应联系起来，但实用依据更直接：给出相关的参考实例，不要让每个人自行发明量表。任意的锚点即使能提高一致性，也可能引入共同偏差。
另一种去偏差技巧是将判断拆解为更小的组成部分，从而减少个人化解读的空间。不过，某些领域可能固有地噪声更高，也更难通过这些技巧改善。例如，心理健康常被视为诊断不一致性很高的领域。尽管作者将这种不一致归因于专业人士的训练背景和理论取向各异，但还有其他因素在起作用：不同病症相互重叠、相互影响（例如抑郁症和焦虑症），心理健康与身体健康难以截然分开，以及专业人士在某一组症状究竟构成一种障碍还是仅仅是一种差异等根本问题上存在分歧。要在这类领域减少噪声，可能需要超出标准噪声卫生技术范畴的分析与改革。
**决策卫生：结构化判断与信息**
另外两项决策卫生策略通过构建判断方式和信息流动来减少噪声。
#### 将判断拆解为更小的组成部分
将整体决策拆解为一组更小、更具体的子判断，会更容易避免噪声。标准化流程、检查清单、指导原则和评估工具都能支持这一方法。例如，教育工作者可以通过使用评分量规来减少作文评分中的噪声：要求评分者在计算最终成绩之前，分别对原创性、逻辑清晰度、结构组织和语法给出独立分数，从而让判断更清晰明确。这种拆解也有助于确保每位判断者都遵循相同的流程，关注相同的因素。
作者也承认这一策略并非完美无缺。例如在心理健康领域，旨在辅助并标准化精神科诊断的参考著作《精神障碍诊断与统计手册》（DSM），几乎没有降低诊断噪声。原因之一是精神科医生和心理学家往往会通过自身的训练和背景视角来解读症状与体征：对心理和精神障碍的不同理论理解，会影响不同专业人士对所呈现事实的解读方式。
#### 谨慎安排信息顺序
由于判断会受到信息、情境线索、确认偏误等因素的影响，仔细控制判断者接收信息的顺序至关重要。作者提出了几条实施准则：
- 基本原则是，只在判断者需要时向其提供所需信息。
- 独立判断必须真正独立：如果验证结果的人事先知道第一个人的结论，他们更有可能去确认该结论。
- 判断者应在流程的每一步记录自己的结论；如果新信息促使他们改变决定，他们应解释并说明理由。
**选拔并培训更优秀的判断者**
在识别优秀判断者时，有两点需要考虑。在存在客观对错结果的领域，可以通过可衡量的客观业绩来评估判断者。在专业能力无法用简单指标量化的领域，任何领域的判断者仍可通过三项与更佳判断相关的特质来评估：总体智力、认知风格与开放性。作者强调，仅凭智力并不足够；另外两项特质至少同样重要。
作者进一步指出，普通人群中有一部分人是超级预测者，他们的预测始终比受过训练的普通专家更准确；理想情况下，应当雇用或任命这类人担任判断者。超级预测者表现出若干可识别的特质，既可用于选拔更优秀的判断者，也可用于培训现有判断者：他们思想开放；在出现新证据时愿意更新自己的观点与预测；他们天生具备统计思维，会主动考虑基准概率等因素；他们会拆解问题，用概率评估各个要素，而非依赖对答案的整体“直觉”。
**Shortform补充：选择并培养更优秀的判断者**
判断的质量在很大程度上取决于做出判断的人。《噪声》中关于超级预测者的论述借鉴了菲利普·E·泰特洛克（Philip E. Tetlock）和丹·加德纳（Dan Gardner）在《超级预测》一书中的研究，二人用经典的“刺猬与狐狸”比喻来描述优秀预测者与普通预测者的差异。刺猬型人格倾向于通过一个宏大理念的透镜看待世界，做快速判断，并且对自己的预测极度自信。相比之下，狐狸型人格会收集众多话题的零散信息，从多个角度缓慢地切入问题，并且在预测时保持谨慎、留有余地。泰特洛克和加德纳认为，狐狸型的人比刺猬型的人更擅长预测。
这些狐狸式技能也是可以练习的：人们可以学会识别并规避自身的认知偏差，对一个问题生成多种视角，以及把问题拆解成更小的问题。这些技巧与《噪声》中的许多建议本质上是一致的。
**作为降噪工具的统计思维**
未能进行统计思维是判断错误和噪声的一个主要来源，这也是《思考，快与慢》的核心主题。该书提出的核心建议——明确考虑基准概率——与《噪声》中的主张一致。
Shortform 将其连接到内特·西尔弗的贝叶斯方法：从先验出发，在竞争假设下评估新证据，更新时不重复计算同一证据。计算见概率部分。西尔弗认为更好的贝叶斯推理可能帮助避免复现问题，这是一项方法论主张，不证明单靠贝叶斯就能防止不端、薄弱设计或选择性发表。
**运用规则与标准减少噪声**
通过将判断拆解为更小的组成部分来降低噪声的一种策略，是实施规则和/或标准。这两种方法在结构和精确性上有所不同：规则提供通常与客观指标挂钩的明确指引——例如，血液酒精含量超过法定最高限值时，驾驶员可被指控酒驾。标准则是建议性的指引，需要主观解读和执行——例如，执法人员接受培训，以识别诸如驾驶不稳等潜在的受损迹象，并实施现场清醒测试。
在规则与标准之间做选择时，作者建议首先判断哪种方法产生的错误更少。他们同时指出，规则并非总能落地：规则制定者可能因政治或道德分歧等原因无法达成一致，或者缺乏制定恰当规则所需的信息。在某些情况下，最佳做法是将规则与标准结合起来。强制性量刑指南就采用了这种模式：它为特定罪行设定了最低和最高刑期（规则），同时由法官为每个具体案件确定公正的刑罚（标准）。
*来源与延伸阅读：* [心理健康问题的重叠](https://www.psychologytoday.com/us/blog/the-power-rest/201807/psychiatric-diagnosis-is-difficult-and-so-is-treatment) · [心理与身体健康](https://www.mentalhealth.org.uk/a-to-z/p/physical-health-and-mental-health) · [诊断分歧](https://www.wired.com/story/mental-health-psychiatry-diagnosis-dsm/) · [识别超级预测者](https://www.shortform.com/app/book/superforecasting/1-page-summary) · [刺猬式思考](https://www.shortform.com/app/book/superforecasting/chapter-4#hedgehogs) · [狐狸式思考](https://www.shortform.com/app/book/superforecasting/chapter-4#foxes) · [识别认知偏差](https://www.shortform.com/app/book/superforecasting/part-2#they-avoid-cognitive-biases) · [生成多种视角](https://www.shortform.com/app/book/superforecasting/part-2#they-generate-multiple-perspectives) · [拆解问题](https://www.shortform.com/app/book/superforecasting/part-2#they-use-fermi-estimation)
### 汇总判断，不制造一致
**汇总独立判断，再检查分歧**
当误差并非完全相关时，平均可以减少变动，却不保证真相在中间。共同偏差可能在汇总后原样留下。应寻找相关专业知识与实际不同的信息，采用共同量尺，并选择适合所关注损失的汇总方法。
“估计—讨论—再估计”有三个阶段：
1. 听别人发言之前，每个人私下记录估计。
2. 各自说明证据与推理，检查分歧。
3. 再次私下估计，按所选规则汇总第二轮判断。
起初的独立性减少信息级联与极化。讨论是为了发现证据和错误，不是强迫离群者靠向共识。Shortform 提醒，社会压力仍可能造成虚假一致；政策德尔菲与论证德尔菲则更明确地把多种论点或政策视角作为目标，而非追求共识。
**Shortform补充：判断汇总与群体智慧**
在同一个决定之前汇总判断，与让噪声判断在不同人身上不断发生不同。前者在合适条件下可以减少变动；后者不能修复已经遭受异常重判或错误诊断者的损失。两种操作都不会自动消除共同偏差。
个人可以借用部分逻辑：寻找不同来源，并考虑反对偏好答案的证据，即负面经验主义。广泛阅读和有意构造替代解释可以暴露遗漏。但这些视角仍经过同一个头脑，也可能共享假设；数量多不意味着就是独立判断者或独立样本。
**提升判断质量的团体规范：CUDOS 框架**
团体一旦组建，就需要明确的互动规则，以保持对准确性的关注，避免信息级联和极化等社会噪声。杜克借鉴了社会学家罗伯特·K·默顿（Robert K. Merton）关于科学界应如何运作的准则，这些准则可用首字母缩写 CUDOS 概括：
- **有组织的怀疑主义（Organized Skepticism）**：所有观点都应接受审视、批评和异议。当每个人都正视自己的不确定性时，这种怀疑并非好斗或对抗性的；团体应当以认可来奖励有分寸的异议与辩论，让健康的讨论成为团体规范的一部分。
- **共有主义（Communism，默顿意义上的）**：数据是共同所有的，属于每个人。在决策团体中，分享数据意味着坦诚说明影响你决策的因素，尽可能提供细节，不遗漏任何内容——尤其是那些你忍不住想省略的东西。
- **无私利性（Disinterestedness）**：不让利益冲突或其他偏见影响工作。这类利益冲突可能包括杜克所说的“resulting”：让已知结果影响对决策本身的评价。防止团体被结果左右的一个方法，是在讨论结束前暂不透露结果。
- **普遍主义（Universalism）**：所有证据都必须用同一套标准来对待，无论来源如何。这并不是说你不能评估来源是否可信，而是说你不能仅仅因为对来源有负面情绪——比如你不认同其政治倾向的新闻媒体，或是你觉得讨厌的同事——就不经公正评估就否定信息。
**借助群体问责提升决策质量**
自我批判是一项重要技能，但他人能帮你看到自己的盲点。他们带着各自独特的人生经验，让你有机会从自己未曾考虑过的角度看待问题。不过，你首先得找到愿意进行这类讨论的人：并非每个人都有精力对你的人生选择给出认真的反馈，也并非每个人都愿意自己的决定或信念反过来被你剖析。这就是为什么围绕良好决策实践组建一个团体很重要。
*来源与延伸阅读：* [共识压力](https://mpra.ub.uni-muenchen.de/4999/1/MPRA_paper_4999.pdf) · [政策德尔菲法](https://journals.sagepub.com/doi/pdf/10.2304/pfie.2013.11.6.755#:~:text=A%20policy%20Delphi%20seeks%20to,problem%20%28Turoff%2C%202002%29.) · [论证德尔菲法](https://ieeexplore.ieee.org/document/7089162) · [负面经验主义](https://www.shortform.com/app/book/the-black-swan/chapter-3#flaw-1-the-error-of-confirmation)
### 模型、面试与标准化的边界
**机械判断：统计模型与算法**
#### 统计模型
统计预测规则会前后一致地结合选定的输入，常用形式是加权公式。例如，大学毕业预测模型可以纳入高中成绩、考试分数、课外活动及父母教育程度。在《噪声》讨论的研究场景中，简单模型常优于未经辅助的判断；即使采用粗略或随机权重，只要预测变量相关、方向设置正确，也可能表现出人意料地好。这不是说任意输入、任意模型总能胜过人类。一致性减少了一类误差，但变量选择、测量、训练数据和验证仍决定准确性。主观修正可能加入噪声，因此应在新案例上检验它是否真有增益。
#### 计算机算法
这里讨论的是**学习型预测算法**，它只是计算机算法这个更广泛类别中的一部分。有些方法从大型训练数据集中学习模式，再据此预测；但大数据与学习能力都不是一般算法的定义。学习可能发现有用关系，准确性仍需在相关的新案例上检验。作者提醒，有偏训练数据可能复制偏差，例如再犯预测模型可能继承司法记录中的失真。数据、目标、评估与使用方式都重要。
Shortform 举了现实中的例子：经过多年开发，亚马逊发现其招聘算法系统性地青睐男性而非女性；Facebook 的广告算法也因助长假新闻、仇恨言论等各类内容的传播而饱受批评。
**机械判断相对于人类判断的定位**
尽管作者描述了多种机械判断方法，但他们更感兴趣的是减少人类判断中的噪声，而非用机器完全取代人类判断。部分原因在于，正如他们所指出的，这里比较的是人类本来就会尝试的预测任务，而一致的规则可以在这些任务上提高准确性。作者认为，机械判断的有效性并非解决噪声问题的万能方案，更多是证明了减少噪声本身能带来多大的益处。
**Shortform补充：机械判断与混合方法**
尽管《噪声》的作者最终更倾向于改进人类判断而非取代它，但他们或许没有尽可能清晰地阐明这一优先级。他们用了大量篇幅解释模型与算法，并为其辩护以回应批评，这可能会让人误以为算法是本书所提方案的核心——尤其是一些评论者将算法的危险性作为对《噪声》的主要批评。
Shortform 借内特·西尔弗关于棒球的讨论，提出模型与球探可能互补。该叙述称，《点球成金》之后，一些球队偏重易于测量的进攻表现，而防守指标不足使重要能力缺少表示；失分可能抵消其他方面的收益。它也描述球队把统计模型与球探观察结合，包括对心理要求的判断。这些观察提示可以检验的互补信息，却不是证明混合方法造成最大成功的对照比较，也不能保证球探可靠地看到了模型看不到的东西。应问：新增判断是否提供模型缺少的信息，它有多准确，以及组合规则能否改善新案例上的预测。这并未推翻对主观噪声的警惕。
**示例：谷歌的结构化招聘流程**
为了说明决策卫生实践如何应用于现实场景，作者概述了谷歌的招聘流程，具体步骤如下：
1. 确定所招聘岗位最重要的技能有哪些。
2. 制定量表，针对第一步确定的每项技能评估每位候选人。
3. 由不同的面试官对每位候选人进行多轮面试——谷歌采用四轮面试。面试的目的是评估候选人的技能。面试必须独立进行；面试官之间暂不得交换意见。
4. 招聘团队开会讨论各自的结果，审阅收集到的数据，最后分享印象并做出整体决定。
作者指出，虽然这一流程专门针对招聘，但也可以很容易地调整应用于其他类型的商业决策，例如是否进行投资，或者是否收购或合并竞争对手公司。
**Shortform补充：谷歌招聘流程中的决策卫生技巧**
在“综合应用”分析中，Shortform 将谷歌的招聘流程对应到多种核心决策卫生技巧——原书作者虽提到了这些关联，但表述不够清晰系统：
- **拆解判断**：第一步将“我们该雇用谁？”这一更大的问题拆解为更小、独立的组成部分。
- **使用更优量表**：第二步运用量表设计的洞见，确保高质量、一致的数据收集。
- **安排信息顺序并执行规则与标准**：第三步保持面试真正相互独立，明确的规则与标准指导面试开展、保持一致性与针对性，支撑了这种顺序安排。
- **汇总独立判断**：第四步让多位面试官共同做出决策。
- **推迟主观印象**：在更宏观的层面上，整个流程通过要求面试官将主观反应留到最后一步来安排信息顺序。这样既为招聘团队保留了对候选人产生个人反应的空间，又确保这些反应受到此前收集的客观数据以及多位面试官集体智慧的调节——每位面试官都已独立形成对候选人的看法。
**Shortform补充：关于噪声的概念争议**
《噪声》的批评者对该书的框架提出了若干概念层面和统计学层面的异议。一些人认为，其核心主张不过是对早期研究或常识性观点的重新包装。虽然将噪声定义为人类判断中的变异这一具体表述看似新颖，但噪声作为统计概念的更宽泛含义由来已久：费希尔·布莱克（Fischer Black）将噪声（与信息相对）视为经济模型的基本组成部分；内特·西尔弗（Nate Silver）在其关于预测的著作中，则把噪声定义为与有意义的信号相对的无用数据。该书还大量借鉴了丹尼尔·卡尼曼（Daniel Kahneman）此前在《思考，快与慢》中的研究；噪声的许多来源都可以追溯到该书中描述的认知错误和偏差，而《噪声》可以被看作是对这些错误如何在系统和组织中放大的探索。Shortform 指出，《噪声》承认这些关联，但大多只是一笔带过，而本指南则更充分地阐明了这些关联，因为这样做有助于厘清相关概念。
一项概念争议是：判断在评价价值而非预测可观测事件时，哪些分歧算不需要的错误？均方误差分解是相对于指定目标的数学恒等式；推导不要求目标已知，但估计准确性需要合适目标或证据。目标、损失函数或合理价值不同，单靠减少方差不能解决分歧。应把规范性问题与算术分开。
另一个需要警惕的误区是，不要把低噪声等同于准确性。减少噪声只是收窄了判断的离散程度，让不同判断彼此更接近，却并不能保证它们更接近真实目标。打靶的比喻可以说明这一点：弹孔可能紧密聚集在一个远离靶心的点上。西尔弗在《信号与噪声》中也提出了类似观点，他用几乎相同的图示来表示精确度而非准确度。他警告说，将精确度误认为准确度可能带来毁灭性后果，例如2008年金融危机中，高精确度（低噪声）造成了判断正确的假象，掩盖了不确定性和偏差。
**Shortform补充：像对待预测一样对待评估**
Shortform 特别强调了它认为原书中一项真正具有原创性的洞见：我们应当像对待预测一样对待评估。
《噪声》将判断分为两类：预测性判断（例如预测股票的未来价值）和评估性判断（例如给论文打分）。人们通常认为评估性判断本质上是主观的，没有正确答案可以衡量其质量，因此也就没有办法提升评估的质量与准确性。关于如何改进评估的文献也远少于关于如何改进预测的文献。
但如果我们接受《噪声》的论点——评估与预测属于同一类事物，两者都是判断，都在同等程度上因相同的原因受到噪声的影响，而减少噪声是有益的——那么我们就能够改进评估性判断。我们可以将许多作者已经提出的改进预测的建议同样应用于评估。原书在开头就提出了这一点，但它值得特别强调，因为这一洞见似乎是真正原创的。
*来源与延伸阅读：* [亚马逊招聘模型偏差](https://www.theguardian.com/technology/2018/oct/10/amazon-hiring-ai-gender-bias-recruiting-engine) · [Facebook推荐机制的影响](https://fivethirtyeight.com/features/facebooks-algorithm-is-broken-we-collected-some-spicy-suggestions-on-how-to-fix-it/) · [《噪声》算法主张的批评](https://www.theguardian.com/books/2021/jun/03/noise-by-daniel-kahneman-olivier-sibony-and-cass-sunstein-review-the-price-of-poor-judgment) · [《点球成金》](https://www.shortform.com/app/book/moneyball) · [《噪声》原创性批评](https://a-ortmann.medium.com/on-noise-the-book-87b419585fd9]) · [噪声的早期研究](https://statmodeling.stat.columbia.edu/2021/05/23/thinking-fast-slow-and-not-at-all-system-3-jumps-the-shark/) · [《噪声》常识性批评](https://www.prospectmagazine.co.uk/arts-and-books/signal-failure-daniel-kahnemans-fascinating-and-flawed-new-book-noise) · [费希尔·布莱克论噪声](https://onlinelibrary.wiley.com/doi/full/10.1111/j.1540-6261.1986.tb04513.x)
## 系统、反馈与干预
### 先找存量、流量与目的
系统图有用，是因为它指出可以追踪的机制：什么在积累，什么改变积累，什么反馈回来，以及回应要多久。
**系统的定义与核心构成**
系统是一组相互关联、以实现其功能为目标的要素集合。它由三个核心部分组成：要素（系统中的单个事物）、连接（要素之间的关系）以及目的或功能（系统所要达成的结果）。世界上有许多事物都以系统的方式运行。例如，一支足球队由场上各司其职、相互配合的球员，加上教练、后勤人员和球迷共同构成；在一家公司内部，人员、机器和信息协同工作以实现公司目标，而公司本身又处于经济这个更大的系统之中。
彼得·贝弗林（Peter Bevelin）在《寻求智慧》中指出，系统是由相互依存的组件构成的复杂网络——例如一家拥有员工、流程和客户的企业。系统思维是一种分析方式，即思考这些相互关联的部分如何影响整体；其核心原则是，每一个行动都处于更大的系统之中，因此必须始终考虑行动的长远影响。未能运用系统思维是决策失误和意外后果的一大主因。
《系统之思》（*Thinking in Systems*）是一本系统分析入门读物。世界的许多方面是以复杂系统的方式运行的，而非简单的因果关系；世界上的许多问题都源于系统运作方式的缺陷。理解系统如何运作、以及如何干预它们，是实现你所寻求的改变的关键。
**存量与流量**
存量与流量是每一个系统的基础。存量代表系统中可见、可计数或可测量的要素，通常可以理解为库存、储备或积压量。流量则是存量随时间变化的途径：流入增加存量水平，流出减少存量水平。
一个简单的例子是浴缸：存量是浴缸中的水量，流入是从水龙头进入浴缸的水（使存量上升），流出是从排水口排走的水（使存量下降）。这种关系可以绘制成存量–流量图。
许多真实系统都与浴缸类似。以化石燃料为例，存量是地下的矿藏；开采会减少存量，而自然地质过程会缓慢增加存量。世界人口是人的存量，因出生而增长，因死亡而减少。
**存量作为缓冲、延迟与减震器**
存量的变化需要时间。你几乎可以瞬间调整流量——打开水龙头只需一秒钟——但放满一浴缸水却需要好几分钟。存量之所以变化缓慢，是因为流量的实际流动需要时间；因此，存量在系统中扮演着缓冲器、延迟、滞后和减震器的角色。
从人的角度来看，这种缓慢既有好处也有坏处。好的一面是，存量代表稳定性：它们允许流入和流出在一段时间内处于不平衡状态。例如，银行账户储存着金钱，为你的生活提供稳定——如果你丢了工作、收入流入中断，你可以动用这笔存量维持生活，同时想办法解决问题。
坏的一面是，存量变化缓慢意味着事情不可能一夜之间改变。例如，如果一个群体的技能因技术进步而变得无用，你不可能瞬间重新培训整个劳动力；信息在系统中传播、新技能流入人群，都需要时间。
**反馈回路是系统持续行为的驱动因素**
系统常常会产生长期持续的行为模式。有些系统表现出自我修正的特征，存量始终维持在某个稳定水平附近；另一些系统则会失控地螺旋发展，要么呈指数级增长，要么迅速萎缩。当一种行为模式如此持久时，通常是由反馈回路在支配。当存量的变化改变了该存量的流入或流出时，就会形成回路。反馈回路这一更广泛的类别既包括使系统保持稳定的平衡回路，也包括驱动失控变化的增强回路。
**增强反馈回路与失控动态**
增强反馈回路（也称为正反馈回路、恶性循环、良性循环、飞轮效应、滚雪球效应、复利增长或指数增长）会放大而非抑制存量的变化，使存量加速增长或加速萎缩。这种机制在两个方向上都成立：当存量水平上升时，流入会增加（或流出会减少），从而推动存量进一步升高；反之，当存量水平下降时，流入会减少（或流出会增加），从而推动存量进一步降低。
增强回路既表现为正向（增长）形式，也表现为负向（崩溃）形式。正向例子包括世界人口增长——人口越多，生育的后代越多，人口存量就进一步增加；以及国民经济增长——工厂和工人越多，产出就越高，而更高的产出又能投资建设更多工厂、改善教育，从而进一步扩大生产能力。负向例子包括农业中的土壤侵蚀——土壤被侵蚀后，植物根系生长受限，反过来又导致更严重的侵蚀；以及紧急情况下的恐慌性抢购——卫生纸等商品的存量越少，人们购买的热情就越高，从而使存量消耗得更快。
**调节型反馈回路**
调节型反馈回路（也称为负反馈回路或自我调节）围绕着存量的一个可接受设定点运行。如果存量相对于这个可接受水平发生变化，流量就会调整，将存量推回设定点。如果存量低于该水平，流入会增加、流出会减少，从而提升存量；如果存量高于可接受水平，流入会减少、流出会增加，从而降低存量。
一个直观的例子是保持浴缸水位稳定：如果水位太低，就塞上排水塞、打开水龙头；如果水位太高、水溢出来了，就打开排水口、关掉水龙头。
**示例：作为系统的世界人口**
世界人口是一个存量，出生是流入、死亡是流出，流量单位为单位时间的人数。若相应人均率固定，人口更多便可能带来更多出生与死亡。图把这些依赖简化为强化与平衡回路。Shortform 把零称为死亡回路的设定点；这是模型解释，不是说人口有意追求归零。
净流量决定眼前方向：出生多于死亡则增长，反之则减少，相等则无净变化。在这个简化模型中，指数增长还要求人均净增长率为正常数。仅仅观察到出生多于死亡，不能确定增长规律就是指数式。出生下降、死亡上升或两者同时发生，都可能扭转方向。
各种情况都可能改变出生回路或死亡回路的相对强度：
- 数据表明，随着国家变得更富裕，出生率会下降。因此，目前出生率较高的较贫穷国家，在其经济发展后可能不会再保持高出生率。
- 一种致命的传染病可能会大幅提高死亡率。例如，在 HIV/AIDS 流行期间，对 HIV 高发地区的人口预测必须考虑更高的死亡率。
- 出生率也可能因社会因素而下降，例如人们养育子女的意愿降低，或普遍存在生育问题。
**构建更复杂的系统模型**
从存量、流量和反馈回路这些基本构件出发，你可以构建出更复杂的系统来模拟真实世界。一份简短概述只会详细讲解一个简单系统，以展示系统分析如何揭示其行为；而完整的讲解则会探讨一系列更复杂的模型：
- 一个存量加上两个调节回路，代表一个维持房间温度稳定的恒温器。
