Question

现在请注意这张单子上有一点很重要：琳达更像一名（普通的）银行出纳，还是更像一名积极参与女权运动的银行出纳？所有人都认为琳达更像是“主张女权主义的银行出纳”，而不是普通的银行出纳。普通的银行出纳不会热衷女权主义，加上这个细节，整个描述便更像是一个有条理的故事了。

但是在判断概率的过程中会让人有些纠结，因为上述两种情况之间存在一种逻辑关联。按照维恩图解来说，积极参与女权主义的银行出纳的集合包含在银行出纳的集合之中，因为每个持女权主义理念的银行出纳本身还是银行出纳。因此，琳达是位积极参与女权主义的银行出纳的概率，就一定比她只是个（普通的）银行出纳的概率低。当你想更加详尽地说明某个可能的事件时，只能降低其概率。因此这个问题使典型性直觉和概率逻辑两者对立起来。

我们的首次实验是一次受试者组间实验（between-subjects）。每位受试者都看到一组列有 7 个结果的单子，其中只包括几个重要结果中的一个（“银行出纳”或“积极参与女权主义的银行出纳”）。有些人通过相似度来排序，而其他人则通过概率排序。就像汤姆问题出现的结果那样，通过相似度和概率得出的平均排序结果是相同的。在两种情况下，“积极参与女权主义的银行出纳”都比“银行出纳”的排序要靠前。

然后我们运用受试者组内设计（within-subject）对此项实验作了更深入的研究。我们设计了你此前看到的那份调查问卷，其中“银行出纳”排在第六位，“女权主义银行出纳”位于最末。我们相信受试者会注意到两个结果之间的关系，而且他们的排列也应该会符合逻辑。事实上，我们对此非常有把握，不必再专门做个实验来证实这个想法。我的助手当时正在实验室里做另一项实验，她让受试者一边在报酬表上签名（临走前要领报酬），一边完成这项关于琳达的问卷。

后来我随意一瞥，看到助手书桌上的文件盒里已经放了 10 份调查问卷了，而且所有的受试者都认为（琳达是）“积极参与女权主义的银行出纳”比“银行出纳”的可能性更大。当时我太惊讶了，因为自己有了一个重大发现，因此我至今对那张灰色金属质地的书桌以及当时每张表的位置仍记忆犹新。当时我兴奋极了，赶紧给阿莫斯打电话，告诉他我们有了重大发现：我们让逻辑与典型性互相竞争，结果典型性赢了！

我们还观察到系统 2 的一个缺点：既然两种结果都包含在同一列表中，受试者就有很大机会发现逻辑规则中的关联性，但他们却没有把握好这次机会。当我们把实验的规模扩大时，发现样本中 89%的研究生都违背了概率的逻辑。我们相信，从统计学角度作出复杂应答的受试者表现会更好些，因此我们给斯坦福大学商学院决策科学项目的博士生发了同样的调查问卷，所有的博士生都学过概率论、统计学和决策论等学科的高级课程。我们又一次惊奇地发现：85%的博士生也认为（琳达是）“积极参与女权主义的银行出纳”比“银行出纳”的可能性更大。

为了消除这个错误—后来我们认为“这个希望越来越渺茫”—我们让很多人了解琳达，并且问了他们下面这个简单的问题：

下面两种情况哪种可能性更大？

琳达是银行出纳。

琳达是银行出纳，同时她还积极参与女权运动。

这个直截了当的问题使琳达这个人物在某些领域中小有名气，也引起了数年的争议。几所重点大学中 85%~90%的大学生选择了第二个选项，这一选择有悖逻辑，但却没有人因此感到羞耻。我曾经有些愤怒地问自己教的那些大学本科生：“难道你们没有注意到自己违背了基本的逻辑原则吗？”当时后排有些学生大喊：“那又怎样？”还有个犯了同样错误的毕业生解释道：“我还以为你只不过是问问我的看法罢了。”

通常，当人们没能运用明显相关的逻辑原则时，就会出现“谬误”。阿莫斯和我引入了“合取谬误”（conjunction fallaly）这个想法，通过直接比较，人们总会认为两个事件（在此即为银行出纳和女权主义者）的联合出现比只出现其中一件事（银行出纳）的可能性要大，此时就出现了合取谬误。

正如缪勒·里亚的错觉图所示，即使你对谬误有了真切的了解，也仍然难以避免这种错误。生物学家斯蒂芬·杰·古尔德（Stephen Jay Gould）曾描述他自己在琳达问题上的纠结反应。他当然知道这个问题的正确答案，然而他还是写道：“我脑中有个小人，跳上跳下的，还对着我喊：”她不可能只是个银行出纳，看看那描述就知道了。‘“这个喋喋不休的小人当然就是古尔德的系统 1 了。（在他写这些文字时还没有引入两个系统的说法。）

琳达问题简短版本的正确答案只是对我们众多研究中的一项的多数回应：斯坦福大学和伯克利大学的社会科学专业大学生组中有 64%的学生正确地判断出（琳达是）“女权主义的银行出纳”比“银行出纳”的可能性更小。起初列有 8 个结果的版本中，相似的大学生组中只有 15%的人作出了正确选择，其区别颇具启发性。问题的较长版本通过在不同结果中穿插其他结果（保险推销员）来区别开两个重要结果，读者要分别判断每个结果，因此不会对所有结果进行比较。相反，（琳达）问题的较短版需要有能启动系统 2 的明确对比，允许多数有统计学知识的学生避免谬误。不过遗憾的是，我们没有对这组知识渊博的受试者中选择错误的少数人（36%）的推论进行探究。

我们的受试者在汤姆问题和琳达问题中提供的概率判断与典型性判断（与原型判断类似）正相吻合。典型性属于一连串可能同时发生且联系紧密的基本评估，最具典型性的结果与特性描述结合在一起就会生成最有条理的信息。而这些最具条理的信息却不一定就是可能性最大的，但它们“貌似正确”，稍有疏忽，我们就很容易混淆有条理、貌似正确和概率这三者的概念。

如果我们将具体描述用做预测的工具，那么不加批判地用貌似合理的判断来替代概率就会严重影响我们的判断结果。请思考下列一组问题中的两个描述，并对其可能性作出评估。

明年北美某地将有一次洪灾，1000 多人将被淹死。

明年加利福尼亚某时将有一次地震，此次地震将导致洪水，1000 多人将被淹死。

加利福尼亚地震的情节要比北美洪灾的情节更合乎情理，尽管加利福尼亚地震的概率非常小。不出所料，人们对更详细、更丰富的描述作出的概率判断更高，这一点有违逻辑。预言家总会给其客户设下陷阱：对情节加以详述会使其更可信，却更不可能成为现实。

为了体会“貌似合理”的作用，请看下面的问题：

下面两个论述哪个可能性更大？

马克长有头发。

马克长有金色的头发。

以及

下面两个论述哪个可能性更大？

简是位老师。

简是位老师，她走路去上班。

这两个问题与琳达问题一样，有相同的逻辑结构，但它们却没有引起谬误，因为更详细的结果只是更详细而已，不会更让人信服，或更有连贯性，或更讲得通。对貌似合理和连贯性的评估不会产生概率问题的答案。在与之相矛盾的直觉缺位时，逻辑就会起作用。