第二部分 基于无知的决策

第2章 再认启发式无知如何使人变得聪明

┆丹尼尔G．歌德斯坦（Daniel G. Goldstein）┆

┆格尔德·吉仁泽（Gerd Gigerenzer）┆

再认能力在人类思维中占首要位置，其次才是选择性搜索能力。

——赫伯特A．西蒙（Herbert A. Simon）

某日，在苏格兰的一条乡村小道上，麦格雷戈遇到了他的老同学麦卡利斯特，并和他打了招呼。但麦卡利斯特犹豫了半天还是没有回应他，他记得麦格雷戈的面孔，却死活也想不起他的名字、在哪里见过他或其他细节。麦格雷戈感到有些意外，心想他的老同学是不是犯“迷糊”了，竟然没有认出自己来。正如麦格雷戈这个例子所示，再认和回忆是两种有差异的记忆能力，甚至有时它们的差异还很大。有这么一个例子，54岁警察RFR（名字简称）患有非常严重的健忘症，甚至忘记了他妻子和母亲的名字。从他的这个表现看来，他好像是丧失了再认能力，但事实并非如此。研究者让他参与了一项实验。首先，研究者让他看了一些名人和他从未见过的陌生人的照片，请他选出哪些是名人的照片。RFR很好地完成了这项任务，看起来他的记忆力完好无损。尽管他不能回忆出照片上人物（如他的母亲）的名字，但他仍然可以认出他们，也就是说他的再认能力还是正常运作的，所以，他能认出曾经见过的名人的脸。

在生活中，我们有时也会像RFR和犯“迷糊”的麦卡利斯特一样，无法确定看到的物体、听到的声音、尝到的味道、闻到的气味或是触摸到的东西到底是什么，却能够认出它们来，虽然一时想不起关于它的更多信息。有些研究者认为，我们对事物的再认感是一个很特殊的记忆系统，它是独立于其他记忆系统且有着自己的记忆储存。比如，记忆力衰退的老人或是遭受某种脑损伤的患者，可能说不出他们曾经遇到过的某个物体的具体信息，甚至也记不起来曾经是在哪里接触过它，却能认出它来或是表现出他们以前曾接触过这个物体的样子。同样地，有实验室研究发现，由于存在许多分心因素，在那些需要分配注意力的学习任务中，很多基础的记忆活动比较难激活运作。但在这种情况下，再认记忆依然能够对刺激信息进行编码。纯粹的再认记忆，我们对某些事物是否曾经历过的“非此即彼”式的判断，表明我们对这些事物并不是完全的陌生而是有那么一点了解。究竟为何我们的头脑会有这样一种能力？简单的再认记忆究竟又有哪些积极的方面？

我们将在这一章介绍一种本书中最为简单的启发式——再认启发式，它通过充分地利用再认记忆这种丰富高效的认知资源，对现实世界的某些未知方面做出合理推断。事实上，识别面孔、声音和名字等背后的信息加工过程，远没我们理解的那么简单，这些过程在认知科学中还有很多未被探明的方面。但这个并非我们所关注的问题，我们所关注的是这个复杂认知过程产生的结果——再认，并应用它来构建一种简捷启发式。再认启发式是如此的简洁或者说是节俭资源，事实上，在相关信息匮乏时，它反而会显得更加有效。在这一章中，我们将使用一种简单明了的形式来界定启发式，这使得我们能够借助一些数学分析和计算机模拟的方法来评估它的效果。我们发现，在特定的条件下会出现“少即多效应”的现象，即不出现再认对做出推断反而是有帮助的，虽然这和我们的常识相反。此外，我们还将说明如何界定和评估再认，以便从实验研究的角度去查验人们是否确实使用了再认启发式。

人们在许多情境下都会使用“再认”这个词语。因此，我们觉得非常有必要首先明确一下它在哪些情况下使用是恰当的。例如，麦卡利斯特上了一辆公共汽车，上面的乘客可以分为三类，用图2-1所表示的三个区域分别来表示他们。有一部分乘客他根本不认识，也就是说他确信他以前从未见过他们，用第一条竖线的左边区域来表示；有一些乘客他只是认识或者说是感到面熟，但不能确认或回忆出关于他们的任何事情或是说让他有些犯“迷糊”的那些乘客，用两条竖线之间的区域来表示；还有一些乘客他不仅认识，而且还能说出关于他们的一些信息，比如知道他们的职业等，用第二条竖线右边的区域来表示。

正如图2-1所表示的三个区域那样，我们用“再认”将世界划分为两部分：陌生的（第一条竖线左边的区域）和曾经历过的（第二条竖线右边的区域）。例如，对地理标志的再认，就是以陌生的和曾经历过的这两部分的简单二元式界定为基础的，它可以帮助人或动物找到自己家，这种功能是具有适应性的。纯粹的“再认”与“了解程度”或是“熟悉性”这一些概念是有区别的。例如，有些理论认为，我们对某个物体的态度倾向会随着该物体的重复出现而变得更加正面，对某种观点的认同会随着它的重复而增加。从第4章起，我们将开始介绍那些光靠再认远远不够的启发式规则。此外，还需要将我们所使用的“再认”这一概念和当前很常见的用法区分开来，即将“再认”理解为一个人确认某种物体在先前经历中是否出现过的能力。有一些研究往往不能在陌生的和曾经历过的物体之间做出区分，因为这些研究中所使用的外部刺激——多数情况下是数字或是常用词，在实验之前对被试而言并不陌生。例如，常用词“猫”（cat）对多数被试来说在实验之前就已经不是新奇的刺激，而非词“f link”则可能是从未见过的。相反地，在我们接下来所举的例子中，使用那些从未见过的照片作为实验材料，更能代表我们使用“再认”这一词所指之意。

