跳转到内容

启发式

来自VeritasWiki 真理百科

启发式(heuristic)指在信息不完备、时间有限或计算能力受限的条件下,用以简化问题、快速生成“足够好”答案的经验规则或心理捷径。它不保证最优,但以较低的认知成本换取可接受的效率,因而被认为是个体应对复杂世界的基本适应手段。启发式概念把判断与决策研究的两条主线连在一起:一条把它视为系统性偏差与错误的来源,另一条把它视为与结构化环境相匹配的理性工具。围绕同一批现象,这两种解读构成了近半个世纪决策心理学最激烈的争论。

提出背景与有限理性

启发式的理论前提是对“经济人”假设的否定。经典经济学假定决策者拥有无限的计算能力、稳定的偏好与完备的信息,能在所有选项中选出期望效用最大者。西蒙(Herbert Simon)在20世纪50年代提出有限理性(bounded rationality):真实决策者的知识不完备、计算能力有限、注意力稀缺,只能在“满意”而非“最优”的水平上停止搜索,这一策略被称为满意化(satisficing)。他用蚂蚁在沙滩上爬行的比喻说明:蚂蚁的路径曲折,并不是因为蚂蚁的几何学复杂,而是因为沙滩的地形复杂;同理,人类行为的复杂性往往反映的是环境的复杂性,而非认知内部结构的复杂性。

有限理性为启发式提供了合法性:如果最优解根本算不出来,那么依靠经验规则快速得到一个可行解就是理性的。西蒙还强调,判断一个策略是否理性,不能脱离它所处的环境,这一思想后来被概括为“生态理性”,成为启发式研究另一条路径的起点。真正把启发式推向实验研究中心的,是特沃斯基与卡尼曼在70年代的工作,他们用一系列精巧的短题目,展示了人在概率与数量判断上如何稳定地偏离规范。

三类经典启发式

特沃斯基与卡尼曼把判断中的捷径归纳为三类。代表性启发式指人们依据“像不像某一类”来判断概率,而忽略基础比率与样本大小。经典的琳达问题要求被试判断“琳达是银行出纳”与“琳达是银行出纳并且是女权主义者”哪个更可能,多数人选择后者,违反了合取事件的概率不可能高于其组成事件的规则。他们还发现,人们对随机序列的“代表性”有错误预期,认为随机序列不应出现长串连续,从而在生成随机数时过度交替。

可得性启发式指人们依据相关事例在记忆中是否容易提取来估计频率或概率。生动、近期、情绪性强的信息更容易被提取,因而被高估;媒体报道密集的风险,如空难与凶杀,被公众高估,而慢性病与交通事故这类统计上更大的风险反被低估。锚定与调整启发式指人们从一个初始值出发,向目标方向作不充分的调整。初始值哪怕是随意给出的数字,甚至来自无关线索,也会把最终估计拉向它。价格谈判、量刑建议、房产估值中的锚定效应都被反复证实。

后来研究者补充了情感启发式,即人们用“我对它的感觉如何”替代“它的风险与收益如何”的判断,情绪反应成为快速评估的通用货币。这几类启发式并非彼此独立,同一个现实判断往往同时受多种捷径影响,研究者后来的努力也更多转向刻画它们之间的交互,而非继续扩充清单。[1]

属性替代与双系统机制

对启发式机制的解释,较有影响的是属性替代假说。该假说认为,当目标属性难以直接评估时,人会用一个容易获得的替代属性来代替它作答,自己却未察觉这种替换。被问及“这个城市有多少人”时,人可能用“我听说过它多少次”来替代;被问及“这项投资的风险多大”时,人可能用“我对它的直觉好坏”来替代。替代之所以发生,是因为目标属性需要搜索与计算,而替代属性可以自动、即时地浮现。

这一解释被纳入双系统框架:系统一快速、自动、平行、几乎不费力,系统二缓慢、序列、需要工作记忆与意志努力。启发式主要被归入系统一,其输出若不被系统二审核,就会直接成为判断。双系统框架的优点是直观,缺点是边界模糊:许多被称为系统一的加工其实依赖习得的专业知识,经过长期训练后可以既快又准,这与“快即粗糙”的刻板印象不符。批评者因此主张,与其区分两个系统,不如描述多种可并行运作的加工类型。

