如何评估理性思维

理商如何评估理性思维目录\h第一部分理论基础\h第一章哲学、认知科学和民间对理性的定义\h第二章理性、智力和心智的功能结构\h第三章避免吝啬加工：检测、压制和心智资源\h第四章理性思维综合评估测验框架\h第二部分理性思维综合评估测验的理性思维成分\h第五章概率与统计推理\h第六章科学推理\h第七章避免吝啬加工：直接测量\h第八章避免吝啬加工：间接效应\h第九章概率计算、金融知识、期望值敏感性以及风险知识\h第十章污化心智资源\h第十一章理性的倾向和态度\h第三部分理性思维综合评估测验：数据和结论\h第十二章各分测验之间的关联性：简易版理性思维综合评估测验\h第十三章各分测验之间的关联性：完整版理性思维综合评估测验\h第十四章理性思维综合评估测验的背景知识、附加说明和相关问题\h第十五章理性思维测验的社会实践意义\h附录理性思维综合评估测验的结构和各分测验题目示例第一部分理论基础第一章哲学、认知科学和民间对理性的定义理性在学术界是一个令人困惑又颇受误解的词，有多种定义并充满争议。哲学、经济学、决策学以及心理学等很多学科都对理性感兴趣，但各自的定义却存在差异。例如，动物行为学者声称可以测量不同动物的理性程度（Kacelnik，2006），但根据其他学科的定义，动物根本不具有理性。不同学科的学者们只在一件事上达成了一致：理性的定义存在学术领域间的差异性。例如，经济学家罗伯特·弗兰克（RobertFrank，2004）指出，“理性有许多定义，每个定义都有长处和弱点。理性概念的模糊性很大程度上源于一个简单的事实，即还没有哪个定义能够代替其他学科的定义。”哲学家苏珊·赫尔利和马修·努兹（SusanHurley&MatthewNudds，2006）同样认为，“在人类理性的研究中，不同的学科由于研究假设和目的不同，因而从不同的视角来理解‘理性’，有些侧重于理性行为，另一些则关注理性的过程，因此在跨学科讨论理性时往往存在争议。”跨学科的争议往往还不是最严重的问题，最严重的问题在学科内部，如在心理学中也已衍生出了很多相似的术语，让人难以辨别。我们不打算对所有这些问题都进行评述，而只是阐述我们在这本书中所使用的术语。在这里，我们不可能解释所有理性相关的概念，而是基于我们的目标来选择术语和定义，即通过一个测量理性思维的综合方法来展现理性应有的样子。测量理性的评估工具需要一个基于实证研究，并具有可操作性的定义，因此本书的理性概念主要来自于决策理论和认知科学领域。不具备实证和可操作性这两个特征的定义对于构建理性思维测验是毫无价值的。此外，我们还希望这个定义能够体现出个体差异，从而使其建构能够反映人的思维和判断从不理性到高度理性变化的连续体（continuum）。与此相对照的是，许多关于理性的哲学概念都只是为了将所有的人等同起来。因此，本书通过构建一些标准来定义我们所希望研究的具有个体差异的理性。然而，许多人已经习惯了这种将人等同看待的理性思维的哲学定义。由于这些定义深入人心，从而会使人们在理解我们的定义时产生困惑。无论一个人事先是否熟悉“理性”这个术语，我们都会敦促我们的读者不要纠结于此，如果你不喜欢我们在本书中对这个词的使用，那就用“好的思维”（goodthinking）这个说法吧，这么做也没有任何问题。\h\h1本书所使用的严谨的“理性”定义“理性”一词有严谨和宽泛两种定义。人们对理性都有常识性的理解，但如果采用宽泛的定义，非专业人士和学者常常会产生分歧。而实证科学家更倾向对理性采用严谨的定义，特别是在认知科学领域。本书主要采用的是严谨的定义。相比之下，字典中对理性的定义往往是宽泛的，相当蹩脚且不具体，例如，“与理由相一致的状态或性质”。理性的宽泛定义来源于亚里士多德提出的绝对理性分类（categorical）概念，他认为人类是唯一有理性的动物。正如德苏萨（deSousa，2007）所指出的那样，理性的对立面不是非理性，而是没有理性。亚里士多德对理性的理解是绝对化的：一个有机体的行为要么是基于理性的，要么是没有理性的。按照这种理解，人类是理性的，其他动物是没有理性的，人类在理性思维方面没有个体差异。理性的严谨定义主要在认知科学和本书中使用。认知科学中所采用的最优判断和决策规范模型使理性的定义非绝对化，这种定义下的理性取决于思想或行为与最优模式之间的距离（Etzioni，2014）。因此，当认知科学家将一种行为称为非理性行为时，他的意思是指该行为偏离了特定规范模型所规定的最佳行为，而并不是在暗示这种行为背后没有任何思想或推理。人们对人类非理性研究的敌意，无疑源于上述亚里士多德的观点：当认知心理学家认为某些人出现非理性行为时，似乎就等于在说这些人不是人。因此，在民间语言中，“非理性”（irrationality）一词被认为是一种特别严重的侮辱。我们要指出的是，心理学家并没有这样使用这个词，他们对理性采用了不同的定义，在这一定义中，人都是完全的人，但理性倾向存在差异。对于民众来说，亚里士多德对理性绝对化的定性观点会使他们将“非理性”一词理解为尖锐的讽刺。但认知科学家对理性的理解是非定性的量化观点，是从“理性”到“非理性”连续的（continuous）变化过程。当我们发现一种行为模式比最优模式差时，我们会说其“未达到最优理性”，而不是说它是没有理性的，这才是对“非理性”一词应有的理解。如果认知科学家对非理性的定义是民众的通识，认知科学界也就不必花如此大的力气为其辩护了（Bishop&Trout，2005；Cohen，1981；Kelman，2011；Stanovich，1999，2004；Stein，1996；Tetlock&Mellers，2002）。也正因为如此，本书将非常谨慎地使用“非理性”一词，我们关注的是理性反应的连续性变化，即从完全理性到理性逐渐减少的变化。心理学家不接受定性的理性概念的另一个原因是，这种定义没有为认知改善提供动力。理性的定量定义可以促进认知改善，因为大多数人都没有达到完全或最优的理性，而且理性思维倾向是可以改善的。采用认知科学对理性的定量定义，虽然可以推动认知改善，但必须要承认一些人比另一些人更理性（至少从完成各项测验的表现上看确实如此）。这和说一些人比其他人更聪明没有什么区别。理性上的差异是与智力差异相互重叠但又截然不同的认知领域。人们确实在智力上存在差异，并且心理学家有能力测量这些差异，设计出提升智力的方法。同样，人们在理性上也存在差异，认知科学也已经发现了许多方法可以使人们变得更加理性，从而使他们在生活中获得更好的结果。例如，我们可以教人们做出更好的经济决策，教医生做出更好的医疗决定，向教育工作者提供做出更好教育决策的建议。工具性理性与认识性理性如前所述，字典中关于理性的定义（“依据理由行动”）往往很宽泛，不具体，因而无法测量。此外，由于种种原因，一些学者为了弱化理性的重要性，常常对理性的概念冷嘲热讽。一种常见的说法是，理性仅仅意味着解决诸如哲学入门书中遇到的三段论推理（syllogisticreasoning）问题的能力。其实，在现代认知科学中，理性的含义更为全面、确定和重要。我们综合许多认知科学理论家的说法后认为，理性包括两种类型：工具性理性和认识性理性（Manktelow，2004；Over，2004）。工具性理性（instrumentalrationality）最简单的定义是：在现实世界，根据给定的资源（身体的和精神的），采取行动得到最想要的结果。更学术的说法就是：个人目标实现最优化。经济学家和认知科学家又将目标实现最优化的概念转化为期望效用的学术概念。认识性理性（epistemicrationality）关注的是我们的信念如何映射出现实世界。认识性理性有时被哲学家称为“理论理性”或“证据理性”。同样，工具性理性有时被称为“操作理性”。当然，这两种类型的理性是相关的：为了通过行动来实现我们的目标，我们需要把这些行动建立在与现实世界正确匹配的信念之上。当认识性理性和工具性理性被合理定义后，人们就愿意使用这两个概念了。