再认记忆是一种宽广的、自动化的和可靠的认知资源，尽管有时会产生似曾相识的错觉。谢泼德（1967b）曾经做过这样一个实验。他要求被试按照自己所喜欢的节奏观看612张图片，然后立刻用成对图片（一张是前面呈现过的，另一张是没有呈现过的新图片）对被试进行再认记忆测验，结果每个被试平均能再认出98.5%的先前呈现过的图片。后来，另一位研究者斯丹丁（Standing,1973）将图片数量增加到1000张，并按照图片的色彩鲜艳程度分为“普通图片”和“醒目图片”两类，将每张图片的呈现时间限定为5秒钟。在48小时之后，他用谢泼德之前所用的那种图片配对方法进行测验。结果被试在1000次测验中分别有885次（普通图片）和940次（醒目图片）选中了先前呈现的图片。在排除了猜测成分后，分别还有770次和880次选中了先前呈现的图片。之后，斯丹丁又将自己的研究推进了一步，他总共列出了可能会影响图片再认的十种因素。在他所做的一项非常复杂的再认记忆测验中，他向被试提供了1万对图片，结果被试有8300次都做出了正确的选择（排除猜测成分后仍有6600次）。关于对“醒目”图片的再认成绩，斯丹丁是这么推算的，“如果在这些条件下可以呈现100万对项目的话，那么将会有73.14万个项目被保持下来”（p. 210）。值得关注的是，尽管随后所呈现图片数量在增加，保持率在下降，但得到再认图片的绝对数量却具有一种增长趋势。我们认为，在实验室实验中，一个人不可能超出他的再认记忆容量限制，甚至一个人终其一生也难以超出其再认记忆的容量限制。

如何从无知中获益

高等生命体有着巨大容量的再认记忆，这的确也为很多适应性机能的进化提供了有力的帮助。我们可以来看一下野生老鼠的饮食习惯，它们表现出一种强烈的“恐新倾向”（neophobia），即不愿意吃对它们而言是陌生的食物（Barnett,1963）。这种饮食习惯，在免受食物中毒方面具有明显的适应价值。一只活鼠所吃的每一种食物都一定不会置它们于死地（Revasky & Bedarf, l967）。挪威鼠特别喜欢吃它们通过品尝或闻别的老鼠呼出的气体味道所辨识出来的食物（Galef,1987; Galef et al.,1990）。即便呼出气体的老鼠正在生病，这种选择食物的启发式规则仍然生效。这就是说，再认信息的作用超过了疾病信息的作用。在本章的后面我们将介绍人类被试有关的实验。它们表明了，当与其他信息发生矛盾时，再认信息仍能超越其他信息而发挥主导作用。野生鼠的食物选择行为，分明与再认启发式是一致的！

下面我们将具体来描述再认启发式，并探讨它在推断上的准确性。我们将详细叙述一些具体条件——在这种条件下，再认启发式能够使拥有较少知识的生命体比拥有较多知识的生命体做出更加准确的推断。这是一种我们称之为“少即多效应”的反直觉现象。我们将采用“麻雀解剖”的方法，从一个非常具体且容易理解的问题领域入手，即对有关地理问题的推断，来探讨再认启发式这个话题。

在我们的认知结构中，对有关事物恰当名称的再认构成了一个独特系统。它可能独立于其他语言技能而单独受到损伤（McKenna & Warrington,1980；Semenza & Zettin,1989; Semenza & Sgaramella,1993）。一个人的地理知识主要是由适当的名称（城市、国家、山脉，如此等等）以及它们在地球上的分布位置所构成的。地理知识通常是不完善的，这使它成为研究再认问题的一个理想领域。我们将借助于计算机模拟、数学分析以及实验室研究来分析再认问题。在一些研究中，我们使用了芝加哥大学学生作为实验被试，他们并不十分熟悉的地理问题：有关德国城市的问题。特别是，我们讨论人口在10万以上的83个德国城市的排序问题。这些美国被试，只能够认出这些城市中的大约1/4。正如我们将会看到的那样，正是这种再认能力的欠缺帮助他们很好地完成了推断任务。

我们将要考查的是一种常用任务，即从一系列对象中选出一个子集。在本章中，我们着重探讨从两个对象中选出一个的问题。这种双向选择问题不仅在实验心理学中是一种经典任务，而且对于理解一些更加复杂的问题（如，多项选择问题）也可以起到抛砖引玉的效果。该种双向选择任务的一个例子是，“哪一种货币更值钱，是英镑还是马克”，或者在地理学领域，“哪一个城市有更多人口，慕尼黑还是多特蒙德”。

