不确定状况下的判断
Judgment under Uncertainty: Heuristics and Biases · 1982
古典经济学和统计学有一条共同预设：人在不确定下会按概率法则做判断——掂量先验、更新证据，像一台贝叶斯机器。这本 1982 年由 Kahneman、Slovic、Tversky 三人主编的论文集（「启发式与偏误」纲领的源头、行为经济学的地基，早于《思考，快与慢》几十年）用一批精巧实验把这条预设拆了：人确实会错，但错得不随机——所有人朝同一个方向、在同一个地方、可预测地错。随机噪声可以归咎于粗心，同向的系统性偏误只能来自认知结构本身。
书里最经典的现场：被试读到「他热爱数学、喜欢解谜、对文书工作没兴趣」，即便被明确告知样本里律师占绝大多数，多数人仍判断此人是工程师。先验信息就摆在桌上，却被压制了。于是真正的问题浮出来：当你估一个概率时，你到底在回答哪道题？这本书的全部实验都在拍同一个现场：不是你以为的那道。
回答由三条捷径、一个共同机制和一个最狠的性质组成。
代表性：用「像不像」替「概率多大」。工程师-律师实验里，压制先验的正是相似度——「这段描述和工程师原型有多像」是一道只需感知的题，先验却需要计算；大脑选了前者，然后假装回答的是后者。林达问题是同一机制：多数人觉得「银行出纳＋女权主义者」比「银行出纳」更可能——合取永远不可能比单一事件更可能，但「更像」赢了「更可能」。
可得性：用「想起来顺不顺」替「频率多高」。死于意外比死于中风更容易被想起，不是因为意外更常见，而是它更有叙事性、在记忆里留下更清晰的检索路径；细节具体的场景哪怕从未发生，也更容易被构建出来、拉高估计。两条子机制指向同一点：检索的流畅性本身被当成了信息。
锚定：先转一个随机轮盘（非 10 即 65），再估非洲国家占联合国的比例，估值被那个毫无信息量的数字显著拉动。原书给的机制是「不充分调整」——从锚出发调整，但停得太早。
三条捷径不是三种缺陷，而是同一个动作的三个落点：把难算的目标（真实概率、客观频率、无偏估计）换成易感知的替身（相似度、流畅性、离锚距离）。共同代价是系统性挤掉特定信息——先验与基率、真实频率、估计的独立性——所以偏误有结构、有方向。贝叶斯在书里不是「理想但昂贵」的对立面，而是刻度尺：量人偏离了多远、朝哪偏。
最狠的性质是无感：偷换发生在意识介入之前。你不会觉得自己换了题——你真诚地以为在评估概率，所以「更认真地想」防不住：你认真评估的，仍是那道被换过的题。专业训练能让人事后认出偏差，却关不掉触发替换的开关。
书里还有独立的第四条线：校准。被试给出「90% 置信区间」，真实命中率普遍只有五到七成；但校准精度随领域的反馈结构系统性变化——气象预报员在有即时反馈的环境里校准明显更好。专家的边界在结构，不在智识。
一处时间线要摆正：1982 年原书是先有实验、再归纳模式的平行纲领，没有统一架构；把三者收成一句「用容易题替难题」的属性替换引擎，是 Kahneman 2003 年才装上的棱镜——用它读原书合法，但它不是原书自带的。
难题（该答的） 容易题（实际答的）
真实概率多大？ ──悄悄偷换──▶ 像不像典型？（代表性）
真实频率多高？ ──悄悄偷换──▶ 想起来顺不顺？（可得性）
无偏估计是多少？ ──悄悄偷换──▶ 离第一个数字多远？（锚定）
│
偷换在意识之下完成：你以为自己在答左列
│
▼
贝叶斯刻度尺量出：所有人朝同一方向、可预测地错
（先验与基率、真实频率、独立估计被挤出局）
f(x) · 怎样回应这个世界
接受这套机制，第一个改变是审查对象：以前复查一个判断，问「结论对不对、我有没有想仔细」；现在先问——「我刚才实际回答的，是原题还是替身题？」然后按题型走程序，而不是加意志力。
还有一条克制：这套词汇最容易被用成对外的武器——用「你这是确认偏误」驳倒别人，远比用它审查自己容易。偏误清单是对内的镜子，不是对外的标签枪。
因为偷换发生在意识之下，所有对策的共同点是外置：把「查基率、回到频率、弃锚、放宽区间」做成判断之前的固定步骤，而不是指望当场想起来。