心理学家米勒 (Dale Miller) 和我曾经合写一篇文章来解释，一个事件是怎样被看成是正常，还是不正常。我现在用那篇文章中，我们描述「常模理论」(norm theory) 的例子来解释，不过我现在的解释已经有一点不一样了。
有一个人坐在高级餐厅中，随意观察隔壁桌的客人用餐。他注意到第一个客人喝汤时，皱了一下眉头，好像很痛苦的样子。接下来发生的几件事会因为这个观察而改变。当侍者碰触到刚刚那位喝汤的客人，使他吓了一大跳时，这个事件好像就没有那么令人惊讶。当另外一个客人从同一碗汤中舀一口来喝，立刻用手摀住嘴巴，以免叫出声音来时，好像也没有那么令人惊讶。这些事件和其它事件本应是不寻常的，现在看起来却显得正常。这是因为它重复了前面的那个事件，前面的事件被从记忆中提取出来解释后来的行为，就不觉得惊讶了。
想象你自己是餐馆中观察到这些现象的人，你看到第一个客人喝汤的反应时，你是很惊讶的；你对那个人被侍者碰一下就跳起来的反应也感到惊讶。然而，第二个不寻常事件会从记忆中提取出第一个事件来，两件事放在一起似乎就合乎情理了。这两件事符合一个型态，就是这个客人很容易紧张。从另一方面来讲，假如第一个客人尝了一口汤后，扮了鬼脸，第二个客人也不爱喝这汤时，这两个事件就会被连在一起，这碗汤一定很难吃。
「摩西带了多少种动物到他的船上？」发现这个问题问错了的人极少，后来心理学家把这现象称之为「摩西错觉」(Moses illusion)。摩西并没有带任何动物上方舟！诺亚才有。就像喝汤后扮鬼脸一样，摩西错觉可以用「常模理论」来解释。动物进入方舟是圣经中的一个场景，摩西也是圣经场景中的人物，你并没有预期他会出现在方舟上，但是提到他的名字并不会使你惊讶。同时，摩西和诺亚都有相同的元音，同样的音节数，就像三个一组的语汇产生认知轻松样，你潜意识把摩西和方舟联结在一起，所以很快使人就接受这个问题。如果把摩西用布什 (George W. Bush) 来取代，你就不会有这种错觉（只会觉得这是个很烂的政治笑话而已）。
当不符现在谈的东西出现时，系统会侦察到不正常，就像你刚刚经验到的，你并不知道在某些字之后应该接什么字，但是你知道「水泥」不符合句子的需求，它是不正常的。许多针对大脑的研究报告指出，系统对违反常态的察觉速度非常快，而且我们几乎感觉不到。最近有个研究，请受试者听一个句子：「地球每年绕着麻烦转」。大脑在「麻烦」这个奇怪的字眼出现的200毫秒之内，显现出很不一样的脑波型态。更了不起的是，当同一个人听到一个男人的声音说「我觉得我怀孕了，因为我每天早上都想吐」，也是同样快的反应；或是当一个上流社会的人说，「我背上有一大块刺青」，大脑会马上侦察到不正常。这表示，有一大堆关于世界的知识会立刻进入大脑中，我们才会这么快就察觉出不一致。一听到声音就辨识出，那是上流社会的口音，然后察觉到，一般来说，上流社会的人有一大片刺青是不寻常的。
我们能够彼此沟通，是因为我们拥有相同的世界知识和文字的使用习惯，当我说「桌子」而没有特别说明时，你知道我指的是一般正常的桌子，你非常确定桌面是平的，桌脚的数目比25个少很多。我们认定很多类别的东西都有常模，这些常模提供了背景知识使我们能马上侦察到不正常，例如，男生怀孕和上层社会人刺青。
为了解常模在沟通中扮演的角色，请看下面这个句子：「大老鼠爬上小象的鼻子」，我想你知道老鼠一般来说有多大，象一般来说又是多大，我知道你心中想的和我心中想的不会差太远。常模就是这个动物的典型或一般平均的大小，同时也包括这类别（老鼠或小象）中的变化范围和差异性，我们心中不大可能会有老鼠大于象的影像出现，虽然人有个别差异，但是谈到这两种动物时，我们都会有共同的影像──即老鼠比鞋子小，大象比沙发更大。系统一了解语言，也懂得常模的类别，并能辨明这些类别中可能价值的范围，以及最典型的例子。
看到原因和意图
「佛瑞德的双亲到得很晚，外烩师傅马上就要来了，佛瑞德很生气。」你知道佛瑞德为什么会生气，他生气不是因为外烩师傅马上要来了，在你的联结网络中，愤怒和不准时是连在一起的，有可能的因果关系；但是愤怒和期待外烩师傅却没有连接在一起。一个合理而一致的故事在你读到这个句子时，立刻就建构起来：你立即知道佛瑞德生气的原因了。找到这种因果的连接是了解故事的一部分，这是系统一自动操作的功能之一。系统二是有意识的自我，提供原因的解释，并且接受这样的因果关系。
