在亚马孙河流域的雨林深处，在厄瓜多尔和秘鲁之间险峻河流的两岸，居住着Shiwiar部落。这个部落几乎与世隔绝，他们的生活方式反映出了人类进化过程的很多方面。他们采集坚果和水果，在河中捕鱼，猎食各种动物，从穿山甲到巨嘴鸟，常常用吹箭筒这种武器俘获猎物。Shiwiar人对外族非常警惕，基本只跟近亲打交道。他们的日常生活中点缀着一点儿家长里短、一点儿巫术，还有永远存在的疾病和死亡的威胁。被毒蛇咬伤或是毒虫蜇伤的危险无处不在，还有疟疾和其他传染病的威胁。如果寄生虫没有要他们的命，他们的头骨也可能被美洲虎咬出个洞。

研究Shiwiar部落的人类学家拉里·杉山对人类的逻辑和认知非常感兴趣。他喜欢让人做逻辑测试，看看谁能答对。有一次，杉山刚给哈佛大学的学生做完一个测试，然后开始琢磨如果Shiwiar人遇到同样的思维挑战会怎么做。

“很难想象还有哪两个人群比Shiwiar部落和哈佛大学生之间的差异更大，”杉山解释说。哈佛大学的学生都是经过精挑细选、拥有世界上最强大脑的精英，并且已经接受了超过12年的学校教育，因此吸收了大量知识。相反，Shiwiar部落的人目不识丁，也从未接受过正规的学校教育。当哈佛的孩子们用《小小爱因斯坦》的题目训练大脑时，Shiwiar部落的孩子正拿着弯刀去丛林寻找食物。如此之大的教育差距，要比较Shiwiar人和哈佛大学学生在逻辑测试中的表现，似乎是很不公平的。

但是，生活在史前社会的居民与超级复杂的现代居民之间的智力差距到底有多大？杉山在进行完逻辑测试后有了惊人的发现——Shiwiar人解开了这些难题。他们的成绩不仅跟非同凡响的哈佛天才旗鼓相当，实际上还要更好一些。为什么目不识丁的丛林居民的逻辑能力能够超过世界顶级学府的学生呢？

要找到答案，我们首先需要进一步了解人类大脑与生俱来的本性。我们将仔细查看人类的进化过程，探索关于现代人类的头骨中若装着石器时代大脑的理论会有怎样非同寻常的意义。已有越来越多的证据显示，我们都是现代穴居人，大脑的进化原本是为了应对远古的那些问题，现在却要用来解决复杂的现代社会的问题。

但是，通过更好地了解原始大脑如何工作，研究人员发现，很多被大肆渲染的决策缺陷，其问题可能并不在于受试者，而是出自测试题本身和测试的设计者。基于对进化史的洞见，杉山和同事发现，对于复杂问题稍作调整，就可以把那些看似愚钝的受试者立即转化为深度理性的专家。

大脑的逻辑缺陷

读到这儿你应该已经了解到本书的核心论点：我们的判断和决策中很多看似非理性的偏见，经过仔细研究后你就会发现它们是颇具智慧的。损失厌恶、过度自信、男人高估女人的性趣等原本看似不理性的偏差，透过进化镜头来看，都变得理性起来。一般来说，这些偏见都曾帮助我们的祖先做出了明智的选择。

然而，并非所有偏差的背后都有深藏的智慧。有时偏差仅仅是偏差，而人类的很多偏差都导致了非常不幸的后果。在美国，每年有6万人死于医疗决策失误。医疗失误在美国最常见的死因中排名第六位，比阿尔茨哈默症、乳腺癌、自杀和他杀的排名都要靠前。医疗失误可不是帮助我们避免重大错误的小偏差，而且每个月都有几千人为此失去生命。