另一条解释线索来自进化与生态视角。启发式的存在不是认知的缺陷,而是对环境中信息结构的适配:在线索高度相关、样本稀缺、时间紧迫的生态中,忽略部分信息反而能提高准确性,这就是所谓“少即是多”效应。这一视角把研究重点从“人为何出错”转向“何种环境让何种规则有效”,也为后面快速节俭启发式的兴起埋下伏笔。[2]

快速节俭启发式与生态理性

20世纪90年代以后,吉仁泽(Gerd Gigerenzer)及其研究组提出“快速节俭启发式”纲领,主张启发式不是偏差的别名,而是一族可以在特定环境中达到高准确性的算法。再认启发式是其中最简明的例子:在两个选项中,只选那个能被认出(听说过)的,忽略其他所有信息。在品牌选择、城市人口估计、体育比赛预测等任务中,这一条规则常常优于依赖多项线索的复杂模型,前提是再认与目标之间存在可靠关联。

取最好启发式则按线索效度排序,只使用第一条能区分选项的线索就停止搜索。它在“线索效度不平衡、且线索间相关性低”的环境中表现优异,甚至超过多元回归。这些结果支持一个反直觉的结论:在样本小、噪声大的现实任务中,多用信息会引入更多估计误差,少用信息反而稳健。这一纲领的方法论主张也很明确:不要先假定人应该如何推理,再把人偏离规范视为错误;应当先描述人实际使用的算法,再检验它在环境中的表现。

两派的分歧随之明朗。偏差纲领认为启发式是认知局限的产物,其代价是可预测的系统性错误;生态理性纲领认为启发式是适应工具,其“错误”多发生在实验室人为设定的环境中。争论的实质是规范标准的选择:以形式化的概率论为标尺,还是以环境的统计结构为标尺。两种立场各有证据,也都无法完全否证对方,这使得“启发式是好是坏”始终没有定论。

影响因素与测量方法

启发式的使用强度受多种因素调节。时间压力与认知负荷会促使人更多依赖捷径;情绪状态会改变捷径的方向,焦虑提高对威胁信息的可得性,愉悦则提高对乐观结果的代表性;领域知识则决定捷径的精细程度,专家使用的是经过长期打磨的“专业直觉”,其线索权重与新手并不相同。信息呈现格式的作用尤其显著:同一内容以自然频率而非条件概率呈现时,人们对基础比率的利用率明显上升,偏差随之减弱。这一发现被用来说明,部分偏差源于表述与认知习惯的错配,而非能力的绝对欠缺。

测量启发式有若干路径。最常用的是与规范模型比较:先计算贝叶斯最优答案,再观察被试的偏离方向与幅度。过程追踪则记录信息搜寻,如信息板技术统计被试打开各个线索格的次数与顺序,用以判断其是否采用“取最好”式的序列搜索。计算建模把候选策略写成算法,用个体数据拟合,比较不同策略的预测力。生态效度检验则要求在真实环境中验证策略的表现,而不是停留在实验室的假设情境。这些方法各有局限:规范比较依赖对“正确”的定义,过程追踪可能干扰自然加工,建模则受候选策略集合的限制。

争议与应用

争论集中在三点。其一是偏差的真实性:实验室任务往往给出明确的概率结构,而现实决策多是模糊的、演化的,实验室里的“非理性”在现实中可能无从表现。其二是可塑性:如果启发式能被简单提示(如改用频率格式、要求考虑反面)显著改善,那么它更像可矫正的表述问题而非深层缺陷。其三是普适性:跨文化研究提示,启发式的使用与教育、语言习惯、市场经验有关,用单一文化样本得出的结论未必可推广。

应用上,启发式既是风险也是资源。医学教育与临床决策借助检查表与结构化流程,抵消可得性与锚定的干扰;金融监管要求披露费用与历史收益,以减少代表性带来的误判;公共政策中的“助推”利用默认选项与简化信息,把人的捷径引向有利方向。与此同时,设计者必须警惕反向利用:广告与营销正是通过制造生动事例、设置价格锚点来影响消费者判断。理解启发式,因此不仅是认识人如何思考,也是识别他人如何利用这种思考方式。[3]

参考资料

  1. ↑ Decision Making,Encyclopaedia Britannica,2024年访问
  2. ↑ APA Dictionary of Psychology,American Psychological Association,2024年访问
  3. ↑ Problem Solving,Encyclopaedia Britannica,2024年访问