塔里所著的《黑天鹅效应》说明了这个自动搜索因果的历程。他指出，海珊 (Saddam Hussein) 被捕时，美国公债价格开始上扬。那天早上，投资者显然是在寻找安全的资产，彭博新闻社 (Bloomberg News Service) 的头条是「美国政府债券上涨，海珊被捕可能不会遏止恐怖主义。」半个小时以后，公债价格下跌，头条变成「美国政府债券下跌，海珊被捕提高投资风险。」很显然的，海珊被捕是那天的重大事件，人们会自主搜寻原因形成思考，这个事件就变成那天市场涨跌的原因了。这两个头条似乎可以解释那天市场发生的事，但是，解释两个相抵触结果的一句话，其实等于什么都没有解释。事实上，所有头条标题都是为了满足人们对一致性、连贯性的需求：重大事件应该有其影响力，并带来后果的，而后果需要原因来解释它。由于我们对每天发生的事所知有限，系统一便把知识的碎片连接起来，组合成合理的因果关系。
请读下面这个句子：
在拥挤的纽约大街逛了一天后，珍妮发现她的皮夹不见了。
读过这个句子的人后来被要求做回忆的测验（他们同时也读许多其它故事），结果「扒手」跟这个句子的联结远大于「逛街」，虽然后者有在句子中出现，而前者没有。联结连贯性的规则告诉我们发生了什么事。丢掉皮夹（钱包）可能有很多不同的原因：皮夹从口袋掉出来，掉在餐厅中等等。然而，当皮夹搞丢、纽约、拥挤这几个字眼并列时，共同激发了皮夹是被扒手扒去的解释。在前面那个喝汤的故事中，不论是客人在尝一口后做鬼脸，或是第一个客人对侍者碰触到的极端反应，都让你对一开始的惊讶做联结连贯性的解释，整个故事也变得合理。
比利时贵族心理学家米夏特 (Albert Michotte) 在1945年出版的一本书（1963年被译为英文），推翻了几百年来对因果关系的思考方式，它一直回溯到哲学家休谟对念头联结的看法。过去大家普遍接受的看法是，我们从重复的观察中看到事件的相关性，从而推论出物理性的因果关系。我们时常看到一个运动中的物体碰触到另一个物体，这个物体马上开始移动，通常往同一个方向，不过不完全如此。这就和撞球的母球打到另外一颗球时的情形一样；也和碰触到花瓶，便掉下来打破了一样。但是米夏特有不同的看法：他认为我们看因果关系可以像看颜色那样直接。为了说明他的看法，他在纸上画了一连串就像在移动的黑色方块，一个方块碰到另一个方块，就马上开始动了起来。看的人知道方块之间并没有真正碰触到（因为是画在纸上），但是他们却有很强的「因果关系错觉」(illusion of causality)。当第二个物体马上移动时，他们会以为是第一个方块所引发 (launched) 的。实验显示，六个月大的婴儿看到这类序列事件就会产生因果关系的想法了，假如序列事件倒过来，他们会很惊讶。我们显然从一出生就准备好有因果关系的印象。这是系统一的作用。
在1944年，大约就是米夏特发表他的物理性因果关系时，心理学家海德 (Fritz Heider) 和西梅尔 (Mary-Ann Simmel) 用和米夏特类似的方法展现了意图性因果关系 (intentional causality)。他们拍了一部1分40秒的电影，里面有一个大三角形、一个小三角形和一个绕着打开了门的房子跑来跑去的圆，受试者看到大三角形在霸凌小三角形，并吓到旁边的圆，这个圆和小三角形联合起来把大三角形打败，他们也看到这些几何图形多半在门边互动，剧终则是个大爆炸。每个人都能感受到意图和情绪；只有自闭症孩子体验不到。当然，这一切都在你心中。你已准备好，甚至迫不及待认同这些几何图形，给他们人格特质和特殊意图，并把他们的动作看成个体特质的展现。在此，再次证实我们生来就准备好要做意图归因 (intentional attribution)，不到一岁的婴儿就能指认霸凌者和被霸凌的人，并且期待追捕的人循走最直接路径，捉到他正在追的东西。
按自由意志行事的体验跟物理性因果关系是不同的，虽然是你的手拿起了盐罐子，但是你不会从物理性因果关系去想这件事，你会做这个决定是因为你想在食物中加些盐。许多人本来觉得他的心是他行动的来源和产生动作的原因，心理学家布隆姆 (Paul Bloom) 2005年在《大西洋月刊》(The Atlantic Monthly) 上发表了一个非常有争议性的文章，他说我们天生就有能力区分物理性和意图性因果关系，这一能力也解释了宗教信仰为何是全世界几乎都有的现象。他说「我们对物质世界跟精神世界的感知不同，这使我们可以想象没有灵魂的躯体及没有躯体的灵魂。」这两种因果关系使我们很自然地接受许多宗教中都存在的两个主要信念：无形的神是物质世界最终极的原因，而不朽的灵魂在我们活的时候，暂时控制我们的身体，当我们死后，灵魂也将离开躯体。从布隆姆的观点，这两种因果关系的观念是演化过程中分别塑造成的，宗教的起源也是建构在系统一上的。
