这本书是马普研究所吉仁泽所长专门写直觉的一本书。探讨了生活中使用直觉进行决策的决策模式、直觉可能的形成机制、以及直觉正确的使用方式。对这本书感兴趣是因为卡尼曼《思考，快与慢》中对于直觉这一模式与加里·克莱因的分歧。吉仁泽则属于克莱因同一派。他最著名的书可能是<Risk Savvy>，中译《风险与好的决策》。
直觉是一种近乎神秘的力量。熟练工匠可以达到机器达不到的加工精度和复杂度，老刑警走路上看见个人咔就拷回去，一审果然身上有案子。这些故事，再缠绕上一些似是而非的解释成可以预测吉凶的第六感、心灵感应、通灵，既虚幻又现实。吉仁泽的研究领域是决策，所以书里涉及的只是通过直觉进行决策的内容，书中所研究的直觉实际上表示一种基于以下特征的判断：
- 迅速出现在直觉中的
- 我们意识不到它的深层运行机制
- 强烈实现的动机
这本书的核心观点是：大脑通过适应性进化，可以分辨出问题，并用简单的规则来处理。**使用直觉的关键问题是搞清楚什么时候可以相信直觉，什么时候大脑可能会被欺骗。
首先来看直觉是怎么工作的。
直觉的作用形式是以一种简单规则来处理复杂问题。比如接球，这本质上是一个实时计算和不断修正抛物线轨道的数学题。如果用计算机来算，是一个很复杂的数学模型（想想儒尼奥尔的落叶球，四分卫的长距离传球）。但是不懂高等数学的小朋友，甚至是你家会接飞盘的狗却能轻松接住球。经过研究发现，人类在处理这个问题的时候是用了几种非常简单的法则，比如其中一个是这样的：将视线固定在球上，跑的同时调整速度，使注视的角度保持不变。这些法则，如果不是科学家这样刻意研究，是完全在我们意识不到的情况下运行的。我们大脑中充满了这样的无意识直觉：我们不知道它们在哪里，是怎么运行的，但当我们需要的时候招之即来，而且来的就是可以解决问题的那一种直觉和与它配套的简单法则。
接下来要搞清楚的就是，简单法则真的能解决问题吗？
爱因斯坦说应该尽量简化问题，但是别过度简化。对于高度确定性的环境，比如赌博概率、XXX等，可以用确定的模型来模拟，得出更加精确的预测，但是对于具有高度不确定性和复杂度同时还需要快速决策的问题，比如金融投资，瞬息万变的赛场，复杂策略通常不如简单法则效果好。
直觉是怎么形成的？
吉仁泽认为，直觉是人类在与环境的互动中，通过试错积累下来的成功经验。首先人类具有进化能力，为了解决生存问题，人类尝试用各种方法应对自然环境以及社会环境。这种试探和策略，像所有东西一样，有几个层级，在最底层的策略上是非常简单的。
人类所采用的原则都是非常简单的，人类社会看起来复杂是因为环境复杂。像是人类投出一束简单的白光，在一个凹凸不平且色采斑瓓的镜子上反射一次，反射回来就是五光十色的光。这一段论述给我感觉有点像元胞自动机，用几个简单的策略，去和环境进行互动。
人类用进化这一能力作为基础，发展出多种能力模块，再用这些能力模块来解决遇到的问题，例如捕猎、发展群体内感情联接等。在解决问题过程中发展出了简单有效的能力模块使用方法，这种方法就是经验法则，最终通过自然选择、文化传承等形成成为直觉。
有趣的是，遗忘是形成直觉的必要条件。对于拥有照片式记忆（过目不忘）的人，他们拥有的信息太多，而且记忆深刻程度一致，所以无法形成直觉，也无法理解语言的弦外之音。这使我想到了神经网络在训练过程中对参数的调整。
直觉可不可靠？为什么直觉总是跟理性分析冲突
首先，这是一种统计偏误，当直觉与理性分析一致时，我们根本不会注意它。无论这判断是正确还是错误，我们只会归功/归罪于分析。直觉有时跟理性分析冲突，有时一致，问题是当冲突时，应不应该相信直觉，尤其这种时候直觉总是看起来不合逻辑。
吉仁泽认为，因为进行逻辑分析时，我们需要调用语言，而语言是不精确的，隐含了很多信息，所以无法准确传达信息。比如“半满”的杯子与“半空”的杯子形容的水量是一样的，但“满”和“空”附带了杯子之前的历史或者之后的期待。所以不能用逻辑来评判思维。
接下来是直觉的应用实例
认知启发
你考试时经常使用的秘技“这四个选项看上去每一个都好有道理，应该选哪个呢？这个看起来比较面熟，就赌它吧”其实有一定道理。科学家们发现，有时候仅凭印象流来做判断，比掌握更多信息后做判断准确度更高。
