How Judgments Happen

系統一不需要被要求，就已經開始評估#

系統二在回答問題時需要主動調用記憶。系統一則不同——它持續不斷地運作，無論你有沒有在問問題，它都在背景默默評估。這些持續進行的評估稱為 basic assessments（基本評估）。

Basic assessments 的重要性在於它們隨時待命，可以被更難的判斷所借用。整個啟發法與偏誤（heuristics and biases）的研究框架，正是建立在這個基礎之上。

重點： 系統一不只回答你問的問題，它還不斷回答你從未問過的問題。這些自動評估結果往往成為你「直覺」的原料。

人類系統一能持續執行基本評估，是演化選擇的結果。大腦必須不斷回答幾個基礎問題：

這些評估結果是以好/壞、危險/安全、接近/迴避的形式呈現，驅動情緒與行為。好心情與認知輕鬆感，等同於安全與熟悉的訊號。

Princeton 大學的 Alex Todorov 研究了大腦對臉孔的評估能力。他發現，只需一瞥陌生人的臉，系統一就能自動評估兩項關鍵資訊：

同時具備強勢感與輕微自信微笑的臉孔，被認為最能展現能幹（competence）形象。

補充： Todorov 更進一步，他拿政治人物的照片請受試者評估能幹程度，再比對實際選舉結果。驚人的是，在美國國會選舉中，約 70% 的當選者，正是在那些從未看過政治新聞的受試者眼中顯得「更能幹」的候選人。外貌評估對資訊貧乏、愛看電視的選民影響尤其顯著。

系統一還有一項特殊能力：在不同維度之間匹配強度（intensity matching）。

「犯罪的嚴重程度」和「刑罰的嚴厲程度」是不同性質的概念，但系統一可以在兩者之間找到對應的強度刻度。同樣地，它也可以把「聲音的響度」映射到「光的亮度」，把「讀書能力」換算成「身高」。

Kahneman 用 Julie 的例子說明這一點：

Julie 在四歲時就能流利閱讀，她在常春藤盟校的畢業 GPA 大概是多少？

這個問題需要跨維度轉換——把「四歲識字」這個成就的強度，映射到 GPA 的數值範圍。你的直覺很快就有答案，儘管這種轉換在統計上是錯誤的。

注意： Intensity matching 讓人自信地做出跨維度預測，但這種預測往往忽略了回歸平均值（regression to the mean）——即使四歲時非常聰明，也不一定能保持在成績頂端。這種預測方式在統計上幾乎必然有偏差。

系統一在任何時刻都同時執行許多運算，即使你只需要其中一個答案。這種現象 Kahneman 稱為 mental shotgun——「心智霰彈槍」。

霰彈槍的特性是瞄準一點，卻射出一片彈幕。同理，當你試圖完成一個特定任務，系統一往往連帶觸發許多其他計算，其中很多根本不被要求，甚至會干擾主任務。

受試者被要求聆聽成對的詞，只要押韻就按鍵：

VOTE—NOTE（押韻，應按鍵） VOTE—GOAT（押韻，應按鍵）

實驗結果發現，即使 VOTE 和 GOAT 押韻，受試者的反應時間也明顯較慢，因為兩個字的拼法不同，讓系統一觸發了拼寫比較，這個不被要求的計算干擾了主要任務。

受試者聽到以下句子，需要判斷是否字面上為真：

Some roads are snakes.（字面上假） Some jobs are snakes.（字面上假） Some jobs are jails.（字面上假，但比喻上可能成立）

第三句雖然字面上同樣是假，但因為比喻意義成立，受試者的反應時間明顯更長。系統一不只評估了「字面真假」，還同時計算了「比喻意義是否合理」，這個額外計算拖慢了應答速度。

重點： Mental shotgun 說明系統一的計算是無法完全控制的。你意圖只做一件事，但系統一總是做了比你要求更多的事——這些額外計算有時有用，有時只是雜訊，有時甚至產生偏誤。

系統一對平均值（prototype）的掌握優於對總和（sum）的掌握。

研究者展示一組線段，要求受試者評估「平均長度」，結果非常精準——這是系統一擅長的事，只需瞬間印象即可完成。但如果問「所有線段的總長度是多少？」，系統一就束手無策，必須靠系統二慢慢計算。

這種差異在現實中有嚴重後果。漏油案之後，研究者問不同組的受試者願意捐多少錢拯救海鳥，三組的拯救數量分別是 2,000 隻、20,000 隻、200,000 隻。三組的平均捐款金額分別只是 $80、$78、$88，幾乎沒有差別。

人們腦中出現的是一隻沾滿石油、掙扎求生的小鳥，這個原型（prototype）的悲慘程度決定了他們願意付出的強度，而非鳥的數量。

注意： 這個現象稱為「對數量不敏感」（scope insensitivity）。在評估慈善捐款、環境政策損害或公共風險時，人們的判斷往往由情緒強度決定，而非理性計算。問題的規模越大，你越容易系統性地低估實際影響。