- 延迟会在系统行为中引入振荡，例如一位汽车销售经理试图保持库存稳定时所遇到的情况。
- 不可再生资源（如化石燃料）的开采模型。
- 可再生资源（如海洋中的鱼类）的开采模型。
### 干预让问题持续的循环
**升级：多主体参与的增强回路**
升级（Escalation），也被称为“攀比”或“军备竞赛”，是一种增强型反馈回路：两个或更多竞争者各自持有一项存量，都希望拥有群体中最大的存量。当某一方落后时，就会奋力追赶以成为新的领先者；一方的存量越高，其他各方的目标存量也会随之被推得更高。这种动态会以所有参与者的巨大代价持续下去，直到一方或多方退出或崩溃为止。历史上的例子包括冷战：苏联和美国互相监控对方的军备，争相积累更大的武库，耗费了数万亿美元。更日常的例子是竞争性广告：对手的广告活动变得越来越泛滥、越来越咄咄逼人，只为争夺更多注意力。
**打破升级的干预手段**
应削弱竞争者相互回应的循环。可信的共同协议可以限制升级，即便双方都没有完全如愿。若对手主要追求相对优势，而且己方能承受差距，单方面克制也可能有用；但它不保证对方满足。敌对目标、机会主义或己方无法承受差距，都可能使退出危险。干预应取决于实际驱动反馈的机制。
**成瘾：转移负担的反馈回路**
“把负担转移给干预者”是一种强化依赖的循环：外援缓解症状，同时本地处理根因的能力减弱；问题复发，又需要更多援助。机制的关键是能力退化，不是只要有帮助就算成瘾。摘要以养老为例：住房缩小、家庭照护技能减少，可能提高对机构的依赖。但专业照护和社会支持也可能增强能力，或满足家庭无法妥善承担的需要。它们的存在本身不能证明有害循环，更不能直接成为撤援的理由。
梅多斯的三步干预逻辑是：诊断系统为何无法处理根本问题；设计能增强而非取代本地能力的援助；在系统能维持功能时规划退出或转接。时机应服从能力恢复情况及对当事人的后果；不顾这些条件迅速撤援，可能让问题更严重。
**常见的系统问题典型模式**
结构相似的系统往往会出现反复发生的典型问题。三种广为人知的模式是政策阻力、富者愈富效应和绩效逐降。
- **政策阻力** 指的是，由于系统中的参与者会抵制政策的影响，政策看似收效甚微；禁毒战争就是一个典型例子。
- **富者愈富** 模式是指赢家不断攫取更大份额的有限资源，并逐步将输家淘汰出局，市场中的垄断现象便是如此。
- **绩效逐降** 则发生在绩效标准与过往表现挂钩、而非以绝对基准衡量的情况下，这会形成标准不断下滑的恶性循环——例如，一家正在丢失市场份额的企业每次都会自我安慰：“嗯，也没比去年差太多嘛。”
### 能力、层级与会移动的瓶颈
**系统中的层级结构**
在层级结构中，子系统被归属于一个更大的系统之下。例如，人体中的单个细胞是器官的子系统，器官又是整个人体的子系统，而一个人则是家庭、公司、社区等更大系统的子系统。在高效的层级结构中，子系统在服务于更大系统需求的同时，或多或少能独立良好地运作，而大系统的作用是协调各子系统并帮助它们更好地运转。这种分层结构提升了效率，因为每个子系统都可以自行处理内部事务，无需与其他子系统或大系统进行大量协调。
问题可能出现在两个层面：如果某个子系统只优化自身而忽视大系统，整个系统可能会失效——例如，单个癌细胞以牺牲整个人体系统为代价来优化自身的生长。反过来，如果大系统施加过多控制，则会压制自组织和效率。
**强健系统的三大特性**
强健的系统具备三种特性，使它们能够出色地实现自身目的、在无需专门监管的情况下长期存续，并能经受住环境变化：复原力（承受压力后恢复的能力）、自组织（使自身变得更复杂的能力）以及层级性（系统由多层系统和子系统构成的结构）。构建系统时若忽视这三种特性，会导致系统脆弱，在环境变化时容易失效。
**系统韧性与反馈回路**
韧性可以理解为系统能够维持正常运转的条件范围；范围越宽，系统的韧性就越强。例如，人体能抵御外来病原体引发的疾病、受伤后自行修复，并能在很大的温度范围和饮食条件下生存。
支撑韧性的稳定性来自在多个抽象层级上运作的反馈回路：负责恢复系统的基础回路（通常有多个冗余回路，可通过不同机制、在不同时间尺度上相互替代）；负责修复基础反馈回路本身的元反馈回路；甚至还有能生成更优元回路和反馈结构的元—元反馈回路。
人们在设计系统时，有时追求的目标并非韧性。一种常见的取舍是，为了优化生产率或效率而砍掉那些看似多余或成本高昂的反馈回路。这会使系统变得非常脆弱：它缩小了系统能够正常运行的条件范围，以至于哪怕是微小的扰动也可能让系统失去平衡。
**自组织、适应与压制的代价**
自组织是指系统能够使自身变得更加复杂，从而实现多样化、适应和改进。地球的生物圈就是一个自组织系统：数十亿年前，水中的化学物质“浓汤”形成了细胞生物，随后演化出多细胞生物，最终进化为能够思考和说话的人类。有些组织会压制自组织，这可能是因为它们追求绩效优化、寻求同质化，或是担心稳定性受到威胁；这也解释了为什么有些公司把员工简化成只会执行基本指令、压制不同意见的机器。压制自组织会削弱系统的复原力，使其无法适应新的情况。
**限制因素与系统表现**
限制因素是在其他投入当前水平下约束表现的因素。改善非约束项可能收益很小，改善瓶颈则可能有效，直到另一个约束接替它。这不意味着任何瓶颈失效都会摧毁整个系统，也不意味着其他改善毫无价值。
贝弗林用一个家庭例子来说明限制因素的概念：假设你刚生了一个孩子，并希望继续扩大家庭。你所居住的城市就是你家庭系统中的一个限制因素，因为如果一直支付这么高的房租，你可能永远买不起更大的房子来容纳更多的家庭成员。要改变这个限制因素，你可以搬到房租更低的新城市，这样就能负担得起更大的居住空间。
**系统分析中的限制因素与常见错误**
虽然贝弗林声称我们可以通过识别和改善系统的限制因素来避免错误，但他并未深入探讨当我们未能考虑限制因素时会犯哪些类型的错误。唐妮拉·梅多斯（Donella Meadows）在《系统之思》一书中指出了两类主要的此类错误。第一，人们有时会认错限制因素，从而无法推动系统的成长或改善。例如，你一开始可能误以为公寓面积小是限制家庭规模增长的因素，但搬到更大的公寓只会增加房租，反而可能让你养不起第二个孩子——真正的限制因素是这座城市高得离谱的房租。第二，限制因素会随时间变化，尤其是在系统成长的过程中；如果你以为限制因素一成不变，系统可能就无法达成目标。比如，当你举家搬到房租更低的新城市、住上更大的房子之后，可能会出现新的因素限制你家庭的进一步发展，比如新社区的教育成本。
*来源与延伸阅读：* [《系统之思》](https://short.zaynjarvis.com/books/thinking-in-systems/)
### 把后果追到第一层效应之外
**行动的深远影响与意外后果**
由于人处在复杂系统之中，行动会以未被预见的方式向外扩散；如果不能预判这些连锁反应，就可能在系统的其他部分产生负面结果。贝弗林以家庭系统为例说明了这一点：假设你为了赚更多钱、更好地养家而接受了晋升。新职位让你异常忙碌，在家的时间变少；你的伴侣不得不承担更多育儿责任，导致关系出现紧张；孩子们因这种紧张感到不安，开始在学校表现出格。
为了提高行动达成预期结果的概率，贝弗林建议尽量预判行动的长远影响。例如，在接受晋升之前，你可以和伴侣讨论其可能带来的影响，并一起想办法减轻对方的育儿负担——比如请其他家人帮忙照看孩子，或者给孩子报一个有趣的课后项目。
**系统复杂性、意外后果与安全缓冲**
由于系统极其复杂，不可能审视行动所处的整个系统，也不可能预测行动的所有影响。彼得·贝弗林（Peter Bevelin）认为，与其去做不可能做到的事，不如预期行动会带来一些意外的负面后果，并为此做好规划。他分享了沃伦·巴菲特（Warren Buffett）应对意外负面结果的策略：在预测中加入安全系数。安全系数是加在预测上的缓冲；如果预测过于乐观，缓冲有助于避免灾难。巴菲特说，他的公司不会购买估值仅略高于价格的股票；相反，他们会在购买决策中加入安全系数，只在估值显著高于价格时才买入。
**意外后果、系统韧性与系统可视化**
系统内的行动可能产生深远的意外影响。这种后果的不可预测性有时被称为“蝴蝶效应”，这个术语由一位气象学家提出——他发现初始条件的微小变化可能在系统的其他地方引发巨大的意外结果；他的推论是，世界某一地区多一只蝴蝶扇动翅膀，产生的气流就可能在另一地区引发龙卷风。
为了提升预判长远后果的能力，唐妮拉·梅多斯在《系统之思》中提出了一种可视化方法：画出系统的示意图，标出各个组成部分及其连接方式。这会迫使你注意到各要素如何相互关联，从而更容易看出一个变化如何触发另一个变化。例如，正在重组部门的经理可以制作组织结构图，直观呈现部门内的层级和员工之间的关系。
梅多斯关于系统韧性的观点还提供了另一种应对意外负面后果的方法，尤其适用于不涉及数值预测的场景（比如改善心理健康的计划）；巴菲特的安全系数策略虽适合可调整的计算类预测，但在这类场景中适用性较低。梅多斯认为，保护系统免受意外结果影响的最佳方式，是提前让系统具备韧性。有韧性的系统能在各种好坏情境下都保持良好运转，并拥有内置的备份机制作为安全网。例如，你可以通过投资多层支持系统来增强心理健康的韧性：心理治疗、药物治疗，以及个人支持网络。如果其中一层意外失效——比如你忘记续配药物——其他备份系统仍能帮助你避免陷入危机。
**日常生活中的小规模系统**
贝弗林举的例子大多是企业、工厂、组织和经济体这类大型复杂系统，但较小的系统同样深刻地塑造着日常生活，行动与后果的逻辑同样适用于它们。人体是一个由器官、体液和激素组成、共同服务于整体的系统；改变一个部分可能影响另一个部分，比如治疗某种疾病的药物可能引发失眠等副作用。家庭是一个关系系统：对一名成员说刻薄的话，可能传递出“刻薄是可以接受的”信号，进而导致其他成员也变得不友善，形成负面连锁反应。日常习惯也构成一个系统：詹姆斯·克利尔（James Clear）在《原子习惯》中将系统定义为一系列共同产生结果的行为。对于想要减肥的人来说，系统可能包括更健康的饮食、更多睡眠和更频繁的锻炼；锻炼带来的积极感受又会反过来强化其他健康习惯。
**感知系统时的认知偏差**
人们研究系统是为了预测系统行为并找出改变系统的最佳方式，但系统的实际表现常常出乎预料。这种差距的根源在于一项基本的认知局限：人脑偏好简单，只能处理有限的复杂度。我们还倾向于用直接的因果关系、在较短的时间尺度内思考，因而无法看清干预措施的全部后果。这些盲点使我们无法认清系统的真实面貌，无法设计出稳健的系统，也无法进行富有成效的干预。
一种反复出现的认知偏差，是更关注存量而非流量；而在流量之中，又更关注流入而非流出。例如，思考全球人口增长时，人们会自然地把注意力放在出生率上升这个驱动因素上，而较少考虑医疗改善带来的死亡率下降同样会推高人口。同样，一家想要扩大员工规模的公司会本能地通过招聘增员，而不会同等用心地去减少员工辞职或被解雇带来的流出。这种不对称性恰好说明，我们对简单性的追求如何导致我们忽视系统的复杂性，并对如何干预形成不完整的认识。
**系统思考的实践**
学习系统思考是一项终身的修行。世界无比复杂，总有新的东西可以学习；即便你认为自己已经牢牢掌握了某个系统，它也可能以出人意料的方式运行，迫使你修正自己的模型。而且，即便你对某个系统理解得很透彻，也确信应该做出哪些改变，真正落实这些改变仍是完全不同的另一项挑战。
成为更好的系统思考者，可以遵循以下实践建议：
- **先观察系统的行为，再理解系统。** 研究系统的历史，了解它是如何走到当前状态的；收集数据，绘制关键指标随时间变化的图表，并梳理它们之间的关系。
- **拓展你的边界。** 同时从短期和长期的时间尺度思考——想想十代人之后系统会如何运行。跨学科思考：要理解复杂系统，你需要了解心理学、经济学、宗教学、生物学等广泛领域。
- **把你的模型明确表达出来。** 随着理解的加深，把想法落到纸上，绘制系统图，列出系统的要素并展示它们如何相互连接。绘制系统图能让你关于系统及其运行方式的假设变得清晰可见。
- **把你的模型展示给其他可信的人，并邀请他们反馈。** 他们会质疑你的假设，推动你深化理解。承认自己的错误并重新绘制模型，能够训练你的思维灵活性。
- **决定从哪里介入。** 大多数干预都专注于调整系统结构中的数字，例如部门预算或国家利率。但存在着杠杆率高得多的介入点，例如削弱增强型反馈回路的影响、提升系统的自组织能力，或重新设定系统的目标。
- **将你的干预探究到最深的人性层面。** 在调查干预为何失败时，你可能会遇到关于人类存在的深层问题。你或许会哀叹系统中的人对显而易见的数据视而不见，并以为只要他们像你一样看问题，问题就会立刻解决。但这引出了一个更根本的问题：*任何人*是如何处理他们接收到的数据的？人们又是如何透过截然不同的认知滤镜来看待同样的数据的？
*来源与延伸阅读：* [蝴蝶效应](https://www.technologyreview.com/2011/02/22/196987/when-the-butterfly-effect-took-flight/) · [系统图](https://short.zaynjarvis.com/books/thinking-in-systems/#improving-as-a-systems-thinker) · [组织结构图](https://www.lucidchart.com/blog/types-of-organizational-structures) · [药物副作用](https://www.goodrx.com/conditions/generalized-anxiety-disorder/insomnia-cant-sleep-due-to-anxiety-treatments)
## 跨领域使用思维模型
### 说明前提，再使用模型
比喻可以提示问题；缺少原结果成立的假设，就不能把数学结论或因果主张直接搬过来。
**思维模型：不确定性下的决策框架**
人们每天都要面对一连串的决定，小到早餐吃什么这类琐碎选择，大到选择哪条职业道路这类重大抉择。由于可获得的信息往往杂乱且模糊，最佳选择很少是不言自明的。加布里埃尔·温伯格（Gabriel Weinberg）和劳伦·麦肯（Lauren McCann）在《超级思维》中提出，应对这种不确定性的方法就是**思维模型（mental models）**。
温伯格和麦肯将思维模型定义为帮助我们理解不同领域中各类情境的概念和模式。例如，供需这一思维模型表明，供需关系决定价格：供大于求时价格下降，供不应求时价格上涨。他们认为，思维模型为在不确定性中优化决策提供了框架，善用这些模型可以实现“超级思维”——即准确理解世界及其底层机制的能力。超级模型能消除推理中的误解和低效，转而提供可靠的模式和启发式方法来分析各类情境。通过提升评估信息的能力，它们能强化决策；当组合使用时，不同的超级模型构成一套工具，几乎可以为任何情境下的决策提供参考。
在一个领域发展的模型，可以提示另一领域的机制，温伯格与麦肯称之为“超级模型”。核物理中的临界质量，是在指定条件下足以维持链式反应的裂变材料数量。商业类比关注参与反馈：约会应用有了足够有用、相容的用户群之后，可能更有吸引力。但地域、匹配质量、留存与竞争都重要，达到某个用户数不保证爆发增长。
*编者勘误：此处采用[美国核管理委员会对临界质量的定义](https://www.nrc.gov/reading-rm/basic-ref/glossary/critical-mass)，并删除冻结摘要中把临界质量写成单个原子质量的错误表述。*
**Shortform补充：不同作者如何界定思维模型**
在《伟大的思维模型》第一卷中，沙恩·帕里什（Shane Parrish）和里安农·博比安（Rhiannon Beaubien）将思维模型描述为事物运作方式的表征。相比之下，温伯格和麦肯对该术语的使用更为宽泛，涵盖了远不止事物运作表征的各类概念；他们甚至将多任务处理、组织文化等普遍现象也归为思维模型。帕里什和博比安进一步提出，思维模型还有更广泛的用途：培养智慧。尽管智慧的确切内涵尚不明晰，但他们认为智慧包含为各类问题找到创造性解决方案的能力，因此是实用的——它帮助我们在面对意外挑战时知道该怎么做。
**Shortform补充：谁构建了这些工具箱，以及本指南如何编排**
两部关于思维模型的重要著作通过不同的作者背景和结构框架界定了这一领域。
Shortform 的指南先解释《超级思维》所讨论的思维模型是什么、它们源自何处，以及为何在决策中具有价值。温伯格是估值超过1亿美元的搜索引擎DuckDuckGo的创始人兼首席执行官，为书中关于成功企业思维模型的讨论贡献了商业专业知识。麦肯是一位成果丰硕的统计学家，曾为制药巨头葛兰素史克（GlaxoSmithKline）开展研究，为正式决策模型的论述带来了专业见解。全书共介绍了 300 多种思维模型；Shortform 的指南把相关内容组织为四部分：思维模型概述、规避推理陷阱的模型、可替代使用的建设性模型，以及打造成功企业的模型。Shortform 的指南还纳入了补充视角，对作者推荐的模型加以拓展，偶尔也会提出不同意见。
加拿大企业家、作家沙恩·帕里什（Shane Parrish）是知名博客及媒体公司[Farnam Street](https://fs.blog/)的创始人，该平台致力于[帮助人们提升决策能力并践行终身学习](https://fs.blog/start/)。他在加拿大情报机构担任网络安全专家期间，积累了决策与团队协作方面的专业经验。帕里什与同为情报人员的里安农·博比安（Rhiannon Beaubien）合著了《伟大的思维模型》（*The Great Mental Models*），这套四卷本著作分别涵盖[通用思维](https://www.shortform.com/app/book/the-great-mental-models-volume-1)、[物理/化学/生物学](https://www.shortform.com/app/book/the-great-mental-models-volume-2)、[系统与数学](https://www.shortform.com/app/book/the-great-mental-models-volume-3/1-page-summary)，以及经济学与艺术。帕里什还主持[《知识项目》](https://fs.blog/episodes/)播客，采访商界、科学界等领域的专家。
**直觉与常规思维的僵化性**
温伯格和麦肯提醒，常规思维与直觉可能把既有假设带到不再适用的场景中。放血疗法是他们的历史例子。这项做法经历了漫长而多变的历史；围绕血液、黏液、黑胆汁与黄胆汁的体液学说，为许多用途提供了重要依据。摘要把这段历史压缩为约三千年的延续，以及19世纪末的否定，但不能据此认定做法始终不变、仅由一种信念维持。对疗效的质疑与医学证据的变化，逐步削弱了它的广泛使用。决策上的启示是检查熟悉做法的依据，不把熟悉本身当作验证。
**第一性原理推理与假设去风险化**
第一性原理推理先把起点说清，再从前提展开论证。摘要中的职业前提“向上流动有价值”，是当事人的价值判断，不是人人必须接受的不证自明真理。明确前提使推理更容易检查，却不保证前提正确或选择良好。哥白尼可以说明如何质疑传统的地心模型，但不能证明一个显然原则就解决了天文学问题。他的模型仍保留匀速圆周运动、本轮等假设，其评价属于更长的数学建模与证据发展过程。参见[斯坦福哲学百科：哥白尼](https://plato.stanford.edu/entries/copernicus/)。
不过，即便看似不证自明的第一性原理也可能出错，因此温伯格和麦肯提出了第二个思维模型，以防错误假设混入推理：通过客观手段检验假设的有效性，从而为假设“去风险化”。去风险化的具体形式因假设而异。例如，一位保守派候选人若假定自己能轻松拿下历来倾向共和党的选区，他可以通过开展民意调查来为这一假设去风险。
**Shortform补充：第一性原理推理：哲学根源、局限与社会反弹**
Shortform 把第一性原理推理与笛卡尔在《第一哲学沉思集》中寻找可靠基础的工作联系起来，同时质疑所有起点能否都“不证自明”。欧氏几何提供了一个区分：平行公设的一种等价表述是，过直线外一点有且仅有一条与该直线平行的直线；自洽的非欧几何改变了这一假设。这里的启示是明确模型前提，并在可能时检验，而不是因为某个假设看起来明显，就把它当成真理。
由于常规信念根深蒂固，从第一性原理推导出的反常规结论往往会引发社会反弹——例如伽利略因支持“地球绕太阳运转”的哥白尼学说，被罗马天主教会判为异端，并处以终身软禁。正如史蒂芬·莱维特与史蒂芬·都伯纳在《魔鬼经济学》中指出的，人们之所以遵从常规思维，是因为它省事，能让人回避真实世界的复杂性。由于常规思维通常建立在轶事而非量化数据之上，它会催生各种误解；因此，诉诸常识往往会让我们偏离真相。
Shortform 还指出了假设去风险化的一个重要局限：它对经验性假设很有效，但对价值判断却几乎不适用。例如，温伯格创立的 DuckDuckGo 以“推动互联网隐私保护是有价值的”为前提，而 PETA 则假定“物种主义——即认为某些物种天生更优越的观点——是错误的”。我们很难为这两种假设有效去风险，因为无法通过实验来判定物种主义的真伪或隐私的内在价值。当你的假设无法被去风险时，最好谨慎行事。
**基本归因错误与善意解读**
由参照系引发的另一个推理问题是基本归因错误：我们会错误地将他人的动机归因于其性格或人品，而不是外部因素。例如，如果服务员态度冷淡，我们可能会断定他们粗鲁无礼，而不会想到他们可能只是今天过得不顺。为了克服这种错误，温伯格和麦肯鼓励对他人的行为寻求最善意的解读——本质上就是以宽容而非怀疑的眼光看待他人的行为。这一建议与汉隆剃刀（Hanlon's Razor）原理相契合，该思维模型指出，如果可以将某人的行为归因于疏忽，就不要将其归因于恶意。
**Shortform补充：汉隆剃刀及其局限**
汉隆剃刀只是一个通用启发式方法，在恶意比疏忽更能解释行为的情况下——即便两者都有可能——它可能会误导我们。在《傲慢与偏见》中，简·班纳特就是误用汉隆剃刀的典型：当卡罗琳·宾利一再试图破坏简与她哥哥刚刚萌芽的感情时，简却一再——而且不合情理地——对卡罗琳往好处想。
*来源与延伸阅读：* [《超级思维》](https://www.penguinrandomhouse.com/books/562923/super-thinking-by-gabriel-weinberg-and-lauren-mccann/) · [《伟大的思维模型》第一卷](https://www.shortform.com/app/book/the-great-mental-models-volume-1) · [《伟大的思维模型》第一卷摘要](https://www.shortform.com/app/book/the-great-mental-models-volume-1/1-page-summary) · [Farnam Street](https://fs.blog/) · [Farnam Street的宗旨](https://fs.blog/start/) · [《伟大的思维模型》第二卷](https://www.shortform.com/app/book/the-great-mental-models-volume-2) · [《伟大的思维模型》第三卷](https://www.shortform.com/app/book/the-great-mental-models-volume-3/1-page-summary) · [《知识项目》播客](https://fs.blog/episodes/) · [放血与体液学说](https://www.medicalnewstoday.com/articles/bloodletting-why-doctors-used-to-bleed-their-patients-for-health) · [放血疗法的衰落](https://bcmj.org/premise/history-bloodletting) · [地心天文学](https://www.britannica.com/science/Ptolemaic-system) · [哥白尼模型讨论](https://www.uu.edu/dept/physics/scienceguys/2004Jan.cfm#:~:text=Copernicus%20adopted%20a%20heliocentric%20view,circles%20around%20the%20fixed%20Sun.) · [笛卡尔基础主义](https://plato.stanford.edu/entries/descartes-epistemology/#Foun) · [欧氏平行公设](https://www.britannica.com/science/parallel-postulate) · [非欧几何](https://www.famousscientists.org/gauss-and-non-euclidean-geometry/#:~:text=Gauss%20realized%20that%20self%2Dconsistent,publish%20any%20non%2DEuclidean%20geometry.) · [伽利略审判](https://www.history.com/this-day-in-history/galileo-is-accused-of-heresy) · [《魔鬼经济学》](https://short.zaynjarvis.com/books/freakonomics/) · [DuckDuckGo的隐私价值观](https://duckduckgo.com/) · [物种主义](https://www.peta.org/about-peta/#:~:text=Our%20Mission%20Statement&text=PETA%20opposes%20speciesism%2C%20a%20human,and%20in%20the%20entertainment%20business.)
