Question

诸如你的幸福感、总统受欢迎的程度、金融骗子的合理惩罚和政治家的未来前景等问题有一个共同的重要特点：这些问题都涉及隐含的强度或数量概念，因而我们也就可以使用“更”这个词对其进行描述：更幸福、更受欢迎、更严厉或（对政治家来说）更有力度。例如，一个候选人的政治前景可能是“她在首轮竞选就会出局”这样的背运，也可能是“她有朝一日会成为美国总统”，身居高位。

接下来我们会了解到系统 1 的又一新能力。强度的等级在不同领域中都有“匹配”描述。如果罪行是颜色，杀人就应该是深红，颜色比偷窃更深。如果犯罪用音乐来表达，大屠杀就应该用强音，而停车不付钱则应该用弱音。当然，你对惩罚的强度也有类似的感觉。在传统的实验中，有些人用声音的大小来表达犯罪的严重性；其他人用声音大小来表达法律惩罚的严重性。如果你听到了两个声音，一个是表达犯罪的，一个是表达惩罚的，如果一个声音比另一个声音更响的话，你会有不公平之感。

请思考这个例子（后文中还会提到这个例子）：

朱莉 4 岁时就能阅读。

现在请将朱莉这个孩子的阅读能力与下面的强度等级进行匹配：

若某人的身高和朱莉的早慧程度一样，那他有多高？

你觉得 6 英尺^① 怎么样？显然太少了。那 7 英尺呢？也许又太多了。你希望找到一个高度能匹配 4 岁孩子极强的能力。虽然很强，但并不超群。15 个月大就能阅读才是超群的能力，这就跟一个人身高 7.8 英尺一样。

你的工作收入多高才能与朱莉的阅读能力相匹配呢？

什么罪行的严重程度可以与朱莉的早慧程度相匹配呢？

常春藤大学的毕业学分积点多高才能与朱莉的阅读水平相匹配呢？

上述问题并不是很难回答，对吧？此外，可以肯定的是与你同处一个文化领域的人作出的匹配与你的回答会很相近。我们发现，人们根据朱莉的阅读年龄这一信息预估她的学分积点时，他们通过一种范畴向另一范畴的转换来回答这个问题，并且选出了相应的学分积点值。我们也明白为什么这种利用匹配进行预测的模式从统计学角度来看是错误的，尽管对于系统 1 来说这很正常，但对于统计学家以外的大多数人来说，系统 2 也可以接受这种做法。