大多数人都希望他们的信念与现实相符，也希望自己的行为有助于个人目标的实现。曼克特洛（Manktelow，2004）指出这两种理性概念非常实用，主要涉及两个关键问题：“何为真”及“做什么”。认识性理性是关于“何为真”的，工具性理性是关于“做什么”的。要想让我们的信念是理性的，它必须与现实世界保持一致，即信念必须为“真”；要想让我们的行动是理性的，必须用最佳方法来实现我们的目标，即做“佳”的事。对于人们的生活来说，没有什么东西比能够找到“真”和“佳”的思维更实际和更有用的了。经济学家和认知科学家进一步将工具性理性定义为期望效用的最大化（maximizingexpectedutility）。要实现工具性理性，一个人必须在选项中选择具有最大期望效用的那个选项。决策情境一般可分解为三个部分：①可能的行动；②世界的可能状态；③对每种可能状态下可能行动的后果评估。期望效用的计算方法是将每个可能的结果的效用乘以该结果发生的概率，然后求和。理性选择的公理化方法在实践中，用这种计算方式来评估理性是很难实现的。首先，探查个人的各种结果概率是很困难的。其次，测量各种后果的效用在技术上难以实现。幸运的是，还有另一种有用的方法可以衡量决策的合理性和偏离理性的程度。通过一些严谨的分析已经证明，如果人们的偏好遵循某些一致的模式（即所谓的选择公理（axiomsofchoice）），那么他们的行为就近似于效用最大化（Dawes，1998；Edwards，1954；Jeffrey，1983；Luce&Raiffa，1957；Savage，1954；vonNeumann&Morgenstern，1944）。这种分析人们是否最大化效用的方法被称为“公理化方法”。这种方法使我们能够更容易地通过认知科学的实验方法来衡量人们的理性程度。依据公理测量对最优选择模式的偏离程度是一种评价理性程度的反向度量方法，即越偏离最优选择模式，人的理性就越低。基于公理化方法，工具性理性被定义为对具有连续性和一致性的标准的坚持。例如，传递性公理是：如果你喜欢A超过B，喜欢B超过C，那么你应该更喜欢A而不是C。违背传递性是对理性的严重违反，因为它可能导致决策理论家所说的“金钱泵”（moneypump）现象。在某些情境下，如果你按照这种非传递性偏好行事，你将会耗尽你所有的财富（Schick，1986）。根据公理化方法的分析，最大化效用的人应对决策情境中的每个选项具有稳定的、潜在的偏好。一个具有完美理性的人应对可能选项的偏好是坚定的、有序的，并坚持公理（Thaler，2015）。所有决策公理（无关备择选项独立性、传递性、独立性、复合彩票简约化公理等）都是以某种方式来确保决策不受无关背景的影响（Stanovich，2013）。因为每一种偏好的强度（该选项的效用）都存在于大脑中，甚至在选项出现之前就已经存在了，选项呈现时的任何背景信息都不应影响偏好。如果我们的偏好受到无关背景的影响，我们的偏好就不可能是稳定的，我们也不能最大化我们的效用。因此，我们的思维在多大程度上独立于不相关的背景是衡量理性思维的一个重要标准，这个标准也在我们的评估工具中占有突出的地位。认知科学中有大量的实证证据表明，人们有时会违反这些效用理论的公理（Kahneman&Tversky，2000；Thaler，2015）。实际上，从坚持最基本公理的视角来看，人们在工具性理性上的个体差异很大。我们也可以用公理化的方法来评估认识性理性。回想一下，一个行动的期望效用是将每个结果的概率乘以它的效用，并对可能的结果进行求和。因此，确定最佳行动需要估计各种结果的概率。当然，这些概率不是有意识的计算，而是我们对世界状态的可信估计，取决于我们的信念和对这些信念的确信程度。如果我们对世界状态的概率判断是错误的，那么决策就不会使我们的效用最大化，我们的行动也不会让我们得到最想要的结果。因此，工具性理性和认识性理性是交织在一起的。如果我们要决定该做什么，我们需要确保我们的行动建立在“真”的基础上。从这个意义上说，信念的理性（认识性理性）是行动理性的基础之一。信念的理性是通过各种与概率有关的推理技能、证据评估技能和假设检验技能来评估的。一个人要想具有认识性理性，他的概率估计必须遵循客观概率规则。也就是说，他的估计必须遵循所谓的概率计算。从数学上讲，概率估计值应遵循特定的规则。这些规则构成了主观概率估计最重要的规范模型。与工具性理性一样，认知心理学的重要发现之一就是发现人们常常会违反各种认识性理性的规则。理性、启发与偏差文献在构建我们的理性思维评估工具时，我们借鉴了大量研究违反工具性理性和认识性理性规范模型的文献。这些跨度几十年的数以百计的实证研究有力地证明了，人们在许多推理任务上表现出对规范模型的偏离，如：人们对概率的评估不正确，对假设的检验效率不高，违反了效用理论的公理，没有合理地校准信念，选择受到无关背景的影响，在评估数据时忽略了替代假设，以及许多其他信息加工偏差（Baron，2008，2014；Evans，2014；Kahneman，2011；Kahneman&Tversky，2000；Koehler&Harvey，2004；Manktelow，2012；Thaler，2015）。我们大量借鉴了这些研究，特别是由卡尼曼和特沃斯基于20世纪70年代初开创的启发与偏差研究（Kahneman&Tversky，1972，1973；Tversky&Kahneman，1974）。“偏差”（bias）一词指的是人们在选择行动和估计概率时所犯的系统性错误，而“启发”（heuristic，又译“启发式”）一词是指人们经常犯这些错误的原因，因为他们使用心理捷径（启发）来处理许多问题。我们将用几个章节来讨论有关这些心理捷径的心理学理论。表1-1列出了我们实验室研究过的一些任务、效应和偏差，并由此构建了我们的理性思维综合评估测验（CART）。表1-1斯坦诺维奇、韦斯特和托普拉克实验室对启发与偏差任务中个体差异的研究列表几乎所有的心理学研究者都承认获2002年诺贝尔经济学奖的工作——启发与偏差在认知领域的重要性。颁奖委员会将奖项授予丹尼尔·卡尼曼的根本原因之一是“认知心理学家对人类判断和决策的分析”。这项工作“激励新一代经济学研究者，利用认知心理学的方法去剖析人类的内在动机，从而丰富了经济理论”（TheRoyalSwedishAcademyofSciences，2002a，2002b）。这个方向的研究之所以如此有影响力，原因之一在于它涉及与人类理性有关的深层次问题。正如诺贝尔奖公告所指出的那样，“卡尼曼和特沃斯基发现了不确定性下的判断如何系统地脱离了传统经济理论中假定的那种理性”（TheRoyalSwedishAcademyofSciences，2002a，2002b）。理性意味着用最好的手段来实现自己的人生目标，卡尼曼和特沃斯基发现的思维错误不仅能够影响游戏结果等微不足道的问题，更关键的是，如果我们违反了这些被诺贝尔奖认可的思维规则，我们的实际生活就无法达到自己的满意状态。认知科学家斯蒂芬·平克（StevenPinker）也认同诺贝尔奖委员会的观点，他认为“当试图在整个人类知识体系中找出受教育的人应该知道的知识时……有关人类认知和概率推理的知识应包括在其中，这是每个受过教育的人首先应该知道的事情之一，但出于尊敬，我没有资格评价这项工作是多么的重要”（CreativeLeadershipForum，2011）。我们同意平克的观点，即这些思维领域的知识是每个受过教育的人都应该知道的，他的这番话可以让我们换一个思路来看待我们在CART中所创造的东西。平克提到的“任何受过教育的人都应该知道的知识”正是我们试图评估的东西！判断和决策技能是理性思维和行动的基础，但智力测验并没有考察这部分。这本书，以及我们构建的评估工具，正是对这一对行为科学领域影响深远的历史性遗憾的部分补救：卡尼曼正是由于对被行为科学中最著名的心理评估工具（智力测验）所完全遗漏掉的认知特征的研究而获得了诺贝尔奖（Stanovich，2009）。