再认启发式

不妨思考一下，依据某些效标判断两个对象中哪个具有更高值（如哪一个更快、更高、更强）的问题。在处理这类问题时，再认启发式可以被简单地描述为：如果两个对象中的一个得到了再认，另一个未得到再认，那么可以推断，得到再认的对象具有更高的值。

举例来看，如果一个人从未听说过多特蒙德，但却听说过慕尼黑，那么他可能推断慕尼黑有更多人口，如果碰巧这是正确的。这种再认启发式只有当两个对象中的一个没有被再认时，即在部分未知的情形下，才是适用的。那么请注意，当再认与我们头脑中的参照系是负相关的时候，再认启发式定义中的“更高”就应该被置换为“更低”，也就是说此种情况下，我们可以推断，得到再认的对象具有更低的值。

再认与环境结构

再认启发式是一种针对特定领域的推断规则，也就是只有当再认与某种参照系相关时，再认启发式才能奏效。那么，如何估计再认与效标之间的关系呢？在某些领域，这种相关的方向是由遗传决定的，比如，老鼠所推测的，陌生的食物是需要谨慎对待的，就属于这种情况。在另一些领域，这种相关的方向必须通过后天的经验来习得。然而，在现实的推断或预测情形下，生命体常常难以直接获得这种参照系。尽管如此，但正如图2-2所示的那样，现实环境具有双重性，一方面它本身代表了这种参照系，另一方面又可能是可以感觉得到的。在这种环境中存在着一些信息媒介，通过这些媒介人们可以找到相对应的参照系。比如一个人可能对各个大学经费状况的直接信息一无所知，因为这些信息并不是那么容易得到的。但是碰巧，一所大学的经费状况，也许会在这所大学被新闻媒体提及的次数多少而有所反映。因为新闻媒体是很容易接近这些信息的，所以它就成为非常典型的信息媒介。一个名字在新闻媒体上出现得越频繁，人们就越有可能再认这个名字。例如，斯坦福大学就比“明尼斯库”州立大学更频繁地被新闻媒体所报道。所幸有新闻媒体的媒介作用，一个人才可以做出哪所大学有更多经费的推断。用来描述效标、媒介和心智三者之间关系的变量分别被称为“再认效度”（recognition validity）、“生态相关性”（ecological correlation）和“替代相关性”（surrogate correlation）。

生态相关性阐述了效标和媒介之间的关系。在上面这个关于大学经费状况的例子中，效标是经费状况，媒介仅仅是大学在新闻媒体上被报道的次数，而不是任何有关其经费状况的信息。在前面老鼠的例子中，效标是食物的毒性大小，媒介是吃了这种食物的老鼠呼出气体的味道，而不是关于这些老鼠身体健康状况等其他信息。替代相关性是媒介和再认记忆内容之间的相关，这时的媒介是作为不可接近效标的替代物而起作用。在我们关于大学经费状况的例子中，替代相关即大学的名字在媒体上被报道的次数与对这个名字再认效果之间的相关。替代相关性可以根据对一个人的再认记忆来核定，在此种情况下，信息资料是双极的，或者依据对一个群体的再认效果来核定，关于这方面，我们在后文中将详细说明。

再认和效标之间相关程度的大小被称为再认效度。我们将它界定为，在给定的推断等级中，得到再认对象比未得到再认对象有更高效标值次数所占的比例。因此，再认效度α为

α=R/(R + W)

在这里R是在一个对象被再认、另一个未被再认的所有二选一问题中用再认启发式做出正确推断的次数，而W是在同样情况下做出错误推断的次数。

基于再认的推断是明智的吗

老鼠的食物选择行为受到了再认的引导，但是有智慧的人类做出的推断又怎样呢？基于再认的推断，或更恰当地说是基于无知，会不会比仅仅依靠猜测做得更好呢？让我们看一看人们使用再认启发式的两个例子。

哪一个美国城市有更多居民，圣迭戈还是圣安东尼奥？我们分别向芝加哥大学和慕尼黑大学学生提出了这个问题。结果芝加哥大学仅有62%的学生选择了正确答案。尽管作为美国公民他们似乎应该做得更好。然而，100%德国学生做出了正确选择。那么，德国学生是如何做出圣迭戈有更多居民的判断的呢？所有德国学生都听说过圣迭戈，但他们中的多数人不知道圣安东尼奥，所以他们能够运用再认启发式，从而做出正确推断。美国学生对这两个城市都很熟悉，他们对此还不够无知，所以不能够运用再认启发式。

哪一个足球队将赢得比赛？50个土耳其大学生和54个英国大学生对参加英国足总杯第三轮比赛的所有32支球队的成绩进行预测（Ayton & Onkal, 1997）。土耳其学生对英国足球队知之甚少，而英国学生则对它们了如指掌。尽管如此，土耳其学生做出的预测几乎像英国学生一样准确（他们的准确率分别为63%和66%）。英国足球队通常是用它们所在城市的名字来命名的（如，曼彻斯特联队），因此对英国各个球队水平了解不多的人可以用对城市名字的再认作为预测各球队成绩的线索，拥有强劲实力球队的城市通常是大城市，而大城市恰好又是容易得到再认的。实验结果表明，土耳其学生确实使用了这种再认启发式，对一定程度上熟悉的一个球队得到再认、另一个球队未得到再认的所有成对球队中，前者有接近95%的机会（662次机会中有627次）被判断为赢，和上一个例子一样，再认启发式能够将部分无知转化为合理推断。