### 长期效应、共享资源与激励
**短期主义、温水煮青蛙与预防原则**
温水煮青蛙是忽略渐变恶化的比喻，不是可靠的青蛙行为描述。温伯格与麦肯用它说明短期主义：改善当前结果的行动，可能损害未来能力。一家公司只营销现有产品、忽略开发，当下看似高效，却可能没有可行的下一代产品。应追踪缓慢变化的条件本身，而非等待每次小变化都令人震惊。
为了克服短期主义，温伯格和麦肯建议遵循预防原则：当一项行动的潜在有害后果尚不明确时，应极其谨慎地行事。更具体地说，这意味着要通过考虑一项行动可能导致的有害后果来分析潜在风险，并自问是否有理由认为该行动存在危险后果。如果答案是肯定的，就应在行动前暂停。他们认为，遵循这一原则，我们未来遭遇有害后果的可能性就会降低。
**Shortform补充：预防原则与期望效用理论的冲突**
尽管预防原则看似直观，但法律学者认为它会导致站不住脚的后果。尤其是当所有可能的决策都存在潜在有害后果时，预防原则会陷入僵局。例如，核能的批评者反对核能可能带来的灾难性后果，而替代方案——化石燃料——则可能导致毁灭性的气候变化。在这种情况下，预防原则几乎无法提供指导。
更广泛地说，这些情况体现了预防原则与期望效用理论之间的冲突，后者认为在特定情境下的理性决策是使效用最大化的决策——即平均而言能带来最高净收益的决策。由于高风险决策有时会带来足够高的回报，期望效用理论可能会支持那些预防原则会告诫我们谨慎对待的决策。例如，向核能转型可能带来的巨大回报，足以证明尽管存在风险仍值得这么做。
为了调和这两种方法，有人认为预防原则只是一种实用的启发式工具，而非决策理论中万无一失的法则——换言之，尽管理论上存在疑问，但它仍是一条有用的指导方针。
**个体合理选择引发的集体危害**
小决定的暴政描述的是：对个人有吸引力的选择累积成不理想的集体结果。投票说明集体行动问题：一票影响看似很小，可能削弱参与意愿，但民主运作需要总体参与。公地悲剧特指共享且有竞争性的资源，例如鱼群，个人取用可能耗尽整体。疫情初期抢购的食品是私人物品，不是公共物品；同步囤积仍可能造成协调失灵与暂时短缺。广泛可用的预警信号等公共物品，主要涉及搭便车等问题。选择干预方式时，应把这些机制分开。
**Shortform补充：短期主义、文化差异与集体损害**
Shortform 提到比较文化中短期与长期取向的研究传统，常以美国和东亚社会作对照。这类群体倾向依赖情境与测量，不决定个人时间视野，也不意味着同一区域的每个机构都一样。
康德的普遍化检验增加了一个伦理问题：能否理性地希望行动背后的准则普遍适用？说谎惯例可能破坏它自己依赖的信任。这是其道德框架内的论证，不证明所有有集体代价的行动，在每一种决策理论中都不理性。追问“如果人人遵循同一规则会怎样”，可以揭示投票、诚实与资源使用中的集体效应，同时保留这些案例机制的区别。
**Shortform补充：框架效应与助推的伦理**
塞勒与桑斯坦的助推，是在不禁止选项、不显著改变经济激励的情况下改变选择架构。默认项和呈现方式可以改变注意与行为，同时保留替代选择。少量建议小费说明框架和锚定，前提是仍可自填金额；试用后自动收费的订阅，若条款或退出不清楚，则可能利用惯性。德国退瓶制度包含退还押金，并非简单奖励回收，其金钱激励也应与纯粹助推区分。
选择架构也可能服务提供者而非选择者。高默认小费比例可能锚定支付额，并制造社会压力，不能只称为可得性偏差。应检查透明度、另选是否容易、服务谁的目标，以及使用者能否真正拒绝。
**威慑与胡萝卜加大棒模型**
为了从一开始就防止冲突发生，威慑（deterrence）是一种有效的策略：它通过施加威胁，阻止对方发起冲突。例如，面对叛逆孩子的父母可能会威胁说，如果孩子偷偷溜出去被抓到就会被禁足，以此来威慑他们。
胡萝卜加大棒把期望行为的奖励与不期望行为的代价结合起来。在行为学术语中，负惩罚特指移除一个有价值的刺激；“负”不是所有令人不快的处罚的统称。教授按出勤调整成绩可以说明激励，但效果取决于可信度、公平性、成绩应测什么，以及可能的钻空子行为。两种手段并用不保证合作，也不意味着威胁没有代价。
**Shortform补充：正面强化与惩罚**
正面强化与惩罚哪个更有效，取决于你想要达成的目标。一般而言，正面强化更能鼓励行动，而惩罚更能促使人们停止行动。不过也有人认为，这种不对称性不适用于儿童——对儿童来说，奖励始终比惩罚更有效。
**Shortform补充：遏制：收益与风险**
尽管遏制可以防止多米诺效应，但它也可能带来不利后果。作为历史例证，哈里·杜鲁门（Harry Truman）旨在阻止苏联扩张的冷战遏制战略——根据该战略，美国向面临苏联入侵风险的国家提供军事和经济援助，以遏制共产主义的影响力。然而，一些学者认为，杜鲁门的遏制战略在无意中阻碍了外交，降低了与苏联开展对话的可能性。简言之，遏制并非总是一种无风险的手段。
**Shortform补充：绥靖政策与后见之明偏差**
历史上最著名的绥靖案例被广泛认为是一次失败：1938年，英国首相内维尔·张伯伦（Neville Chamberlain）签署了《慕尼黑协定》，允许德国吞并苏台德地区，希望以此安抚德国、避免进一步冲突。众所周知，这一决定最终是徒劳的，冲突还是爆发了。尽管《慕尼黑协定》常被用作反对绥靖政策的警示故事，但这种解读可能反映了**后见之明偏差（hindsight bias）**——即人们在事后回顾时，会觉得某个结果比当时实际更容易预测。
*来源与延伸阅读：* [预防原则批评](https://dash.harvard.edu/handle/1/29998410) · [核能风险](https://www.greenamerica.org/fight-dirty-energy/amazon-build-cleaner-cloud/10-reasons-oppose-nuclear-energy) · [化石燃料与气候](https://www.hsph.harvard.edu/c-change/subtopics/fossil-fuels-health/#:~:text=Producing%20and%20burning%20fossil%20fuels,coal%2C%20oil%20and%20natural%20gas.) · [期望效用](https://people.hec.edu/mongin/wp-content/uploads/sites/36/2018/08/O12.MonginExpectedHbk97.pdf) · [预防原则作为启发式](https://academic.oup.com/lpr/article/5/1/19/990788) · [疫情恐慌抢购](https://sustainability.utdallas.edu/news/20200406a/) · [文化中的时间取向](https://fosburit.com/culture/long-term-orientation-vs-short-term-orientation/) · [康德普遍化检验](https://plato.stanford.edu/entries/kant-moral/#ForUniLawNat) · [选项菜单设计](https://www.shortform.com/app/book/nudge/techniques-3-and-4) · [默认选项](https://www.shortform.com/app/book/nudge/technique-1) · [退瓶押金制度](https://allaboutberlin.com/guides/pfand-bottles) · [小费提示与压力](https://www.today.com/money/guilt-tipping-are-square-mobile-payments-making-us-tip-everyone-t126151) · [强化与惩罚](https://hbr.org/2017/09/what-motivates-employees-more-rewards-or-punishments#:~:text=This%20may%20seem%20odd%2C%20but,be%20more%20effective%20than%20punishments.) · [奖励与儿童](https://www.psychologytoday.com/us/blog/family-affair/200809/rewards-are-better-punishment-here-s-why) · [冷战遏制政策](https://history.state.gov/milestones/1945-1952/kennan) · [遏制与外交](https://www.jstor.org/stable/24914870) · [慕尼黑协定](https://www.britannica.com/event/Munich-Agreement)
### 建立优势，再持续适应
**可持续竞争优势：秘密与产品/市场契合度**
可持续竞争优势，是竞争者不能迅速抹平的优势。摘要用特斯拉的电池能力说明，控制重要投入可能有价值。但自行生产零部件不自动更便宜或质量更好；资本成本、规模、技术、供应商替代方案和执行，决定整合是否形成优势。
温伯格与麦肯区分两类秘密。一类是鲜为人知、能创造机会的信息：摘要中的鲍勃·沃加里斯案例，讲的是在相关赔率定价追上之前，通过篮球数据分析寻找投注优势。另一类是大家知道但不愿追求的可能性：电动汽车在1900年前后已存在，特斯拉后来挑战了关于其商业可行性的假设。早期存在与特斯拉后来的估值，并不证明电动车在1900年销量领先所有车型，也不证明一个洞见单独造成企业成功。作者建议保持好奇、跨领域交往，因为一处的常识可能是另一处忽略的机会。
秘密可能揭示未满足需求，支持产品与市场匹配：顾客足够需要产品，使业务能够持续。苹果在众多手机生产商中的位置可以说明差异化价值，却不能证明最先达到所谓“完美匹配”的企业总会赢。分销、成本、时机和竞争者也影响结果，市场变化还会改变匹配程度。
客户开发通过了解潜在与现有顾客、迭代产品来检验假设。访谈、实验和焦点小组可以揭示需求与障碍。焦点小组不一定是随机样本，参与者喜欢想法也不等于需求已确立。应把口头反馈与实际行为、企业想服务的细分市场连接起来。
**Shortform补充：发现秘密：蒂尔的框架与莱特兄弟的例证**
温伯格和麦肯的“发现秘密”框架源自彼得·蒂尔（Peter Thiel）的《从0到1》（*Zero to One*）一书，蒂尔还提出了发现秘密的额外步骤：相信秘密仍然存在，不要认为所有相关秘密都已被发现；审视主流思想家忽视或认为毫无价值的问题，因为这些问题往往指向秘密；愿意因质疑传统假设而显得愚蠢，因为固守这些假设会阻碍发现。
Shortform 用莱特兄弟说明，对实用动力飞行的既有假设提出质疑。翼扭通过改变两翼升力帮助控制滚转，不只是提高总升力的技巧。1903年12月的飞行，依赖控制、推进、空气动力研究与试验的组合。可迁移机制是调查被忽略的约束，不是证明只要反对常识就会突破。
**Shortform补充：产品/市场契合度、产品生命周期与客户开发**
实现了产品/市场契合度的产品仍然会经历产品生命周期，最终往往会随着消费者不再青睐而进入市场衰退阶段。因此，即便达到了产品/市场契合度，也必须持续调整，否则成功可能只是昙花一现。这与西蒙·斯涅克在《无限游戏》中的建议相呼应：将商业视为一场无限游戏，目标仅仅是持续参与下去。
此外，虽然温伯格和麦肯是在具体产品的背景下讨论客户开发的，但这一概念也适用于整个商业模式；初创公司尤其可以利用客户开发来判断潜在商业模式的优缺点，例如通过开展调研评估消费者需求，然后构建能够满足这些需求的商业模式。
**Shortform补充：可持续竞争优势与短暂竞争优势**
尽管可持续竞争优势被广泛誉为商业的圣杯，但一些战略家反而主张追求“短暂优势”——即一系列短期优势，它们合起来能够带来长期成功。持这一观点的人认为，可持续竞争优势已经变得不切实际，因为全球化和日益加深的数字化使得长期优势更难维持。因此他们建议，企业应当不断寻找并利用一系列短期优势。
亚马逊就是这种策略的例证：它最初是一个卖书的平台，随后加入了 CD 产品，再扩展到玩具、电子产品等品类，最终还推出了流媒体服务。这些举措单独来看都不是可持续的——其他公司也在网上销售 CD 和各类商品，流媒体领域也出现了竞争对手——但每一项都提供了一段时期内可供利用的短期优势。话虽如此，这些短期优势合在一起可能已经形成了一种长期优势，因为亚马逊平台上商品的丰富程度本身如今已经是一项可持续竞争优势。
**适应力、自然选择与克服惯性**
源自进化论的自然选择框架为商业适应性提供了一种思维模型。在生物学中，自然选择决定了有助于提升遗传适应度（即生存与繁殖能力）的基因最有可能被传递下去；例如，脖子更长的长颈鹿更容易获取食物，从而提高了生存和繁殖的几率，因此该性状更有可能出现在后代中。温伯格和麦肯认为，类似的选择过程也存在于社会语境中：能够适应社会偏好演变的观念更有可能蓬勃发展。能够顺应这些偏好变化的企业更有机会取得成功，而不愿适应的企业则会很快被淘汰。作者提出了一系列思维模型，旨在最大化适应性，引导企业走向成功。
力学中的惯性指运动状态在净外力改变之前保持不变；商业用法则类比改变惯例与承诺的阻力。环境转变时，应检查假设并尝试可行变化。Netflix在2007年增加流媒体业务，同时继续经营DVD租赁，并非当时就放弃实体租赁。例子说明可以在既有业务旁建设新能力，转型难度与时机仍然重要。
**Shortform补充：作为无限游戏的适应**
将适应视为一场无限游戏，为持续的商业成功提供了另一种视角。西蒙·斯涅克（Simon Sinek）认为，通过不断适应动态变化的社会，你就是在把商业当作一场无限游戏——就像俄罗斯方块一样，目标是无限期地玩下去——这样做会比把商业视为有固定终点的有限游戏（如同国际象棋）更成功。为了以这种无限游戏的心态经营，斯涅克倡导三项做法：主动做好转型准备，以便在社会偏好发生变化时能够顺势发展；研究值得学习的竞争对手，从中学习更多适应和生存的方法；建立互信的团队，因为在信任的环境中，员工更愿意分享改进公司的想法。
**动量、临界点与采用曲线**
与惯性密切相关的是动量（势头）概念。温伯格和麦肯提出，企业若想取得成功，应当追逐那些势头正在增强的创意和产品。识别这类机会的一个关键方法，是寻找即将到达“临界点”的创意和产品——临界点即系统开始发生快速转变的时刻。举例来说，1990年代巴尔的摩到达了一个临界点，引发了梅毒疫情，因为高密度地区有更多人暴露于感染风险。在商业语境中，当产品不仅被早期采用者（即无需社会压力就愿意尝试新事物的人）接受，同时也被早期大众（即愿意尝试由早期采用者推广的事物的人）接受时，临界点就出现了。通过密切关注早期采用者群体中的趋势，你可以预判哪些产品未来可能积聚势头。
**Shortform补充：临界点与跨越鸿沟**
要让自家产品的势头最大化，你需要主动跨越早期市场与主流市场之间的“鸿沟”，从而抵达临界点。在《跨越鸿沟》一书中，杰弗里·摩尔（Geoffrey Moore）提出了实现这一目标的四步指导方针：第一，凭借直觉选择一个利基市场作为目标；第二，为该利基市场开发一款“简化的完整产品”——大致而言，就是核心产品加上必要的外部组件，例如智能手机与其操作系统和充电设备的组合；第三，为产品定位，撰写一份定位陈述，明确其在市场竞争格局中的位置；第四，打通分销渠道，将产品销售给潜在客户。
举一个具体的例子：对于一款约会应用，你可以凭直觉将离异人士选为目标利基人群，为较小规模的用户群搭建测试版网站，通过突出自身优势将应用定位为现有选项的可靠替代方案，最后在离异人士最常浏览的渠道投放广告。
**Shortform补充：惯性、摩擦与组织停滞**
在《伟大的思维模型》第二卷中，帕里什和博比安讨论了一个与惯性密切相关的物理学模型：摩擦力——一种阻碍运动的力。在商业语境中，外部因素可能产生摩擦并阻碍适应。例如，计算机公司可能会因硬件制造问题而遇到摩擦，初创公司则可能在资金方面遇到摩擦。当摩擦和惯性共同作用时，就会导致停滞：由于惯性，原本静止的实体倾向于保持静止；而由于摩擦，外部因素又难以推动路径改变。
*来源与延伸阅读：* [特斯拉电池整合](https://cleantechnica.com/2020/07/16/teslas-5-biggest-competitive-advantages/) · [沃加里斯的投注分析](https://www.espn.com/blog/playbook/dollars/post/_/id/2935/meet-the-worlds-top-nba-gambler) · [早期电动汽车史](https://www.businessinsider.com/electric-car-history-2017-5#the-electric-car-burst-onto-the-scene-in-the-late-1800s-and-early-1900s-1) · [《从0到1》](https://short.zaynjarvis.com/books/zero-to-one/) · [莱特兄弟的试验](https://www.nytimes.com/2003/12/09/news/earliest-days-takeoff-how-the-wright-brothers-did-what-no-one-else-could.html) · [产品生命周期](https://hbr.org/1965/11/exploit-the-product-life-cycle) · [《无限游戏》](https://www.shortform.com/app/book/the-infinite-game/shortform-introduction) · [客户开发](https://hbr.org/2013/05/why-the-lean-start-up-changes-everything) · [短暂优势](https://hbr.org/2013/06/transient-advantage) · [竞争与优势持久性](https://store.hbr.org/product/the-end-of-competitive-advantage-how-to-keep-your-strategy-moving-as-fast-as-your-business/10605) · [自然选择类比](https://www.nhm.ac.uk/discover/what-is-natural-selection.html) · [Netflix流媒体转型](https://www.uschamber.com/co/good-company/growth-studio/successful-companies-that-reinvented-their-business) · [无限游戏视角](https://www.shortform.com/app/book/the-infinite-game/1-page-summary) · [准备转型](https://www.shortform.com/app/book/the-infinite-game/guideline-4) · [向竞争者学习](https://www.shortform.com/app/book/the-infinite-game/guideline-3) · [互信团队](https://www.shortform.com/app/book/the-infinite-game/guideline-2) · [巴尔的摩疫情例子](https://www.shortform.com/blog/tipping-point-examples/) · [《跨越鸿沟》](https://short.zaynjarvis.com/books/crossing-the-chasm/)
### 团队需要文化、匹配与有效练习
**打造10倍团队：文化、个体管理与刻意练习**
温伯格和麦肯认为，仅靠适应力不足以取得成功——你还必须挖掘员工的潜力，打造蓬勃发展的团队。他们的具体目标是打造“10倍团队（10x teams）”：由有能力的员工组成，通过发挥各自的独特技能而取得卓越表现的团队。他们指出，只招聘全明星员工这种看似显而易见的策略行不通，因为**乔伊定律（Joy’s Law）**认为，世界上大多数最聪明、最有才华的人都在为别人工作。既然你不能指望每一位新员工都是天生的全明星，那么培养和释放现有员工的潜力就至关重要。
构建10倍团队的第一步是打造强大的**组织文化**——即一个组织共有的信念、实践和价值观。温伯格和麦肯强调，强大的文化并无放之四海而皆准的模板，但有几个关键步骤可以帮助领导者塑造积极的文化：
- 确立明确的北极星目标。
- 将核心价值观清晰化。
- 对表现突出的员工给予奖励。
- 以身作则践行所倡导的规范和价值观。
通过这些举措，领导者可以主动将公司文化引导至期望的方向。
在组织内部获取支持的一个关键思维模型是“赢得人心”。该模型起源于军事领域，指的是通过直接诉诸人们的情感和理性来争取支持。例如，在2022年乌克兰对抗俄罗斯的战争中，泽连斯基总统就运用了这一模型：他将战争定义为反抗暴政与邪恶的斗争，同时反击俄罗斯媒体的虚假信息。在商业语境中，赢得人心能够培养员工的内在动力：通过清晰传达价值观，并展示公司所满足的切实需求，领导者可以让员工认同组织的事业，帮助他们在挑战中坚持下去。相比之下，仅受外在动机驱动的员工，一旦遇到更好的条件（比如薪资更高的工作）就会轻易离职。
除了团队建设之外，要最大化员工潜力，还需要以最适合每个人的方式进行管理。一个核心原则是将员工安排到与其技能相匹配的岗位上：内向者可能更适合独立性强的岗位，例如战略类职位，而外向者可能在销售等需要大量沟通的环境中表现更好。同样，了解组织的具体需求有助于明确应该招聘哪类员工。通才——喜欢广泛学习各类主题的人——能在初创公司茁壮成长，因为初创公司的员工需要处理各种各样的任务。专才——喜欢深入钻研单一主题的人——能在有能力投入资源培养专业人才的大型组织中表现出色。