因果关系的直觉是本书一再出现的重点，因为人倾向于把不对的因果思考应用到需要统计推理的情境上。统计的思考是把不同类别中的个案特质综合起来下结论。很不幸的是系统一没有能力做统计推理：系统二可以透过学习去做统计性思考，但是很少人接受过必要的训练。
有了因果关系心理学做基础，我决定用代理人去比喻心理历程。我有时把系统一当作有某些特性和偏好的代理人，有时又把它当作透过复杂的连接型态来表现真实世界的工具。这个系统和工具都是虚拟的，我这么比喻是因为它们符合我对因果关系的看法。海德尔的三角形和圆圈并不是真正的代理人──只是把它们想成代理人非常容易、也很自然。这样做比较不必费力思考。假设你（像我一样）觉得这种方式比较容易去想象心智活动是怎么回事，假如用人格特质和意图去想这两个系统的话，我并不想说服你这两个系统是真实存在的，就像海德尔并没有要你相信大三角形真的是霸凌者一样。
说到常模和原因
「当看到第二个申请人又是我的老朋友时，我就没有那么惊讶了。我们实在只需要一点点的重复，就能使新经验感觉起来很寻常。」
「在我们调查对这个产品的反应时，不要只注意平均值，应该考虑正常反应的整个范围。」
「她不能接受她只是运气不好，她需要一个有因果关系的解释。不然她会认为有人蓄意要破坏她的作品。」
07 骤下结论的机制
美国喜剧演员丹尼凯 (Danny Kaye) 有一句话，我从青少年期听到后就没有忘记。他这样形容一个他不喜欢的女人：「她最喜欢的姿态是得意忘形，她最喜欢的运动是马上跳入结论中。」我记得第一次想到这句话是跟特维斯基说统计直觉的理性的时候。现在我认为这句话对系统一的功能是个非常好的解释。跳入结论是非常有效率的事，假设这个结论是对的，而偶尔犯错的代价又是可以接受的话，快速下结论可以节省很多时间和力气。不然，骤下结论是很危险的，尤其在情势还不明朗或是错误的代价很高的时候。这是直觉错误最容易发生的时候，或许可以运用系统二的介入来加以避免。
图6
这三张图有什么共同点？这答案是它们都是模棱两可的图。你一定会把最左边的图读成A、B、C，最右边的图读成12、13、14，但请注意，左右两张图中间的那个字是完全相同的，你也可以解读成A、13、C或12、B、14，但是你不会这样读，为什么？同样这个形状在字母的情境中会读成B，在数字的情境中会读成13。情境帮助你决定每一个元素。形状虽模棱两可，但是你跳入结论来指认，根本意识不到你已赋予这模棱两可的形状一些解释了。
至于图中间的安 (Ann)，你可能把她想象成一个满脑子都是钱的女人，正走进一个有银行柜台人员和保险箱的大楼。但是这个可能的解释并不是唯一的解释。这个句子模棱两可。假如前面句子是：「他们慢慢地从河中顺流而下。」你就会想象出完全不同的场景来。当你想到河流时，Bank[1] 就不会联结到金钱上，在没有明确的场景下，系统一会自己找一个最可能的解释，我们知道是系统一自行判断的结果，因为你并没有觉识到Bank这个字有两种选择，也没有意识到可能有另外的解释。除非你最近才去划独木舟，否则你去银行的时间一定比在河中飘流来得多，所以你根据经验化解了这个模棱两可。当我们不确定答案时，系统一会依据过往经历赌一个答案。这种下赌的规则是很明智的：最近发生的事件和目前情境在选择解释上占最重的份量。没有近期事件进入脑中时，远期记忆就会出来主导。你最早、最记得的经验一定是唱ABC字母歌，这首歌的开头一定是A、B、C，而不是A、13、C。
这两个例子最重要的地方是：你做出一个确定的选择，你自己却没有意识到。你脑中只出现一个解释，你从来不知还有另一个解释的可能性存在。系统一并不会去追踪它拒绝的其它可能性，甚至不记得曾有过其它可能性，被它拒绝的事实。有意识的怀疑不在系统一的数据库内，同时记住多种不合适的解释，需要付出努力，这并不是系统一的强项。不确定性和怀疑是系统二的责任范围。
信念的偏见和确定信念