研究发现，在面对数学和逻辑问题时，人们尤其容易出现偏差。以下是经典的“琳达问题”，由行为经济学先驱丹尼尔·卡尼曼和阿莫斯·特沃斯基设计。

琳达是一位31岁的单身女性，她坦率、聪明，正在哲学专业学习。她深切关注歧视和社会公正等问题，并且主动参加反对核武器的游行示威。

那么，以下哪种情况可能性更大？

A. 琳达是一位银行柜员。

B. 琳达是一位银行柜员，并积极参加女权主义运动。

正确答案是A，即琳达只是一位银行柜员的可能性更大。然而卡尼曼和特沃斯基发现，几乎90%的人都错误地选择了B。大部分人相信，琳达可能不仅是位银行柜员，而且还是位积极的女权主义者。其实这个选项不对，因为两个事件同时发生的概率要低于任何一个事件单独发生的概率，如图5–1所示。即便像琳达这样的人成为银行柜员的可能性很小，成为积极的女权主义者的概率更大，但我们已经知道她是个银行柜员了——A选项和B选项都说了她在银行工作。两个选项都已推定她是一位银行柜员，则琳达位于左边圆圈（所有银行柜员）中的概率一定会大于她既是银行柜员又是女权主义者（即位于两个圆圈狭小的交集部分）的概率。在数学意义上，既是银行柜员又是女权主义者的女性永远少于只是银行柜员的女性。因此，如果你选择了B，形势就对你相当不利了。

行为经济学家和心理学家发现，人们会被各种其实并不太难的问题难住（回答琳达问题并不需要你有任何三角学、微积分、线性代数方面的知识），然而千百项研究都暴露出人类大脑的局限性。对于这样不尽如人意的表现，通常的解释是，人们总的来说在数学、逻辑和推理方面都比较笨拙，弥补这个缺陷的方法就是在这些领域进行更多正规的培训。如果勤学苦练，我们就能得出正确的结论。

图5–1 琳达问题图示

但这种解释存在一个问题。实验表明，即使是非常聪明的人，包括哈佛、耶鲁、普林斯顿的大学毕业生，犯这种错误的概率也几乎同样高。虽然经过多年的正规教育，学习了数学、逻辑和推理方面的课程，大多数人还是难以做对像“琳达问题”这样的基础题目。每年由于医疗失误造成的6万例死亡案例，犯错的大都是专家，他们接受过多年的培训，但仍然会在做决策时遇到问题。

进一步观察，你会发现这种让人困扰的问题都有惊人的独特之处。例如琳达问题，人们一旦了解了其中的逻辑（看到两个圆圈的图示），答案就一目了然——这个题目并没有那么难。然而这个题目如果以原来的形式摆在那里，那么你几乎不可能看到这个简单的答案。这种形式提供了一个重要线索：是什么造成了这么多的决策偏差？导致偏差的原因可能不是能力的缺乏，而在于提出问题的形式。

说与写

人生中有些事情是很容易的，比如学说话。大多数孩子两岁时就开始说话了。3岁时，一般的孩子都已经掌握了几百个单词，而且一个新词常常只听到一次就会用了。4岁时，从剑桥到柬埔寨的孩子都已经成了交流大师，他们能详细地阐述自己想要哪个玩具、不爱吃哪种食物，以及更愿意对哪个家长颐指气使。语言能力的发育似乎不受父母教育的影响——有些父母从孩子一出生就跟他说个不停，而有些父母觉得跟不会说话的新生儿交谈纯属浪费时间。这一切都关系不大，孩子们只要能听到别人谈话，就能学会说话。你只需打开电视，让孩子听着其中的谈话或是让他们在厨房里爬来爬去听父母和祖父母唠家常，这样他们早晚都会自发地开始说话。如此看来，要是人生中所有的事情都像学说话一样容易就好了。

然而，人生中有些事情确实很难——例如，学习读和写就没有学说话那么容易。你给女儿再多的蜡笔和书，她也不会自发地写出文章来表达思想。如果没有家长或是老师提供多年的鼓励和教导——把声音写成字母、用字母连成词、用标点符号表达说话时的停顿和重音，那么一个儿童写出连贯句子的可能性基本为零。阅读和写作的难度之大，要求学校通过年复一年的正规教育来培养学生的这些技能。同时，我们也需要反复练习、记忆，再练习、再记忆。

然而，即使经过这么多练习，口才很好的孩子（甚至是诗人般的说唱歌手）如果被要求用写作来表达思想，也会出现交流缺陷。世界上有很多人从未学过写字，亚马孙河流域雨林中的Shiwiar人就是如此。即使是受过教育的人，在写作方面受过多年训练，很多人也不会对这种交流方式运用自如。作为大学教授，我们总是抱怨有些大学生的写作水平太差——而他们在学校里学习写作已经超过12年！