仅仅把员工安排到最合适的岗位上还不够；要充分发挥他们的潜力，还需要持续的指导与培养。具体而言，管理者应当鼓励团队进行“刻意练习”。这一概念源于安德斯·埃里克森（Anders Ericsson）及同事更早的研究，后来在《刻意练习》（*Peak*）中得到阐述，指的是在能力边界上开展练习，并持续获得关于表现的反馈。例如，一名国际象棋新手可以分析略超出其当前理解水平的棋局，然后与专业教练一起复盘评估。
**Shortform补充：团队构成：内向者、外向者与明星员工**
研究表明，在工作场所，外向者的薪酬更高，晋升速度也比内向者快，这使得内向者有动力表现得更外向。然而，短期内表现得像外向者的内向者，长期来看可能会感到疲惫，绩效也会下降，因此不要过度强迫内向者在工作中采用更外向的风格。
即便有明星员工可供招聘，他们也可能给团队带来挑战。例如，聘用明星员工可能会引发更多人际冲突——可能源于嫉妒和不满——进而损害生产力。同样，给明星员工过多的正面反馈可能会助长其自负心理，损害团队整体表现。出于这些原因，明星员工并不总是值得付出相应的成本和代价。
**Shortform补充：刻意练习需要反馈，不必一定参赛**
埃里克森在《刻意练习》之前就已发展的理论，关注针对具体弱点的结构化训练、超出当前舒适表现的任务、有信息量的反馈、修正与反复努力。可靠测量或专家标准让进步可见。竞争和激励可以推动一些学习者，却不是每次刻意练习的必要条件；没有针对性反馈的比赛也不够。 参见[埃里克森对1993年研究的回顾](https://pmc.ncbi.nlm.nih.gov/articles/PMC6824411/)。
**Shortform补充：通才与专才：从个体到公司**
正如沙恩·帕里什和里安农·博比安在《伟大的思维模型》第二卷中指出的，通才与专才的区分不仅适用于个人，也适用于整个公司。像沃尔玛这样的通才型公司提供种类繁多的产品，而像Untuckit（销售男士休闲衬衫）这样的专才型公司则专注于更细分的领域。
**Shortform补充：组织文化：不同观点与远程办公现实**
温伯格和麦肯将组织文化视为蓬勃发展的企业的一个组成部分，而帕特里克·兰西奥尼（Patrick Lencioni）在《优势》一书中则提出，文化是一家企业所能获得的最大单一优势。他提出了几项强化文化的补充做法：鼓励领导团队开展健康的辩论，让最优方案凭自身价值胜出；培养团队成员间的相互问责，减轻领导者独自监督问责的负担；设定可实现的短期目标，确保持续进步、避免停滞。尽管这些做法并未借助思维模型，但它们为健康文化的根基提供了有益的视角，与温伯格和麦肯关于培育高效、高绩效团队的建议可以相辅相成。
温伯格和麦肯关于赢得人心的建议主要面向线下办公的公司，但新冠疫情促使许多组织转向远程办公。在远程模式下，由于缺少面对面互动来强化规范和价值观，构建有凝聚力的文化会更加困难。有几项策略可以帮助缓解这一难题：每月召开全员大会，以实现清晰沟通并增强团队归属感；开展有趣的团建活动，增进团队成员之间的人际联结；开辟非正式交流渠道，营造更温暖的氛围；表彰个人成就，让员工感受到自己被重视。
*来源与延伸阅读：* [泽连斯基的沟通](https://news.yahoo.com/ukraines-information-war-winning-hearts-121457925.html?guccounter=1&guce_referrer=aHR0cHM6Ly93d3cuZ29vZ2xlLmNvbS8&guce_referrer_sig=AQAAAKnCHWA8kvb1Z2wXTRyytDXW_ghowX76IhM6AsUbudU3Eeb2K1nv8gAre-YrO6sJ2_7qukXAI9i-KJwulwSMAFEHBdUXSQyA4oL2Ol8K6vnUYwLAsxC2hY6B8zeXtF4MROhRKvgTH7I7sXMnnE9eg45RvQrE1VzNayBrdclUqcaB) · [《刻意练习》](https://www.shortform.com/app/book/peak/1-page-summary#deliberate-practice) · [外向性与职业发展](https://psycnet.apa.org/doiLanding?doi=10.1037%2Fapl0000415) · [表现外向与疲劳](https://hbr.org/2022/10/stop-telling-introverts-to-act-like-extroverts) · [明星招聘与冲突](https://hbr.org/2004/05/the-risky-business-of-hiring-stars) · [赞扬与自负](https://hbr.org/2017/06/how-to-manage-your-star-employee) · [《优势》](https://www.shortform.com/app/book/the-advantage) · [远程办公转变](https://www.pewresearch.org/social-trends/2020/12/09/how-the-coronavirus-outbreak-has-and-hasnt-changed-the-way-americans-work/) · [远程团队文化](https://www.forbes.com/sites/forbesbusinessdevelopmentcouncil/2021/02/02/12-actionable-ways-to-build-and-sustain-culture-in-a-remote-environment/?sh=634e1e187ba5)
### 限制损害，不编造单一成因
**降低竞争对手冲突的损害：遏制与绥靖**
即便是拥有可持续竞争优势的公司，也必须警惕与竞争对手的冲突。为此，温伯格和麦肯提供了两类思维模型：一类旨在彻底避免冲突，另一类用于在冲突爆发后降低其负面影响。
遏制是在问题出现后限制进一步损害。食品召回可以减少继续接触有害产品。竞争威胁需要另一种分析：摘要对比了百视达拒绝以5000万美元收购Netflix的提议，以及其2010年破产，但这一顺序不能确立一次拒购导致倒闭。收购对手也不机械等同于召回产品。应识别威胁、可行回应和成本，而不是认定错过一步就注定失败。
当其他策略都失败时，温伯格和麦肯建议采取“绥靖”（appeasement）策略，即便这需要向对方做出重大让步。例如，如果你正陷入一场可能损害公司声誉的与竞争对手的法律纠纷中，那么提出和解方案以安抚对方可能是值得的。你接受短期的让步，是为了避免可能出现的长期灾难。
*来源与延伸阅读：* [Netflix收购提议](https://www.independent.co.uk/news/world/americas/blockbuster-ceo-netflix-meeting-laugh-b2009607.html) · [百视达破产](https://www.businessinsider.com/the-rise-and-fall-of-blockbuster-video-streaming-2020-1#:~:text=But%2C%20in%202010%20Blockbuster%20filed,DVD%2Dby%2Dmail%20service.)
## 现实约束下的算法
### 何时停止与何时探索，是不同问题
借用算法前，写明目标、可用信息、约束与试验成本。它们改变时，建议的行动也可能改变。
**核心前提：计算机算法作为生活策略**
在《算法之美》（*Algorithms to Live By*）一书中，布莱恩·克里斯汀（Brian Christian）和汤姆·格里菲思（Tom Griffiths）提出，通常被视为高度专业化领域的计算机科学，其实蕴含着大量可用于改善日常生活的实用知识。其核心洞见在于：人类与计算机面临的问题在本质上是相似的——二者都必须尽可能最优地调配有限的资源，包括记忆、注意力与时间。计算机能以惊人的效率处理任务，并迅速为复杂问题想出创造性的解决方案；两位作者因此认为，人类如果采用与计算机相同的算法策略，也能取得类似的效果。两位作者共介绍了十一条这样的“生活算法”；Shortform 将其归为四大类：决策算法、组织算法、问题解决算法，以及一小部分无法归入其他类别的杂项算法。
**最优停止：37%法则优化的是什么**
经典秘书问题假设：候选总数N已知、随机出现、能比较相对排名、拒绝后不能回头，而且目标是最大化选中唯一最佳候选者的概率。当N很大时，近似最优规则是先观察N/e、约37%的候选者而不选择，然后接受后面第一个超过此前所有人的候选者。如果后来没有更好的候选者，就可能无法选中最佳；最后强行选一位也不能挽回已经错过的最佳机会。该规则的最大成功率也趋近37%。
克里斯汀与格里菲思用求职说明问题：早期得到一份目前最好的录用通知，却仍缺少一些你想要的条件，此时接受还是继续找？真实求职的总数可能未知，机会并非随机到达，期限可以协商，也可能允许回头。在这些情境中，37%只是特定模型的参照，不是求职过程或人生时间的通用比例。
**Shortform补充：目标变了，停止规则也会变**
Shortform 引用汉娜·弗莱的讨论：与其坚持绝对最优，可以接受足够好的候选者。37%的成功率并不推翻经典结论，它就是在那个苛刻目标下的结论。如果最佳候选者出现在观察期，规则会拒绝它，之后就没有人能超过这个标杆。
来源保留了弗莱示例中的数字：接受前5%水平时，探索22%、成功率57%；接受前15%水平时，探索19%、成功率78%。这些数字属于她设定的例子，不是对任意候选数量、任意搜寻条件都成立的通用定理。可迁移的做法是先明确“足够好”指什么，再按这个目标与实际机会选择停止规则。
**多臂老虎机：找出哪些不确定性值得试**
多臂老虎机问题要求在回报最初未知的几台机器之间反复选择，兼顾现在获得收益与学习哪台机器更好。上置信界（UCB）策略给选项排序时，用的是“估计的平均回报＋不确定性奖励”。很少尝试的选项，其均值仍不确定，因此可能得到更多探索；随着证据积累，这个奖励通常会缩小。这是在合理的均值上界上保持乐观，不是无视概率、只选能想象出的最大奖金。
迁移到生活中，就是尝试有前景但了解不足的机会，从反馈中学习，并在证据变差时调整投入。它是否适用，取决于能否反复获得反馈、回报能否有意义地比较、还剩多少时间受益，以及试验是否负担得起。探索前先检查下行损失与尝试成本：一次性的、可能让人无法恢复的决定，并不是标准UCB规则所依赖的有界重复回报问题。
**Shortform补充：给探索损失设边界**
Shortform 引入塔勒布《黑天鹅》的观点，提醒读者注意尾部风险。一家银行可能连续四十年靠贷款赚取数百万，却仍承担历史样本中很少体现的大规模违约风险。良好记录本身不足以衡量罕见系统损失的概率与严重程度。这不意味着历史证据全部无用，而是当结果分布不对称、了解不足时，必须正视样本的局限。
追求上行收益前，先问一次尝试最多会损失什么、损失是否会连锁放大，以及判断错误后能否继续生活。这是给老虎机类比增加风险设计问题，不应写成对UCB的推翻，也不能据此断言克里斯汀与格里菲思的原书完全忽略了下行风险。
*来源与延伸阅读：* [Fry论最优停止](https://ideas.ted.com/when-should-you-settle-down/) · [塔勒布论尾部风险](https://www.shortform.com/app/book/the-black-swan/chapter-7)
### 简化预测，不删掉必要约束
贝叶斯更新已在不确定性部分完整说明。这里接着讨论泛化：增加灵活性反而拟合噪声时，模型该保留什么？
**过拟合：简化，但别删掉决定成立的条件**
模型过拟合，是指灵活性过多地捕捉了已有数据的偶然特征或噪声，反而损害它在新数据上的表现。相对于证据量，可调变量过多可能促成这一问题，但变量数量本身并不是定义。简化模型、正则化及留出数据检验，都可能有所帮助。
克里斯汀与格里菲思的日常类比，是别让琐碎细节压过少数重要因素。选工作时，喜欢工作内容可以占很大权重，却不能自动取代维持生活所需的收入、健康、地点等硬约束。先确认必要条件，再删掉只增加复杂度、并未改善选择的信息。“只看一两个因素、忽略其他一切”不能成为通用规则。
**Shortform补充：过拟合、极简主义与聚焦真正重要的事**
通过聚焦重要事物、忽略其余内容来克服过拟合的思路，不仅适用于单个决策，也可以延伸到整个人生。在《极简主义》一书中，乔舒亚·菲尔兹·米尔本（Joshua Millburn）和瑞安·尼科迪默斯（Ryan Nicodemus）将这一逻辑应用于生活方式的设计。他们认为，现代人有一种“人生过拟合”的倾向：试图通过增加更多东西——豪车、豪宅、风景如画的度假——来让自己更快乐，而不是专注于少数真正决定幸福感的因素。这些物品和体验只会分散注意力，让人远离那些带来最持久价值的事物：个人健康、充满爱的人际关系，以及对他人有所贡献的感觉。总体而言，从生活中剔除那些不带来价值的东西，比不断追逐更大更好的新享乐，是一条更可持续的幸福之路。
*来源与延伸阅读：* [《极简主义》](https://www.shortform.com/app/book/minimalism)
### 安排工作，存放所需之物
**任务调度：先选目标，再选顺序**
不存在普遍最优的任务顺序。对于一组已经到达、互相独立、时长已知、由一个执行者处理且不中途抢占的任务，最短处理时间优先可以使平均完成时间最小。它也可能让一长串待办显得更容易应付，这就是克里斯汀与格里菲思讨论的激励用途。
如果各任务有权重，在相应假设下，按“权重÷处理时长”从高到低排列，可以最小化加权完成时间之和。这个比值有助于排序，却不意味着随时挑单位时间价值最高的事，就能解决所有调度问题。期限、依赖关系、新任务到达、切换成本，以及完成重大项目的目标，都可能改变应采用的规则。先估计时长和价值，明确目标，再选择服务于目标的顺序。
**Shortform补充：排序的权衡：先做最短任务还是先做最难任务**
Shortform 把布赖恩·特雷西的《吃掉那只青蛙》放在最短处理时间调度旁边。特雷西处理的是重要工作上的拖延：源源不断的小事可能挤掉困难但价值更高的任务。他建议识别重要工作，拆成可执行步骤，并保护投入时间。这与在固定任务集合中最小化平均完成时间是不同目标，不是对那一定理的反驳。困难与价值也不相同，排序应根据真实目标，而不是假定最难的事永远最有价值。
**缓存：按使用频率整理物品**
第一条组织算法关注如何高效取用个人物品：若想高效访问任何一组物品，应按使用频率对其进行分区。这一原则源自计算机的缓存机制——计算机会把最常访问的数据归为一组，并优先搜索这些高优先级存储区。克里斯汀和格里菲思建议将同样的缓存逻辑应用于实物：把最常用的衣物、书籍和文件分成小堆，放在通常需要用到它们的地方、伸手可及的位置。
**Shortform补充：基于频率的缓存法与近藤麻理惠的整理哲学**
按使用频率整理物品的“缓存”方法，遭到了近藤麻理惠（Marie Kondo）在《怦然心动的人生整理魔法》中的直接质疑。近藤认为，按使用频率整理物品是一种常见的整理误区。她指出，虽然把所有东西都放在随手可及的“缓存区”里可能节省几秒钟，但代价更大：家里会堆满数不清的小堆，造成杂乱。在她看来，这种“整理”其实是伪装的混乱。大多数情况下，人们只是随手把东西放在当下所在的位置，然后再围绕这些临时形成的缓存区调整自己的习惯。此外，这套方法没有提供轻松记住每件物品位置的途径，因此放在不寻常位置的东西会很难找到。
**桶排序：分类便宜且有用时先分组**
桶排序先把物品分入有顺序的类别，再在每类内部排序。效率取决于分类成本和物品在各桶中的分布，不是永远最优。二十年的会议录像带可以先按年份分堆，再按年内日期排序；若几乎都来自同一年，或日期很难辨认，预期优势就会改变。
**Shortform补充：分治排序：快速排序与桶排序的局限**
Shortform 补充了快速排序：选一个枢轴，按物品应排在它之前还是之后分组，再递归处理各组。一页摘要没有讲到，不证明原书没有讨论。桶排序在类别容易判定、工作分布合理时更有优势；桶严重不均衡可能削弱收益。快速排序也有枢轴选择和最坏情况问题。应比较实际分布与划分成本，而不是认为只要分成小组就必然高效。
*来源与延伸阅读：* [《吃掉那只青蛙》](https://www.shortform.com/app/book/eat-that-frog) · [快速排序](https://betterexplained.com/articles/sorting-algorithms/) · [桶排序的局限](https://infohubblog.com/bucket-sort-advantages-and-disadvantages.html)
### 近似与探索之后，要检查可行性
**难以求解，不等于不可计算**
有些问题存在精确解，但在我们关心的规模上，需要的时间或内存不切实际。克里斯汀与格里菲思建议，在决定允许的情况下牺牲一点精度，换取可执行的答案。这不同于不可判定问题：后者不存在能解决全部实例的通用算法。
约束松弛会移除或放宽一些限制，先求解较容易的问题。松弛后的解可以提供界限或启发思路，却可能违反原始要求。行动前必须恢复这些要求，检查可行性。有时接近最优已经够用；有时微小误差就会改变安全性或可接受程度，因此要主动决定允许什么近似。
**Shortform补充：量子计算不会消除所有困难**
Shortform 将量子计算作为未来可能改善计算能力的方向。量子比特的状态由概率幅描述，算法利用干涉，并在一些情形中利用纠缠；它们并非只是数值暂时未知的普通比特。量子算法对特定问题具有优势，不是所有困难优化问题的通用捷径。
大规模有用计算还需要控制噪声与错误。存在量子硬件，不代表它对所有任务都高效、纠错已经解决，或近似方法很快就不再必要。它是一种有边界的技术可能性，不能成为今天忽略资源限制的理由。
**用有边界的探索跳出局部最优**
爬山法反复试探附近的变化，保留改善；它可能停在局部最优：允许的小幅调整都无法改善目标，但别处仍有更好区域。随机重启或偶尔接受较差的一步，可以帮助探索别处。这种随机性是有意设计的搜索手段，不是要求人不理性地行动。
日常类比是：小修小补不再有效时，尝试陌生爱好，或考察新地点。但随机搬去一座城的后果，远大于体验一种爱好。先生成候选，尽量低成本试验，检查住房、工作等约束，再作难以逆转的承诺。
**Shortform补充：随机性作为发现与消解自我执念的工具**
随机决策能让你接触到那些永远不会主动选择的宝贵经历。德里克·西弗斯（Derek Sivers）在《如何生活》一书中将这一观点推向了极致，主张一种完全围绕随机性构建的充实人生。例如，既然你的职业或穿搭风格并非自己所选，你就不会再将身份认同或自我价值建立在这些东西之上。西弗斯更进一步提出，随机决策能让你过上完全没有自我执念的生活：你永远不必担心自己是否做出了负责任的选择，或是是否已尽一切努力确保美好的未来。相反，你可以自由地全然活在当下，享受生活本来的样子，而非纠结于它本可以怎样。
*来源与延伸阅读：* [量子计算前景](https://www.wired.co.uk/article/quantum-computing-explained) · [《如何生活》](https://sive.rs/h)
### 设计互动，而非只考虑个人动作
**机制设计：均衡不等于集体福利**
纳什均衡是指：给定其他人的策略，任何一方都无法仅靠单方面换策略提高自己的收益。它不必使总福利最大，不必让人人受益，也不必唯一或在现实中可达。机制设计研究如何在指定信息与约束下，通过规则和激励促成期望行为。
捕鱼例子中，对个人有利的捕捞量可能耗尽共享鱼群，损害未来收入。限额、权利或处罚试图让可持续行为对个人也有利。能否做到，取决于监测、执行、激励和生态条件；宣布一项处罚，本身不等于建立了可持续均衡。
**Shortform补充：纳什均衡：计算不精确，但作为框架仍然有用**
Shortform 强调计算与应用均衡的局限。困难可能来自算力要求、收益未知、信息不完整、多重均衡，以及行为偏离模型；不能笼统说均衡通常不存在任何算法可算。即使没有精确解，也可以问：规则是否激励人遵守，还是留下有利可图的绕行方式？这个问题有助于政策设计，却不保证人人受益，也不预测精确结果。
**确认收到，也是沟通的一部分**
网络协议中的确认信息报告收到数据或协议进展，本身不证明连接永久稳定，也不代表理解内容。克里斯汀与格里菲思把它类比为倾听：简短、合时的回应或澄清，让说话者知道信息有没有传到，同时不必交出话语权。只有沉默可能使这一点不清楚，但回应多少仍应随谈话调整。
**Shortform补充：主动倾听：为什么光安静地听还不够**
Shortform 把主动反馈与对卡内基“专心倾听”的一种简化解读对照。两者不必冲突：检查理解不同于打断、夺走话题或急着解决问题。给建议前，可以简短复述情境，并在合适时询问自己是否理解对方的感受。这样的回应有助于双方澄清想法，但要给纠正留空间；没有一种倾听方式保证得到感谢。
**Shortform补充：“大脑即计算机”隐喻：关于局限与效用的辩论**
支撑克里斯蒂安和格里菲思论点的“大脑即计算机”隐喻并非新鲜事物：研究人员几十年来一直在做这样的类比，而如今它正处于神经科学领域一场激烈辩论的中心。一些专家认为，在该领域的前沿研究中，这个隐喻带来的限制已经超过了它的帮助。他们指出了大脑在诸多方面的运作方式与计算机不同，并警告称，这类不准确的认知会让研究人员产生错误的假设，从而误入歧途。另一些专家则反驳说，这个隐喻尚未失去其效用。在他们看来，大脑是否完全像计算机一样运作并不重要；重要的是它完成了许多相同的功能——接收、处理和输出信息。他们认为，既然大脑会进行计算，它就是一台计算机。