我们希望CART至少能在一定程度上调整人们的关注点，对我们的学科领域予以足够的关注。由于我们的理性思维框架的可操作化很大程度上来自于传统的启发与偏差研究，因此，从当代人类思维功能结构的角度来解释各项认知任务的逻辑是很重要的。在下一章中，我们将概述功能性认知理论，并使用这些理论来解释本书中各项任务。在第三章中，我们将阐述我们的测验体系中采用的启发与偏差任务的逻辑。一旦读者理解了我们的测验体系，就不难理解本书前言中的关键点了。特别是我们将阐述理性和智力这两个概念以及二者的区别。我们将进一步证明理性实际上是比智力内涵更广的心理结构概念。因此，启发与偏差任务作为测量理性的方法，实际上比智力测验测量了更多的认知过程和知识。小结理性是一个跨越许多学科的概念，因此它有许多不同的定义。其中一些定义实际上阻碍了评估判断和决策这两项重要认知能力的个体差异这一目标的实现。因此，我们选择了认知科学领域对理性的定义，这有助于我们测量理性的个体差异。这个领域的定义是基于实证研究的，我们及大多数认知科学家的研究都表明，用这些定义和方法来测量理性时，能够发现大量的个体差异。关于我们的逻辑的另一种表述是，如果你要测量个体在理性思维上的差异，你就必须用我们的方式来定义它。任何研究者都可以自由地以其他方式定义理性，但我们所研究的个体差异仍然不会消失，我们只需要换个名词来表述这些差异即可。从某种意义上说，我们不反对其他定义，而只是想表明我们的主张。任何反对我们用一大堆启发与偏差任务来测量“理性”的人，也绝对不应将这些方法视为智力测验的一部分。这些方法不是来自于现有的智力测验，智力测验不能有效预测推理过程中的个体差异。因此，我们将我们的测验称为一种测量理性思维的方法。或者正如我们将在第二章中要讨论的那样，我们实际上是在测量智力以外的东西——只要别管它叫“智力”就好。在kindle搜索B089GHJ9MR可直接购买阅读第二章理性、智力和心智的功能结构对智力概念的讨论往往暗含着智力测验对心智能力评价的特权，非专业人士往往不能立即察觉这点。发生这种情况的主要原因之一是，在讨论智力概念之前，完整的人类认知模型往往没有先被阐明。在没有这样一个完整模型的情况下，外行人自然会认为智力测验测量了所有重要的认知特征。简而言之，对智力的讨论由于没有建立在认知功能的一般模型之上，因而往往在一开始就偏离了轨道，进而导致了默认的假设，即智力测验测量了心智功能的所有关键特征。鉴于此，本章首先勾勒出有关智力的共识观点；然后，努力将智力置于一个完整的认知模型中；最后，通过将智力和理性放在统一的完整模型中，来阐明为什么理性实际上是一个比智力更具内涵的概念，同时批驳了许多流行的观点。智力的理论基础在前言中，我们介绍了智力的宽泛定义和严谨定义之间的区别。民众所理解的智力包括了多种能力，如适应环境的能力，但智力测验并未实际测量这种能力。与此对比，严谨的智力定义将智力的概念局限于“通过现存的智力测验所测量出的一组心理能力”。我们在本书采用智力的严谨定义，并在讨论中提供已有智力测验的统计数据和各种认知能力指标（Deary，2013）。智力领域最具影响的严谨理论是卡特尔–霍恩–卡罗尔（Cattell-Horn-Carroll，CHC）智力理论（Carroll，1993；Cattell，1963，1998；Horn&Cattell，1967）。\h\h1这个理论提出了一般智力（generalintelligence）的科学概念，通常用“g”表示，并包含几个一般因素，其中两个占主导地位。一个因素是流体智力（Gf），代表跨领域（包括新异领域）的推理能力。它是通过抽象思维测验来测量的，如类比测验、瑞文测验、填补数列（如，数列1，4，5，8，9，12，__中的下一个数是什么）。另一个因素是晶体智力（Gc），反映了从文化适应中习得的陈述性知识。它可通过词汇任务、语言理解和一般知识测验来测量。尽管两者之间关系密切，但Gf和Gc反映了长久以来人们对智力认识的两个方面：加工智力和知识智力（Ackerman，1996，2014；Duncan，2010；Hunt，2011；Nisbettetal.，2012）。除了Gf和Gc之外，其他一般因素还有记忆和学习、听觉感知和加工速度等（Carroll，1993）。关于CHC、Gf和Gc有非常多的文献（Duncan，2010；Duncanetal.，2008；Geary，2005；Gignac，2005；Kane&Engle，2002；Mackintosh&Bennett，2003；McArdleetal.，2002；McGrew，2009；Nisbettetal.，2012）。该理论的结构已在脑损伤、教育成就、认知神经科学、认知发展趋势和信息加工的研究中得到验证。当然，除CHC外，还有其他一些替代模型（Deary，2013；Hunt，2011）。例如，亨特（Hunt，2011）对g-VPR模型（JohnsonandBouchard，2005）替代CHC模型的可能性进行了实证探讨。然而，通过将智力与理性从理论上进行比较就不难发现，无论采用哪种智力的严谨定义对我们来说都没有区别，因为这些理论都忽略了对理性的认知分析。双过程理论：通往认知结构模型的第一步正如前一章所讨论的，认知心理学文献中的启发与偏差任务在很大程度上形成了认知科学中对理性思维的操作定义。这些研究通常基于双过程框架来定义理性。大多数启发与偏差任务往往被特意设计为由一个被自动触发的反应和一个与之拮抗的规范反应构成，这两个反应通常（但并非总是\h\h2）由多个受控制的心理过程产生（Kahneman，2011）。自从卡尼曼和特沃斯基在20世纪70年代创造了启发与偏差范式以来，相关研究领域已经积累了海量的支持双过程范式的证据（Evans&Stanovich，2013）。各种各样的证据汇集在一个结论上，即在不同的专业领域都会需要某种类型的双过程概念，这些领域包括但不限于：认知心理学、经济学、社会心理学、自然主义哲学、决策理论和临床心理学（Alós-Ferrer&Strack，2014；Chein&Schneider，2012；Evans，2008，2010，2014；Evans&Frankish，2009；Evans&Stanovich，2013；Lieberman，2009；McLarenetal.，2014；Schneider&Chein，2003；Sherman，Gawronski，&Trope，2014；Smith&DeCoster，2000；Stanovich，1999，2004）。此外，进化理论和神经生理学的研究也支持双过程理论（Corser&Jasper，2014；Frank，Cohen，&Sanfey，2009；Lieberman，2009；McClure&Bickel，2014；McClure，Laibson，Loewenstein，&Cohen，2004；Prado&Noveck，2007；Toates，2005，2006；Tomlinetal.，2015）。由于现在有太多的双过程理论（双过程理论各种版本的清单，见Stanovich，2011，2012），研究人员对这两个过程的命名往往存在很大差异。基于本书的初衷，我们主要采用埃万斯和斯坦诺维奇（Evans&Stanovich，2013）提出的命名：类型1和类型2，偶尔也会使用斯坦诺维奇（Stanovich，1999）和卡尼曼（Kahneman，2011）提出的命名：系统1和系统2。\h\h3类型1过程的典型特征是自发式的，类型1过程在遇到触发刺激后自动出现，不受高级控制系统的影响。自发过程还有其他一些非典型特征，如执行很快，不增加中央加工过程负荷，往往是关联式的（Stanovich&Toplak，2012）。