啟發式思維

「捷思讓我們能在複雜世界中快速行動，代價是系統性的偏誤。」 — 《快思慢想》

核心洞察

啟發式思維（heuristics）是大腦面對複雜決策時用「夠好」的簡化規則替代完整分析的能力——這不是缺陷而是演化留下的高效設計。在資訊有限或時間緊迫的情境裡心智捷徑讓我們能快速做出可行決定而不被無止盡的計算癱瘓。最常被研究的三種捷思各自對應一種「替代問題」機制：可得性捷思（用最容易回想起來的例子判斷機率）、代表性捷思（用「像不像典型」判斷類別歸屬）、錨定（用第一個看到的數字當作後續判斷的基準）。這些捷思在大多數日常情境裡足夠好，問題不在它們存在而在它們自動運行且不會主動報錯。

啟發式思維的核心難題是它在「演化情境」與「現代複雜環境」之間出現嚴重的設計失準。原始大腦處理的是直接因果——看到掠食者要逃、看到果實要採——這套捷思在那個世界裡幾乎不會出大錯。但在現代金融市場、AI 生成內容、社群媒體推播、跨產業決策這些「隨機性高、回饋延遲、樣本稀少」的環境裡，同一套捷思會把噪音當訊號、把巧合當規律、把第一印象當完整理解。Kahneman 在《快思慢想》裡把這個失準命名為「系統一」的過度自信——大腦會用最快速的判斷產生最高的把握感，而真正需要警覺的恰恰是「我覺得很確定」這個感覺本身。

真正會用啟發式思維的人不是試圖「關掉」捷思（那既不可能也沒必要），而是發展出辨識切換時機的後設能力——對 high-stakes 決策強迫切到系統二、對例行決策放心交給捷思、對「感覺很順理成章」的判斷保留一個反射性懷疑：這是不是某個捷思在自動套用？這個後設能力比熟記偏誤清單更可操作，因為偏誤超過 200 種記不完，但「這個情境屬不屬於我的捷思失靈區」是可以訓練的。

各書的洞察

《隨機騙局》— 捷思如何把噪音當訊號

Taleb 在《隨機騙局》中觀察的是 heuristics 在「充滿隨機性的環境」中的失靈。當人類大腦面對股市、期貨、運氣決定的領域時，會本能地用「找模式」這個捷思去解讀本質是隨機的資料——把連續三個月的好業績當成「我有實力」、把投資新聞中的相關性當成因果關係。啟發式思維最危險的時刻，不是它出錯，而是當隨機過程剛好給出某個結果時，捷思讓你誤以為自己預測對了。

Taleb 的延伸結論是：在隨機性高的領域，最理性的行動往往是主動關閉某些直覺式的捷思——例如在投資上，刻意避免追蹤每日新聞（避免可得性偏誤對短期波動過度反應）、刻意對「最近表現好的基金」保持懷疑（避免代表性偏誤把短期樣本當作長期規律）。

「隨機性只是資訊的缺乏。」

→ 個人書摘 · 深度知識拆解

《快思慢想》— 捷思的雙面性與替代問題機制

Kahneman 把心理學界半世紀的捷思研究整理成系統一/系統二雙過程框架：系統一是自動、快速、無意識的捷思引擎，系統二是費力、緩慢、有意識的分析模式。最關鍵的發現是「替代問題」（substitution）機制——當大腦遇到一個太難的問題（「這支股票會不會漲？」）時系統一會悄悄替換成一個簡單的問題（「這家公司聽起來厲害嗎？」）然後把簡單問題的答案當成原問題的答案。整個替代過程在意識層完全看不到——你不會察覺自己回答的其實是另一個問題。

Kahneman 進一步指出 What You See Is All There Is（WYSIATI）原則：系統一只會用「眼前能取得的資訊」做判斷而不會主動去找缺漏的資訊。這個機制讓捷思在資訊充足時表現良好但在資訊有偏差時災難性失準——而問題是大腦自己分不清這兩種情境，永遠用同樣的把握感給出答案。

「大多數時候捷思足夠好，但有時它們會導致嚴重和系統性的錯誤。」

→ 深度知識拆解

為什麼重要

寫部落格五年讓我從帶 PM 團隊的經驗親身印證：日常 80-90% 決策其實全是啟發式思維在運作。「這個 PRD 看起來合理」「這個工程師估的時程應該可信」「這個 feature 應該優先做」——這些判斷沒有一個是經過完整分析的，全是用過去經驗壓縮成的捷思在自動套用。問題不在於依賴捷思，而在於我經常分不清「我是用捷思快速判斷」跟「我是經過深思熟慮」的差別——後者其實很少發生，但前者常常被自我合理化成後者。最實用的覺察不是「我要關掉系統一」（做不到），而是「這個決定如果結果差，我會付出多少代價」——代價高的決定強迫自己用系統二再走一次。