这两个例子都说明了再认启发式在生态学上是合理的。之所以会如此，是因为它充分利用了自然环境的信息结构，在这些环境中缺乏再认是系统的、经常性的，而非随机的、偶然的。如果无知与一个人希望推断的事物有关，那么它就是有益而无害的。这种启发式规则并非一种通用策略，因为在某些情形下，上述相关性是存在的，但并非在所有情形下这种相关性都存在。在涉及二选一或多选一之类的竞选问题时（例如，两个大学中哪个排名更靠前，或者两个球队中哪个将赢得比赛），再认启发式是有效的。然而，在有些任务上再认启发式并不能发挥很好的预测作用。下面让我们更加详细地来一一分析，看一看再认启发式究竟何时有效。

再认启发式的准确性

在双向选择问题上，一个人借助于再认启发式可望得到的正确答案比例是多少？假定有这么一种效标，可以用它对N个对象加以评级，而且每次测验都是对随机抽出的两个对象加以评定的二选一问题。这样每次抽出的两个对象可能属于下列三种情况之一，一个能再认，另一个不能再认；两个都不能再认；两个都能再认。假定共有n个能够再认对象，所以也就有N - n个不能再认对象。这意味着有n (N - n)对一个能再认而另一个不能再认的情形。采取类似的数学方法，我们可以算出有(N - n) (N - n -1)/2对两个都不能再认的情形，以及n (n -1)/2对两个都能再认的情形。为了将上述每种情形出现的绝对次数换算成比率形式，我们只需要用其中的每一个除以N个对象可能配成的所有对数N (N -1)/2。

要想算出在这种测验上得到正确答案的比例，有必要知道每一种配对情况下获得正确答案的概率。如前所述，再认效度α实际上就是一个能再认、另一个不能再认情形下获得正确答案的概率。而在两个对象都不能再认情形下，必须做出随机猜测，所以获得正确答案的概率为0.5。最后，令β为“知识效度”（knowledge validity），即两个对象均能再认情形下获得正确答案的概率。将所有这些条件综合在一起，在所有配对测验中期望到正确推断的比例f (n)为

等式右边分成三个部分：最左边的是由再认启发式做出正确推断的比例，中间部分是完全凭猜测做出正确推断的比例，最右边的是当一个人的知识超出了仅仅能够再认时做出正确推断的比例。如果对这个等式进行仔细分析，我们可以发现，如果得到再认城市数目（n）是0，那么所有问题都只能凭猜测来回答，所以得出正确答案的比例将会是0.5。如果n = N，也就说所有城市均得到了再认，那么左边两部分均为0，得出正确答案的比例将为β。我们还可以看到，当被试处于“似知非知”（half ignorance）的状态时，即刚好能再认一半对象，再认启发式最为有效，因为在此种条件下一个能再认，另一个不能再认的配对数目n(N - n)是最多的。

总之，以再认效度α和知识效度β以及无知程度（N - n）为依据，式（2-1）具体描述了一个人使用再认启发式可能做出正确推断的比率。与我们直觉形成明显反差的，下面我们将来看下再认启发式可能会导致的一种现象，少即多效应。

少即多效应

我们不妨设想下，麦卡利斯特的三个儿子在学校都不得不参加一项有关德国城市的测验。这项测验采取随机抽题方式进行，题目是涉及50个德国大城市人口规模的双向选择问题。关于这些问题，老小最为无知，他以前其至从未听说过德国，那就更不用说德国城市了。老二可能还行，他能够认出50个城市中的25个。在所有配成对的城市中，老二认出的城市恰好有80%的机会比他不认识的城市大，也就是说他的再认效度α是0.8。老大最有见识，听说过所有50个德国城市。在所有配成对的城市中，他有60%的机会都能做出正确选择，也就是说他的知识效度β是0.6。

暂且先不管兄弟三人实际上是怎么做的，我们假定他们都使用了再认启发式，那么他们当中谁将在测验中获得最高分数呢？图2-3表明了兄弟三人的成绩，它是用式（2-1）计算出来的。图中将各个点连接起来的平滑曲线说明式（2-1）计算出来的变量应该是连续的。

老小的成绩刚好在及格的概率水平，老大的成绩稍好一些，达到了60%的正确率。值得关注的是，虽然老二比老大知道得更少，但却做出了最为准确的推断。他是兄弟三人中唯一能够使用再认启发式的人。而且，他能够充分利用他的“无知”，因为他碰巧只能再认这些城市中的一半，这使得他能够最频繁地使用再认启发式。所以，再认启发式造成了一种看似自相矛盾的情况，知道得更多的人，反而不如知道得更少的人能够做出准确的推断。

何时产生少即多效应

我们可以采用通用的专门术语来表述“少即多效应”出现的前提：在通常可以应用再认启发式的双向选择测验中，每当再认效度α大于知识效度β时，这种“少即多效应”就会出现。

如果这个条件不具备，那么当越来越多的对象得到再认时，推断准确性将随之增加。下面我们将通过数学推导来证明这一点（Goldstein & Gigerenzer, 1998）。