自发过程包括：情绪调节过程，进化心理学家提出的解决特定适应性问题的“封装模块”，内隐学习过程，以及自动触发的过度学习联结（Barrett&Kurzban，2006；Carruthers，2006；Evans，2008，2009；Moors&DeHouwer，2006；Samuels，2005，2009；Shiffrin&Schneider，1977）。类型1过程的不同表现形式清楚地表明其是一个复合体，既包括天生固有的模块或过程，也包括了后天经验习得的自动化关联和固着行为。类型1过程的很多表现虽然在神经生理学和病因学上可能有很大的不同，但共性是都具有自主性。必须强调的是，类型1过程不限于福多里安（Fodorian，1983）提出的标准的模块过程（Stanovich，1999），无意识的内隐学习和条件反射，以及自动化加工的许多规则、刺激判别和决策原则也属于类型1过程（Kahneman&Klein，2009；Shiffrin&Schneider，1977）。这些习得的模式有时会妨碍人类的理性行为，这些进化模块也会导致人类在现代环境中出现不合理的反应。习得的自动化规则经常会被过度使用，即当情境与通常状况不同时，仍可自动触发习得行为（Arkes&Ayton，1999；Hsee&Hastie，2006）。与类型1过程不同，类型2过程更慢，更需要消耗计算资源。许多类型1过程是平行加工的，而类型2过程很大程度上是序列加工的。类型2过程最重要的功能是对类型1过程的压制（override）。由于自发过程往往具有启发式特点，因此压制功能有时是非常必要的。自发过程适合于相对容易的问题解决和决策情境，但不适合于处理一些需要深思熟虑的重要情境，如经济决策、公平判断、雇用决定、法律裁决等。类型1的启发式过程适用于良性（benign）环境，而且在有明显信息线索时，可以引发适应性行为。然而在恶性（hostile）环境中，依赖启发式会让人付出代价（Hilton，2003；Over，2000；Stanovich，2004）。良性环境是指包含有用（特征性）线索的环境，这些线索可以被各种启发式方法利用，如情感触发线索、鲜活突出的刺激、便利而正确的锚定点等。此外，要界定环境是良性的，还需要确保没有人操纵决策者使用类型1过程。相反，不适合采用启发式的恶性环境是指环境中缺乏可利用的线索，或者有误导性的线索（Kahneman&Klein，2009）。当一些机构故意利用一些明显线索来诱导受众使用类型1过程时，这种情境也属于恶性环境。例如，在广告或超市设计策略中，商家常常诱导消费者采用类型1过程，以使盈利最大化。所有不同形式的类型1过程（情绪调节过程、进化模块、联想和内隐学习过程）如果不被压制，都将在特定的环境中产生非最优反应。例如，人类经常通过属性替换（attributesubstitution）使自己成为“认知吝啬鬼”（cognitivemisers）（关于这一概念的进一步讨论见第三章；Kahneman&Frederick，2002），也就是将难以评估的属性替换为容易评估的属性，如将那些难以评估的重要事实替换为鲜活的、情感性的、易于评估的属性，即使容易评估的属性是错的，人们也会这么干（Kahneman，2003；Li&Chapman，2009；Slovic&Peters，2006；Wang，2009）。但是，当我们在评估重要的风险时，如某些活动和环境给我们的孩子带来危险时，我们就不想用鲜活性来代替对情况的仔细思考了。在这种情况下，我们希望使用类型2过程压制“认知吝啬鬼”的属性替换，这是检测到认知去耦（cognitivedecoupling）需求的重要加工过程，关于这点，我们将在下一章中详细讨论。当检测到规范反应与类型1过程所触发的反应之间的冲突时，类型2过程必须具有至少两个相关功能，才能压制类型1过程：其中之一是中断类型1过程的能力，即类型2过程必须包含抑制功能，抑制功能一直是执行功能的核心（Best，Miller，&Jones，2009；Hasher，Lustig，&Zacks，2007；Miyake&Friedman，2012）。但压制类型1过程仅仅是一半的工作，如果没有更好的反应来替代类型1过程，压制过程也是没有意义的。更好的反应从何而来？一个答案是来自假设推理和认知模拟过程，这是类型2过程的特有方面（Evans，2007a，2010；Evans&Stanovich，2013）。当我们假设推理时，我们创建了世界的临时模型，并在这个模拟世界中检验我们的行动或其他可能性。然而，为了进行假设推理，我们还必须具备一种批判性认知能力——必须能够防止我们把现实世界的表征与想象世界的表征相混淆，这一所谓的认知去耦操作（Stanovich，2011）是类型2过程的核心特征，同时也影响到我们后面如何定义智力和理性。当进行模拟时，我们最重要的目的是引起类型2过程，即引起和保持来自对现实世界的次级表征去耦。认知去耦具有耗能的算法特性，同时也显著限制了其他类型2过程。事实上，去耦操作很可能是类型2过程的最主要特性——串行性的最重要影响因素。图2-1是我们前面概述的双过程模型的示意图。图中显示了我们已经讨论过的类型2过程的压制功能和模拟过程。从类型1过程到类型2过程的箭头表示类型2过程接收类型1过程的信息输入。前注意过程（Evans，2008）形成了大多数类型2过程的加工内容。图2-1初始双过程模型将智力纳入双过程模型智力在这个模型中的位置如何？首先，我们必须考虑到智力的个体差异研究是智力研究的最重要部分。类型1过程尽管是认知的一个重要组成部分，但其个体差异可以忽略不计。类型1过程帮助我们执行大量有用的信息加工操作和适应行为（如深度感知、人脸识别、频率估计、言语加工、威胁监测、情感反应、颜色感知）。然而由于人类在大多数类型1过程中的个体差异不大，这就导致了在认知科学中使用“智力”概念容易产生矛盾和混乱。当你阅读关于认知科学的一篇文章或一本教科书时，常常会读到有关我们识别面孔的奇妙机制的描述，并被称为“人类智力的一个伟大方面”；同样，一本科普书可能会描述我们如何在处理语言时拥有语法解析机制，并将此称为“人类智力进化的非凡产物”；一本关于进化心理学的教科书可能描述了包括人类在内的许多动物所具有的神奇的亲属识别机能。面部识别、句法处理、亲属识别等机能都是大脑机能的一部分，有时也被描述为人类智力的一部分。然而，这些机能却没有被智力测验所测量。因此我们非常有必要提醒学界：智力测验只评估存在显著个体差异的认知功能。智力测验有点像交友网站上的列表，只关心人和人的区别，而不关心人和人的相似之处。这就是为什么那些列表中只包含诸如“喜欢听摇滚音乐”之类的题目，而没有“在饿的时候我喜欢吃东西”这样的题目。由于这个原因，智力测验并不关注大脑自主的类型1过程。\h\h4智力测验的Gf（流体）成分，主要考察类型2过程。在很大程度上，智力测验考察的是这一节中我们一直强调的认知去耦能力。认知去耦操作可以让人们开启假设思维。人们必须一直保持认知去耦才能保证心理模拟的顺利进行，在维持心理模拟时所用到的保持相关表征去耦的原始能力是大脑计算能力的一个关键方面，这也是测量流体智力时所实际评估到的东西。越来越多的证据表明执行功能和工作记忆两者与流体智力具有相当高的相关性（Duncanetal.，2008；Gray，Chabris，&Braver，2003；Hicks，Harrison，&Engle，2015；Kane，2003；Kane&Engle，2002；Kane，Hambrick，&Conway，2005；Salthouse，Atkinson，&Berish，2003）。这是因为执行功能的大多数测量方法，如工作记忆，都直接或间接地表明了个体维持去耦操作的能力（FeldmanBarrett，Tugade，&Engle，2004）。因此，类型2过程与流体智力是紧密联系的（Burgess，Gray，Conway，&Braver，2011；Chuderski，2014；EngeldeAbreu，Conway，&Gathercole，2010；McVay&Kane，2012；Mrazeketal.