为什么说话容易写作难呢？答案可以在人类进化史中找到。我们的祖先已经用语言交流了几十万年，在语言能力方面具有相当的优势，因此人类通过自然选择都擅长说话。说话就像走路——我们不需要报名参加走路学习班，就直接会走了，但写作大不相同。在进化史上，书面文字如同一个新生儿。跟人类存在的200万年相比，我们掌握写字技巧的时间还很短，而且过去几千年中大部分撰写的工作都是由一小部分人完成的。即使在现代世界，大多数人依然是不识字的——他们能说但是不能读写。如果说话像走路，那么写字就像跳芭蕾。如果你给孩子买一双芭蕾舞鞋，她不太可能无师自通地旋转三周——她若能笨拙地跳起来，落地时不会摔倒撞到头，就已经很棒了。如果她想跳出《天鹅湖》的舞步，那你最好给她报个芭蕾舞班学上几年。

当然，人生中的很多事都像说话一样容易做到。比如，我们不需要努力学习就能够用眼睛看、用鼻子呼吸、动手吃饭或撒开腿奔跑。但现代世界中还有很多事情像写字一样困难，其进化史也较短，包括阅读、写作、拉小提琴、做医疗手术以及研究火箭科学所需要的绝大部分技能。而说到决策偏差，则很多都源于我们花了十几年、用了几千小时努力学习的东西：数学。

医生为何不懂数学？

假设你是一位女性，你的妇科医生建议你做钼靶检查以筛除乳腺癌，然后你最担心的事变成了现实：结果显示是阳性。但是你又听说这类检查并不总是准确，因此你问医生：“这意味着我得了乳腺癌吗？可能性有多大？”

你得乳腺癌的概率是1%还是90%，这其中当然有很大差别。很多人认为医生知道确切的答案，但其实并非如此。在最近的一项研究中，有160位资深医生拿到了以下的统计信息，判断一位结果检查呈阳性的女性是否患有乳腺癌。

· 女性患乳腺癌的概率是1%。

· 如果一位女性患有乳腺癌，那么她的钼靶检查结果为阳性的概率是90%。

· 如果一位女性没得乳腺癌，她的钼靶检查结果为阳性的概率是9%。

那么，如果一位女性的钼靶检查结果呈阳性，那么她患乳腺癌的可能性到底有多大？

正确答案是大约10%。根据以上概率，如果一位女性的钼靶检查结果呈阳性，那么她真的患有乳腺癌的概率为10%。如果进行数学计算，你会看到100位女性中有9位没得乳腺癌的女性会被错误地判定为阳性，而100位只中有不到一位是真阳性。因此在10位检查结果为阳性的女性中，只有一位（也就是10%）真的患有乳腺癌。

然而，在这160位资深医生中，只有21%的人答对了。这已经让人堪忧，但是真实情况还要更糟。首先，这些医生都是妇科医生，他们都了解钼靶检查，也应该能想起关于假阳性的知识，但事实并非如此。此外，几乎一半的医生说被检查者患有乳腺癌的可能性是90%！而1/5的医生说可能性只有1%！好戏还在最后。这道题是个选择题，只有4个选项（90%、81%、10%和1%）。这意味着不懂医学知识的猴子答对这道题的可能性更大，因为就算瞎猜测会让猴子有25%猜对的可能性，而选择正确答案的医生却只有21%。

关于判断和决策的文献中充斥着这种令人震惊的研究。我们很容易以此作为重要证据来证明人类的愚蠢和低能。人们确实会犯错——越是专家越容易犯大错。但是在大肆贬低人类的智能缺陷之前，让我们后退一步，再思考一下这个情况。这些犯错的人是医生，他们从5岁到30岁都在接受正规教育。这还不算，你必须要足够聪明才能考进医学院，更别提还要通过所有考试了。很难理解这个群体能被划入“笨蛋”的范畴。

从进化心理学家的角度来看，大脑是不会越进化越笨的。问题可能不在受试者，而在于测试题的设计者——提出乳腺癌问题的方式并不在我们的大脑擅长的“频段”上，这时调整一下“天线”的位置是非常重要的。

