2002年，诺贝尔经济学奖破天荒地颁给了一位心理学家——丹尼尔·卡尼曼（Daniel Kahneman）。瑞典皇家科学院的授奖理由很克制：“将心理学研究结合到经济学中，特别是关于不确定条件下的人类判断和决策。” 但这句公文背后，是一场对“理性人”假设的静默政变。卡尼曼与阿莫斯·特沃斯基（Amos Tversky）用几十年实验证明：人在估计世界时，极少按贝叶斯公式或概率论办事，而是交给一套无意识、自动化、且会系统性出错的思维捷径——启发式（heuristics）。

丹尼尔·卡尼曼

系统1：那个替你做主的“无声估算员”

在 《思考，快与慢》里，卡尼曼把心智拆成两套系统：系统1快速、自动、不费力，系统2缓慢、刻意、耗神。 日常估计任务——“这事儿靠谱吗”“他像不像坏人”“非洲国家占联合国百分之几”——全由系统1抢答。系统2平时处于“省电模式”，除非答案荒唐到刺眼，否则懒得复核。

系统1的核心算法不是统计，而是替代：把“原问题太难”偷偷换成“一个相关但更好答的问题”。卡尼曼称之为“用启发问题置换目标问题”。比如投资官该答“福特股票值不值得买”，系统1却置换成“我喜欢福特车吗”——然后拿这个答案交差。 这种置换无声无息，当事人还觉得自己深思熟虑。

三种无效且无意识的启发式

1974年，卡尼曼与特沃斯基在《Science》发表里程碑论文 Judgment under Uncertainty: Heuristics and Biases，点名三种最常劫持人类估计的捷径。

1. 代表性启发式（Representativeness）

大脑看“A像不像B的典型”，而不是算“A属于B的真实概率”。描述一个害羞、爱看书、怕吵的人，多数人猜他是图书管理员而非农民——尽管农民基数大得多。 “琳达问题”里，人们觉得“琳达是女权主义银行出纳”比“琳达是银行出纳”更可能，违背最基础的概率子集规则。 基础概率（base rate）被典型形象吃掉，这就是系统1的无意识犯罪。

2. 可得性启发式（Availability）

一件事“好不好从脑子里捞出来”，直接等于“它发生的频率”。空难新闻铺天盖地，人就觉得坐飞机比开车危险（实则相反）；媒体猛拍凶杀案，人就以为死于凶杀多于死于中风。 生动、新鲜、有画面的记忆挤占了冷冰冰的统计表，估计值随之扭曲。

3. 锚定与调整（Anchoring and Adjustment）

先撞进眼睛的任何数字，都会变成不可挪走的“锚”。卡尼曼让受试者转幸运转盘，指针停10的人估“非洲国家占联合国比例”平均约25%，停65的人估约45%——锚点完全随机，却拽着估计走。 商场先标高价再打对折、谈判里抢先报价，用的都是同一招：你以为自己在调，其实只在锚附近蹭。

除此之外，卡尼曼还顺手戳穿了“小数法则”——人把小样本当成大样本用，看见基金经理连赢两年就封神，看见小医院某天男婴超60%就觉得和大医院一样寻常，完全无视大数定律。

为什么这些捷径“无效”却甩不掉

关键在“无意识”。受访者不是故意偷懒，也不是不懂概率；即便统计学者，在直觉模式下也会踩同样的坑。 启发式是演化给系统1装的默认固件：在信息缺、时间紧、算力低的原始环境里，它够用、省能量。但一旦进入现代估计场景——金融、司法、公共卫生、战略预测——它输出的不是随机噪声，而是可预测、可重复的偏误。

这正是卡尼曼颠覆经济学的地方：传统模型假设人按期望效用最大化；卡尼曼证明，人先被启发式给出一个带偏的印象，再让系统2编个合理化故事。 紧接着，他和特沃斯基用前景理论（Prospect Theory，1979）补上第二刀：人对得失的估计以“参照点”为轴，损失厌恶、敏感度递减，连风险偏好都随框架翻转（亚洲疾病实验）。 启发式负责“怎么估概率”，前景理论负责“怎么给结果加权”，两块拼起来，才是完整的不理性画像。

看见捷径，才有机会绕开它

卡尼曼没主张消灭系统1——那不可能，也没必要。他的贡献是给人类配了一面反光镜：当你脱口估出“这项目三个月能完”“那人肯定是骗子”“飞机太危险别坐”时，先停半秒，问自己三个问题——

我是在比概率，还是在比像不像？（戳代表性）我高估这件事，是因为它好记，还是因为它真常见？（戳可得性）我刚才是不是被某个数字先入为主了？（戳锚定）

能问出这些，系统2才算真醒过来。卡尼曼拿诺奖不是告诉我们“人都不理性”，而是告诉我们：理性不是默认出厂设置，而是每次估计时手动调用的补丁。知道启发式在后台跑，不等于能关掉它，但至少能在它交卷前，要求它亮一下源码。

关注我，一起探讨宇宙奥秘与人类社会发展史！