这可能是因为认知启发的过程只需要足够的信息来做出判断，而不需要完整的信息，就像中学时代隔壁班那个不记得是谁但是见面认识的人。
认知启发法有两个步骤，辨认与评估。这个“认出”本身就就是一个判断和决策的过程，我们更容易辨认出有用的那些信息。科学家们发现，海鸥可以辨别出自己的雏鸟，但是却不认识自己的蛋。这可能是因为雏鸟会跑来跑去，万一跑到别人巢里被咬死咬伤或者错养了别人的雏鸟，亲鸟就白忙一场，不能把基因传下去。而蛋不会跑（除非科学家偷偷给换掉），认识蛋的能力也就没什么用处。
当然，掌握了80%以上的信息以后，就可以超过直觉的准确率。不过这种程度的掌握，除了经常性重复的技能以外可能只有升学考试这种极高确定性环境下追求绝对正确率的情境才有用。日常生活和工作中充满了不可预测，是不可能把所有信息都掌握到80%以上的。这种直觉是大脑的一种压缩算法，只保留做出有意义的决策所需要的最少的信息。
认知启发法用得最好的就是广告公司，广告的目的不在于看完当场说服你，而是让观看者留有印象，在急匆匆超市采购或者被手机、汽车的几十项参数搞迷糊的时候会凭直觉选择自家产品。
应对方法其实也简单，对于重要的决定，在评估阶段，使用critical thinking，不要靠直觉。车质量好不好不是看铁皮厚不厚，而是看耐久性，五年，十年后汽车各种部件的维修状况。
image.png
image.png
注意是重要的决定，如果所有大小事情都要深思熟虑，生活会很累。
单因素决策
在重大事件上，我们都希望尽可能多的收集信息，但事实是：第一我们真正在使用的常常是单因素决策，第二，在预测未来上，单因素决策优于多因素决策。
使用单一因素决策的例子：
- 性别选择。动物在择偶时通常根据一个最主要的因素做出决定，比如园丁鸟的窝，鹿角，孔雀的长尾巴。
- 政党排位置。欧洲多党制下，各党派在重要社会问题上有不同立场，民众如何判断哪个政党最符合自己的主张呢？实验表明，民众是根据各政党在自己最看重的某个问题上的表现按左翼——右翼排列，然后寻找一个与自己主张最接近的。
使用单因素序列决策的例子：
单因素序列是指在有多个因素需要考虑的情况下，我们通常是把多个因素按重要性排序，从最重要的问题开始评估，如果最重要的问题马上能做出选择，则停止评估，做出选择；如果所有选项都满足，则考虑下一项。说起来很拗口，举个例子就明白了：你要找房子，首先考虑的是上班近，然后考虑租金水平，最后在距离能接受，租金能承受的房子里选择朝向、新旧、装修等因素。
使用足球和篮球比赛的数据进行测试的结果显示，用简单原则，比如只考虑球队当前排名、半场比分这两项因素来预测整场比赛的结果，竟然跟用多因素基于贝叶斯的计算准确率相当。
为什么会这样呢？作者认为在复杂难以预测的领域和数据缺乏的领域，过往数据只能用来解释过去，不能帮助预测未来，所以简单原则反而更高效准确。
医学中的决策
我们相信权威，相信传言，相信传统，但不相信统计数据。
医学中的决策非常复杂，需要考虑病人本身的状况、意愿、治疗手段的风险、疾病对生活质量的影响与治疗本身对身体伤害之间的权衡。医生为患者提供的方案如果结果不理想很可能被诉讼。医患关系因为诉讼风险而恶化，医生为了自我保护免除责任不得不过度检查，过度医疗。统计发现，对于同一问题，不同医生会采取不同策略（比如不同地区扁桃体切除率，前列腺手术率，子宫摘除率），那么显然依据不是纯医学上的，而是习惯或医生观念。
如何解决呢？对于治疗效果的期望函数太复杂，病人也很难给不同情况赋值，所以无法量化。而对于不同症状对应不同治疗效果的复杂统计工具医生看不懂。
急诊处理胸痛病人案例：急诊室接诊胸痛病人时要求医生在短时间内迅速作出决策，没有时间按部就班对病人进行全部检查。因此极度依赖医生的直觉判断，一直难以提升准确率。在实验中，在软件的辅助下，使用了复杂工具后医生处理准确率大幅上升。意外的是停用工具后仍然没有下降。因为医生记住了主要指征并用直觉来处理了。根据这一情况引入决策树，使用后效果跟复杂工具一样好。
网友评论