心理学家吉尔博特 (Daniel Gilbert) 因着有《快乐为什么不幸福》(Stumbling to Happiness) 一书而非常有名，他曾经写过一篇文章，叫做〈心智系统如何相信〉(How Mental Systems Believe)。在这篇文章中，他发展出相信和不相信的理论，他把这源头一直追到17世纪的哲学家史宾诺沙 (Baruch Spinoza)。吉尔博特认为，了解一句话一定要先从尝试相信它开始：你一定要先知道这个想法如果是正确的，它是什么意思。只有这样，你才可以决定要不要去怀疑它。一开始相信的尝试，是系统一自动化的历程；包括建构最可能的解释，甚至一个毫无意义的句子也会引发人们最初的信任。请试试吉尔博特的例子：「白鱼吃糖果 (whitefish eat candy)！」你可能意识到一些鱼和糖的模糊印象，这个印象的产生过程，就是联结记忆自动搜寻鱼和糖的关联，从无意义中找出意义来。
吉尔博特把不相信或怀疑当作系统二的操作，他做了一个非常好的实验来支持这个看法。受试者看一些没有意义的句子，例如：「一个卡是一团火焰」(a dinca is a flame)，几秒钟以后，出现「对」或「错」的字样。做完以后，受试者接受记忆测试，找出他们记忆中标示为「对」的句子来。这个测试还有一个条件，即受试者在过程中要记住一些数字，同时去做对或错的实验。系统二的干扰产生选择性的效应：它使受试者很难不相信错误的句子。在后来测试记忆时，这些筋疲力竭的受试者竟把许多错误的句子都当作正确的了。这个实验很重要：当系统二在忙的时候，我们就会随便相信所有事情。系统一好骗、又容易产生偏见，系统二是管理怀疑和不相信的，但是系统二有时候太忙，不忙时也很懒，所以有证据显示当人们很累或精力耗尽时，就容易相信空洞、没有说服力的话，例如人们在累时会相信广告中的话。
联结记忆使我们易有「确认偏见」(confirmation bias)。当人家问：「山姆很友善吗？」关于山姆各种行为的不同事件会来到你心中，若是问你：「山姆不友善吗？」你较难想起他的许多行为。特意去寻找支持的证据叫做「正向测试策略」(positive test strategy)，也是系统二验证假设的方式。这跟科学哲学家的规则不同，科学哲学家认为，验证假设最好的方式是反驳它，人们（包括很多科学家在内）寻找支持他们信念的证据，来证实假设是否成立。系统一的确认偏见喜欢接受没有证据的建议和夸大的言词，假如你被问到在未来三十年中，加州发生海啸的可能性，你心中产生的影像很可能就是海啸的影像，跟吉尔博特无意义的句子「白鱼和糖果」一样；你会倾向于高估灾难发生的可能性。
夸张的情绪一致性──月晕效应
假如你喜欢总统的政策，你可能也会喜欢他的声音和他的外表。当我们喜欢一个人的时候，我们倾向于喜欢他的全部，包括那些你没有观察到的，这就叫月晕效应（当你不喜欢一个人的时候，你也会讨厌他所有的事）。这个名词在心理学上已经用了一百年了，却还没进入我们的日常生活中，真是可惜！因为月晕效应是个很好的例子，可以用来解释这种偏见在我们平时对人和事的看法上扮演的重要角色。系统一用比现实更简单、更一致性的方式来看这个世界。
你在宴会上碰到一个名叫琼恩的女人，发现她的个性很容易亲近，下次有人在问谁可以做些慈善公益时，她的名字就会从你心中浮起，你怎么知道琼恩是慷慨的呢？正确的答案是，你什么都不知道！因为你实在没有证据说，人缘好、随和的人就一定会从事慈善公益，但是因为你喜欢她，你想到她时，就会提取出喜欢的感觉，你也喜欢慷慨的人，透过这种联结，现在你相信琼恩是慷慨的了，你可能比以前更喜欢琼恩，因为你把慷慨这个好品德加到她令人愉悦的属性上。
慷慨的真正证据在琼恩的故事中是找不到的，你用你对她的感情（猜测的）来填补这中间的差距。在其它的情境下，证据是慢慢累积，第一印象产生的感觉会影响你对事物的解读。在一个经典的心理学研究中，艾胥 (Soloman Asch) 给受试者看两个人的描述，请受试者就他们的性格特征写评语：你怎么看艾伦和班？
艾伦：聪明－勤勉－冲动－爱批评－固执－嫉妒
班：嫉妒－固执－爱批评－冲动－勤勉－聪明
假如你像大多数人一样，你会比较喜欢艾伦，比较不喜欢班。前几项性格特征会改变后面出现特征的含义。一个固执的聪明人可能被认为是择善固执，或许还会引起别人的尊敬；但是一个嫉妒心强又固执的人，即使他很聪明，人家可能觉得这种人更危险。月晕效应可以化解模棱两可的情境：就像bank这个字一样，形容词「固执」也是一个模棱两可的字，要看情境怎么说。
关于这个主题有许多研究，有个实验是先请受试者考虑描述艾伦的头三个形容词，再考虑后三个形容词，实验者告诉受试者，这三个形容词是在形容另外一个人。当他们在脑海中形成艾伦和另一个人的影像后，实验者又问，有没有可能，这六个形容词是描述同一个人？大部分的受试者都觉得不可能。