数学论证通常是建立在简单的假设基础之上。例如，在上述例子中，我们实际上已经假定，再认效度α在图2-3的x轴上保持恒定。也就是说，图2-3仅表达了具有不同知识状态，但却有固定α的多个体（例如，兄弟三人）的推断成绩。与该图所表达的情形不同，当某个人能够逐渐再认越来越多的对象时，再认效度通常是随之变化的。对于具有不同再认水平的许多不同个体而言，是每一个个体具有相同的再认效度是可能的。也就是说，不管他们各自能够再认的具体数量是多少，得到他们再认对象中具有更高参照值，即用某种效标对其所做的等级判断的对象所占比例可能是一定的，如大或小、高或矮、多或少等，这种比例被称为α。然而，当一个单独的个体逐渐能够再认越来越多的对象时，再认效度会发生变化，因为每一个得到再认的新对象将会增加或降低再认效度，这取决于它自身参照值的大小。这就是说，每当再认一个具有更低参照值（比如，更小）的对象时，就会降低再认效度，而每当再认一个具有更高参照值（如，更大）的对象时，就会增加再认效度。

因此，有必要提出这样一个问题，当α并非随着n的变化保持恒定时，我们能够用现实的序列学习任务来论证“少即多效应”么？换个角度来看，在双向选择任务上，当得到再认对象并非总是按照确定的比例具有较高参照值（如，更大）时，“少即多效应”还存在吗？

为了弄清楚这个问题，我们编制了一个计算机程序，按照德国城市的著名程度顺序，逐条进行学习。为了估计出这种顺序，我们调查了芝加哥大学60名学生，要求他们从一个列表中选择他们能够再认城市的名字，然后根据每个城市被选中的频次进行排序。通过这种方法，我们希望能够粗略估计出反映德国各个城市在美国人心目中的知名度。计算机程序按照上述排列好的顺序逐个学习再认每个城市。例如，首先学习再认的是德国最著名城市慕尼黑，紧接着接受一次配对判断测验，即让其判断配成对的德国城市中哪个有更多人口。在熟悉了慕尼黑之后，接下来学习再认德国第二个最著名城市柏林，并接受同样测验。以此类推，直到能够再认所有城市。在一种条件下，计算机仅仅学会识别城市的名字，因此只能借助于再认启发式做出所有推断。其推断结果用图2-4最下面的曲线“无线索”来表示。所有城市都未得到再认时，其推断成绩处于猜测概率水平。随着学习的不断深入，出现了一个倒“U”形的曲线，就像图2-3一样。然而该曲线不像图2-3那样平滑，而是看起来参差不齐，因为正如上面所述，在这里再认效度并非恒常不变，而是随着得到再认城市数目的增多自由变化的。

如果计算机程序并非智能学习再认城市名字，而且还学习了其他一些对于推测城市人口有用的信息，“少即多效应”会消失吗？为了回答这个问题，我们设置了一系列附加条件。在这些条件下，计算机除了要学习再认城市名字外，还要学习1条、2条或9条和推断城市人口有关的线索（参见Gigererizer & Goldstein,1996a）。在“单线索”条件下，在计算机学会再认一个城市名字后，还要了解这个城市是否开过某个展览会。被选为设展地点是一个城市人口多少的一项非常有力的预测指标，其生态效度高达0.91（参见Gigererizer & Goldstein,1996a）。然后计算机采用一种被称为“采纳最佳”的决策策略，做出哪个城市更大的推断。在此，我们并不打算展开描述“采纳最佳”策略，只需要知道它是一种依据多条线索做出推断的非常准确的策略，其准确性和多元回归方法差不多，而且再认启发式是它的首要步骤。

有关展览会的附加信息“冲刷”了“少即多效应”吗？答案是，并没有。曲线的顶峰稍微向右移动了一点，但仍然保持了倒“U”形状。即便附加了关于展览会的信息，当得到计算机再认的城市超过了58个时，推断准确性也开始降低。在“双线索”条件下，计算机知道一个城市是否举行过展览会和是否有大的足球俱乐部（另外一条附加线索），其生态效度为0.87。正像随着知识增多我们所预期的那样，这种条件下，“少即多效应”有所降低。但仍然非常明显地表现出来。能够再认所有城市并了解两条线索包含的所有信息（该曲线上最靠右边的点），居然导致了比只能再认23个城市时更加不准确的推断。最后，在“9条线索”条件下，计算机掌握了有关适用于它的所有9条线索的信息。对于预测德国城市人口来说，这实际上比大多数德国居民知道得还要多。如此多的知识应该足以超过“无知”的作用了吧？图2-4所显示的，“少即多效应”终于被“摆平”了。然而它并没有完全的销声匿迹，即便所有747条（9×83）线索都被掌握了，并且所有城市都得到了再认，该曲线最靠右边的点仍然低于曲线上多于1/4的部分。恰当的“无知”，甚至能够比详尽的信息线索获得更高的准确性。

从这项计算机模拟研究中可以发现两个主要结果。其一，对于预测“少即多效应”来说，再认效度α必须保持恒定的简单假设并不是必需的。其二，即便提供关于9种预测指标这样的完整信息线索，这种反直觉现象仍然存在。