，2012）。我们稍后会将晶体智力引入模型，但先讨论另一个更重要的难点。三重心智模型在前言中，我们提出如果我们能正确理解智力和理性之间的区别，那么聪明人做傻事的情况就不会令人太吃惊了。本章我们将解释原因。解释的第一步，是理解理性思维涉及大脑层级控制系统中的一个水平，而这一水平仅被智力测验十分有限地进行了评估。要理解这一点，就需要理解对自主的次级系统压制的逻辑，具体来说，即理解压制需要在两个水平的加工中被概念化。下面通过两个虚构的故事来更直观地理解这两个水平。这两个故事都是关于一个女人沿着悬崖边走，然后死亡的伤感故事。这两个故事的目的是让我们思考如何解释每一个故事中的死亡事件。在事件A中，一个女人沿着海边的悬崖走着，试图跳上一块大岩石，但是这个看起来像岩石的东西根本不是一块岩石，而是一个断崖，她从断崖上跌落下去，死掉了。在事件B中，一个女人从海边的悬崖上跳下自杀，最后死掉了。在这两种情况下，在最基本的层面上，当我们要求自己对这两个女性死亡的原因做出解释时，我们可能会说是一样的。在事件A中运行的物理定律（描述女人为何在引力的影响下受到撞击的引力定律）与事件B中运行的相同。但是，我们认为引力和力的定律在某种程度上不能完整地解释这两个故事中发生了什么。此外，当我们尝试进行更细微的解释时，如果对死亡的基本原因进行详查，事件A和事件B似乎需要不同水平的解释。在分析事件A时，心理学家会倾向于说，在对刺激（看上去有点像岩石的断崖）进行加工时，该女性的信息处理系统出现了故障，将错误的信息发送到反应决策系统，从而导致灾难性的动作反应。我们将这一水平的分析称为“算法层级”。\h\h5这类似于在计算机科学中，用抽象语言（BASIC语言、C语言、Java语言等）编写计算机程序的指令层级。认知心理学家在这一层级上的工作主要是通过在大脑中构建特定的信息处理机制（输入编码机制、知觉登记机制、短时和长时记忆存储系统等）来解释人类的表现。例如，一个字母发音的简单任务可能需要对字母进行编码，将其存储在短时记忆中，然后将其与存储在长时记忆中的信息进行比较，如果匹配，则做出反应决策，最后执行动作反应。就事件A中的女性而言，算法水平是解释她不幸死亡的正确水平。她的知觉登记和分类机制出现故障，向反应决策机制提供了不正确的信息，最终导致她坠落断崖。然而，事件B不涉及这种算法层级的信息处理错误。这位女士的感知准确地识别了悬崖的边缘，她的运动指令中枢非常准确地指挥她的身体跳下悬崖。运算过程从算法层级水平来看相当完美。在这一层级的分析中，无法解释何种错误导致该女性在事件B中死亡。相反，这位女性的死亡是因为她的总体目标，以及这些目标与她对自己所处世界的信念的相互作用。1996年，丹尼尔·丹尼特（DanielDennett）出版《心灵种种》（KindsofMinds），他通过这个书名想表达人类的大脑是由多种类型和模式的意识所控制的。我们基于这本书的思想构建了我们的认知结构模型（Stanovich，2011）。用我们的术语来说，事件A中的女性在算法心智（algorithmicmind）上有问题，而事件B中的女性是在反思心智（reflectivemind）上出了问题。\h\h6这些术语表明：我们需要转向对目标、欲望和信念的分析才能理解像事件B这样的案例。算法层级对案例事件B这种情况下的行为提供了一个不完整的解释，因为它只提供了关于大脑如何执行特定任务的解释（本例中从悬崖上跳下），但没有解释为什么大脑要形成这一特定任务。当我们探求系统运算的目标（系统试图运算什么，为什么要如此运算）时，我们就需要转而关注反思心智层级了。简而言之，反思心智关注的是系统目标和与这些目标相关的信念，以及基于系统目标和信念的最佳行动选择。所有这些都涉及反思心智的许多理性问题。总之，算法心智的高效能不是理性的充分条件。我们进一步区分类型2加工中所涉及的控制水平，创建了三重心智模型（tripartitemodel）理论，如图2-2所示。在这个理论中，心智有三个层级：自主心智（autonomousmind）、算法心智和反思心智。心理学文献提供了大量的证据和理论来支持这种结构。首先，心理测量学家长期以来就将测量情境分为典型（typical）行为情境与最佳行为（optimalperformance，有时称为“最高”）情境（Ackerman&Kanfer，2004；Cronbach，1949；Sternberg，Grigorenko，&Zhang，2008）。典型行为情境对行为反应是没有限定的，因而也没有明确的最大化要求，对任务的理解在一定程度上由被试所决定，任务要求具有某种程度的开放性。其中的关键是一个人在特定情境下通常会做些什么，没有限定。典型行为的测量至少在一定程度上涉及反思心智，包括评估目标优先次序和认知调控。相反，最佳行为情境的任务由外部标准确定，执行任务的人被要求展现出最佳行为。因此，最佳行为任务评估的是达成目标的效能，即算法心智的效能。所有智力或认知能力测验都是最佳行为评估，而批判性或理性思维的评估往往是基于典型行为条件做出的。图2-2三重心智模型和个体认知差异关键点算法心智和反思心智之间的区别体现在另一个公认的个体差异测量中，即认知能力和思维倾向之间的区别。正如刚才提到的，前者主要测量算法心智效能，后者在心理学上有不同的名称，其中“思维倾向”（thinkingdisposition）或“认知风格”（cognitivestyle）是最常见的。思维倾向包括信念、信念结构，特别是对形成和改变信念的态度。其他一些思维倾向与个人目标和目标层次有关。心理学家研究过的思维倾向主要有：积极开放思维（activelyopen-mindedthinking，AOT）、认知需求（needforcognition，NFC）、对未来后果的关注（considerationoffutureconsequences）、封闭需求（needforclosure）、教条主义（dogmatism）等（Baronetal.，2015；Cacioppoetal.，1996；Kruglanski&Webster，1996；Schommer-Aikins，2004；Stanovich，1999，2011；Sternberg，2003；Sternberg&Grigorenko，1997；Strathmanetal.，1994）。这些思维倾向所反映出的认知倾向包括：在下决心前收集信息的倾向，在得出结论前寻求各种观点的倾向，在做出反应之前深入思考问题的倾向，根据证据的强度对自己的意见强度进行校准的倾向，在采取行动之前考虑未来后果的倾向，在决策前仔细权衡各种情况利弊的倾向，以及寻求细微差别和避免绝对主义的倾向。简单地说，个体思维倾向的差异反映了人们在目标管理、价值认识和自我认知调节方面的差异，即在反思心智上的差异。智力测验评估的认知能力与上述内容不是一种类型。智力测验没有评估高层次的个人目标和管理状况，没有评估当面对相反证据时改变信念的倾向，也未评估在没有外部指导的情况下如何通过自我管理来获取知识的状况。人们确实曾经想构建包含这些内容的智力的定义，一些宽容的理论家（见本书前言）通常在定义智力时包含了理性行为和信念，但遗憾的是，智力测验在实际测量智力时只是评估了算法层级的认知能力。图2-2表示三重心智模型视角下个体差异的分类。其中的水平虚线代表与旧的双过程视角的关键区别。图2-2还展示了流体智力上的个体差异主要由算法心智处理效能上的个体差异所引起。我们前面指出过，流体智力是反映在压制和维持去耦操作上个体差异的一个关键指标。而反思心智反映的是，与信念和目标相关的思维倾向上的个体差异。三重心智模型以及为何理性比智力的内涵更广图2-2凸显出的重要意义是：理性比智力的内涵更广。正如前面讨论过的，要想变得理性，一个人必须有精准的信念，并依据这些信念采取适当行动以实现目标。这两方面都是反思心智的特征。