*来源与延伸阅读：* [均衡模型的局限](https://www.newyorker.com/news/john-cassidy/the-triumph-and-failure-of-john-nashs-game-theory) · [专心倾听](https://short.zaynjarvis.com/books/how-to-win-friends-and-influence-people/) · [主动倾听](https://hbr.org/2016/07/what-great-listeners-actually-do) · [大脑—计算机隐喻争论](https://www.theguardian.com/science/2020/feb/27/why-your-brain-is-not-a-computer-neuroscience-neural-networks-consciousness) · [大脑的计算观点](https://www.nytimes.com/2015/06/28/opinion/sunday/face-it-your-brain-is-a-computer.html)
## 怎样判断科学主张
### 先追踪奖励，再判断研究者行为
研究可靠性取决于激励、方法与核查。造假、粗心错误与无意识偏差都可能使论文误导人，却需要不同诊断。
**发表压力为何会筛选出劣质科学**
在《科学的虚构》（*Science Fictions*）中，斯图尔特·里奇（Stuart Ritchie）主要把不可靠的研究视为系统问题，而非一连串孤立的不良行为。学术招聘与经费制度让科学家觉得“不发表就无法生存”，发表数量也因此成了成功的替代指标。于是，几十年来论文数量的增长不能被直接当作进步：在这套奖励下，速度和产出可能挤压严谨性，催生错误更多或几乎没有增加有效知识的研究。
古德哈特定律解释了其中的机制：一旦一项指标成为目标，它就不再是一项好指标。当论文数量、期刊声望与引用分数决定职业和资源时，研究人员与出版方就有动机优化数字，而非知识质量。结果可能从仓促、博眼球的工作，一直发展到彻底的科研不端。
斯马尔迪诺与麦克尔里斯的模型说明：选择机制可能奖励更容易产出可发表结果的实验室，让不良方法扩散，而不需要每位研究者都有意这样做。模型使激励机制清晰可见；模拟本身不证明现实机构中劣质科学的规模或具体因果历史。里奇用它解释：奖励结构不变时，仅改变个人意图可能不够。
**从指标到博弈：引用市场、出版寻租与虚假评审**
一旦产出和声望指标成为职业目标，围绕指标的博弈就会随之出现。期刊影响因子——期刊论文平均获得的引用次数——既带有很大随意性，又容易被操纵，以至于编辑可能转而维护指标，而非维护所发表研究的可靠性。h 指数同样从反映研究者贡献的工具变成了另一个被追逐的目标。胁迫性引用迫使作者加入特定文献；引用卡特尔则把同一手段组织化，让作者或期刊彼此过度引用。
研究人员也可以直接操纵论文数量。“萨拉米切片式”发表把一项研究拆成多篇论文，虚增产出、掩盖工作的整体性，并不公平地扭曲就业比较。直接发放论文奖金，尤其是对知名期刊论文发放奖金，会强化金钱激励，削弱默顿的无私利性原则。自我文本回收在没有适当注明出处的情况下重复使用已发表文字，制造出更具原创性、更高产的假象。掠夺性期刊则利用同一需求，通过编辑标准薄弱、同行评审存疑的出版物，出售快速审稿与保证录用。
出版市场又增加了一层扭曲。里奇把高昂的订阅费描述为市场失灵与寻租：由于声望集中、竞争薄弱，商业出版商能够获得远超其编辑服务价值的利润。他将非营利的美国国家科学院期刊与爱思唯尔（Elsevier）期刊对比，发现几乎相同的服务价格却相差悬殊，而整个体系还高度依赖科学家的无偿审稿劳动。
虚假同行评审表明，发表压力可以走得多远。有些作者推荐熟人充当所谓独立评审人；另一些人则冒用真实研究者的姓名创建虚假邮箱，评审自己的论文。里奇特别提到文亨仁（Hyung-In Moon）使用虚假账户的案例，并指出即使《肿瘤生物学》（*Tumor Biology*）这样的知名期刊也曾难以应对这类欺诈。它直接破坏了本应保障研究质量的评审流程。
**Shortform补充：激励机制的解释需要哪些限定**
Shortform 的补充材料把这些激励与可重复性危机联系起来：职业与经费奖励可能向高产、吸引眼球的工作倾斜，然而期刊层面的平均引用指标并不能说明单篇论文的质量或重要性。学术竞争与科研伦理训练不足还会让“走捷径”逐渐常态化，从而解释追求产出的做法为何会扩散。
这种机制描述的是一种风险，并不意味着全部研究都已失真。协作可以在团队内分担压力，同时维持严谨性，许多研究也仍遵循严格标准。政府与产业实验室可能不那么看重顶刊发表，而更关注实际应用或长期项目。不够“博眼球”的领域也可能因其基础性贡献而受到重视。直接的论文奖金还会因国家、学科和机构而异；在某些情境下，它可能缓解研究人员的经济压力，并不必然破坏无私利性。
**扭曲科学的财务与职业激励**
斯图尔特·里奇（Stuart Ritchie）认为，除了直接的机构资助之外，财务利益还会以其他方式与研究人员的目标产生冲突。那些通过图书出版、付费演讲等方式围绕某一特定理论建立起成功职业生涯的科学家，可能有强烈的动机只发表能证实该理论的研究。为了解决这类更广泛的利益冲突，里奇呼吁提高透明度，并建议应扩大现行的财务披露要求，将研究人员的职业地位取决于特定结果得到验证的情形也纳入其中。
**Shortform补充：古德哈特定律及其在科学等领域的反向激励**
古德哈特定律由经济学家查尔斯·古德哈特（Charles Goodhart）于1975年在经济政策背景下提出，其核心观点是：当目标被用作控制机制时，就会失去效力。该定律的适用范围远不止经济学：它同样适用于教育、医疗和商业等领域，在这些领域，绩效指标可能会激励人们钻制度的空子，而非实现真正的改进。
**Shortform补充：马太效应：科学领域的资助集中与结构性不公**
马太效应（Matthew Effect）——即资源和认可向已成名科学家集中的现象——通过多种机制塑造着科研人员的职业发展和研究方向。
地位稳固的科学家通常拥有广泛的职业网络，这能带来更多合作机会并巩固其地位，而新晋研究人员则难以建立可与之相比的人脉。资深研究者也往往更容易获得实验室空间、行政支持等机构资源，这些对有效开展研究至关重要。
早期职业研究人员往往也有自身的优势：他们精通最新技术和方法，并且接受过跨学科训练，能够整合不同领域的概念并提出新颖的解决方案。然而，随着时间推移，资助集中化可能导致研究主题和方法的同质化，从而减缓进步速度，降低领域应对新挑战的适应能力。马太效应还可能形成一种自我强化的职业壁垒：没有认可和资助，年轻科学家就难以建立声誉、发表成果并获得学术职位。
相比之下，多元化的团队更有可能提出更广泛的研究问题，并解决更单一的群体可能忽略的问题。同行评审制度本身可能会加剧这一问题，因为它倾向于支持与已确立理论相符的研究，使得非传统想法更难立足。
**Shortform补充：影响因子与替代指标**
批评影响因子是一种催生不道德行为的、随意的声望指标，这种观点需要结合两点反方意见来看待。第一，文章级指标、替代计量指标（altmetrics）等替代指标也有其自身局限性，同样可能被操纵，因此这一问题并非影响因子所独有。第二，影响因子与引用率之间的相关性并不一定意味着因果关系：编辑和出版方可能会着力提升期刊的可见度和可获取性，这可能在不损害研究质量的前提下自然提高引用率。
### 分析自由怎样筛选结果
**P值操纵、分析灵活性与分岔小径的花园**
里奇考察了p值操纵（p-hacking）这一普遍存在的数据操纵行为：研究者调整分析方式，使结果低于通常使用的p < 0.05显著性阈值。具体手段包括剔除数据点、在特定子组内重新计算结果、更换统计检验方法，或是持续收集数据直到出现统计显著的结果。他用“德州神枪手”类比来说明其逻辑：一名枪手朝谷仓随意开枪，然后在弹孔最密集的地方画上靶心，将偶然的聚集伪装成精准射击的结果。
开展大量未经事先计划的事后检验是p值操纵的核心手法之一；当预期结果未能出现时，研究者会轮番尝试不同的分析策略，以期跨过0.05的门槛。每多做一次检验，假阳性（即错误地断定某种效应存在）的概率就会升高，使分析过程变成一场统计“钓鱼探险”——检验做得越多，就越有可能找到毫无意义的模式。一个相关的变体是HARKing，即“已知结果后再提出假设”（Hypothesizing After the Results are Known）：研究者在没有预设假设的情况下探索数据，然后围绕任何碰巧显著的结果构建一个假设，再次将偶然的统计波动呈现为真实的、可预测的效应，并掩盖研究本身的探索性质。
里奇将更宏观的结构性问题概括为“分岔小径的花园”：当存在许多可供选择的分析路径时，研究者往往会选择能产出最有利结果的那一条。这常常导致过拟合（overfitting）：模型与现有数据完美契合，却无法推广到新数据或真实世界中。他用一个类比来说明：一条平缓的曲线可以大致拟合年度降雨数据，对未来年份有预测价值；而一条穿过每一个数据点的高度复杂曲线，只不过捕捉到了该特定数据集里的随机噪声。
里奇认为，造成这些偏差的一个关键驱动力，是科学家希望找到看起来令人印象深刻、能支持自身理论的结果。他引用古尔德的话指出，科学界奖励“干净利落、毫不含糊的发现”，这给研究者带来了简化并夸大其发现的压力。这种对引人入胜的叙事的强调，往往以牺牲科学严谨性为代价，并掩盖了科学研究本身固有的复杂性。
**研究中的分析偏倚与结局切换**
除了p值操纵，里奇还指出了更广泛的一类分析偏倚：由于数据解读过程中存在诸多选择，这些偏倚会将研究发现推向研究者偏好的结论，从而扭曲结果。一个典型例子是医学研究中的“结局切换”：研究人员预先测试多个结局，但当他们主要关注的首选结局未能达到统计学显著性时，就会把研究重心重新调整到另一个得出显著性结果的结局上。他认为，这种做法不仅掩盖了原本未达显著性的结局可能蕴含的宝贵洞见，还会提高假阳性率——因为统计分析实际上被重复进行了多次，却没有做相应的校正。
里奇还描述了一种“善意偏差”（或称出于良好意图的研究者偏差）：研究者可能会在无意中使自己的研究产生偏差，因为他们真心希望自己的研究能产生有益的结果、为世界带来改变。这种渴望会导致他们在无意识中更青睐符合自身期望与预期的发现。
**Shortform补充：偏向理想结果的可疑研究做法**
另一些由激励驱动的做法，会让研究发现看起来比实际更强、更整齐。“p 值操纵”（p-hacking）选择性报告支持假设的数据，忽略相反证据；当审稿人看不到完整数据集时，同行评审可能无法识别这种筛选。进行大量检验还会提高仅凭偶然就至少得到一个传统显著结果的概率，即多重比较问题；再把 p < 0.05 当作神奇门槛，会进一步放大错误。“数据窥探”（data snooping）则在没有事先假设的情况下寻找显著关系，增加发现虚假相关的风险。
HARKing 模糊了探索性研究与验证性研究的界线：研究者在看到数据后才构造假设，却把它写得仿佛在收集数据前就已提出。这样形成的理论可能建立在偶然模式上，而非稳健检验上。
结局切换——在得到不显著结果后改变研究重心——则需要区分情形。如果次要分析事先规划并写进方案，如果迭代项目透明地逐步完善问题，或所有结局（包括不显著结果）都被公开报告，这种做法可以合理。零结果也能指向更好的研究设计与更精确的假设。当新假设来自新证据或理论，而非由数据驱动的“钓鱼式”探索时，重新分析同样站得住脚。
**统计改革：重新思考P值与显著性**
里奇认为，学界过度强调跨过任意设定的0.05 p值阈值，助长了p值操纵行为，也扭曲了人们对优质研究的判断标准。他主张将重心转向实际显著性——即评估效应的现实意义——并敦促科学家优先透明地报告不确定性、误差范围和效应量，而非只盯着统计显著性。
与此同时，他也警告不要完全抛弃统计重要性的概念：尽管p值存在明显局限，但彻底取消这一客观基准可能会让分析引入更多主观性，反而可能加剧现有的偏倚问题。
**统计学与方法学改革**
里奇讨论了一项统计学改革提议：将统计显著性的标准阈值从 *p* < 0.05 收紧至 *p* < 0.005。这一调整的目的是迫使研究人员用更扎实的证据支撑其假说，从而降低假阳性结果的比例。但他也指出了一个重要的权衡：在更严格的阈值下要保持同等的统计效力，就需要更大的样本量，这会增加研究成本和操作复杂度。
贝叶斯分析将明确的先验与观测数据的似然结合，再归一化得到后验。概率陈述以所用模型和先验为条件，不是无须假设的“真理概率”。它允许纳入相关既有知识，也使对这些选择的敏感性成为分析的一部分。具体更新算法见概率部分。
独立分析或盲态分析可以限制迎合预期结果的机会。统计人员可以在处理标签被遮蔽、或不知道研究者偏好假设的情况下工作，但仍需要足够的设计、抽样和测量信息才能正确分析。里奇也指出成本与解释分歧。应规划谁在何时知道什么；简单隐瞒所有研究条件，反而可能损害分析。
**多重宇宙分析与透明的分析实践**
里奇提出“多重宇宙分析”（multiverse analysis）作为p值操纵的替代方案，它接纳而非隐藏分析的灵活性。研究人员不再只选择一条可以被调整以得出预期结果的分析路径，而是对同一数据集运行所有统计学上合理的分析，并呈现所有这些变体下结果的整体模式。里奇认为，这种方法承认了数据分析中存在众多决策点，并通过展示全部可能的结果范围来减少偏倚，从而让证据的呈现更加诚实、透明。
**Shortform补充：用小练习考虑替代解释**
Shortform 的非正式练习，帮助人把替代可能看清楚。它们是探究的类比，不是对同一数据集开展多重宇宙分析的替代品：
- 面对重大选择，用电子表格列出合理情景、暂定概率与加权结果。对一个事件至少考虑三种解释：晋升可能涉及个人表现、公司需要和市场条件。这些是待调查的可能因素，不是已经确立的三项成因。
- 记录情绪、生产力与互动，每周用彩笔或数字工具画出模式。例如，运动后的日子效率较高可以提示问题，却不能确立运动造成了差异。
- 在“灵活数据挑战”中，朋友各自预测比赛或本地天气，再讨论预测为何不同；在决策角色扮演中，每个人分享选择，小组演出可能结果。两种练习都帮助暴露假设与视角。
- 用一周尝试适度变化，例如按预计时长而非优先级安排任务，并记录结果。个人前后比较可以练习观察，却不能隔离所有其他变化。另一项“简洁挑战”让小组为经济旅行或家庭问题寻找直接方案；简洁仍须满足要求。
- 连续一周，让硬币或随机数生成器决定接下来读什么等无关紧要的小事。比较随机结果与自己本来会做的选择，以察觉期待和欲望的影响。
- 会议开始时说明目标与顾虑，并邀请别人也这样做。这种“无隐藏议程”做法支持坦诚讨论，却不保证一致或信任。
### 哪些已完成研究最终被看见？
**发表偏倚如何扭曲证据**
里奇讨论了发表偏倚，即科学家和期刊更倾向于发表支持假说的阳性结果，而非未发现效应的零结果。期刊往往优先考虑能吸引读者和审稿人注意的、令人兴奋的新颖发现，导致已发表文献中阳性结果的比例过高。这种对有利结果的偏好极大地削弱了研究者提交零结果研究的动力，进一步加剧了已发表文献中的偏倚。
漏斗图将研究精度或样本量与效应估计联系起来，可以提示荟萃分析中的小研究效应或证据缺失。缺少小型、微弱或零效应研究，与选择性发表相容，却不是它的证明：研究异质性、方法差异、偶然性及其他小研究效应也能造成不对称。选择性发表可能夸大合并效应并误导使用者，但诊断方法本身的假设也需要检查。
更直接的方法，是追踪已完成项目是否被写成论文并最终发表。里奇引用了安妮·佛朗哥及同事对预先获批社会科学项目的研究。本地摘要报告：强结果研究占已完成研究的41%，占已发表论文的53%。这是分母不同的构成比例，不是“已知结果强，论文会发表”的概率；这两个数在此保留为摘要所报告的数字，尚待原始表格核实。原始论文摘要另报告：相比零结果研究，强结果研究发表的可能性高40个百分点、被写成论文的可能性高60个百分点。这些差值回答的是另一问题，不能用来替换41%与53%的分母。[Franco等，Science，2014](https://pubmed.ncbi.nlm.nih.gov/25170047/)。
**Shortform补充：发表偏倚诊断本身也要检查**
Shortform 提到Egger检验、剪补法和敏感性分析，可以补充漏斗图。每种方法都有假设；研究数量少、异质性大时，不对称尤其难解释，估补的“缺失”研究也不是找回了真实数据。比较不同合理缺失情景下的结论，可以暴露脆弱性，却不保证修正成功。批判性评估训练帮助读者提出这些问题，不会让专业人士免于被夸大的合并效应误导。
**Shortform补充：发表偏倚有多严重、多持久？**
发表偏倚背后的激励确实存在，但 Shortform 的补充材料也指出了若干可能缓解这种偏倚的趋势。对预注册、开放数据等开放科学实践的日益支持，鼓励发表所有研究结果；期刊可能更看重方法严谨性和科学意义，而非结果是阳性还是阴性；资助机构和院校可能将发表全部结果列为资助的条件；此外，某些领域由于所研究问题的性质或所处的研究阶段，本身就可能有较高比例的阳性发现。
Shortform 把教育、倡议、不按结果方向筛选的发表方式，以及复现刊物视为改变文化的可能路径。但这些刊物存在，不等于已经测出发表偏倚减少了多少。问题变化时，零结果可能失去部分现实相关性，阳性结果也一样；领域发展快，不会自动抹掉它对原始证据记录的贡献。
**让零结果走出文件抽屉**
「文件抽屉」现象描述了科学出版中的一个核心问题：得出零结果或模棱两可结果的研究往往被藏在研究者的文件抽屉里，甚至被彻底放弃，而不会被发表。里奇认为，这种不愿发表零结果的偏见是一个重大问题，因为零结果的发现可能和阳性结果同样具有信息量——它们有助于厘清一个研究领域的整体知识状况，避免其他团队浪费资源做不必要的重复工作。在他看来，发表偏倚是导致文献中研究结果呈现出误导性积极面貌的主要因素。
**对抗偏倚的出版改革**
里奇认为，专门发表零结果的期刊只取得了有限的成功。由于这些期刊声望较低，追求职业发展的研究者不愿向其投稿。结果，这类期刊往往成了其他刊物拒稿研究的收容所，这反过来又强化了一种观念，即零结果发现在本质上不如阳性结果有价值。
大型期刊（mega-journals）——即接受所有方法严谨的研究、无论其结果或被感知的影响力如何的大型在线出版物——是减少发表偏倚的一种有前景的模式。里奇解释说，这些期刊没有新颖性要求，它们为重复研究和未能证实假设的结果提供了发表渠道，使其可以与阳性结果一同发表。不过他也指出，与更具选择性的高影响力期刊相比，大型期刊的声望仍然较低。
**改革出版激励与重复验证**
在里奇更广泛的“透明度与开放科学”改革框架下，要应对发表偏倚并提高可靠性，需要一场文化转变：科学界必须重视所有高质量的研究，无论其结果如何，并建立一个更开放、更透明的出版体系。这一更广泛努力的一个关键部分是揭示隐藏的发现——即将未发表的零结果从文件抽屉中取出，让研究界能够看到它们。
部分期刊和资助机构已开始认识到重复验证研究的价值，并明确征集旨在核实既有发现的投稿。一种“谁造成问题，谁负责修复”的思路也在形成：人们鼓励期刊发表对其自身原载论文的重复验证研究，尤其是那些引发广泛关注或争议的论文，以此为其所遴选的文献承担责任。
**Shortform补充：倡导透明度，减少发表偏倚**
Shortform 提出几种不同的倡议方式：
- 给自己常读期刊的编辑写信，介绍注册报告。应说明，不按结果方向决定录用，以遵守约定方案与质量条件为前提，而非承诺无条件发表。针对具体争议研究写信或撰写有论据的博客，也是参与公开审视的方式。
- 通过社区讲座或工作坊解释零结果与无明确结论的价值。比较天然与市售清洁剂可以作为低风险演示；结果不明确时也应如实解释。
- 向大学董事会或研究委员会建议，由独立小组处理利益冲突。提前准备不端行为报告预案，明确联系人、步骤与相关举报人保护规定。
- 在专业论坛、学习小组或日常讨论中交流引用伦理。目标是支持相关、诚实的引用，不是建立互相引用的交易。
想了解同行评审，可以寻找有指导的学习活动，或与自己经验相符、职责明确的公众或患者参与角色。没有学科专长的人，不能因为志愿参加就具备判断论文技术有效性的资格。应说明能力范围与利益冲突，由正式编辑把任务交给合适的评审者。
**Shortform补充：在科研与日常生活中重视负面与零结果**
评估健康主张时，应纳入包含零结果的数据库与证据综述，而非只选显著研究。下文的共同记录方法，把同样的可见性原则用于失败项目与普通结果；个人日志仍不同于对照研究。
大型期刊（mega-journal）接受范围更广的可靠研究，不要求新颖性，它们为来自不同背景的研究者提供了发声渠道——否则这些研究者可能难以在高影响力期刊上发表论文——从而推动了科学过程的民主化。但这类期刊通常依赖作者或其机构支付的论文处理费（APCs），这可能对来自经费不足的机构或国家的研究者构成障碍。
### 区分造假、错误与数值标记
**问题研究实践：不端行为、疏忽与无意识偏倚**
里奇将有问题的研究实践描述为一种普遍存在的系统性问题，波及众多科学学科，削弱了研究发现的可靠性与可信度。他强调，科学研究并不总是因蓄意造假而失真；很多问题源于无意识的偏见，这些偏见会影响研究设计、分析和解读，从而产生误导性的结果。这类偏见微妙且无处不在，影响着研究过程的诸多环节；即便并非出于故意，它们也会深刻影响科学写作，并扭曲人们对复杂现象的理解。
除了这些更隐蔽的偏倚形式之外，里奇还指出了另外两大类损害科学可靠性的问题实践：故意的科学不端行为，以及日常工作中的疏忽。彻底的欺诈——即研究人员为得到想要的结果而故意捏造或篡改数据或结论——会对科学界和公众造成严重伤害。而疏忽则有多种表现形式，从基础的数值错误到实验设计存在根本缺陷；粗心大意或监督缺失会严重削弱科学发现的可靠性和有效性。
**数据造假及其检测**
数据造假——即编造或改动数值数据以契合理论——是科学欺诈的一种常见形式。里奇强调，造出足以乱真的假数据集并不像看起来那么容易，因为真实数据会因测量误差和抽样而带有固有噪声。而这种天然的噪声恰恰有助于揭露造假：伪造的数据集往往过于规整、缺乏自然变异性，或在不同组别间呈现出可疑的相似模式。里奇用两起备受瞩目的案例加以说明：迪德里克·斯塔佩尔（Diederik Stapel）案中，其伪造的数据几乎没有任何不一致之处；迈克尔·拉库尔（Michael LaCour）案中，数据似乎是通过给现有数据集简单添加随机噪声生成的。
一个具体的算术工具是下文“GRIM能标记什么，不能证明什么”中的GRIM：检查报告均值能否由所述离散数据与样本量产生。它标记的是与这些前提不一致，而不是“统计上不太可能”，更不是直接判定造假。
