我们也许并没有想象得那么笨：心理学研究指出人类的决策错误被过于放大

假设你掷一枚硬币，然后连续得到的四个都是正面，你认为第五次会出现什么?我们中的许多人都有一种直觉，认为应该会出现反面。这种感觉被称为赌徒谬论，这种谬论在俄罗斯轮盘赌中可见一斑。出现了很多次的黑色导致许多人疯狂押注红色，事实上，无论之前的结果是什么，红色和黑色出现的可能总是相同的。

这个例子是许多用于证明人类思想不可靠性的例子之一。几十年的心理学研究已经强调过人类决策过程中的偏差和错误。但一种新的方法正在挑战这一观点——这种方法表明人们比他们此前被引导去相信的其实要聪明得多。根据这项研究，赌徒谬论实际上可能不像看上去那么荒谬。

理性一直是判断与决策研究中的一个重要概念。心理学家丹尼尔·卡尼曼和阿莫斯·特沃斯基影响深远的研究成果全面表明，我们经常无法做出理性的决定，比如我们会担心恐怖袭击，而不是担心过马路。

但我们的这种决策失败建立于对理性的严格解释的基础上——我们的这种决策遵守逻辑和概率定律。它对一台必须权衡证据并作出决定的机器不感兴趣，对人类来说，这台机器就是人类的大脑——而且像任何物理系统一样，大脑也有其局限性。

虽然我们的决策没有达到逻辑和数学所要求的标准，但是理性在理解人类认知方面仍然有一定的作用。心理学家格尔德吉仁泽(Gerd Gigerenzer)已经证明，尽管我们使用的许多启发法可能并不完美，但它们既有用又有效。

但是最近一种称为计算理性的方法更进一步，它借鉴了人工智能的思想。这表明，一个能力有限的系统仍然可以采取最优的行动路线。问题从“在没有任何限制的情况下，最好的结果是什么?”变成了“我用现有的工具能达到的最好结果是什么?”这意味着要考虑记忆、能力、注意力和嘈杂的感官系统。

计算理性为我们的偏见和错误带来了一些优雅而令人惊讶的解释。与这种方法相一致的一个早期成功实验是检验随机序列的数学，比如掷硬币，但这种实验假设了观察者的记忆容量有限，只能看到有限长度的序列。一个高度反直觉的数学结果显示，在这些条件下，为了观察到一些序列比其他序列出现得更多，观察者将不得不等待更长的时间——即使是对于一枚完全均匀的硬币。

结果是，对于有限的一组硬币投掷来说，我们直觉上认为不那么随机的序列恰恰是最不可能出现的。想象有一个滑动窗口，它一次只能“看到”四次抛硬币的结果(大约是我们记忆容量的大小)，同时还要经历一系列的结果——比如看到20次抛硬币的结果。数学计算表明，窗口内容保存“HHHT”的频率要高于“HHHH”(“H”和“T”代表正面和反面)。这就是为什么我们认为抛硬币时，反面会在连续三个正面之后出现——这表明人类确实合理地利用了我们观察到的信息。然而，如果我们的大脑有无限内存的话，我们会有不同的想法。

这类例子还有很多，一旦考虑到认知限制，其中的最佳解决方案往往是令人惊讶的。我们最近的研究表明，当你不确定可选选择的价值时，不一致的偏好(假设人类非理性的基础)实际上是有用的。传统的经济理性认为，一个你永远不会选择的糟糕选择，不应该对你选择的好选择产生任何影响。但我们的分析显示，糟糕的、被认为不相关的选择，可以让你更准确地估计剩下的选择有多好。

其他研究则表明，可获得性偏差(availability bias，即我们高估飞机失事等罕见事件发生的可能性)是由一种高效处理决策可能结果的方式造成的。简而言之，考虑到我们做出决定的时间有限，确保我们考虑到最关键的结果是最优的。

认为我们不理性是人类决策偏差案例不断增长的一个不幸副作用。但当我们运用计算理性时，这些偏差却并没有被视为失败的证据，而是窥探大脑如何通常高效地解决复杂问题的窗口。

这种思考决策的方式更类似于视觉科学家思考视觉错觉的方式。看一看下面的图片，A和B的方块看起来是不同颜色的，但它们的颜色是相同的，这并不意味着你的视觉系统是错误的，它只是在给定的环境下做出了一个合理的推断。

计算理性会带来更深层次的理解，因为它超越了对我们如何失败的描述。相反，它向我们展示了大脑如何组织资源来解决问题。这种方法的一个好处是其能够测试我们能力和约束的理论是什么。

例如，我们最近发现自闭症患者不太容易产生一些决策偏差。所以我们现在正在探索神经噪声水平的改变(脑细胞网络的电波动，自闭症的一个特征)是否会导致这种现象。

随着对大脑使用的策略有了更多的了解，我们也许能够以一种帮助人们的方式来调整信息。我们测试了人们从观察一长串随机序列中所学到的东西。那些把序列分成小块的人(就像我们在日常生活中通常会做的那样)并没有从中受益，但那些把同样的序列分成长得多的小块的人，他们识别随机性的能力迅速提高了。

所以下次你听到有人被说成是非理性的时候，你可能会想说这只是与一个拥有无限资源和能力的系统相比得出的结论罢了，考虑到这一点，我们其实一点也不傻。

BY George Farmer & Paul Warren