至少在三种不同情形下，我们可以观察到“少即多效应”。首先，在对两个群体的推断成绩进行比较时，可以发现这种现象。在给定领域中，拥有较多知识的群体比拥有较少知识的群体经常做出更加不准确的推断。一个典型的例子是前面介绍过的德、美两国学生关于圣迭戈和圣安东尼奥哪个更大的推断。其次，当对两个不同领域进行比较时，会产生这种效应，即与熟悉的领域相比，同样一组人对他们不甚了解的领域做出了更多准确推断。下面我们将提供这方面的实验范例。最后，在对不同时间做出的推断进行比较时也存在这种效应，即随着对某一个领域了解的增多，做出的推断反而越来越不准确。例如，图2-4的模拟实验结果说明了准确性是如何先增加的，继而如何随着信息线索的增多而降低的。

目前为止，我们已经从数学上论证了，何时会产生“少即多效应”，并证明它在违背数学模型假设的实际学习情境中也会出现。但是这种效应在现实的人类身上也能观察到吗？很有可能进化已经掩盖或抹去了再认启发式具有的优势和准确性。在下面的部分中，我们考查了人类判断是否遵循再认启发式，以及“少即多效应”是否能够通过实验来证明。

实验证据

人们使用再认启发式吗

我们通过一项简单实验来检验没有受任何指导的人们是否会自发地使用再认启发式。从德国城市中分别挑选出25个（n = 6）或30个（n = 16）最大城市，将它们一一配对，分别组成300个或435个双向选择问题。在每对城市中都要求美国被试选出人口较多的城市。然后，我们让被试把自己在测验中选择的城市与他们在测验前或测验后再认了的城市进行核对，城市出现的顺序是随机的。根据这种信息，我们能够算出，被试共有多少次机会按照再认启发式做出选择，并将其与他们实际上按照再认启发式进行选择的次数进行比较。图2-5是22位美国被试的实验结果。请注意一下，再认启发式预测会存在一定的个体差异。由于人们再认出来的具体城市不同，他们关于各个城市人口数目的推断也将会有系统变化。

每个被试的成绩都用两个条形框来表示。暗条形框表示一个人共有多少次机会使用再认启发式，亮条形框表示这个人实际上用再认启发式做出判断的次数。例如，最左边的一对条形框表明，这个人共有156次机会按照再认启发式进行选择，而且每一次他都这样做了，第二个人共有221次机会采用再认启发式做出选择，实际上他有216次这样做了。被试按照再认启发式做出选择的概率在73%～100%，其中位数为93%，平均数为90%。

这项简单实验表明，大多数情况下人们是遵循再认启发式的。下面让我们对它进行更加严格的实验操作，当给出了其他与之相左的信息时，人们还会依赖于它吗？

如果存在矛盾信息，人们还会使用再认启发式吗

在这项实验中，我们教给被试一种与再认启发式相矛盾冲突的信息，即关于城市是否有足球俱乐部的信息，在德国这是一项有关城市人口数目的非常有力的预测指标。我们想要看看，人们将会选择两个城市中的哪个作为较大城市，未被再认城市，还是得到再认但却被告知其没有足球俱乐部的城市。以便了解我们的被试能够再认哪些城市，我们安排了一项有26位被试参加的预备测验，让他们从一个城市列表中挑出他们以前曾经听说过的城市。

实验从一个训练阶段开始。在这个阶段指导被试写下所有要使用的信息。首先告诉他们将要对他们进行一项有关30个德国大城市人口规模的测验，接着告诉他们这些城市中的9个有足球队，并告诉他们在所有配成对的城市中，这9个有足球队的城市有73%可能性比没有足球队城市要更大。然后，让被试随机从30个城市中划去8个城市，并看一看它们是否有足球队。作为一种实验操纵，我们使每个被试都能划去同样的4个有足球队的著名城市和4个没有足球队的著名城市。我们对被试进行了测验，以确保他们能够确切地重复这些信息，否则实验将不能继续下去。在此之前或之后，向被试出示一个德国城市列表，并要求他们标出参加实验之前曾经听说过的那些城市。

让被试将记录着上述信息的字条放在自己的身旁。然后，我们向他们呈现配对的德国城市，要求他们从每对中选出较大的一个。为了让他们认真严肃地做这项任务，告诉他们如果达到一定正确率的话，将有机会得到15美元报酬。需要再次强调的是，实验的关键之处在于考查被试将会选择哪个城市作为较大城市，他们以前从未听说过的城市，还是预先能够再认但刚刚获悉没有足球队的城市？从训练阶段提供的信息（均未涉及任何再认问题）来看，与前面介绍的实验相比，人们将会预期本实验中将会有更多被试选择未被再认城市。这是为什么？因为未被再认城市要么有足球队，要么没有足球队，二者必居其一。如果它们有足球队，从前面提供的信息看其比率是5/22，那么从有关足球队的信息来看它们有78%的概率是更大的，如果它们没有足球队，那么有关足球队的信息将会成为无用的，必须做出盲目的猜测。训练阶段提供的信息对未被再认城市是有利的，因为无论它们拥有足球队的概率有多大，都有利于暗示它会更大一些。实验结果如图2-6所示。

