2023-07-10
生活中，许多情境下都需要用到预测。
工程师所做的预测，需要通过查找表格、精确计算及对类似项目的结果进行仔细分析得来。
还有一些则需要直觉和系统1的共同参与，主要有两种类型。有些直觉主要依靠反复训练得来的技能和经验。
（加里.克莱因《力量的源泉》）比如消防员、内科医生所做的快速自动判断及选择，是一种经验性直觉，即由于识别出熟悉的线索，大脑中快速呈现出当前问题的解决方案。
还有些直觉，受启发法的影响，通常会用简单的问题来替代难以回答的问题。即时证据不够充分，人们仍然会对自己的直觉性判断深信不疑。
当然，许多专业领域的判断，往往会收到分析与直觉的共同影响。
偏离预测方向的直觉
系统1的几个机制共同参与预测：
人们会探寻证据与预测目标之间是否存在因果关系。
系统1能够摒弃那些无关或明显错误的信息，但却无法识别证据中相对较小的瑕疵。
直觉性预测往往会忽视证据是否能够得出预测结果。
一旦发现某种关联，眼见即事实原则就会发挥作用：联想记忆会快速自动地运用可利用信息编出最恰当的故事。
通过将问题替代和快速配对，并转化，对儿童时期认知能力这一并不周密的证据的评估问题，就被替换成关于大学平均绩点问题的答案。于是，就得出了平均绩点和小时候阅读能力的百分比值相同的答案。
通过强度匹配得到的预测结果与支持这个预测的证据一样极端，会导致人们面对两个不同的问题却给出相同的答案。
这些运作都是系统1的特点。当然，联想记忆的大量激活并不遵循这一顺序。
这种记忆大量激活的过程想象为以下几步：
由信息和问题激发联想记忆，然后自我反馈，最后选定最具连贯性的合理性方案。
在一项实验中，受试者将对未来的预测和对当前信息的估测混为一谈——预测宇估测的结果一致。这是能够证明人们在思考过程中存在问题替换的最佳证据。
当人们按要求预测时，总会将预测问题替换为对所描述问题的估测，而且没有意识到他们回答的问题并不是被提问的问题。
这个过程证明预测时会存在系统偏差，受试者忽略了一个点，即应该回到平均值上来。
对直觉性预测的偏见进行修正
当你需要预备一个定量数值时，可以先估测出平均值作为基准线；
接着是根据你对证据的印象预测与之相匹配的平均值，这个直觉性预测将估计和证据进行了匹配；
然后，对证据和平均值的关联做出估计，这可以使你离开基准线向直觉靠近，但能离开的距离取决于你对关联性的估测；
最后，将估测出的关联度，放到与之对应的平均值中，这时尽管预测还是受到了直觉的影响，但这个影响已经小多了。
这个方法以直觉为基础，但削弱了直觉的影响，使之回归到平均值上。
直觉性预测需要校正，是因为它不具有回归性，因此带有偏见。当最后，将预测值与实际结果进行比较时，发现：缺失回归的直觉确实带有偏见。
修正过的直觉性预测消除了一些偏见，所以预测（过高或过低）高估真实值或低估真实值的可能性大致是相等的。
两位教授候选人，应该选哪一位？
有些预测偏见，是通过一个数值范围来表达的，这些偏见宇判断结果的可能性的过程中所持的偏见相似，其修正过程也十分相似：
都包含一种基准线预测，在绝对情况下，这个基准线是基础比率：在有数字的情况下，这个基准线就是相关结果的平均值；
都包含一种直觉预测，无论是可能性还是平均值，都会将呈现在大脑中的数值表达出来；
以上两种情况中，你的预测可在基础比率和直觉性反应之间充当媒介。
在没有什么有价值信息的情况下，你会坚守基准线。
在其他极端情况下，在对支持自己预测的证据进行过严格验证之后，你会坚守自己最初的预测；
在大多数情况下，你会发现，自己的直觉判断和真理之间的关联并不完美，你最终会给出介于两者之间的判断。
这个过程会使你做出的预测越来越少，做出的可能性的评估越来越合理，对于数值做出的预测也越来越适度。而仅凭直觉性预测总是会过于自信或过于极端。
修正直觉性预测的偏见是系统2的任务。要找到相关的参照物、对基准预测做出评估或者对证据的质量进行评估，往往需要付出很大的努力。只有在风险高而又特别渴望避免犯错时，这种努力才更值得。
无偏见预测的一个特征是，只有在信息非常有效时，才支持做出罕见或极端的事件的预测。
如果你希望自己做出恰当有效的预测，那么预测结果就永远不会太离谱或偏离平均值太多，这样也就不会有极端事件“愉快体验”了。
风险投资家的目标就是正确判断极端情况，甚至以高估其他许多风险为代价也在所不惜。
信息不足时，极端和罕见事件的预测愿意都源于系统1。联想机制会将极端预测和作出预测的信息极端性匹配在一起——这正是替代的运行机制。
系统1形成过于自信的判断是正常的，因为自信是由你根据可得信息提炼出来的最合理的故事的连贯性决定的。
值得注意的是，直觉会让你产生极端预测，而你很容易对这种极端充满自信。
回归性（回归均值）是系统2的一个问题。系统2需要经过特殊训练，才能理解回归性，而不是简单地用因果关系来解释。