当然，人们还必须拥有良好的算法心智，以使自己能够以坚定、正确的信念和适当的行动方式应对环境。因此，正是由于流体智力（算法心智）的个体差异或思维倾向（反思心智）的个体差异才导致了不同个体在理性思维和行动中的差异。简单地说，理性的概念包括两个要素：思维倾向和算法层级的能力，而智力的概念，特别是从操作性上讲，主要反映的是算法层级的能力。智力测验既不能测量认识性理性或工具性理性，也不能检测任何与理性相关的思维倾向。从图2-2中可以清楚地看出，为什么理性和智力可以分离开来。理性思维既取决于我们的思维倾向，也取决于我们的算法效能。因此，只要思维倾向的变异与流体智力的变异不完全相关，那么就有可能在统计学上区分理性和智力。事实上，大量的实证证据表明，个体在思维倾向和智力方面的差异的相关性并不大。很多研究（Ackerman&Heggestad，1997；Cacioppoetal.，1996；Kanazawa，2004；Zeidner&Matthews，2000）表明，智力测验分数与某些思维倾向，如积极开放思维、认知需求等只有中到低等程度（通常相关系数低于0.3）的相关，与其他一些思维倾向，如尽责性、好奇心、勤奋性的相关系数接近0。另外一些研究为算法心智和思维倾向是不同的心理特性这一论点提供了有力证据。例如，在启发和偏见研究文献中的各种任务中，研究者们一致发现，在控制了一般智力的影响之后，理性思维倾向可预测决策结果的变异（BruinedeBruin，Parker，&Fischhoff，2007；Finucane&Gullion，2010；Klaczynski&Lavallee，2005；Kokisetal.，2002；Macpherson&Stanovich，2007；Parker&Fischhoff，2005；Stanovich&West，1997，1998c；Toplaketal.，2007；Toplak&Stanovich，2002；Toplak，West，&Stanovich，2011，2014a，2014b）。准确理解思维倾向的概念才能够真正理解CART的内容。反思心智的思维倾向是理性思维的心理基础。最大化这些思维倾向并不是理性思维本身的标准，理性应是通过优化信念与证据间的契合度，以及用明智的决策来最大化地实现目标。反思心智的思维倾向是实现个体目标的一种手段。许多高水平的思维倾向，如高谨慎性和高信念灵活性对于理性思维和行为来说是必要的，但这并不一定意味着水平越高越理性，其中应该有一个平衡点。比如，一个人不能无限度地扩大思考的范围，否则他就会迷失在没完没了的思考中，永远不会做出决定；同样，一个人也不能无限度地提高信念的灵活性，因为这样的人最终可能会陷入病态的不稳定人格之中。但一般来说，谨慎性和信念灵活性是“好的”认知风格，因为大多数人在这些维度上的表现都不够高，所以一般“更高”会更好（Baron，1985，2008），但没必要最大化。出于这个原因（其他原因见第十一章），思维倾向分测验在CART中只是补充测验，而不被当成直接测量理性思维的方法。完整版三重心智模型图2-3更完整地说明了不同水平的认知功能以及相互控制的关系。箭头A清楚地表明了压制能力本身也是算法心智的一个属性。然而，以前的双过程理论倾向于忽略最初启动压制功能的更高层次的认知加工。压制功能的启动是与理性相关的反思心智的一种配置属性。在图2-3显示的模型中，箭头B表示反思心智发给算法心智的指令，指示算法心智通过让类型1反应离线来压制其反应。这是一种不同于压制过程本身（箭头A所代表的）的另一过程。前面引用的证据表明，这两种过程可以反映出不同类型的个体差异。图2-3更完整的三重心智模型压制功能在双过程理论中地位凸显，以至于在一定程度上让人忽视了心理模拟过程。正是对备择反应进行计算的心理模拟过程才真正体现出了压制过程的重要性。因此，图2-3清楚地标明了心理模拟功能，以及反思心智发起心理模拟的路径。去耦加工（用箭头C表示，分离对现实的心理模拟与现实本身的过程）由算法心智执行。反思心智给算法心智发出启动模拟的指令（用箭头D表示）。个体差异主要体现在发起去耦和去耦加工两方面。具体而言，思维倾向与发起去耦有关，流体智力与去耦加工有关。算法心智还通过前注意加工（箭头G）接收来自自主心智的指令，对其进行高级控制（Evans，2006，2009）。箭头E和箭头F表示去耦加工和对某一种类型2的高级控制过程（串行联想认知，serialassociativecognition），不包括完全显性心理模拟（Stanovich，2011）。这些认知过程是缓慢的、串行的，不涉及对备择情境的模拟和详尽探索。这些过程的存在表明了一个重要的事实：所有假设性思维都涉及类型2加工（Type2processing）（Evans&Over，2004），但不是所有的类型2加工都包括假设性思维。串行联想认知属于后一种类型的类型2过程。类型1过程包括：情感反应、通过先验学习而形成的自动反应、条件反射，以及由进化形成的适应性模块。这些机能可以使人类应对许多情况，但现代生活中仍然有许多问题是这些机能不能解决的。虽然有许多人对现代认知心理学中使用的实验室任务的有效性提出批评，但我们的观点是，这些任务很好地模拟了现代社会新出现的问题情境（Stanovich，2004）。比如，沃森（Wason，1966）的四卡片选择任务（four-cardselectiontask），引出了大量的研究和成果（Evans，2014；Evans，Newstead，&Byrne，1993；Stanovich，1999；Stanovich&West，1998a）。这个任务提供了一个绝佳的情境来考察个体是通过串行联想认知模式，还是通过认知模拟来详尽探索各种备择可能性。对这个任务的抽象版本的表述通常如下。桌子上有四张卡片，规则是：“每张卡片一面写有一个字母，另一面写有一个数字，如果卡片的一面是元音字母，那么另一面就是偶数数字。”其中有两张卡片是字母面向上，另两张卡片是数字面向上。被试的任务是确定必须翻看哪一张或哪几张卡片，才能确定规则正确与否。呈现给被试的四张卡片分别是K、A、8和5。正确答案是A和5，只有翻看这两张卡片才能确定规则正确与否。然而，大多数被试错误地认为应翻看A和8，即表现出了所谓的匹配偏差（matchingbias）。埃万斯（Evans，2006）指出，由于先前的研究者们对匹配偏差的关注（Evans，1972，1998；Evans&Lynch，1973），他们可能认为该任务中的被试没有发生更高级的类型2加工。然而，埃万斯（Evans，2006）提出的证据表明，在任务过程中被试采用了类型2加工，甚至那些错选A和8的被试也采用了类型2加工。首先，埃万斯（Evans，2006）在讨论他开创的卡片检查范式（Lucas&Ball，2005；Roberts&Newton，2001）时指出，虽然被试会不成比例地看那些将要选择的卡片（正是这一发现导致研究者推论被试采用自主的类型1加工决定自己的选择），但从花在这些卡片上的时间长度可以推测，他们仍启用了分析性的类型2思维（即便只为自动触发的选择提供理由，仍需启动类型2加工）。其次，通过出声思考的研究发现，被试可以用分析性思维来验证他们的反应（他们报告的各种想法都是有理由的；Evans&Wason，1976），即他们曾经考虑到了卡片背面的各种可能性。我们认为埃万斯（Evans，2006）的论述是正确的，即类型2认知参与了卡片任务，但并没有对可能的现实世界进行全面的认知模拟。这只是类型2加工的肤浅模式。通过对出声思考的分析，似乎大多数被试都在进行缓慢的、串行的认知加工，但并不全面。具有代表性的思维过程通常是这样的：“好吧，让我想想，我会翻开卡片A的背面看看是否是偶数。然后，我会翻开卡片8以确定其背面是否是元音。”然后被试会停下来。这种情形明显地证明了如下事实。首先，被试正在进行某种类型2加工。大多数类型1加工无助于解决这个问题。