像图2-5一样，每个被试的成绩用明、暗两个条形框来表示，其含义也同图2-5一样。暗条形框的高度各不相同，因为不同被试实验前能够再认的城市不同，以至于应该能够应用再认启发式的次数也各不相同。21个被试中有12个完全按照再认启发式做出了选择，而其他被试中的多数人仅仅在一两次测验中偏离了再认启发式。总的来说，在总共296次关键性配对测验中，被试有273次都遵循了再认启发式。按照启发式进行推断所占比例的中数高达100%，平均数为92%。虽然存在与之矛盾的信息，但这些数据几乎和前一项实验一样高。很显然，附加信息并没有被应用于推断过程，这是符合再认启发式的。

在人类推理活动中“少即多效应”会出现么

我们已经证明，再认启发式可以描述在一些任务上人类是如何进行推断的。这种结果对“少即多效应”将会出现的理论预测提供了实验支撑。但是，目前为止，我们尚未在现实的人类推理活动上看到这种效应。我们曾经对芝加哥大学52名学生进行了两项测验，其中一项测验是有关美国22个大城市的，对于这些城市，我们的被试拥有充分信息来推断其人口规模大小，另一项测验是关于德国22个大城市的，对于这些城市他们知之甚少，或者仅仅能够再认它们——他们能够再认的不到这些城市的一半（Goldstein &Gigerenzer,1998）。每个问题都由两个随机抽出的城市所组成，被试的任务是选出其中较大的一个。人们也许会预期这些美国学生在有关本国城市的测验上，比在有关外国城市测验上取得更好的成绩，因为他们非常熟悉他们的国家，我们则将这项研究作为对“少即多效应”耐用性的一种考验。相对于纸上谈兵式的理论论证而言，“少即多效应”这种奇特现象是难以用现实人类被试来证明的，因为我们前先提出的理论和提供的计算机模拟研究都涉及了不确定条件下的推断问题，但现实的人类常常具有关于特定参照系的确切知识。例如，许多美国人和芝加哥大学几乎所有学生都能够按顺序说出美国3个最大城市。只凭这一点，他们就能够正确回答所有问题中的26%（你们可以用排列组合规则算出这个结果）。如果一个人能够按顺序说出5个大城市的名称，那么他将能够正确回答41%的问题。这种有关城市排列顺序的确切知识，加之美国人所具有的关于他们城市的一些日常知识，本应该能够使他们在有关本国城市测验上获得的成绩，远远高于在有关外国城市测验上获得的成绩的。

实验结果却是，这些美国被试在有关美国城市测验下所获得正确率的中数是71%，平均数是71.1%，而在有关较不熟悉的德国城市测验中正确率的中数73%，平均数是71.4%。尽管具有关于本国城市的可靠知识，包括一些关于哪个城市较大的非常具体的知识，再认启发式仍然显露出一些“少即多效应”的趋势。对于其中一半被试，像前面介绍的两个实验一样，我们记下了他们能够再认的那些城市。相对于他们总共应该能够采用再认启发式的次数而言，他们实际按照再认启发式进行选择次数所占百分比的中数是91%，平均数是89%。而且，当被试能够再认的德国城市平均达到12个，大约为总数的一半时，他们采用再认启发式的概率达到了最高。在与这项研究恰恰相反的一项研究中，以熟悉德国城市的奥地利学生为被试，获得了类似的“少即多效应”：这些学生对美国城市做出了比对德国城市更加准确的推断（Hoffrage,1995; Gigerenzer,1993）。

再认启发式起源于何处

对于一些重要适应性任务来说，比如避免食物中毒，或是辨认血缘关系等，生命体似乎天生有着按照再认启发式行动的倾向。野生鼠不需要学习就更喜欢能够再认的食物，而不是新异的食物。如果一种选择有危及生命的后果，那么不得不学习再认启发式的生命体也许在其学会这种启发式之前就已经死于非命了。血缘关系辨认也是一种重要适应性任务，其机能似乎在于避免乱伦、增进亲近和适配性（Holmes & Sherman,1983）。例如，雌性黄蜂利用在巢穴中学会识别气味，再认来推断另一只黄蜂是否属于同胞姐妹。有人曾将刚刚产生的蜂王转移到另一个巢穴中来捉弄它，以考验这种机制的通用性，结果发现在那里该蜂王仍然能够学会识别同巢（非亲属）黄蜂的气味（Pfenning et al.,1983），另一方面，还有一些领域，在那里有机体通过经验懂得了再认的预测效力。下面让我们详细考查一下人们对地理名称的再认究竟起源于何处。

新闻媒体对我们再认适当地理名称究竟起多大作用？如果其作用是相当大的，那么一个城市在新闻媒体上被提到的次数就应该与能够再认该城市的读者所占比例有明显相关。仅在伊利诺伊州，《芝加哥论坛报》周日的发行量就达到了100多万份。我们对1985年～1997年7月《芝加哥论坛报》发表的将“柏林”与“德国”二词联系起来的文章作了一个大致统计，共有3484篇。采用同样方法，我们对德国超过10万居民的城市都进行了统计。《芝加哥论坛报》上对一些城市名称的拼法与世界上通用的拼法不太一致。我们发现，“Nuremberg”曾经被拼写为“Nurnberg”“Nurnburg”“Nuernburg”和“Nuermburg”等（还不包括字母发音的变化）。因此，在一些情况下，我们不得不试图从记忆中搜索，甚至凭借想象确定它指的究竟是哪一个城市。表2-1说明，对德国12个大城市来说，报纸上提及其名字的文章数目是其名字能否被再认的一项很好的预测指标。其替代相关性，即报纸上提及一个城市名字的文章数目与该城市得到再认次数之间的斯皮尔曼相关，达到0.79。但是，各个城市的实际人口规模又是如何？其生态相关性，即报纸上提到它名字的文章数目与其实际人口数量之间的相关，达到了0.70，最后，人们再认城市名字的次数与实际人口数量的相关为0.60。