三個常見誤讀我都踩過：（1）「啟發式思維就是偏誤」——錯，沒有捷思人類連走路都做不到，每秒都在用啟發式判斷重心、距離、危險；真正的問題不是捷思存在而是捷思被誤用。（2）「想清楚就能擺脫捷思」——錯，Kahneman 在《快思慢想》序言裡承認他自己研究 50 年都還是會掉進同樣的陷阱，知道不等於擋得住。（3）「列出所有偏誤清單就能避免」——錯，認知偏誤超過 200 種記不完，真正可操作的不是清單而是辨識「哪些情境最容易觸發系統一過度自信」的個人化地圖。我自己的清單只有四項：投資決策、面試評估、跨領域判斷、「感覺很合理」的瞬間——這四種情境出現時強迫慢一拍。

AI 時代讓啟發式思維風險加倍。當 ChatGPT/Claude 的回答太流暢時最容易啟動「fluency = truth」捷思——你會用「讀起來合理」當成「答案正確」的代理判斷。對策不是不用 AI，而是對 AI 內容刻意反向——越流暢的回答越要強迫自己問「這個論點如果完全不對，會長什麼樣？」「這個案例如果是 AI 杜撰的，我能驗證嗎？」AI 不會減少 heuristics 的影響——它會把流暢度推到歷史新高，讓 fluency illusion 變得比過去更危險。

日常實例

• 投資追熱門股的代表性捷思：散戶看到「最近三個月漲幅前 10 名」名單，腦袋自動套用「漲得多 = 好公司 = 還會漲」的代表性捷思，沒注意到三個月本來就是隨機性主導的時間尺度。Taleb 的火雞模型適用於這個情境——「最近表現好」常常是「即將反轉」的領先指標而不是「會繼續好」的延伸指標。

• 求職面試的 halo + 替代問題機制：招募主管問完三個問題後就決定「這個人應該不錯」，實際上他真正回答的是「這個候選人聽起來像不像我心中的好工程師原型」，而不是「這個候選人能不能解決我們團隊面對的具體問題」——典型的 Kahneman 替代問題：用簡單問題的答案替代難問題的答案，整個過程完全意識不到。

• 購物的錨定捷思：商家標「原價 $3,000、特價 $1,500」，大腦自動把 $3,000 當作參考錨點，於是 $1,500 感覺「省了一半」——但實際上你根本沒問「這個東西本來值多少」這個更重要的問題。錨定效應在房產、二手車、薪資談判、M&A 估值同樣強力——人類無法不被第一個看到的數字影響，只能訓練自己刻意先寫下「合理價格區間」再看對方開價。

• 寫作與 Email 的 AI fluency 陷阱：用 AI 草擬一份回覆讀起來很順手就直接寄出，事後才發現裡面有事實錯誤——典型的「流暢 = 正確」捷思失靈。修正方法是養成「AI 越順我越警覺」的反射動作：流暢度高的段落必須額外驗證關鍵事實，因為大腦的系統一會被流暢度欺騙到放棄查核。

實際應用

1. 標記 high-stakes 決策強迫切系統二：列出三類「失誤代價遠大於思考成本」的決策（重要投資、招募決定、跨領域判斷），這類決定一律不用直覺先回答——強迫自己寫下三個替代假設、列出反駁證據、找出真正會讓答案翻面的關鍵變數，再做決定。日常小決定繼續放心交給捷思（你不需要對每件事都動用系統二否則一天根本做不完事）。

2. 建立個人化「捷思失靈清單」：花一個小時回顧過去 12 個月做錯的 5-10 個決定，找出共同模式——是某個情境總是讓你過度自信？是某種人總是讓你 halo 上身？是某種數字格式總是把你錨住？把這個清單寫下來貼在工作環境，當下次遇到「正在進入失靈情境」時用清單觸發系統二切換。重點不是熟記偏誤而是熟記自己的失靈情境。

3. 對 AI 生成內容用反向 heuristic：流暢 = 警覺：每次讀 AI 輸出時養成「越順越要 cross-check」的條件反射——選 1-2 個關鍵事實/數字/引用獨立驗證；對「論點漂亮但缺證據」的段落直接刪除；對「聽起來很有道理但跟領域常識衝突」的判斷請第二位專家複核。把流暢度從「正確訊號」翻轉為「驗證訊號」，是 AI 時代啟發式思維最重要的一個操作切換。