其次，由于情感加工没有参与，所以情绪调节过程也不能帮助解决这个问题。除非被试经过逻辑思维训练，否则他不会具有高超的、自动化的逻辑思维模式。最后，由于这个问题在进化过程中并没有涉及，所以各种达尔文模块也无法派上用场。上述例子中，被试虽然采用了类型2加工，却是非常不全面的。被试只是采用了串行联想认知，而未能对备择世界进行全面模拟（备择世界包括规则是错误的情形）。被试没有构建出规则错误的情况（背面是奇数的元音卡片）。被试没有系统地考虑卡片有可能是元音/奇数组合。相反，被试只是以规则为真为出发点思考了各种可能性。正确答案是：K（否）、A（是）、8（否）、5（是），即翻看卡片A和卡片5才是正确答案。对各种可能性的心理模拟应包括规则为假的情形，遗憾的是多数被试并未做到这点。被试选择卡片的情况说明人们在构建各种情境时，往往很难超越实验者给定的情形以及假定规则为真的定势。因此，在这一任务中采用的类型2加工并不是完全的备择世界模拟。它只是一种肤浅的思维类型，这种思维的灵活性受制于给定的思考起点。串行联想认知不同于自主心智的快速、平行的加工模式，由于从给定的思考起点展开联想是最容易构建的，因此串行联想认知往往由此展开。在卡片推理任务中，被试聚焦于一点展开推理，即从焦点出发展开系列联想，而根本没有构建其他可能的情形。在我们的认知模型中，将其命名为“具有焦点偏差的串行联想认知”（serialassociativecognitionwithafocalbias）。吝啬的串行联想认知过程将焦点偏差（focalbias）的概念情景化的一种方式是将其置于思考人类信息处理过程框架的第二阶段，我们也将在本书中反复讨论这个阶段，并在第三章中展开讨论人类是认知吝啬鬼的概念。由于人们的基本倾向是默认低消耗的计算处理机制，因此人们成了认知吝啬鬼。霍尔（Hull，2001）幽默地说：“人类似乎遵循这样的规则，只有当其他一切都失败时，才让大脑参与进来，甚至通常也不参与进来。”更严重的是，里歇森和博伊德（Richerson&Boyd，2005）在进化的起源问题上提出了同样的观点：“实际上，所有的动物在严峻的选择压力下，都难以避免愚蠢的选择。”事实上，认知上的吝啬体现在两个方面。双过程理论迄今只强调了认知吝啬鬼的规则1：尽可能地默认类型1加工。但是默认的类型1加工并不总是管用，特别是在新异情境下。这些新异情境既没能唤起特定进化模块所需的刺激，也没有任何信息来唤起自主心智中那些通过过度学习获得的封装模块。在这种情况下，类型2加工过程就显得尤为必要。但此时认知吝啬鬼的默认模式仍然存在，这就是认知吝啬鬼的规则2：当类型2加工必要时，默认的加工模式是具有焦点偏差的串行联想认知（不是完全的去耦模拟）。焦点偏差的概念概括了文献中几个密切相关的观点，包括：奇异性原则（singularityprinciple；Evans，Over，&Handley，2003）；真相原则（principleoftruth；Johnson-Laird，1999，2005，2006）；“所见即所有”倾向（whatyouseeisallthereis，WYSIATI；Kahneman，2011）；聚焦（focusing；Legrenzi，Girotto，&Johnson-Laird，1993）；效果/付出（effect/effort）问题（Sperber，Cara，&Girotto，1995）；元认知性短视（metacognitivemyopia；Fiedler，2012）。最后还有社会心理学领域著名的聚焦（focalism）概念（Wilson，Wheatley，Meyers，Gilbert，&Axsom，2000）和信念接受（beliefacceptance）问题（Gilbert，1991）。将上述所有这些倾向结合在一起便形成了焦点偏差概念，其基本思想是人类的信息处理器强烈倾向于只处理最容易构建的认知模型。因此，最容易构建的聚焦模型（串行联想认知处理的唯一模型）常会主导认知过程。聚焦模型的特点有：往往只倾向于表征事件的某一种状态，如奇异性（Evansetal.，2003）；所见即是真（e.g.，Gilbert，1991；Johnson-Laird，1999）；最小化努力（Sperberetal.，1995）；忽略调节因素（见社会心理学文献，e.g.，Wilsonetal.，2000）。考虑调节因素需要对几种不同的可能情况进行建模，聚焦加工恰好可以使我们避免这样做。根据认知科学中大量关于信念偏差的研究，以及民间随处可见的自我中心归因偏见，可以得出这样的结论：个体最容易使用的模型显然是那些最接近于个体已经相信并已经构建好的模型（e.g.，Evans，2002，2014；Stanovich，West，&Toplak，2013）。因此，串行联想认知的定义为：依赖于单一焦点触发所有后续思维的认知加工模型。例如，框架效应（framingeffect）就是典型的具有焦点偏差的串行联想认知模式。正如卡尼曼（Kahneman，2003）所指出的，“框架的基本特征是被动接受给定的表征”。呈现给被试的框架被视为焦点，所有后续的想法都来自于它，而不是替代的框架，因为后者需要耗费更多的计算成本来实现心理模拟。在介绍了串行联想认知的概念之后，我们现在可以返回到图2-3，并提出反思心智的第三种功能：发起中断串行联想认知（箭头F）。这个中断信号改变了串行联想序列中的下一个步骤，否则思维会沿原序列继续进行下去。这个中断信号也可能完全停止串行联想认知，从而启动一个全面的模拟（箭头C）。或者，它可以通过改变当前串行联想加工的临时焦点模型，从另一个起点启动一个新的串行联想加工（箭头E）。知识结构（心智资源）的重要性双过程理论相对忽略的一个方面是，成功的类型2压制操作需要程序性和陈述性知识。虽然压制类型1反应本身可能是程序性的，但是生成替代反应的过程通常要使用各种类型的储备知识。在心理模拟过程中，需要使用陈述性知识和策略规则（语言编码策略）来实现去耦表征转换。可以被提取和用来转换去耦表征的知识、规则、程序和策略，被称为“心智资源”（mindware），这个术语是由戴维·珀金斯（DavidPerkins）在其1995年的书中首先使用的（Clark，2001；克拉克使用这个术语的方式与珀金斯创造这个词的初衷略有不同）。在认知模拟过程中可用的心智资源部分来源于过去的学习经验。这意味着个体在心理模拟中以更优选项来替代类型1反应的能力差异取决于其可用心智资源的差异。事实上，三重心智模型中的每一个层级都需要知识才能运行。一个人的反思心智不仅应触及常识结构，更重要的是，还应触及他的观点、信念和深思熟虑的目标结构（通常称为偏好；Gauthier，1986）。一个人的算法心智则包括认知操作的微策略以及一系列行为和思想的加工规则。最后，一个人的自主心智不仅包括由进化形成的封装知识库，还包括由于过度学习和实践而被编译封装，并可自动激活的知识。当然，每个人的知识库都是独一无二的。此外，算法层级和反思层级的进程还接收来自自主思维运算的结果（见图2-3，图中的箭头G表示前注意过程的影响）。由于晶体–流体智力理论（CHC）是最全面有效的智能理论之一，因此了解它的两个主要组成部分如何忽略了理性思维这个关键方面是很重要的。当然，流体智力与理性有一定的关系，因为它是体现算法心智维持去耦能力强弱的指标。由于去耦和模拟对于理性思维的重要意义，在某些情况下流体智力一定会促进理性。然而，发起压制（图2-3中的箭头B）和发起心理模拟（图2-3中的箭头D）的倾向都是智力测验未涉及的反思心智，通常的智力测验漏掉了这些理性成分。这类心理特征主要被典型行为测验（认知风格和思维倾向）所测量，而智力测验等最佳行为测验通常不涉及这些内容。晶体智力与流体智力的情况略有不同。理性思维在很大程度上依靠获取到的特定知识。理论上讲，这些知识属于晶体智力。但是，这些晶体知识被实际的智力测验评估了吗？答案是：没有。