**科学不端行为：造假与捏造**
图像操纵是一种常见的科学欺骗手段，在生物医学研究中尤为突出。里奇描述了研究人员如何利用Photoshop等工具修改图像——例如蛋白质免疫印迹（western blot）结果和显微照片——使其更具说服力，或用以支持自己偏爱的假说。他详细介绍了两起著名案例：黄禹锡（Woo-Suk Hwang）丑闻中，相同的图像被声称来自不同的细胞系；小保方晴子（Haruko Obokata）案中，图像经过拼接、调整大小和色彩校正，为一种新的干细胞技术伪造了证据。
里奇主张，提高透明度对于打击科研造假至关重要。他提出，公开曝光被认定存在科研不端行为的个人，不仅能对潜在的造假者起到威慑作用，还能促使学术机构和出版方更切实地承担起处理这类问题的责任。他进一步指出，大学不应负责调查本校研究人员的不端行为，因为机构自身利益会造成固有的利益冲突，损害调查的公正性。他以卡罗林斯卡学院（Karolinska Institute）为警示案例：该学院最初为实施了一系列实验性气管手术的外科医生保罗·马基亚里尼（Paolo Macchiarini）辩护，后来才被迫承认其欺诈行为。里奇认为，独立的第三方调查是保障科研监督公信力的必要改革。
**Shortform补充：数据造假案例与制度层面的应对**
除里奇讨论的案例外，另一个重要例子是物理学领域的舍恩（Schön）丑闻，其中伪造的数据导致多篇论文被撤稿。过往的数据造假事件提高了公众的认识，并推动了更优检测方法的发展；这些高调丑闻促使各机构实施了更严格的数据管理和核查规程。如今，先进的软件工具和算法可以分析数据集，寻找诸如数据点异常聚集或缺乏预期随机性等造假迹象。斯塔佩尔的欺诈行为曝光后，他失去了学术职位，并在职业和个人层面遭受了重大后果。拉库尔的研究曾声称，与同性恋拉票者的简短交谈可以大幅改变人们对同性婚姻的看法；这一结果当时被誉为突破性发现，并获得了媒体的广泛报道。
**研究实践中的疏忽与方法学缺陷**
数值错误在科学论文中十分普遍，通常源于疏忽、大意或纯粹的粗心。这类错误会扭曲结果并导致错误结论，在医学研究等高风险领域尤其令人担忧。里奇进一步强调，注重细节在科学中至关重要：哪怕是看似微不足道的疏漏，比如打字错误或复制粘贴失误，都可能造成严重后果。快速发表的压力，加上现代数据分析的复杂性，可能导致研究人员跳过必要的核查与制衡，从而在文献中引入日后极难纠正的错误。
细胞系错误识别是生物学研究中一个长期存在且本可解决的问题，但科学界迟迟未能着手处理。研究人员可能会误用错误的细胞类型，而生长更快的细胞系造成的污染会广泛扩散，从而削弱许多研究的有效性——在癌症研究等领域尤其如此。据里奇的论述，这一问题已有五十多年的详细记录，但相关应对始终不足。他将这种持续的不作为视为一种文化盲区：人们倾向于优先追求令人兴奋的结果，而非方法学上的严谨性，致使这一系统性缺陷持续存在，既浪费资源，又不断产出具有误导性、易出错的论文。
统计功效不足的动物研究——即所用动物数量过少，无法可靠地检测出所研究的效应——既带来科学问题，也带来伦理问题。里奇引用马尔科姆·麦克劳德（Malcolm Macleod）等人的研究指出，只有一小部分动物研究充分考虑了统计功效。他认为这种做法在科学上是不可靠的，更严重的是在伦理上存在问题：当样本量过小、无法可靠检出真实效应时，动物所承受的伤害和死亡就可能变得毫无意义。在他看来，动物研究要具备伦理正当性，就必须经过精心设计，使用足够数量的研究对象以产生有意义的结果。里奇呼吁科学界进行更广泛的文化转变，将方法学严谨性置于追求轰动性发现之上——尤其是在研究需要牺牲有感知能力的生命时。
**Shortform补充：细胞系污染：被忽视的方法学错误案例**
长期存在的细胞系污染问题说明，即便本可解决的方法学问题，也可能持续数十年并造成严重后果。
该问题在20世纪60年代首次引起广泛关注，最著名的是沃尔特·纳尔逊-里斯（Walter Nelson-Rees）的研究，他发现该污染在癌症研究中普遍存在。其经济成本相当可观：不可靠的数据可能迫使整个研究被重做或废弃。
尽管学界一直呼吁采用更好的鉴定方法，例如短串联重复序列（STR）分型，但这些措施尚未得到普遍采用。DNA条形码、商业化鉴定服务等技术进步有助于验证细胞系身份，但要发挥其作用，需要各实验室广泛采纳并一致执行。问题的核心在于，使用错误的细胞系可能会让研究结果完全失效，因为所研究的生物学特征可能根本不属于目标细胞类型。
**Shortform补充：疏忽、错误与功效不足的研究**
尽管技术不断进步，粗心大意和对细节的忽视仍然是科学中的严重问题。在科学教育和培训中强调对细节的关注，有助于培养一丝不苟的研究人员，使其更有能力开展高质量研究。人工监督仍然至关重要：数据贴错标签或录入错误等简单失误都可能产生重大影响。现代研究还高度依赖复杂的软件和统计方法，而代码或分析脚本中的错误可能非常隐蔽，不经彻底审查很难发现。
动物研究伦理包括3R：替代、减少、优化。减少数量却不保留回答问题的能力，可能同时浪费动物与信息。统计功效是在指定备择效应和分析下拒绝零假设的概率，取决于效应大小、变异、设计、样本量与阈值。低功效意味着更容易漏掉该指定效应。目标是信息充分、伦理上有理由的设计，不是单纯把研究做得最小或最大。
**提升可靠性的技术与自动化工具**
里奇重点介绍了 statcheck——一种运用统计规则检测论文中数值不一致之处的算法——将其视为防范疏忽的有力工具。作为例证，他指出将其应用于大量心理学论文样本时，发现了数量可观的错误。他建议期刊和研究人员将 statcheck 纳入标准工作流程，在发表前发现潜在错误，从而避免因发表不准确的研究结果而带来的尴尬以及对科学可信度的损害。
把分析代码与表格、图形和正文连接起来，可以减少手工誊录错误，使更新可追踪，却不会消除代码、数据、标签或解释中的错误。statcheck 等自动工具标记报告统计量之间的特定不一致；检测范围与假设限制了它们能发现什么。标记需要核查，不能自动判为科研不端。
里奇还阐述了自动算法在识别学术论文中伪造数据或图像方面的潜力。这些算法会扫描显示操纵迹象的特征，例如可疑的均匀分布、不合常理的结果，或相关统计数据之间的矛盾。他建议学术出版物可以将这类算法用作初步筛选工具，标记出值得更深入、更细致审查的论文。
**Shortform补充：GRIM能标记什么，不能证明什么**
GRIM——均值粒度相关不一致性检验——检查的是算术兼容性。对于已知离散量表上的等权观测，给定样本量、适用时的题目数和报告的舍入精度，均值只能取某些数值。例如，20个整数单题回答的未舍入均值落在0.05的网格上；报告保留两位小数的均值3.48，就与这些前提不兼容。这个示例运用了Brown与Heathers提出的方法（DOI：10.1177/1948550616673876）。
GRIM不假设概率分布均匀。罕见抽样波动也不能产生算术上不兼容的均值。出现标记后，应核查实际分母、缺失回答、权重、量表增量、转换、题目数、舍入和誊录。报告口径有误就可能解释标记；标记本身不是造假证据。反过来，均值兼容也不能验证数据真实，GRIM更无法识别所有操纵。
Shortform 对透明度的另一项提醒仍然有用：事后曝光不能取代预防，公开羞辱也可能让人不敢承认诚实错误。已证实的科研不端，与尚待解释的数值异常，必须分开处理。
**打击欺诈与减少疏忽**
提升科学可靠性的努力包括针对欺诈和疏忽的专门策略。专门针对欺诈问题，里奇强调需要透明度、问责制以及技术辅助验证，并辅以独立调查和自动化欺诈检测算法等机制，以识别被操纵的数据或图像。对于那些损害准确性的无意错误——即日常工作中的疏忽——解决方案包括开发新的自动化软件，以及对细节的更高重视。
**Shortform补充：发现数值错误，提升研究严谨性**
读者可以通过主动检查所读论文中的数值一致性来提升批判性评估能力。例如，当一篇论文报告了一个百分比时，读者可以验证文中给出的分子和分母是否确实能得出该数值；这种练习能提高对细节的关注度，并加深对研究结果呈现方式的理解。另一个实用做法是与同事建立同行评审互助机制，在投稿前交换草稿，交叉核对统计数据和研究发现；这种互助不仅能发现错误，还能培养注重研究质量的协作文化。
**Shortform补充：文本回收、图像篡改与研究诚信**
有问题的研究做法包括回收自己已发表的文本充作原创，以及篡改图像或数据。一系列策略可以在个人和集体层面帮助维护诚信。
- 把草稿与他人作品及自己旧作对照，核查匹配并补足引用。
- 用同行评议判断再用是否有理由、获许可、已署名，并与新贡献明确区分。共享档案不是可以无许可重新发表的文本池。
- 跨学科合作，贡献新的问题、方法和专业知识。
- 图片与故事的“真假游戏”可以引出对操纵线索的讨论，随后仍需查来源，游戏分数不等于专业能力。
- 制定分享规则，例如转发前核查数据集来源、使用反向图片搜索。
- 自愿的数据诚信承诺或徽章可以提醒团队，但不能代替可验证记录与评审。
Shortform 提醒，伪造图片只是诚信问题之一；抄袭、数据篡改和未披露冲突也重要。图像软件可以正当使用，但不能仅凭意图判断是否可接受。相关标准包括：处理是否披露，是否保留证据，以及是否遵守所在领域的报告规范。
**Shortform补充：虚假同行评审：风险、对策与不同视角**
虚假同行评审——包括篡改评审人身份和自我评审等手段——会损害发表过程的诚信，不过这一问题的严重程度和影响仍存在争议。
在实用层面，有两条建议有助于构建更健全的评审文化。第一，通过社交媒体或博客文章向你所在的学术圈普及邮箱验证的重要性，分享识别和举报可疑邮件活动的方法，让整个社区能够共同防范欺骗行为。第二，利用正规的同行反馈平台——例如写作小组、专业网络或特定领域的线上论坛——来交换真实的批评意见，而非诉诸自我评审，从而在遵守伦理标准的前提下通过建设性反馈改进工作。
Shortform 提出的是限定，而不是审稿造假可忽略的证据。认识作者不自动使审稿人不诚实，作者推荐也可能帮助找到相关专家；期刊仍需独立核查身份与利益冲突。ORCID 有助于区分研究者和连接记录，但有编号本身不证明专业能力或独立性。已有防护可以减少欺骗机会，却不能证明某个样本中的大多数评审可靠。
### 资助、共同信念与外推限制
**偏倚的外部来源：经费、意识形态与性别**
里奇指出了几类可能使研究产生偏差、并扭曲学术发表的外部偏误来源：研究经费的来源、研究者自身的意识形态立场，以及科学中的性别模式。
一个已有充分记录的担忧是行业资助的研究，尤其是临床试验——资助方在药物或疗法的成功上拥有直接的经济利益。里奇援引元科学证据指出，与其他资金来源的试验相比，由行业资助的试验更有可能报告阳性结果，这引发了对偏误以及可能压制不利发现的担忧。
政治偏见也会影响学术工作。里奇探讨了研究者的政治意识形态如何可能左右他们关注哪些科学议题，以及如何解读证据。他以心理学研究中的自由主义倾向为例，指出该领域缺乏保守派观点，这可能会削弱同行评议发现偏误的能力，引发了相关担忧。
科研中的性别歧视有多种表现形式，从女性在各科学领域的代表性不足，到研究设计与解读中存在的偏见。里奇指出，无意识偏见常常导致研究者忽视对两性都开展研究的重要性——在动物实验中尤其如此——这可能会限制研究结果的普适性，拖慢医学治疗等领域的进展。有人提出“女性主义科学”运动（将女性的视角与经验置于研究中心）可作为纠正此类偏见的一种途径，但里奇也承认，将政治意识形态明确引入科学工作可能会适得其反。
**Shortform补充：资助、产业关联与财务利益冲突**
行业资助的试验往往有更高比例的阳性结果，这引发了对偏倚的担忧。然而，产业界与学术界的合作可以推动知识与技术进步，从而惠及公共健康。部分由行业资助的研究设有独立数据监查委员会等内置保障机制，有助于确保研究的客观性。行业资助有时也能够支持原本可能得不到经费的研究，从而推动资金不足领域的科学进展。
Shortform 提醒，除金钱外，意识形态、文化与个人立场也会造成偏差。道德承诺可以支持诚实工作，却不能阻止无意识偏差。披露也有成本，规则需要说明哪些利益相关、怎样评估。这些权衡要求适度且可执行的披露，而不是假定职业操守能让冲突无害，或披露本身就能消除冲突。
**群体思维、资金与意识形态偏倚**
里奇分析了研究共同体内部的群体思维现象：当一个领域在观点和背景假设上变得过于同质化时，就会出现这种动态，从而削弱科学进步所依赖的批判性审查。他认为，共同的意识形态承诺可能导致研究人员忽视他们所青睐的理论的弱点，并抵制挑战主流共识的新观点。作为一个具体例子，他引用了阿尔茨海默病研究中的淀粉样蛋白级联假说——该理论的支持者被指责结成“小圈子”，压制不同声音，并因拒绝考虑其他解释而阻碍了研究进展。存在性别偏见的研究也被列为与资金及意识形态影响相关的一类偏误。
在“累积优势”的主题下，里奇讨论了科学中的马太效应（Matthew Effect）：即已经获得充足资助、地位稳固的研究人员比新晋或知名度较低的研究者更容易获得额外资助的趋势。这种偏见将资源集中在相对少数群体手中，使早期职业研究人员处于结构性劣势——即便他们拥有创新想法并具备做出重要贡献的潜力。在里奇看来，由于限制了视角的多样性，并阻碍了对非传统或高风险想法的研究，这种资助集中化可能会减缓整体科学进步的速度。
**Shortform补充：同质性是风险因素，不是诊断**
Shortform 为审稿者意见相近提出几种可能解释：成熟领域可能共享经过检验的结论；批评规范与对异议的开放可以维持审查；共同背景有时也支持坦诚合作。这些可能性不证明群体思维不存在。在阿尔茨海默病例子中，应同时检查替代假设、争论及偏向既有路线的激励。结构性阻力与蓄意压制是不同解释，不能只凭审稿者意见一致或不一致就推出其中任何一个。
**Shortform补充：性别、代表性与外推边界**
Shortform 在性别与科学争论中提出了几项区分：机会平等与代表比例平等不是同一目标，比例差距本身也不能识别成因。复现与批判性检验有助于减少个人偏差，但存在这些机制，不证明某项偏差已经消除。政治立场应多明确地进入研究，以及强调研究者性别会不会分散对方法质量的关注，也仍有争论。
单一性别研究可以回答关于所研究性别的问题，在明确设计中也可能合适。但控制组内变异，不等于证明结果可外推到未经研究的另一性别。相关性别差异需要证据，不能假定严谨对照会让它们消失。临床试验与监管可以在获批前评估安全性和有效性；上市后监测发生在上市之后。任何一种机制都不保证各人群效果相同或完全无风险。科学上的任务，是明确研究人群、问题及推断边界。
**Shortform补充：减轻个人偏倚与意识形态影响**
研究人员的信念和意识形态倾向会潜移默化地影响其工作，类似的机制也存在于日常判断中。一些做法有助于抵消这些影响。
- 拓宽媒体摄取范围，纳入代表性不足的观点。例如，可以通过订阅保守派心理学通讯、在社交媒体上关注持保守立场的思想领袖，来接触心理学领域的保守派观点。
- 在日常决策中练习盲评估，以提升批判性思维。例如，在选择产品或服务时，遮住品牌名称，只关注功能和收益。这种策略类似于研究中的盲分析——分析人员不知道分组情况，从而最大程度减少偏倚。
- 为你参与的任何小组项目或活动设立一个“盲反馈箱”，让参与者可以匿名提交建议或观察意见。它可以是线下活动中的实体箱子，也可以是在线匿名调查问卷。关键在于你不知道反馈来自谁，这有助于不带偏见地解读和采纳这些建议。
### 标题省略了什么
**炒作、“旋转”与科学传播的扭曲**
里奇指出，炒作、夸大和歪曲是科学成果传播（面向公众与科学界内部）中普遍存在的问题。这些做法受吸引关注和经费的压力驱动，会削弱科学的可信度，抬高公众预期，并掩盖科学进展细微、渐进的本质。
新闻稿可能把研究中有限的发现改写成更强的建议。Sumner等人在2014年的回顾性内容分析中，考察了20所英国大学于2011年发布的健康相关新闻稿，并与对应论文比较。约40%的新闻稿给出的建议，比对应期刊论文中的建议更直接或明确；这是该研究材料中的比例，不是全部健康新闻稿的现时比率。里奇用它说明，夸大可能在新闻报道之前就已进入传播过程，包括研究者参与撰写新闻稿的情形。参见[Sumner等，BMJ，2014](https://doi.org/10.1136/bmj.g7015)。
另一种反复出现的模式是夸大早期动物研究的结果。里奇指出，绝大多数动物研究的发现并不能直接应用于人类，但新闻稿却常常大肆渲染这类结果，模糊其对人类的有限相关性，给人造成这些研究对人类健康意义重大的错误印象。他提到推特账号@justsaysinmice会在耸动的动物研究新闻标题结论后加上“在小鼠中”几个字，以幽默方式说明细微的语言选择如何掩盖研究的关键背景信息。
炒作和“旋转”（spin）也渗透到科学论文本身。科学家会刻意把发现描述得比证据所支持的更有影响力、更确定。在医学文献中，这可能表现为淡化无效结局、将其包装成有利结果，使用含糊其辞的“鼬鼠词”，选择性地只报告有利结局，或者回避研究设计的局限——所有这些都可能误导临床医生和患者，让他们对某种治疗或诊断检测的实际疗效产生错误认知。
里奇将这种行为的很大一部分根源归咎于学术界扭曲的激励机制：持续的经费申请压力和在顶刊发论文的压力，促使研究人员夸大其工作的重要性，形成一个恶性循环：花哨、博眼球的研究受到奖励，而严谨的探究和对证据的平衡解读反而被边缘化。
**科学传播中的炒作与失实表述**
里奇指出，近几十年来学术出版界弥漫着一种炒作文化，尽管它还不算彻头彻尾的欺诈。一个明显的迹象是，论文摘要中“创新性的”“稳健的”“前所未有的”等积极、主观词汇大幅增多。里奇将这种现象描述为一种“粉饰”：科学家们使用带有正面倾向的词语和表述来放大其研究成果的感知影响力，而这反而掩盖了研究结果本身真实存在的不确定性。
除了期刊论文，里奇还考察了科普图书中的夸大现象，其中许多图书由科学家本人撰写。为了吸引更广泛的读者，作者可能会夸大或歪曲科学结论，有时甚至在证据不足的基础上构建引人注目的论点。里奇尤其批评心理学、教育学和健康等领域的这种倾向：受图书销量驱动的作者往往优先打造引人入胜的叙事，而非忠实于研究的细微差别——在营销基于科学的理念过程中，过度简化复杂的科学概念或夸大其现实应用意义。
在更严重的情况下，一些科普图书越过了夸大的界限，直接对研究成果进行错误解读和歪曲。里奇举例说明，有些作者篡改图表呈现方式、省略不利结果，或对数据做出明显不准确的大胆断言。他还指出了科学公众传播中常见的夸大模式，例如将相关性与因果性混为一谈，以及超出证据支撑范围的跨物种外推等修辞跳跃。
里奇警告称，炒作科学成果会带来长期的破坏性后果。夸大的主张不可避免地会无法兑现承诺，形成“炒作—幻灭”的反复循环，这会削弱公众对科学工作的信任，并使扎实、可靠的研究成果更难得到有效传播。
**Shortform补充：科学炒作及其后果**
科研炒作会夸大研究成果的重要性、潜力或确定性，以吸引关注、经费或公众兴趣。社交媒体可能在更正或撤稿出现前就传播相关主张，而反复的夸大也会让政策制定者更不愿信任科学建议。
新闻稿有时会根据有限证据提出行动建议，但严重程度并不相同：有些建议是与公共卫生目标一致的宽泛指导，而非声称单项研究本身就足以支持具体行动。媒体和受众也共同承担信息如何传播与解读的责任。与此同时，激励正在改变。资助机构与期刊越来越重视透明方法、明确预期结果和可重复性，而夸大承诺的研究人员也可能失去未来支持。
**Shortform补充：简化可以负责，热情仍须有证据**
Shortform 对里奇的科普批评作了补充：专业作者可以准确地简化内容，编辑与出版商也负有核查责任，图书除了销售还可能希望推动有价值的讨论。易懂的解释也能引导读者进一步学习。这些理由提醒我们，不能从“好读”直接推断“不诚实”，却不能为超出证据的结论开脱。
它提出的实践建议也应受同一约束。做报告时，可以具体说明策略的前景及依据，而非无证据地承诺“前所未有的增长”。把适度积极与语气更强的两版简历交给可信同行，询问哪些说法仍可信、有据可查。用不夸张的博客练习把研究译成平实语言。目标是让准确内容有吸引力，不是测试观众能接受多少夸大。
**Shortform补充：识别科学传播中的炒作、“旋转”与不实表述**
科学传播常常被炒作、误导性语言和夸大的结论所扭曲。一些实用步骤可以帮助读者和消费者应对这一状况。
- 检查含糊或夸大措辞；Shortform 的“含糊词罐”是游戏式提醒，但准确表达不确定性的“可能”等词并非缺陷。
- 学习研究设计，区分随机招募与随机分配：招募影响代表性，分配帮助研究内部的因果可比性。
- 就替代方案、风险、收益，以及检查或治疗产生有用信息或改善的机会，准备向临床人员提出的问题。
科普作品中一些看似歪曲的现象，可能有不那么应受指责的解释。例如，被改动的图表可能是面向普通读者进行简化的结果，旨在突出趋势，避免可能让非专业读者困惑的技术复杂性。省略某些结果可能是疏忽，而非刻意为之。此外，数据解读本身具有主观性，不同专家对同一数据集可得出的结论可能存在合理分歧。
**Shortform补充：批判性评估科学主张与媒体报道**
Shortform 建议把传播内容与证据对照：比较新闻稿、原论文及其局限，再比较不同媒体的报道，检查遗漏背景或耸动表达。环境科学博客或“叙事与证据”日志，可以用同一方法记录具体差异，而非按故事是否动人判断真假。
另两项练习用途不同。通过Zooniverse、SciStarter等平台参与合适的人类研究项目，可以接触研究程序，但参与本身不等于具备把动物结果外推到人的专业能力。每月的“虚构中的科学”讨论，则从科学主题小说或电影中选一个概念，查找资料并分享发现。两者可以培养好奇与核查来源的习惯，最终仍要由证据质量判断主张。
**Shortform补充：超越 p 值，全面评估研究质量**
Shortform 建议同时检查效应量、不确定性与p值。减重研究中，应区分平均治疗效应估计、该估计的置信区间，以及个体结果分布：它们回答不同问题。也要追问“快20%”的手机是否改善了自己实际使用的任务。其五维检查包括伦理、相关性、可复现性、报告透明度和影响。下文的固定讨论方法，可以用来应用这些问题、平实解释发现，并回到设计与数字。
