章节 15
琳达问题：更少即更多
读进去
琳达问题真正要解决的，不是“人们不懂概率”，而是“为什么一个更具体的描述会被认为更可能”。卡尼曼的答案指向直觉的运作方式：我们评估可能性时，用的是代表性和故事连贯性，而不是逻辑上的集合关系。“银行出纳员且是女权主义者”这个描述，比“银行出纳员”更符合琳达给人的印象，于是它被判断为更可能，尽管它在逻辑上是前者的子集。
这个偏差的顽固程度超出预期。受过概率训练的博士生也会犯错，说明它不是知识缺陷，而是系统1的默认模式。但呈现方式能改变结果：当人们被要求直接、审慎地比较两个选项时，部分人能避免谬误；分开独立判断时，错误率最高。细节是否引发谬误，取决于它是否让情节更有代入感——中性的“金发”不会，而“女权主义者”会，因为它激活了刻板印象和故事。
打开原图 ↗画出来
文字里常被当作一回事的是两个层次：逻辑上的集合包含关系，和心理上的代表性判断。前者是数学结构，后者是直觉捷径。经过视觉化整理，可以看到“更少即更多”的悖论如何产生：一个子集被判断为比母集更可能，不是因为人们算错了，而是因为他们根本没有在算概率，而是在算相似度。这个结构解释了为什么训练不能根除偏差，因为训练改变的是系统2，而系统1仍然在后台用代表性快速作答。
再想一遍
产品需求评审时，一个功能描述得越具体、越有场景感，就越容易被认为“用户会喜欢”，哪怕数据表明更宽泛的版本使用率更高。或者在做技术方案选择时，一个细节丰富、故事完整的方案，会让人忽略它其实是另一个更简单方案的子集，从而高估它的成功概率。警惕的方法不是禁止细节，而是把“像不像”和“可不可能”分开问。
带回生活
合取谬误的根源不是愚蠢，而是系统1用连贯性代替了逻辑。对抗它的唯一办法，是在关键判断时强制启用系统2，把问题重新表述为集合关系，而不是故事。