我们对一个人个性的观察序列通常是随机的。然而，顺序的确很重要，因为月晕效应增加了第一印象的比重，很多时候，后面再进来的讯息已经没有用了。在我初当教授时，我是用一般大家用的方式来改考卷，我会挑一份出来改，阅完所有题目，算完总分，再改下面一个人的考卷。我后来发现，我的评分非常一致，开始怀疑我的给分有月晕效应。第一题的分数对整体成绩来说，份量太重。这个机制很简单：假如我给某学生的第一题高分，我就等于先相信他成绩不错，除非证据指出另一方向。因此，当我在后面几题读到模棱两可的句子时，我会替她解释她可能是对的意思，毕竟，一个在第一题答得这么好的人，怎么会在第二题犯这种愚蠢的错误呢？但是我这样做有严重的错误，假如学生只回答了两题，一题答得很好，一题答得不好，我最后可能打出不同的分数来，就看我是先改哪一题。虽然我告诉学生两题比重一样，但是我却不是这样打分数的，第一题在总成绩上占的比重较大，这是不对的。
于是我采取了新的做法，我现在会改完所有学生的第一题，再改所有学生的第二题。我确定我有把成绩写在考卷内侧，避免在改第二题时产生偏见（即使无意识的偏见我也避免），使第二题的分数不受第一题的影响。改用这种方法后，我注意到，我对自己改考卷的信心降低很多，我一直有种不舒服的感觉，那是以前没有过的。当我对学生第二题的表现很失望，翻到考卷背后登记分数时，我有时会发现，这个学生在第一题得到最高分，我注意到自己很想去改她的分数，缩短第一题和第二题之间的距离。我发现，不遵循这个简单法则是很难的。同一个学生问答题的分数差距很大，这种不一致性让我很挫折。
我现在对我自己改卷子的表现感到失望，也较没有自信，但是我了解这是一椿好事，它表示新的改卷子方式是比较好的，我以前感受到的一致性是假的，只是制造出一个认知放松的感觉。我的系统二也很高兴地接受最后的成绩，因为系统二的本性是懒惰的，我让第一题的成绩严重影响第二题的评分。我不会发现同一个学生有的题目回答得很好，有的回答得不好，因为没有发现，我就不会感到不舒服。现在我改用新方法，这个方法虽然比较好，但是它显露出我过去没有感受到的不舒服和不一致性。第二个方法好的原因是，我们不该用单一问题来测量学生学了多少，这是不恰当的评量方式，这也显现我给分的不可靠性。
我所采取减低月晕效应的方式，其实符合了一般性的原则：去除相关错误 (decorrelate error)！要了解这个原则如何运作，请想象我们向很多人展示装有硬币的玻璃瓶，要他们猜猜一个瓶子里有多少硬币。就如索罗维基 (James Surowiecki) 在他的畅销书《群众的智慧》(The Wisdom of Crowds) 中所说的，有些作业一个人去做效果不好，但是把所有人的意见综合起来，判断的正确性就会很高。有些人大大地高估了硬币的数量，有些人又低估了，但是把许多判断拿来平均时，这个平均值就相当接近正确值。这个机制很简单：所有人都看同一个瓶子，他们的判断都有一个共同的基础；但是从另一方面来说，他们的错误率却是每个人都不同的，在没有系统化的偏见之下，最后会互相抵消为零。不过这个错误减低的魔力只有在观察者是独立的，而且彼此的错误是没有相关的情况下才成立。假如观众都有偏见，那么所有人判断的聚集也不能减低错误。当你允许观众互相影响时，就等于减少样本数，样本数小时，团体估算的正确率就降低了。
如果要从不同来源的证据中得出最有用的信息，你应该使这些来源各自独立，这个规则是好警察办案程序的一部分。当一个案件有好几个目击者时，在作证之前，不能允许他们讨论案情。这个目的不仅是防止有敌意的目击者共谋，同时可以防止没有偏见的目击者被别人影响，或影响别人。交换意见的目击者常会在证词上犯同样的错误，而减少了证词的价值。去除讯息来源的重复性绝对是个好主意。
独立判断的原则（以及去除相关的错误）在主持会议上也有立即应用的效果。任何组织的总裁都花很大一部分的工作时间在主持会议。一个简单的原则就能发挥作用：在讨论一个议题之前，请要求所有与会者简短地写下他们的观点。这个程序会使与会者的背景和多样性知识得到最大的发挥。传统的做法会使早发言者的意见占了太大的份量，迫使别人附和他的意见。
你所看到的就是全貌
我早年跟特维斯基一起工作时，最愉快的记忆就是他喜欢模仿大学时的哲学老师，特维斯基会用带有浓重德国口音的希伯来文咆哮着说：「你们一定不准给我忘记 (Primat of the Is)。」我到现在不知道这个老师说这句话的意思（我相信特维斯基也不知道），但是，特维斯基的笑话永远都是有意义的，他是用这句话提醒自己，不论什么时候，我们两人手边现有讯息与未知讯息不对称时，他就这样说（我后来也这么做）。