### 在结果前作承诺，共享可供负责核查的材料
**预注册与注册报告解决不同问题**
预注册是在相关结果已知之前，为研究问题、假设、结局指标和计划分析留下带日期的记录。里奇推荐它，是为了让HARKing、选择性分析与结局切换更容易被发现。研究者仍可偏离计划或开展探索，但应说明改了什么、为什么改，以及哪些结果属于探索性。注册本身既不审查设计，也不保证发表。
注册报告增加了结果揭晓前的同行评审：期刊先评估研究问题与方案，再给予原则性录用；第二阶段检查执行情况、是否遵循获批方案、已披露的偏离、解释方式和预先规定的质量条件。按开放科学中心的说明，**在这些条件满足时**，是否录用不取决于主要结果为阳性、零结果或是否新颖；相关质量检查失败，仍可能被拒稿。这减少了按结果方向或显著性筛选研究的做法，并不消除所有发表偏倚、未完成研究、设计缺陷或科研不端。
参见[开放科学中心：注册报告](https://www.cos.io/initiatives/registered-reports)。
**团队科学能扩大能力，前提是设计用得上**
里奇主张跨实验室、跨学科合作，汇集样本、技能与资源，协调复现，并让不同视角检查假设。团队更大，不自动获得足够功效或更低偏差。明确方案、合适样本量、数据质量、责任分工与分析计划，决定增加的能力是否改善推断。
**Shortform补充：协作、团队科学与跨学科工作**
跨学科工作可以增加技能与视角。要把这种能力转成有信息量的样本和可复现结果，仍须具备上文所述的设计、数据质量、协调与分析。可以从一个共享项目开始：
- 考虑使用 Google Docs 或 Trello 等在线协作工具来组织众包研究项目。建立一个共享文档或看板，让任何人都可以就特定问题贡献数据、资源或想法。这种方式能够汇聚多元化的贡献者，所收集的数据或解决方案的全面程度可能远超单个研究者独自完成的成果。
**开放科学与多层面改革议程的必要性**
开放科学让方法、代码、分析和可共享数据接受检查，支持复现与发现错误。里奇认为，可见性也能阻吓不端。共享受到同意、隐私、法律义务和合理限制的约束；敏感原始数据可能需要受控访问或有理由的替代方案。透明度增加了核查机会，不保证有人实际核查，更不保证结论正确。
里奇针对这一系列更广泛的问题提出的应对方案是一套多层面的改革议程。他认为，改善科研实践、修正学术奖励体系，既需要大学、资助方和出版方进行广泛的结构性变革，也需要一线科研人员的基层努力，其共同目标是重新调整激励机制，使之奖励诚实、透明以及对可靠知识的追求。
**Shortform补充：支持科研诚信与开放科学的实际行动**
个人可以采取一系列实际步骤，来支持更可靠、更开放、更负责任的科学。
#### 复现与可获取性
- 支持可信的复现项目，包括合适的众筹；价值取决于设计与执行。
- 通过合适的开放获取期刊，或arXiv、bioRxiv等预印本服务器分享研究。预印本服务器不是期刊，发布也不等于经过同行评审。
- 鼓励机构评价严谨性、相关性、可获取性与公共贡献，而非只看期刊声望。
#### 参与科学讨论与问责
- 对你读过的研究开展小型个人重复实验，并在博客上记录尝试过程，以加深对研究方法的理解。
#### 维护引用与研究伦理
- 坚持写研究日志，反思工作的目的——是对知识的贡献而非引用潜力——让你的实践锚定在伦理价值上。
- 将被引文章与谷歌学术、Web of Science 等数据库交叉核对，判断其在可能被注水的封闭群体引用数之外的真实影响力。
- 拓宽阅读范围，覆盖不同作者、期刊、国家、机构和职业阶段的研究，避免依赖狭窄的来源集合。
#### 公众参与与日常责任
- 开发一个简单的浏览器扩展程序，在用户在线浏览科学论文时提醒其注意撤稿和更正信息，提高公众对科研不端的认识。
- 在多个平台上为小众作者和出版社的书籍撰写书评，提升其知名度，并培育一个更具竞争性的市场。
- 在家用物品上践行“能修就不换”的理念，培养对个人物品的责任感。
**Shortform补充：把计划、结果与公开解释记录清楚**
一份带日期的记录可以承担几种用途，无须为每种用途另开一本日志。Shortform 的建议在明确“要检查什么”之后更有用：
- **结果与学习。** 为工作提案、个人目标和社区项目记录日期、目标、预期与实际结果，包括有利和不利结果。管理体重时，同时记录遵循饮食计划与未遵循的日子，以及可能的影响因素；健身时参考可信的锻炼证据、追踪进展，而非跟随潮流。每项任务结束后，写下哪些有效、哪些无效、下次改什么。
- **动机与偏差。** 在重要的学习或教育选择前，记录个人收益与期望对知识作出的贡献，日后回看整体倾向。每周记录吸引自己的话题，也能提示被忽略的视角，例如偏好自由市场政策时，可以进一步考察关于监管的研究。
- **结果之前的计划。** 行动前记录发展目标、预测与评价标准。每月的问责小组可以对照阅读清单、期待收益及实际讨论过的读书摘要；公开减少环境足迹的计划则可以邀请反馈。承诺不禁止有理由的调整，应给变更标注日期并说明原因。决策应用或简单利弊工具可以在显示比较结果前锁定原标准，让后续修订可见。
- **可追溯的公开解释。** 学习博客或视频博客可以介绍编程概念、资源与项目，并链接开源代码；作品集可以同时收录作品、数据、方法与工具。版本控制为写作和设计增加带日期的修改说明，也允许恢复旧版本。分享项目摘要时提出具体问题，邀请他人查错；信息图、短视频或社交媒体串文可以直接触达受众，但应保留证据与局限。
- **共同问责。** 工作场所的“失败简历”或通讯可以记录不成功的项目与教训；家庭或团体账本让参与者看见各项收支。个人的“无失败星期五”则可以留给新运动、爱好或DIY活动，关注学习，不要求每次都有成功结果。
这些是记录与讨论的做法，不能证明个人观察识别了因果，也不能保证公开承诺使计划正确。
### 阅读与研究中的实际习惯
以下Shortform练习从研究程序延伸到非正式类比。日志、游戏、徽章和讨论组可以提醒注意，却不是已经验证、可以取代训练、合理设计或独立评审的方法。
**Shortform补充：应对科学文献的海量增长，培养研究习惯**
若干实用策略可以帮助读者和研究人员在学术论文数量激增的环境中保持方向，并养成更严谨的习惯。
- 使用文献管理工具（如 Zotero 或 Mendeley）来整理出版物。遇到相关文章时及时保存，用关键词标注，并建立一个经过筛选的个人文献库，这样你就能在海量文献中保持条理，而不被淹没。
- 在谷歌学术（Google Scholar）、ResearchGate 等研究数据库上设置关键词提醒，打造个人知识筛选器。例如，对可再生能源感兴趣的人可以订阅“太阳能发电效率”或“风力涡轮机进展”等术语的提醒，获取符合个人兴趣的最新论文精选列表。
- 参与公民科学项目做志愿者。亲身参与研究活动能帮助你更清晰地理解什么是真正有意义的科学进步，而不仅仅是论文数量的增长。
- 建立一个固定的文献讨论组，不必每种练习另组一群人。轮流选择高质量论文，读完整方法与结果，讨论应用，并尝试不用术语解释，再回到设计与数字核查；每月一次是一种可选节奏。跨学科线上读书会则有另一用途：不同领域的书与不同专长的参与者，可以揭露假设、产生合作想法。
- 在做研究时养成通读全文而非只读摘要或结论的习惯，这样你才能准确把握研究的背景和质量，对引用哪些文献做出明智判断。
- 在自己的工作定稿前，用一份个人清单系统地检查学术论文中常见的错误，例如引用错误、逻辑谬误或数据解读偏差，并逐项核对。
- 用摘要的“创新评分卡”记录个人兴趣：按1–10分评价新颖性、适用性与清晰度，分别考虑它与既有技术有什么不同、可能怎样使用，以及自己理解得如何。这些评分衡量感受到的前景与沟通效果，不衡量研究可靠性；相信结论前仍须另查设计、证据与复现。
**Shortform补充：引用指标、发表伦理与掠夺性期刊**
与论文发表和引用数量挂钩的激励机制会扭曲研究行为，从自引操作到“萨拉米切片”式拆分发论文，再到向掠夺性期刊投稿。实用指南可以帮助研究人员以合乎伦理的方式应对这些压力。
- 参与实质性的专业讨论，因为作品相关且实际使用而引用。交流可能增加可见度，但互惠引用交易不应成为目标。
- 投稿前核查编辑团队、所属机构、发表记录、费用与评审做法；一个熟悉姓名本身不证明质量。
- 借出版论坛了解可疑刊物，再核查说法，不把推荐当成验证。
**Shortform补充：自动化、技术与减少科研及生活中的人为错误**
自动化工具和软件可以减少科研中的疏忽和人为错误，类似的做法也可以改善个人日常事务和工作。
- 尝试使用习惯追踪应用来监督和改善你的日常作息。习惯追踪器可以帮助你在服用维生素、锻炼、练习语言等活动上保持一致性，建立一套减少遗忘可能的个人系统——其作用类似于科研中的自动化工作流。
- 搭建一个结合文字叙述与数值分析的自定义仪表盘，来改进你的个人财务追踪。用一个简单的数据库程序记录收支，然后在同一个工具里每周写下你对消费习惯和财务目标的反思。将数字与文字反思放在一起查看，更容易发现规律并做出调整。
- 使用数据可视化工具实现动态报告。Tableau、Power BI 这类工具可以直接连接到你的数据源，无需手动更新就能让可视化内容保持最新。例如，如果你经营一家小企业，可以把销售数据接入其中一款工具，在仪表盘上查看实时更新。
除了日常应用，自动欺诈检测算法也越来越多地用于识别科学出版物中被篡改的数据或图像，作为对不端行为的技术核查手段。
**Shortform补充：培养对统计阈值与证据强度的直觉**
Shortform 的日常练习有不同用途。预测日志应记录下雨概率，以及指定地点与时段是否下雨，而不是带伞后自己有没有淋湿。比较许多预测与结果，练习的是校准，不是显著性检验的含义。可以建设性地唱反调，追问某产品将“颠覆行业”之类主张的依据。对不紧急的信息，自定24小时等等待期可以留出复核空间。转行前咨询不同岗位、阶段和经历的人，有助于发现遗漏视角；这不等于扩大了随机样本，也不能代替有代表性的证据。
**Shortform补充：协作共享资源，提升成本效益**
实用技巧针对学术出版和研究服务的高昂成本，鼓励采取集体行动。优化图书馆资源使用：请你所在的本地图书馆或大学图书馆订阅性价比更高的期刊。向馆员提交一份提案，附上不同期刊之间的费用差异数据及潜在节省金额，并强调将经费重新分配到更实惠的期刊可以为所有读者丰富馆藏。与同行建立共享资源，跟踪和交流服务费信息，使用 Google 表格等协作工具记录不同服务商对同类服务的收费；这可以帮助你所在的网络做出更明智的决策，并有机会借助集体数据谈下更好的合作条件。更广泛地与同行合作，分摊研究成本、共享资源：寻找线上论坛、本地聚会或社群团体，与兴趣相近的人结成伙伴。集中资源可以获得个人难以负担的材料或服务；例如，研究某一冷门话题的小组可以分摊专业期刊订阅或稀有书籍的费用。使用单一的多功能工具来简化研究流程，不要在数据收集、分析、存储等不同软件之间来回切换。例如，电子表格程序可以让你在同一个地方输入数据、使用内置统计函数并生成可视化图表，从而减少上下文切换，让复杂信息更易于管理。
**Shortform补充：Shortform 对“萨拉米切片”的跨领域应用**
Shortform 的实用提示栏把“将工作拆成更小单元”的思路有意应用到三个不同领域：
- 把宏大的个人目标拆成容易完成的微型项目，以增强成就感——例如整理家居时每天只处理一个抽屉或一层架子，而不是一次收拾整间房间。
- 开设讨论就业不平等的博客或播客，分享故事、采访专家，并向求职者和雇主提供可行建议，以提高公众意识并推动更公平的招聘实践。
- 将一位科学家的主要发现、论文和合作项目绘制成职业生涯时间线，从而看清其工作如何随时间演变并彼此关联，而不只看发表数量。
**Shortform补充：继续阅读：误导性主张**
Shortform 推荐伯格斯特罗姆与韦斯特2020年的《拆穿胡扯》，讨论误导性证据，尤其是被用来游说的数据；本·戈德艾克的《坏科学》，讨论研究设计、药企主张与媒体报道中的扭曲；查尔斯·惠兰的《赤裸裸的统计学》，用易懂解释连接统计含义与医疗、政策、教育和商业决定。这些是进一步阅读入口，不是本文已经完整覆盖的额外来源书。
## 在不确定中生活与计划
### 围绕不确定性计划，不依赖精确剧本
摩根·豪泽尔（Morgan Housel）的稳定模式思路与概率预测各有用途。一般动机可以帮助构造情景，新证据则改变情景的概率。
**未来的不可预测性与远见的局限**
在《一如既往》中，摩根·豪泽尔强调预测具体事件与精确路径的局限，同时追问什么较为稳定：人的动机与反复出现的模式。原书提出23项启示。Shortform 摘要把相关内容组织为“预测为何受限”与“如何在不确定中行动”；下文原则属于摘要的结构，不是说豪泽尔原书只有三条规则。
豪泽尔框架的一个核心前提是：未来无法被确切预测。尽管人们渴望知晓未来的走向，但豪泽尔强调，我们永远无法确定将会发生什么。他指出了限制人们远见的三大盲区：对创新、风险和后果的误解。
未预料的事件可能格外有害，因为准备没有覆盖它；这不意味着所有重大风险都不可预见，也不意味着损害必然指数增长。豪泽尔的实际回应是韧性：留下应对意外的资源和灵活性，不假定计划已列出全部危险。他在财务计划中用高于中心需求估计的储备、低于最大承受能力的负债作说明。余量多少仍应取决于可能损失、既有承诺和恢复需要。
稳定可能鼓励自满与更高风险承担，使后来的冲击更有破坏性。这是一种反馈机制，不是每段平静之后必然爆发危机的时间表。豪泽尔提醒，不要把成功当成永久状态：最近结果再好，也要继续维护技能并留意警讯。
**为什么未来本质上难以预测**
豪泽尔指出两类困难。创新常由小进展组合而成，最终用途起初并不明显：美国国防部研究机构在20世纪60年代资助的ARPANET，用于连接计算机、共享资源，后来成为通向互联网的历史一部分；它并非简单用来管理冷战秘密。偶然交会也很重要。摘要以卢西塔尼亚号的航程与时间安排说明，小变化可能改变遭遇危险的机会。该船于1915年被击沉，死亡超过千人；事件影响舆论，却不能单独解释美国1917年参战。从一次航速决定到后续政治结果的精确反事实链条，不能由这个轶事确立。两例都提醒预测者，为交互作用和其他可能路径留出空间。
**应对不确定世界的三条原则**
Shortform 将豪泽尔的建议整理为三项原则：理解人的行为，让心态适应不确定性，使计划更有韧性。其正文实际提供五项行为观察、五种心态和五项计划实践。摘要开头所称的六条行为法则是计数错误，所提供的来源中没有第六条。
豪泽尔认为，与其试图预测具体事件，不如将精力转向预判人们的反应。对未来的具体形态保持开放心态，随着事件展开，尝试基于恐惧、贪婪等基本动机来预判人们会如何反应。豪泽尔关于人类心理的洞见可以被归纳为五条行为法则，以帮助进行这种预判。
*来源与延伸阅读：* [《一如既往》](https://www.penguinrandomhouse.com/books/672339/same-as-ever-by-morgan-housel/) · [《金钱心理学》](https://short.zaynjarvis.com/books/the-psychology-of-money/)
### 关于行为的五项反复观察
**激励是人类行为最强大的驱动力**
豪泽尔认为，激励——比如获利的前景或融入某个群体的机会——是世界上最强大的力量。它们能让原本善良、诚实的人去为几乎任何事情辩解和辩护。金钱激励固然强大，但文化和社会激励往往更有驱动力，因为人们害怕被社会排斥，会采取极端行动来保护自己与社群的联系。理解激励不仅能帮你预判他人可能的行为，也能让你更清楚地认识自己的决策与行为。要检验激励如何影响你，可以问问自己：如果你的激励条件变了，你当前的哪些观点会改变？如果你认为一个都不会变，那你很可能正被当下的激励蒙蔽了双眼。例如，你可能只是因为某个工作项目有奖金才支持它，一旦奖金取消就会反对。
**故事胜过事实与逻辑的力量**
豪泽尔提出，在吸引注意力和推动成功方面，引人入胜的故事胜过事实与逻辑，因为故事能简化复杂的观点，并将不同的受众凝聚在一起。因此，最有说服力的想法未必是最准确或最具原创性的，而是那些搭配了最动人叙事的想法。反过来说，许多出色的想法与产品未能发挥其潜力，正是因为它们的推动者没有把故事讲得足够吸引人。豪泽尔建议利用这一洞见来避免盲目追随动听的故事：问问自己，你的某些信念是否源于出色的营销而非准确性，或者你是否仅仅因为真相的讲述者不擅长讲故事就错过了重要的事实。例如，你可能会发现，自己偏爱某种流行饮食法，并不是因为它有科学依据，而是因为它的推广者比那些更有效方案的倡导者更会讲故事。
**Shortform补充：故事为何会塑造判断，以及如何打造有感染力的叙事**
如果人们会追随最好的故事，那么一个自然的问题就是：如何打造有感染力的叙事，让你自己的想法脱颖而出。莉萨·克龙（Lisa Cron）在《故事思维》（*Wired for Story*）一书中提出，人类大脑在进化中形成了通过故事吸收信息的特性。叙事最初是作为一种让我们不必亲身经历就能避开潜在危险的方式发展起来的，因此我们逐渐进化出对故事的渴求。克龙建议，写作时要满足大脑对故事的固有期待。在她看来，一个引人入胜的故事的基本要素包括：主人公、主人公的目标、情节，以及故事真正的内核——即背后的启示。正是这些要素让我们的大脑得以预测接下来会发生什么，而这种预测感正是我们对故事的进化需求的核心。
**亲身经历、同理心与理论的局限**
豪泽尔（Housel）认为，亲身经历会以理论知识无法做到的方式改变你的认知和行为。这就是为什么计划一旦遭遇亲身经历的情绪现实，常常会落空。要缩小你以为自己或他人在某种情况下会有的反应与实际反应之间的差距，就不要高估自己未来的偏好和应对能力。他补充说，重大创伤事件会留下持久的心理影响，改变人的行为方式和世界观；更广泛地说，过往人生经历会塑造当下的信念。牢记这一点能帮助你以更强的同理心面对冲突：不要先假定别人信息不足或不理性，而是问问自己，他们可能经历过什么，才会有与你不同的想法或做法。
**人不是单维度的**
豪泽尔提醒，不要期待榜样只有优点。坚持可能转为固执，自律可能变得僵硬；同一种特征在不同情境下可能产生不同后果。看到完整的人，可以让欣赏更实际，但不要求接受伤害行为、模仿每种特质，或放弃边界与问责。
**人们会隐藏自己的挣扎**
豪泽尔的第5条规则指出，人们会隐藏自己的挣扎。我们往往觉得别人过得更轻松或更好，但人们的公众形象通常掩盖了他们的挣扎与困境；我们看到的只是他人生活、事业和职业生涯经过修饰筛选的版本，却对自己的挑战感受深切。事实上，每个人都在应对自己没有对外透露的问题。例如，一位成功企业家的社交媒体可能只展示成就，却很少提及她一路走来经历的挫折与失败。意识到这种倾向，能让你对自己和他人更宽容，也能明白大多数成就都来自坚持下来的普通人，而非从未挣扎过的人。
**Shortform补充：嫉妒、隐藏的挣扎与抱负的心理学**
嫉妒与抱负是两种强大且常常隐藏的力量，塑造着我们评判他人和设定自身目标的方式。所有人都会隐藏自己的挣扎，而正如罗伯特·格林在《人性的法则》中指出的，嫉妒本身就是这些隐藏的挣扎之一。没有人愿意主动承认自己在嫉妒，因为这等于承认自己有自卑感——承认别人拥有你想要的东西，就意味着对方比你强。因此，嫉妒极少以“嫉妒”的面目出现，甚至连当事人自己都难以察觉；它会变形为其他负面情绪，继续隐藏下去。人们常常把被嫉妒者的优势重新解释为运气、野心或不择手段的结果，认为对方其实配不上所得，继而对这种“不公”感到愤怒或怨恨。这不仅会分散你对自身目标和进步的注意力，在极端情况下还会驱使你去伤害那个引发你嫉妒的人。
Shortform 引入卡尔登的《十倍法则》作为远大目标的视角：更大抱负可能带来兴奋与坚持。但低目标不保证失望，把目标乘十也是激励建议，不是校准过的最优值。激励设计另问收益是否显著且相关，实质性金钱激励不应统称助推。惠兰的四种权衡帮助检查个人动机：当下与未来需要、工作与休闲、自己与他人、物质与心理需要。例如，习惯性优先工作可能解释不必要的周末加班。练习在于识别权衡，不是假定每个人都响应同一种奖励。
*来源与延伸阅读：* [《故事思维》](https://www.shortform.com/app/book/wired-for-story/1-page-summary) · [叙事与预期](https://www.shortform.com/app/book/wired-for-story/1-page-summary#the-elements-of-a-story) · [隐藏的嫉妒](https://www.shortform.com/app/book/the-laws-of-human-nature/law-5) · [《十倍法则》](https://www.shortform.com/app/book/the-10x-rule) · [对远大目标的恐惧](https://www.shortform.com/app/book/the-10x-rule/chapter-1#set-10x-goals) · [抱负与动力](https://www.shortform.com/app/book/the-10x-rule/chapter-9) · [影响选择](https://www.shortform.com/app/book/nudge/techniques-3-and-4#offering-incentives) · [《裸经济学》](https://short.zaynjarvis.com/books/naked-economics/)
### 让心态做好准备的五种方式
**摘要组织出的五种心态**
Shortform 把豪泽尔关于心态的建议归为五种实践：管理期望；善用困境，同时警惕安逸；结合乐观与悲观；放下对确定性的要求；理解复利。它们关注如何面对不确定的未来，而非准确预测何时发生什么。五项分类属于摘要，不是豪泽尔原书的章节数或完整结构。
**当下体验与回顾评价**
卡尼曼区分逐时发生的体验与回顾性的评价。“体验自我”用来讨论感受发生时的快乐和痛苦，不是大脑里一个有意识持续加总的会计；“记忆自我”则用选中的片刻与解释形成评价。
两种模式会影响这种评价：峰终定律让强烈片刻与结尾占较大权重；时长忽视则让持续时间的权重低于把全部体验相加的方式。一部有难忘歌曲和精彩结尾的音乐剧，可以说明回顾评分为何不同于多数分钟的质量。这些模式依赖情境，不是说每个人只记得两个片刻，也不意味着一个月与六个月的伤痛必定留下相同评价。