在自然频段上进行沟通

现代世界充斥着用数字表述的统计信息。你可能已经上了多年的数学课，在认知上可以理解“0.07的概率”和“7%的可能性”是一回事，但很多人在理解“概率是0.07”这样的说法时还是会眯起眼、皱起眉。概率及对可能性的估计是表述统计信息的常用方式，从进化角度看也是新近的发明——数学概率是17世纪中期由欧洲人发明的。概率真是太狡猾了，有时连我们自己都会被它骗了。

马克斯·普朗克研究所（Max Plank Institute）的决策科学家格尔德·吉仁泽对数学概率或似然（likelihood）的概念就不以为然。他早就意识到，理解概率和似然的难度，从进化的角度来看就相当于写字相对于说话的难度。因此，用概率形式表现统计数字可能会导致很多问题。正如受过良好教育的作家在拼写“dumbbell”、“embarrass”和“misspell”这些词时也会有困难一样，聪明的医生在你的钼靶检查结果呈阳性时也难以算出你患乳腺癌的可能性。

吉仁泽认为，如果不用条件概率或似然估计表述信息，而是用“自然频率”，这样我们就能够更好地计算统计信息。“自然频率是人类祖先对信息的编码方式”，吉仁泽这样解释。如果说概率像写字，那么自然频率就像说话一样。

让我们借一叶扁舟逆流而上，去寻访Shiwiar部落的村庄。假设村长想要通过打猎获取食物，他正在考虑去附近的峡谷打猎是否值得。对于Shiwiar部落的人来说（就像对于我们大部分祖先一样），他们在做任何计算时唯一的数据库就是自己的观察以及来自少量亲友的信息。当村长考虑去峡谷打猎是否明智时，他可以参考人们之前20次去那儿打猎的结果如何。村长看的是自然频率——过去20次去峡谷打猎，却只有5次是成功的。但他不会考虑概率的问题，我们的祖先也不会，他们在自然环境中从未观察过概率这一现象。因此，我们的大脑处理概率（“成功的概率为0.25”）的方式与处理自然频率（“20次中有5次成功”）的方式完全不同。多年正规的数学训练告诉我们，这两种统计表述的意思是一样的。虽说我们也受了几十年的书写训练，却还是需要使用拼写检查程序。

吉仁泽发现，当这些难题换了一种问法，用自然频率而不是概率的方式来提问，那么无论新手还是专家，他们的成绩都能显著提升。以我们之前提到的乳腺癌的概率问题为例，这道题难倒了我们的医学专家团。接下来，我们把完全一样的信息翻译成自然频率的说法：

· 每1 000位女性中，有10位女生患有乳腺癌。

· 在这10位女性中，有9位女生的检查结果呈阳性。

· 即使在未患有乳腺癌的990位女性中，也有89位女性的检查结果呈阳性。

如果一位女性检查结果呈阳性，那么她患乳腺癌的机会有多大？

当吉仁泽问医生们这个问题时，答案的差别是相当明显的。之前用概率的方式表述这个问题时，只有21%的医生回答正确；而用自然频率的方式来表述时，高达87%的医生回答正确。显而易见，之前的问题难，现在的问题简单——尽管如此，对于数学家来说，两个问题问的是同一件事。

还记得之前的琳达问题吗？同样，它用复杂的概率来问人们一个简单的问题。以下是用自然频率的方式表述的琳达问题。

研究人员调查了100位具有以下特征的女性。她们平均年龄为31岁，单身、坦率、非常聪明，并且都在学习哲学专业。作为学生，她们深切关注歧视和社会公正等问题，也积极参加反对核武器的游行示威。

那么，以下哪个数字更大？

A. 这100位中可能是银行柜员的女性数量。

B. 这100位中可能是银行柜员，并积极参加女权主义运动的女性数量。

如前文所述，当琳达问题用概率的方式提出时，只有大约10%的人回答正确，而这次用自然频率的形式提出时，几乎100%的人都回答正确了。从数学意义上说，两个版本问的完全是同一个问题。但是第一个版本令人迷惑，导致出现偏差，而第二个问题就清晰明确。