联想机制一个重要的特性是，它只代表被活化的想法，那些无法从记忆中被提取出来的讯息（即使无意识的提取）就等于不存在。系统一善于在把目前活化的想法纳进来，建构最可能的故事情节。这点它做得很好，但是它没有办法提取系统中没有的讯息。
测量系统一是否成功的方法是看它创造出来的情境是否有连贯性，与故事所需数据的数量和数据质量没有关系。当讯息很少时（这现象常发生），系统一会轻率下结论。请思考一下这个说法：「闵迪克会是一个好领袖吗？她很聪明又坚强……」。你的脑海中一定马上出现一个答案，这个答案是肯定的。你根据很少的讯息做了最好的决定，但是你太快做决定了，万一后面两个形容词是「腐败」与「残暴」呢？
请注意你在很快对闵迪克做出是不是好领袖的判断时，你没有问：「在我对这个人的领导能力下结论之前，有什么是我应该知道的？」系统一从第一个形容词出现便开始自己工作了。聪明是好的，聪明又坚强，那是好上加好，系统一毫不费力的就把故事编出来了。假如新的讯息进来（例如闵迪克很贪腐），这个故事就得修改，但是系统一不会等待，也不会出现主观上的不自在，我们的偏见是第一印象就决定了。
寻求合理一致性的系统一加上懒惰的系统二，表示系统二会支持很多系统一的直觉信念，而这信念正是系统一制造出来的印象。当然系统二有能力采取系统化，仔细小心的检验，勾选完决策单子上的每一个检核项目才做决定。想想看，买房子时，你会特意去寻求你没有的信息，然而，即使是深思熟虑后的决定，系统一也会去影响系统二的决定，系统一的讯息输入是从来没有停止的。
在证据不足的情况下就仓促做决定，对我们了解直觉思考很重要，本书也会一直提到，所以我现在用英文字母简写「WYSIATI」(What You See Is All There Is) 来代表这种情形，意思就是「你所看到的就是全貌」。系统一对造成印象和直觉讯息的质与量完全不敏感。
特维斯基和他在史丹佛大学的两名研究生做了一项跟WYSIATI直接相关的研究。他们请受试者看下面短文：
在9月3日，原告戴维．索顿 (David Thornton) ──四十三岁工会的代表──进入节俭药房第168号店，去做例行的工会访视。在他到达168号店十分钟不到，店长就告诉他，他不能在店内跟工会员工谈话，他可以在员工休息时，去后面的房间谈话。这个要求是写在工会与节俭药房的合约上，但是从来没有被执行过。当索顿先生拒绝时，他被告知他有三种选择：1.服从店长的要求；2.离开这家店；或3.被警察逮捕。此时，索顿先生跟店长说，他以前都可以在店里跟工会员工谈话十分钟，只要他没有干扰到店里做生意，所以他宁可被捕也不愿改变例行访视的行程。店长于是打电话报警，警察以非法侵入的罪名逮捕索顿。在做完笔录并被短暂关入看守所后，索顿的罪名被撤销了，索顿先生反控节俭药房不当逮捕。
除了这份文件是所有受试者都得读的，不同组受试者还会看到两造律师的辩词，当然，工会律师形容逮捕是恐吓威逼的行为，而药局律师则说在店里谈话会妨碍做生意，店长的处置是合理的。有些受试者则像陪审团一样，两造说词都仔细听。律师的说法并没有增加任何新讯息，他们所说的话，从背景故事中都可以得到。
所有受试者都非常了解这个情境，即便只听一面之词的人也很容易想出对方会讲的话。虽然如此，律师单一方面的话仍然对判断造成了很大的影响；此外，只看到一方证据的受试者，比看到两造证据的受试者，对自己的判断更具有信心。这正说明人们依已知讯息建构出合理故事的连贯性，增强了他们的信心。这跟故事的一致性有关，跟完整性无关。的确，你常会发现，知道一点点反而使你容易把你所知道的编成合理的故事。
WYSIATI加速了合理性和一致性的达成，而认知放松使我们倾向于接受这件事是真的。这件事解释了我们可以快速思考的原因，以及我们如何用部分讯息就对复杂的外界建构出合理的故事来。很多时候，我们拼凑出的故事是跟外界很相似，相似到足以支持我们合理的行动。然而，我会用WYSIATI原则来对判断与选择中的各种偏见做出解释，包括这些：
?太过自信：就如WYSIATI原则所示，无论是证据的数量还是质量，都与主观自信关系不大。每个人对他信念所持的信心大部分来自他们对亲眼所见所编故事的质量，即使他们所见到的非常少也没有关系[2]。我们通常不会考虑到决定这件事的关键证据还没有出现，却以为我们所看的就是全貌，而这是不足以判断的。此外，我们的联结系统倾向于选择一个已被活化的连贯模式，压抑怀疑和不确定性。