**平衡两个自我以获得持久的幸福感**
当下经历与记忆中的意义都重要。有人可能为了想象中满意的退休生活，忍受多年不喜欢的工作；也有人因害怕结尾失望，避开本可愉快的活动。这些权衡值得检查，却不能因此把体验自我等同于冲动，把记忆自我等同于一切未来规划。未来选择既可以改善将来的日常体验，也可以改善记忆。应同时问：计划怎样改变实际度过的生活，以及事后如何评价它。
**两个自我：记忆如何扭曲幸福与决策**
记忆会引导后续选择，却未必充分代表全部体验。上面的区分说明，一个令人满意的故事与令人满意的日常生活可能分离；它不意味着记忆自我就是系统1。卡尼曼关注的是让两种福祉都获得权重。
三个应用让这一区分具体起来：
- 拳击手可能为了难忘的胜利接受艰苦训练与疼痛比赛。意义可以重要，却不会抹掉实际代价，也不证明每次牺牲都值得。
- 聚焦错觉让当前显著的事情在总体评价中占过大权重。伴侣在冲突时回答婚姻好坏，可能不同于注意力放在其他方面时。
- 人们可能高估变化的持久情绪影响，因为想象自己会一直想着它。对财富增加的适应说明期待与注意可能改变；适应程度各异，不必让每个人回到完全相同的基线。
**Shortform补充：适应并不整齐发生**
享乐跑步机描述一种可能的循环：追求改善，得到快乐，逐渐适应，再追求下一项。它有助于解释，预测为何会高估某个变化持续占据注意的程度。但适应随人和事件而异；严重负面经历可以长期影响生活，正负变化都不必让每个人回到固定情绪基线。
**Shortform补充：记忆、创伤与身体对经历的记录**
Shortform 补充：即使当下没有回忆细节，过去事件也可能通过后果影响现在的福祉，例如旧伤仍然疼痛。创伤相关症状与记忆关系复杂，但无法解释的紧张或身体症状，本身不能证明发生过被遗忘的创伤。这里要区分的是回顾评价与持续后果，不是教人从症状推断隐藏记忆。
**Shortform补充：记忆、峰终定律与时长的间接影响**
Shortform 把峰终思路用于关系：难忘片刻可能不成比例地影响总体印象。有意分享多样体验，例如尝试新地点而非每次重复同样约会，可以丰富共同记忆。但增加新奇不自动让总体记忆准确，也不能修复日常持续伤害的模式。
Shortform 引用一项2020年研究，提示时长可以通过改变显著片刻的回忆方式，间接影响记忆。它随后比较伤痛的例子属于解释性假设，不是报告某项实验已证明六个月总比一个月记起来更糟。更长恢复可能改变疲劳、挫折或适应，进而使回忆向不同方向变化。这限定了对时长忽视的过度普遍化理解，却不证明回顾评价就等于全部经过时间。
**期望、幸福与两个自我**
豪泽尔强调，期待不断抬高，可能吞掉处境改善带来的满足。差距的方向很重要：现实不及期待，与现实超过期待不同；幸福不是两个数之间的绝对距离。改善处境时也管理期待，可以让人欣赏稳定的职业进展，而不是要求立即成功。卡尼曼的职业例子补充另一问题：高薪、有声望的工作，是否为了未来的人生叙事或退休，让现在多出许多不快乐的日子？应比较日常代价与记忆、预期收益，而不是让单一成功指标代表幸福。
**Shortform补充：平衡当下的满足与未来的导向**
卡尼曼（Kahneman）的“两个自我”理论框架，与一系列关于平衡当下体验和未来奋斗的更广泛观点相呼应。卡尼曼关于平衡体验自我与记忆自我需求的建议，与丹尼尔·Z·利伯曼（Daniel Z. Lieberman）和迈克尔·E·朗（Michael E. Long）在《多巴胺分子》（*The Molecule of More*）中的观点相呼应：持久的幸福需要在对未来可能性的兴奋与对当下处境的满足之间取得平衡。追求“更多”——更多金钱、更多财产、更极致的体验——会带来令人愉悦的多巴胺冲击，但也会让你始终盯着未来的回报；你需要激活大脑中更关注当下的区域，才能享受已经拥有的东西。利伯曼和朗认为，找到这种平衡最简单的方法，是从事一份既能让你全神贯注于当下、又能提供未来目标的职业或爱好，比如绘画：每一笔都需要艺术家全神贯注，而完成的作品则是一个向前看的里程碑。
人们往往极度关注记忆自我而忽视体验自我。要更贴近体验自我，一个方法是练习正念冥想，它训练你接纳每一个当下发生的体验，然后任其自然消退——你不去评判体验是“好”是“坏”，因此也就不会刻意记住好的体验或屏蔽坏的体验。
“聚焦错觉”是《思考，快与慢》中的另一个概念，它有助于解释为什么期望常常脱离现实。在评判整体生活满意度时，人们通常会用一个更简单的问题来替代——比如“我现在的心情如何？”——并把注意力集中在突出的事件或反复出现的担忧上，从而产生这样一种错觉：“生活中没有什么事情，会像你正在想它的时候显得那么重要。”这种错觉会让你高估升职之类的变化对未来幸福的影响，因为你高估了自己适应新环境后还会持续想着这件事的程度。为了缩小处境与期望之间的差距，有三种对策：建立一个涵盖你所重视的因素（如健康、人际关系）并带有权重的生活评估表，以更全面地衡量满意度，避免只盯着单一的痛点；选择社交互动、团队运动等能吸引你注意力的愉悦活动，而非看电视（TV）这类被动活动；反思过去的经历，找出哪些事是你真正感谢过去的自己做过的——然后多做这样的事。
**困境、危机与有价值成就的代价**
豪泽尔的实际主题是：接受有价值目标不可避免的代价——不确定、努力、延迟和某些不适——而不是要求过程毫无阻力。马拉松说明训练投入与挫折可能让完成更有意义；受伤和耗竭却是重新评估的理由，不是训练有价值的证明。危机有时能聚焦注意、加快合作、松动官僚障碍，但繁荣中也会创新，严重压力还可能摧毁创造能力。要区分有用的困难与可避免的伤害，方法的成本不再服务目标时，就应改变或放弃它。
**Shortform补充：将困境转化为进步的斯多葛策略**
一则编者补充栏通过瑞安·霍利迪（Ryan Holiday）的《障碍即道路》（*The Obstacle Is the Way*），将关于困境的观点与斯多葛哲学联系起来。霍利迪认同，生活不断用障碍考验我们，我们的选择要么是放弃目标，要么是把障碍翻转过来，利用它推进自己的目标。以赋能的视角看待障碍，是公元前 3 世纪发源于古希腊的斯多葛哲学的核心信条。三条斯多葛策略有助于善用困境：1）从危机中学习——不要被恐惧分散注意力，将危机视为学习机会，冷静地观察它们，并从他人的错误中吸取教训以避免重蹈覆辙。2）专注于你能改变的事——分清哪些在你的掌控之中、哪些不在，并把精力投入到前者；你无法控制经济、天气、灾难或他人的感受与行为，但你可以控制自己的态度、情绪、判断和反应。3）把障碍翻转过来——每一种处境或障碍中都藏着可以为你所用的机会，只要你学会转换视角；例如，被长期交往的伴侣分手，可以被重新解读为一个找到更合拍的新伴侣的机会。
**乐观的悲观主义：一种平衡的未来心态**
摩根·豪泽尔认为，乐观与悲观结合起来比单独使用更有效，正如困境与进步总是交织在一起一样。悲观帮助我们为风险做好准备，乐观则在证据不确定时仍能维系对未来的希望。乐观的悲观主义者明白，生活中充满了无法避免、持续不断的挫折，但这些挫折并不会阻挡最终的进步。例如，在学习乐器这类新技能时，预期会遇到挫折和犯错（悲观的一面）能帮你做好准备、保持耐心，而坚信自己会随着时间进步（乐观的一面）则能让你有动力持续练习。
**斯托克代尔检验：抱有希望，不设期限**
吉姆·斯托克代尔（Jim Stockdale）的囚禁经历，展示了当终点遥不可知时，豪泽尔所说的平衡心态究竟意味着什么。这位越战战俘与海军上将体现了豪泽尔所谓的“乐观的悲观主义”。在被囚禁期间，斯托克代尔知道自己将在数月甚至数年里遭受酷刑，但他始终坚信自己最终会获释。获释后，当被问及谁在战俘营中最难熬时，他说是那些乐观主义者：他们天真地以为自己很快就会被释放，每多过一天没有获释的日子，他们的精神就被摧垮一分。斯托克代尔的做法，是在坚信事情最终会好转（乐观）与接受自己处境的长期性和艰难性（悲观）之间取得了平衡。类似的长远导向也出现在《对赌》（*Thinking in Bets*）中的“心理时间旅行”框架里：它鼓励你即便面对收益或后果并非立竿见影的决定（比如搬家或换工作），也要牢记长期目标。
**Shortform补充：斯托克代尔悖论：领导力中现实与希望的平衡**
斯托克代尔海军上将面对困境时的平衡心态启发了其他作者，包括《从优秀到卓越》（*Good to Great*）的作者吉姆·柯林斯（Jim Collins）。柯林斯认同，斯托克代尔之所以能撑下来，是因为他既能直面并应对战俘营中残酷的日常现实，又不放弃希望；他认为这种心理上的双重性是杰出商业领袖的标志性特质。柯林斯将其称为“斯托克代尔悖论”——以斯多葛式的冷静接受商业现实，同时对最终的胜利抱有坚定不移的信念。要培养一种既坦诚追寻事实、又诚心解决问题的平衡领导风格，柯林斯提出了四条指导原则：
- 以对话和探究为核心召开会议：向团队征询信息与见解，提出尖锐问题以挖掘背后的假设。这能加深理解，帮你发现视线之外的风险。
- 营造一种异议与辩论能切实影响决策的氛围，让人们在有不同意见时敢于说出来。
- 遭遇挫折时，开展不追究责任的详细复盘，确保同样的错误不犯第二次。
- 建立“警钟机制”来为不可避免的困难做准备：即让团队成员能够将紧急关切直接上报给决策者的流程。
**确定性的幻觉与概率思维的价值**
摩根·豪泽尔（Morgan Housel）认为，人类对确定性的重视胜过准确性。为了获得关于未来会发生什么的确定性，我们会用那些斩钉截铁却并不准确的预测自我欺骗。他建议放下对确定性的执念，承认确定性只是一种幻觉，并转而练习概率思维。举例来说，假设一群人询问两位专家，来年是否会发生自然灾害：第一位专家断言一定会发生，第二位专家则估计发生的概率为45%。大多数人会因为第一位专家语气肯定而听从他的意见，尽管第二位专家的估算可能更准确。
**复利、急躁与长期进步**
让思维适应未来的策略之一，是理解复利的运作方式。看似微小的变化随着时间累积，会产生巨大的结果，但人类往往缺乏等待的耐心。豪泽尔写道，进步是渐进的、常常是无形的，而挫折则是突如其来的、引人注目的；理解复利机制与人类天生的急躁之间的张力，有助于人们专注于长期目标。
*来源与延伸阅读：* [享乐适应](https://thedecisionlab.com/reference-guide/psychology/hedonic-treadmill) · [伤害的持续影响](https://www.txfoot.com/post/could-i-have-an-ankle-sprain-without-knowing-it) · [创伤与记忆](https://www.kvc.org/blog/children-may-not-remember-trauma-but-their-bodies-do/) · [关系记忆](https://www.psychologytoday.com/us/blog/social-instincts/202510/3-ways-to-beat-the-peak-end-rule-in-your-relationship) · [时长与回忆](https://www.sciencedirect.com/science/article/abs/pii/S0010027721001694) · [《多巴胺分子》](https://www.shortform.com/app/book/the-molecule-of-more/1-page-summary) · [当下与未来满足](https://www.shortform.com/app/book/the-molecule-of-more/1-page-summary#happiness-requires-both-what-if-and-what-is-chemicals) · [多巴胺](https://my.clevelandclinic.org/health/articles/22581-dopamine) · [正念冥想](https://www.shortform.com/app/book/the-master-guides-choosing-a-meditation-practice/1-page-summary#styles-of-buddhist-meditation) · [《障碍即道路》](https://www.shortform.com/app/book/the-obstacle-is-the-way/1-page-summary) · [重新理解障碍](https://www.shortform.com/app/book/the-obstacle-is-the-way/part-1) · [《从优秀到卓越》](https://www.shortform.com/app/book/good-to-great/1-page-summary) · [斯托克代尔悖论](https://www.shortform.com/app/book/good-to-great/chapter-4#the-stockdale-paradox)
### 让计划更有韧性的五种方式
**为计划建立未来韧性：抵御四类脆弱性的五项策略**
为计划建立未来韧性，意味着要限制四类脆弱性：规模、复杂性、效率和自满。豪泽尔（Housel）提出了五项抵御这些风险的策略：着眼长远、保持简单、不必完美、保持可控、不要放松警惕。
**长期思考，同时保留复审与退出条件**
较长时间可以让学习、关系与回报积累，前提是活动仍然可持续。豪泽尔强调面对短期困难的耐心，以及对时间表的弹性。新企业客流增长缓慢时，可以先试验、调整策略，而非立即放弃。但坚持不是保证：持续检查需求、资源，以及预定的复审或退出阈值。长期目标可以与改变方法共存，证据也可能支持终止失败计划。
**保持简单：抓住核心驱动因素，而非沉迷于让人安心的复杂性**
“保持简单”这一策略基于豪泽尔（Housel）的观察：人们往往倾向于采用复杂的方法，而更简单的方法反而效果更好。他认为，复杂性之所以让人安心，是因为它能带来掌控感，也显得投入了努力。但在他看来，大多数领域的结果都是由少数核心原则而非无数细节驱动的。为了避免被无助于结果的复杂性所迷惑，应当先找出在特定情境中决定大部分结果的少数变量，然后采用建立在这些已被验证的驱动因素之上的简单有效方案。例如，小企业主可以专注于稳固的客户关系和现金流管理这两个核心因素，而不是陷入过于细碎的营销策略或复杂的财务模型之中。
**Shortform补充：现代环境为何会过载我们的决策并助长复杂性偏差**
Shortform 把豪泽尔的简洁建议与学习条件联系起来：延迟、不一致或难以解读的反馈，可能让人学错。管理者很少提供清晰反馈的工作场所，就是一个例子。把它与所谓简单的狩猎采集生活对照，是广泛的演化解释，不是两个世界各自整齐一致、彼此截然不同的证明。巴里·施瓦茨的《选择的悖论》又提出一种独立负担：丰富的市场选择会消耗时间与注意，有时使人不堪重负。应检查实际情境中的反馈质量与选择要求。
这种机制也解释了复杂性本身为何具有吸引力。豪泽尔认为复杂性让人安心是因为它带来掌控感和努力感，但 Shortform 指出，它也可能是因为让人免于努力才让人安心。Shortform 援引《伟大的思维模型》（*The Great Mental Models*）一书的作者沙恩·帕里什（Shane Parrish）的观点解释道，复杂性偏差——即把简单事物看得很复杂的倾向——是一种思维捷径：一旦把某件事标为“太复杂”，我们就有理由不去尝试理解它。帕里什建议运用奥卡姆剃刀原则（即在解释力与证据支持相当时，优先采用较少无依据假设的解释，而非认定最短的解释就是真相）来规避这种偏差。
**不必完美：刻意留有余量，而非追求极端效率**
“不必完美”这一策略提醒人们警惕极端效率。豪泽尔（Housel）认为，追求完美无瑕的效率往往会造成意想不到的脆弱性，削弱适应能力。他用一台调校到极致的机器作比：每个齿轮都严丝合缝、没有一丝余量，看起来似乎很理想，但只要有一个齿轮卡住或损坏，整个系统就会停摆。而一台留有一点灵活性的机器——部件之间存在少许余量——则能吸收冲击，即便某个部件失效也能继续运转。同样的逻辑也适用于个人系统：在日程中刻意加入一些“低效”空间，能为适应力和韧性留出余地。抵制那种要求时刻保持高效的文化压力，留出时间进行无结构的思考，并不是浪费精力；它对于解决复杂问题、产生创造性解决方案至关重要。例如，定期留出不带特定目的的时间来阅读和反思，会带来意想不到的回报。
**Shortform补充：灵活优先于完美效率：“浪费”的时间为何可能产生回报**
Shortform 用乔布斯的大学经历说明灵活性，而非完美效率。他离开正式学业后节俭生活，旁听书法等感兴趣的课程。这与Macintosh字体设计的联系，大约十年后出现——从20世纪70年代初的大学时期，到1984年的Mac——并非数十年后。例子说明探索可能有价值，却不意味着每项看似不实用的活动最终都会回报。
**复利、可持续增长与自然极限**
豪泽尔（Housel）的两个观点共同强化了一个道理：循序渐进、可持续的进步，比强行加速更有价值。首先，为了利用复利效应，他建议优先选择能够长期持续的项目，并在困难时期保持大局观。例如，每天坚持花少量时间学习一项技能——即便进展看似缓慢——经过数年稳定的复利式努力，也能带来显著的提升。其次，他的“保持可控”策略认为，把好想法推到其自然极限之外，往往会让它们变成失败。增长存在最优的规模和节奏，一旦越过边界，事物就会崩坏。要让好想法保持可控，就应当让它们按照自然的节奏、增长到自然的极限，而不是用人为手段强行推动快速、指数级的扩张。例如，开始健身的人最好在几个月里逐步增加运动量，而不是一开始就进行高强度的日常训练；这样能避免受伤和倦怠，让进步更可持续。《对赌》（*Thinking in Bets*）中的心理时间旅行框架也与此互补：它鼓励你根据当下选择的长期累积效应来评估它们，而不仅仅看眼前的回报。
**持续学习、从错误中学习与避免自满**
持续的良好判断力依赖于不断学习与调整，而非停留在过去的结果上。在《清晰思考》（*Clear Thinking*）中，帕里什（Parrish）将其表述为“技巧三：从每一个错误中学习”——把每一个错误都当作学习机会。高成就者的与众不同之处在于，他们会为自己的非理性和失误承担责任，而不是假装它们从未发生，并努力避免重蹈覆辙。在《一如既往》（*Same as Ever*）中，豪泽尔（Housel）则在“策略五：不要放松警惕”下从成功的角度提出了平行的论点：没有任何成就能永久到足以让人安于现状。人们在取得一些成功后常常放松警惕，以为成功会一直持续，这会导致他们不再打磨技能、对潜在问题的警觉性下降。要避免因自满而引发的危机，就永远不要躺在过去的功劳簿上，而应持续学习、不断进化，以跟上时代变化并取得新的成功——例如，如果你在升职后不再更新技能，当行业标准发生变化时，你可能就会措手不及。《对赌》（*Thinking in Bets*）中的心理时间旅行方法也强化了这一导向：它把主动从过去结果中学习变成当下决策的常规环节，而不是等到失败了才被迫反思。
**Shortform补充：自满与通胀：为何顺境若不警惕就会变糟**
Shortform 借查尔斯·惠兰的《裸经济学》作类比：需求扩张快于经济提供商品与服务的能力时，价格可能上涨。信贷宽松在某些条件下可能促成这一过程，供给冲击、预期和政策也有影响。通胀是一般物价水平持续上升，不要求几乎每个价格都快速上涨。100美元一个月买四件衬衫、下个月只买两件，是极端涨价的例子，不是普通通胀的定义。自满可能延误应对，却不是通胀或危机的通用单一成因。
*来源与延伸阅读：* [学习环境的反馈](https://www.psychologytoday.com/us/blog/tech-happy-life/202009/whats-the-root-cause-many-the-worlds-problems#:~:text=The%20legacy%20of%20our%20hunter-gatherer,and%20technological%20evolution.%20The) · [选择过载](https://www.shortform.com/app/book/the-paradox-of-choice/part-2#how-expanded-choice-complicates-decision-making) · [复杂性偏差](https://fs.blog/complexity-bias/) · [乔布斯的大学经历](https://news.stanford.edu/stories/2005/06/youve-got-find-love-jobs-says)
### 为意外的连接留出空间
**Shortform补充：创新可能来自意外的合作者**
奥地利出生的好莱坞演员海蒂·拉玛，与作曲家乔治·安太尔合作，为无线电遥控鱼雷设计跳频通信系统。美国国家发明家名人堂将她早年与军火制造商的婚姻，列为武器系统知识的来源。技术机制是让发射端与接收端同步改变无线电频率，在维持通信的同时，减少被探测或干扰的机会。他们的专利于1942年获批。
这是制导通信，不是用来定位潜艇的遥控设备。拉玛与安太尔的工作被认为是无线通信中的重要发展；比起说某一专利直接变成Wi-Fi和蓝牙，这种表述更准确。故事支持超越惯常职业分类寻找合作者与想法，却不能确立未经证实的私人动机，也不能证明从战时发明到现代网络只有一条必然路径。[美国国家发明家名人堂](https://www.invent.org/inductees/hedy-lamarr)。
*来源与延伸阅读：* [拉玛的早年婚姻](https://www.womenshistory.org/education-resources/biographies/hedy-lamarr) · [跳频通信](https://science.howstuffworks.com/innovation/famous-inventors/hedy-lamarr.htm) · [意外的发明者](https://harbingersmagazine.com/articles/how-five-overlooked-female-inventors-changed-our-lives-for-the-better-by-maria-mitko/)