支撑理性思维的知识具有特殊性，涉及概率推理、因果推理和科学推理等领域，我们会在后续章节中讲解CART各成分时逐一介绍。相反，在智力测验中评估的晶体知识只具有普遍性而没有特殊性。这主要是因为测验的设计者为了保证言语和知识抽样的公平性和无偏化，会特意拓宽对词汇、言语理解和一般知识的抽样。简而言之，传统的晶体智力测量不评估个体在理性方面的差异。理性的行为倾向和知识基础基于全部心智过程讨论到目前为止，读者可能误以为似乎只有算法心智和反思心智涉及理性思维。这种理解是错误的。事实上，自主心智、算法心智和反思心智，都为理性思维做出了贡献。我们要强调的是，自主心智为理性思维做贡献的方式比较特别。在上一节中提到的一点是，自主心智包含了由于过度学习和实践而被封装的理性规则和规范策略，这些规则和规范策略可被自动激活。这意味着，对一些人来说，在某些情况下的规范反应直接来自于自主心智，而不是成本更高的类型2心理模拟过程。图2-4更清楚地说明了我们想强调的观点。通过删除所有表示串行联想认知和反应的标注，我们得到了这个简化图。图2-4的右上角显示的是在文献中讨论最多的可调用的心智资源类型。图中还可见，来自自主心智的非规范性反应被打断，更耗能的心理模拟过程正在进行。这种模拟过程包括耗能提取所需心智资源的过程。图2-4自动化心智资源和心理模拟过程中使用的心智资源的简化模型与规范性反应（normativeresponding）所涉及的心智资源相对比，图2-4左下部表示的是一种不同性质的规范反应所需的心智资源。图中显示了我们前面强调的一点，即在自主心智中也可以包含规范规则和理性策略，这些规则和策略已经被演练成自动化模式，并且能够自动地与存储在自主心智中的任何替代性的非规范反应竞争（通常是立即击败其他非规范反应）。因此，如图2-4所示，它并不来自于系统2的规范反应，即系统2不是理性反应的必然来源（在最近关于双过程理论的研究中有许多此类研究），快速反应也不一定都是不正确的。图2-4的主要目的是聚焦于这样一种思想，即理性的规范思维并非只来源于心理模拟活动，如果实践足够多，它可以直接自动地从自主心智中产生。正如我们将在第三章中看到的那样，这使得对双过程情境下启发与偏差任务表现的解释变得更加复杂。我们的认知结构模型、理性及后续章节我们所描述的认知结构虽然不完整，但其精细程度已足以作为CART的总体框架。斯坦诺维奇（Stanovich，2011）探讨了比这里呈现的更丰富的实证证据，特别是关于算法心智与反思心智分离性的证据。目前我们采用的模型为后续章节中的启发与偏差任务的情境化和分类提供了足够的理论框架。从第三章开始我们会对这些任务的分类进行介绍。如模型所示，这些分类源于理性需要的三个心智元素。第一，反思心智的特点必须是主动压制自主心智产生的非最优反应，并启动心理模拟，从而产生更好的反应。第二，算法层级的认知能力（Gf）是压制和持续心理模拟所必需的。第三，在心理模拟过程中必须确保理性算法所需的心智资源是可以使用的，或者这些心智资源由于已高度熟练化，可以直接被自主心智所使用（参见图2-4）。智力测验主要评估了实现理性思维和行动的三种元素中的第二种。这就是评估理性不能仅依赖智力测验的原因。在第三章中，我们将解锁启发与偏差任务的逻辑，这些任务和逻辑非常复杂，但仍然有维度可循。我们将描述启发与偏差任务的各个维度，从而使我们能够对人们在这些任务上所犯的认知错误类型进行分类。在第四章中，我们会使用这个分类来建立评估理性思维的框架，并确定构成CART的全部任务类型。从第五章到第十一章，我们将依次讨论评估工具中的每一项理性思维任务。在kindle搜索B089GHJ9MR可直接购买阅读第三章避免吝啬加工：检测、压制和心智资源启发与偏差任务是为研究人类的大脑而设计的，不适合研究动物的大脑。准确地讲，启发与偏差任务所研究的大脑，至少能够产生潜在的意识冲突。这也就是为什么卡尼曼曾强调，他和特沃斯基一致认为启发与偏差任务符合双过程理论（Kahneman，2000）。此外，埃万斯和斯坦诺维奇（Evans&Stanovich，2013）指出，所有包含双过程理论的多过程模型，都抓住了人类决策的重要特性，即人们常常对自己的选择感到疏离。通俗心理学和专家们所说的“意志力薄弱”也正好体现了这一点。举例来说，当我们意识到吸烟有害健康的时候，我们并没有停止这个坏习惯，而是一如既往地沉迷于吸烟。又比如说，许多人总喜欢在一顿饱餐后吃一份甜点，而一小时之前，他们可能还在信誓旦旦地制定着减肥大计。不仅如此，这种抉择中的疏离感也时常发生在无关意志力的反应中。比如当我们的前面突然出现一个毁容者时，绝大多数人的反应是下意识地回避和躲闪，但这种反应恰恰与他们自己所倡导的包容与和谐的价值观背道而驰。这种疏离感会令人精神不安，但实际上它反映了人类认知中独有的一个方面，即元表征（metareprentationl）能力。类型2过程中的元表征能力有利于我们对自己的信念和欲望进行认知批判。人类可以在优先保持当前反应的同时，在大脑中表征另一个理想化（如假设推理）的反应。另一种说法是，启发与偏差特性是高级进化层级物种波普尔（Popperian）生物和格雷戈里（Gregorian）生物的特性，而不是低级的达尔文生物和斯金纳生物的特性。这里，我们再次引用了丹内特简短但具有启发性的著作《心灵种种》中的分类（Denett，1996），书中将人类大脑的各种短牵制（short-leashed）策略和长牵制（long-leashed）策略描述为不同心智。这些心智都存在于人脑当中，并会同时运行来解决问题。这些心智反映了人类大脑日益增强的预测未来的机能。达尔文心智一般使用预先形成的反射，类似于“按最佳方式行动”；斯金纳式心智通常采用操作性条件反射的机制来塑造自身以应对一个新异情境。波普尔心智（以哲学家卡尔·波普尔（KarlPopper）的名字命名）能够在反应之前预测各种可能性并在头脑中进行检验，即运行双过程理论中具有元表征功能的系统2过程；格雷戈里心智（以心理学家理查德·格雷戈里（RichardGregory）的名字命名）则利用各种心智资源来对各种可能的反应进行预先检验。正如第二章所述，个体的计算能力保证了波普尔心智中的串行模拟，这种计算能力即CHC模型中的流体智力；而串行模拟中所使用的文化工具（如知识），即在丹内特的模型中的格雷戈里心智，在CHC模型中则被称为晶体智力。我们说启发与偏差任务是为研究具有波普尔和格雷戈里心智的生物体（人类）而提出的，这并不意味着非人类生物的理性不能被评估。我们在第一章讨论的理性评估的公理化方法，可以使非人类生物体的理性思维和人类一样得以评估，因为这种方法遵循一致性和连续性原则，并且体现了工具性理性的概念（Kacelnik，2006；Luce&Raiffa，1957；Savage，1954）。事实上，许多动物似乎都有一定程度的工具性理性；研究发现，大多非人类生物体的行为相当符合理性选择公理（Alock，2005；Binmore，2009；Dukas，1998；Fantino&Stolarz-Frantino，2005；Hurley&Nudds，2006；Real，1991；Schuck-Paim&Kacelnik，2002；Schuck-Paim；Pompilio&Kacelnik，2004）。理论上讲，由于遗传基因水平上的适应最优化很可能与机体水平的适应最优化是分离的，因此非人类生物体的行为可以脱离理性决策的公理（Barkow，1989；Dawkins，1982；Houston，1997；Marcus，2008；Over，2002；Skyrms，1996；Stanovich，2004；Waksberg，Smith&Burd，2009）。尽管在动物世界中这种分离确实会发生（Bateson，Healy，&Hurly，2002，2003），但是实际情况正如研究者（Sata&Ferejohn，1994）指出的那样，“鸽子的行为相当理性，符合理性抉择的公理性”。尽管