?框架效应：用不同方式呈现相同讯息常会引发不同情绪。例如，「在手术后一个月内的存活率是90%」就比「手术后一个月内的死亡率是10%」更有说服力；同样的，夹三明治的肉，如果写成「90%不含脂肪」就比「含10%脂肪」更具吸引力。这两种呈现方式不同，但讯息的内容是一模一样的，但是人们通常只看一种形式，而且觉得他所看到的就是全貌，不管完整性。
?忽略基率：记得前面提到温和又整洁的史提夫吗？他常被误认为图书馆员。这人格方面的描述非常鲜明而生动，以致于人们忘记了男性农夫比男性图书馆员多了20倍。这个统计事实在你第一次考虑到这个问题时，几乎一定不会出现在你心中，你觉得你看到的就是全部了，便忽略了基准线的不平等。
说到骤下结论
「她对这个人的经营手段一点都不了解，只是凭着优越的简报得来的月晕效应做判断。」
「在提出任何讨论之前，先各自判断这个问题，以避免互相干扰，我们才能从每个人独立的评估上得到较多信息。」
「他们根据一个顾问的正向报告就做了这个重大决定。WYSIATI──你所看到的就是全貌，他们没有想到自己掌握的讯息太少了。」
「他们不想知道更多讯息，以免破坏他们原有的故事情节，他们较相信自己所见到的就是事实──WYSIATI。」
1.Bank有岸边和银行两种意义。
2.最近的实验显示，大脑会自动替记忆填补空白。
08 我们如何做出判断
你可以回答无限的问题，不论问题是别人问你的，或是你问自己的；你可以评估的属性也是没有限制的，你可以计算一页文字中，大写字母的数量；比较你家和对门邻居家的窗户高度；你可以用量表去评估议员的政治前途，这些问题由系统二来解决。系统二能调整注意力，搜寻记忆找出答案。系统二接受问题或者自己提出问题，不论哪一种，都能重导注意力并搜寻记忆以得出答案。系统一的运作则不同，它持续不断地监控大脑内外发生的事情，没有特别的意图，也很少付出努力，只是持续不断地评估情境的各种层面。这些基本的评估在直觉判断上扮演了重要的角色，因为人们常把这些基本的评估拿来取代较困难的问题──这是快捷方式和偏见的最核心观念。系统一的其它两个特质也支持用一种判断去取代另一种。其中一个特质是跨面向 (dimension) 的价值转换能力，用在回答比较容易的问题上，例如：「假如山姆的身高跟他的智商一样，他有多高？」这时，快速思考的方式便开始运作。系统二会自动回答某个特定问题或是评估某个情境的特定属性，并自动激发其它计算，包括一些基本的评估。
基本评估
演化使系统一不停地对有关生存的问题持续的评估：一切都好吗？是威胁还是机会？一切都正常吗？我该前进还是该逃避？这个问题对身处都市环境的人类可能不及大草原上的羚羊那么急迫，但是我们从演化继承而来的神经机制持续不断地评估危险，这是关不掉的。系统一会不停地评估情况是好是坏，需要马上逃跑还是可以前进。人的好心情和认知放松相等于动物对安全性和熟悉感的评估。
一个基本评估的最好例子，就是一眼就能区分出是敌是友的能力，所有动物都发展出这种特定的能力。我在普林斯顿大学的同事托朵洛夫 (Alex Todorov) 曾经研究过跟陌生人互动的快速判断的生物机制。他发现，我们生来就有这种能力，只要看一眼陌生人的脸，就能决定这个人的两个重要事实：他有多强势（因此他有潜在的威胁性），以及他值不值得信任（他的意图是倾向友好还是敌意）[1]。脸型提供了评估强势与否的线索：方下巴通常是控制欲强的人；脸上的表情（微笑或皱眉）则提供陌生人意图的线索；方下巴和下垂的嘴角通常是找麻烦的象征。光凭脸部来判断当然很不准确：圆下巴绝对不是温和的可靠指标，而微笑也有可能是假笑[2]。不过，即使是不完美的评估能力也还是对生存有利。
在现代社会里，这个古老的机制有了新用途：它会影响人们的投票。托朵洛夫给学生看一个男人的脸，大约只给他们看十分之一秒的时间就闪过去，然后请学生判断这个人友不友善、讨不讨人喜欢，能力如何。结果发现，学生的评估非常一致。托朵洛夫选的脸不是随机取样，他选的是候选人的脸，结果普林斯顿大学的学生认为有能力的人，有70%选上参议员、国会众议员，和州长。这个效果很快地也在芬兰全国性选举、英国的区域代表选举，以及澳洲、德国，和墨西哥的选举上得到证实。令人惊讶的是（至少对我而言），托朵洛夫的研究对这些人能力评估的预测力，竟比民意调查更准确。
