好了，我们前面介绍关于人是否按照贝叶斯，来进行推理存在的两种观点，一种观点是古典的启迪概率主义者的观点。
依照这种观点认为，概率理论是受过教育的人的基本常识，我们应该按贝叶斯来进行推理，因为我们受过这种训练，概率理论是思想的规律，运用概率理论可以得出，代数学逻辑学和概率学的一些基本的规律。
这种观点，成为经济学中概念合理性的基石，我们说到经典经济学，应该是综合的考虑各种获取失去计算出来以后，做出一个正确的理性的选择，而相应的研究也发现了，大量的违背理性思考结果的选择，这个现象是普遍存在的。
而且像我们刚才介绍的乳癌诊断的例子，发现确实人们做的，好像不像启迪概念主义者期待的好。
但是在早先，也曾经有实验来测试人类的推理，发现好像是遵循贝叶斯推理的规则，即使比较保守的推理，在一定程度上与贝叶斯推理，得出的结论是相吻合的，这早先的观点。
但事实上，后来发现了很多不同的现象，像我们原来提到过的卡尼玛和特威斯丁，他们就持完全相反的观点，他们发现人们明显的，不是保守被试主义者，甚至可以说根本就没遵循贝叶斯定律，发现了众多使用启发式进行推理的例子，在推进中出现各种篇目的实验现象，因此人们认为我们在经进贝叶斯推理时，会系统地出现忽略基础率的问题。
而基础率错误的真实性、鲁棒性和一般性是我们确定事实的关键所在。
我们对基础率的忽视，这种现象是非常一致的。
就在各种情况去测试，用不同人来测试都能发现类似的结果，它具有很强的鲁棒性。
因此有人提出，人的有限的信息处理能力，导致了一个结果，我们信息加工能力有限导致一个结果，我们生来就只会对一个事件的概率，进行粗略的计算，而没法遵循统计规则，严格按贝叶斯推理去计算。
有一个学者持有更极端的看法，他就是说，我们的大脑生来就不是遵循概率的规则在工作，我们的大脑不是被概率来构造的，符合适合于使用概率这种规则，来操加工操作。
我们明白有这么两种不同的观点。
还有一种折中的观点，我们有时候，在条件许可能做到的时候，我们就进行贝叶斯计算推理，但也经常会在日常生活中进行剪辑，迅速的模糊的、不精准的不符合贝叶斯推理规则的推理。
这种折中的做法避免了两极化，但对所有现象都能解释，也没有提供任何深入的理解，我们对人的推理，还是一无所知，既可以这样也可以这样，每一种现象都能解释。
其实他没有深化，我们对问题的认识，我们面临了一个很大的难题，对贝叶斯推理问题进行了好几十年的研究，我们对认知推理过程还是知道的很少。
我们发现了一些影响我们推理的因素，像具体性、明确性、因果关系、显著特征、显著性、特殊性、极端性、适当性等等。
但这些因素，无法形成一个统一的理论，不能建立一个完整的解释推理过程的模型。
所以，我们面临的问题，现在这个问题依然存在。
接下来要介绍，两个德国学者(Gigerenzer和Hoffrage)的新的观点，他们认为可能是格式造成的问题，我们刚才谈到都是概率格式，而现实生活中，很可能更常用的是频率格式，如果我们用概率格式不能正确推理，改为用频率格式来看，就能够提高我们的贝叶斯推理的成绩。
他们认为，前面提到了两种矛盾的观点，都是基于不完全的分析，前面的观点，研究的时候，关注的都是认知过程本身，而没有关注认知加工的对象。
这个对象是什么？
就是认知加工的这些信息材料本身的格式问题，就是信息的格式，也没有认真的考察认知运算法则，和格式之间的匹配关系。
所谓的认知运算法则，指的是我们进行认知加工时的操作规则，而信息格式指的是数学或文字的描述问题的格式，我们描述我们要解决的认知问题时，采用了哪一种数学和文字的格式？
网友评论