托朵洛夫发现，人们总是综合强度和信任感这两个向度来判断一个人的能力。有能力的脸是强壮的下巴加上一点点自信的微笑。没有任何证据显示，可以依这种脸预测这个人在执政上的表现。但是大脑造影的研究显示，人类生物上的倾向会拒绝缺乏这种属性的人。在这个研究里，落选的人在受试者的大脑反应中有较强的负面情绪反应。这是我在下一章中要谈「判断的快捷方式」(judgment heuristic) 的例子。选民会在脑海中形成某候选人的执政表现未来可能多好的印象，系统二再依据这个简单的评估法做出它的决定。
政治学研究者开始从托朵洛夫原始的实验中，找出哪一种选民最受系统一自动化偏好的影响。结果发现，那些政治信息不够，但是有看大量电视的选民（如我们预期的），依面孔来判断候选人能力的效应是信息较多、看较少电视选民的三倍。显然系统一在候选人的判断决定上的影响并非每个人都相同的。我们会在其它例子看到这个别差异。
当然，系统一了解语言，这了解则仰赖平日例行执行的基本评估，因为系统一要不停地了解事件和理解讯息的意义。这个评估包括计算相似性和代表性、因果关系的属性、联结和样本取用的可能性，甚至在没有特别任务时，也在进行评估。一旦需要，评估结果就可以马上拿出来应用。
基本评估的内容很多，但并不是每个可能的属性都需要评估，如图7。
图7
一眼望过去，你会对图的很多特征有印象。你知道左右两堆积木是一样高的，两者的相似性远大于左边的积木与中间的积木，但是你不会马上察觉左边的积木数与中间的积木数是一样多的。为了要确认这些积木的数量是否一样多，你可以数数看，这个工作只有系统二可以做到。
组件与原型
接下来一个例子是：请问图8中各个线条的平均长度是多少？
图8
这个问题很简单，系统一马上可以回答。实验发现，只要几分之一秒就足以让人们相当正确地说出线条的平均长度。此外，判断的正确率不会因受试者认知上的繁忙（例如：正在记忆）而减低。认知系统不一定知道如何描述平均长度是多少公分或多少英吋，但是如果要非常正确地调整另外一条线的长度，使其跟心目中的平均值一样长，系统二不需要形成平均长度的印象，系统一就可以自动毫不费力地完成，就像登录线条的颜色和线条是否平行一样轻松。我们同时可以对众多物品的数量形成立即的印象，假如数量小于4，印象会很准确；超过4的话，就会较粗略。
现在再来看另外一个问题：图8线条全部加起来的总长度是多少？这就是全新的经验了，因为系统一没有任何意见可提供。要回答这个问题只能活化系统二，系统二必须很辛苦地估计平均值，估算或数出有几条线，然后乘以条数。
光看一眼系统一不能计算出全部的长度，对你来说可能一点也不意外：你从来没想过可以这样做，这就是系统一的限制。因为系统一是用原型或一组典型的事件来代表类别，它善于处理平均数问题，但对总和就很不擅长。一个类别的规模和其中包含的案例数量，常常在判断我称之为总和之类的变项 (sum-like variables) 时被忽略掉。
在一个系列的实验中，实验者问受试者：愿意出多少钱买网子覆盖漏油区域，因艾克森石油公司的油轮触礁沉没，原油外泄而淹死很多迁徙的水鸟。三组受试者都看到一张全身羽毛被原油污染而溺死的水鸟照片，受试者依各自意愿拯救鸟的数量分组，分别为2千只、2万只，及20万只水鸟。假如拯救水鸟是一项经济物品，其价值应该像总和的变项：救20万只鸟应该比救2千只鸟花得钱多。但事实上，这三组的平均捐款为2千只鸟80美元，2万只鸟78美元和20万只鸟88美元，鸟的总数居然没有造成捐款金额的差异，这三组受试者都只是对那张受难的鸟在做反应，几乎完全忽略了数量。这种因情绪反应忽略数量概念的案例，在其它实验中也被证实了。
强度的配对
你的幸福感、总统受欢迎的程度、金融骗子的判刑轻重，及政客未来的前途等问题都共有一个重要的共同特质：这些问题都触及强度或数量，我们会用「更」这个字来做比较：更幸福、更受欢迎、更严厉，或更有权力（对政客而言）。例如，对候选人政治前景的形容可以从「她会在初选就被刷掉」到「她有一天会当上美国总统」不等的程度。
在这里，我们遇见系统一的另一项新能力。我们内在的强度量表可以跨越不同向度去做比较，假如犯罪可用颜色表示的话，谋杀的颜色应该是深红，比偷窃的颜色更深；假如犯罪可用音乐来表达的话，大屠杀就应该是很强大的声音，而停车罚单累积未缴就是很微弱的声音。当然，你对处罚的强度也有同样的感觉。在一个古典的实验中，受试者调整声音的大小来表示罪行的严重程度，假如你听到两个声音，一个代表犯罪，一个代表惩罚，当一个声音比另外一个大很多时，你会觉得不公平。