这些研究结果显示，个体再认与新闻媒体更加一致，而不是与实际环境更加一致，它表明对于城市名字的再认也许主要来源于新闻媒介。对于大多数人来说，人口规模是未知的，但他们能够仅仅依靠再认做出相当准确的猜测。

然而，在不同文化背景中，这种结果仍然能够存在吗？我们曾经查阅一份德国报纸《时代周报》，记录了超过10万人口的每个美国城市在该报上被专文提及的次数。我们将其与能够再认每个城市的奥地利萨尔茨堡大学学生的比例（Hoffrage,1995）加以比较。表2-1表明，新闻媒体十分准确地预测了能够再认各个城市名称的人数比例。具体地说，报纸上文章的数量与各城市再认之间平均的替代相关性是0.86。文章数量与各城市实际人口之间的生态相关性为0.72，而再认与城市人口排列顺序之间的相关性为0.66。这和来自美国被试的实验结果是相当一致的，各项相关还要略微高一些。在这两种情况下，都是替代相关性最强，生态相关性次之，再认与参照系之间的相关最弱。接下来，我们看一看有关机构是如何借助广告来充分利用这种关系的。

充分利用再认启发式

奥里维罗·托斯卡尼（Oliviero Toscani）是一系列臭名昭著的贝尼通（Benetton）广告活动的幕后策划者。他敢于拿自己的职业生涯下赌注，在他策划的一系列广告中从不提及有关产品的信息，而是用诸如躺在一摊血迹中的死尸或死于艾滋病的病人等令人惊骇的画面来促使人们再认其所推销产品的名称。在他所写的一本书中，托斯卡尼（1997）报告，这类广告是极其成功的，使得贝尼通的知名度一跃而超过了香奈儿（Clannel）公司的知名度，且跻身于全球五大名牌行列。那么，一个企业的知名度，无论是通过何种途径取得的，都将有益于商业活动吗？在社会领域，知名度常常与财富、资源、品牌质量、权力等密切相关。广告商花费巨额资金，只是为了能够在普通大众的再认记忆中占有一席之地。我们已经逐渐习惯于观看那些仅仅提及产品名称而不涉及产品信息的广告，这在一个人出国旅行时尤其明显，在那里他甚至不知道广告中的产品名称指的是什么。无名的政客、大学、城市，甚至很小的国家常常四处活动，以求对他们名字的再认。他们全都信奉这样一条原则，如果大众能够再认他们，那么也将会赞许或支持他们。

有证据表明，一个人能够不知不觉地，甚至是无意识地产生对一个名字的再认。杰克布和他的同事（Jacoby, Kelley, Brown & Jasechko,1989;Jacoby, Woloshyn & Kellley,1989）所做的“一夜成名”（overnight-fame）实验证明了，人们常常对一个名字是否在前面的实验系列中出现过或是他们在实验前就曾接触过它而感到困惑。他们的研究表明，向人们呈现一些没有名气的名字，过一个晚上之后，让他们对这些名字和其他一些真正著名的名字进行知名度判断，结果他们将这些不著名的名字和著名的名字搞混淆了。这说明再认感是会愚弄我们，导致我们将普通人误认为名人。

仅能再认与了解程度

我们将再认视为一种“双极”（binary）现象，一个人要么能再认，要么不能再认。人们对某种东西的了解程度在主观上是难以评估的，同时对于快速节俭启发式而言也是无关紧要的。这两种特征，即再认的双极性和更多知识的无关紧要性，将再认启发式与诸如“可用性”（Tversky & Kahneman, 1974）、“熟悉性”（Griggs & Cox,1982）或“知晓感”（Koriat,1993）等概念区别开来。“可用性”和“熟悉性”这两个术语，常常被用作一种普通意义上的解释模型而不是过程模型。可用性适用于记忆中的项目，并且常常通过项目被回忆的顺序，或是速度，或是一个类别能够产生的范例数量来测定（参见第10章）。相反，如同图2-1所表示的那样，再认主要涉及了记忆内、外项目的差异（Goldstein,1997）。“可用性”是关于回忆的，而不是关于再认的。“熟悉性”通常被用来说明一个人关于某种任务或对象所拥有知识或经验的程度，它并未涉及对于再认启发式来说最重要的区分，即能够再认对象和不能再认对象之间的区分。尽管可用性和熟悉性之类的概念看起来是非常形象直观的，但仍然需要将其字面意义转换为精确的启发式模型（Gigerenzer，1996）。如果这样做了，那么我们就有希望对它们有更加深入、更加详细的理解，这有可能导致包括“少即多效应”在内的意想不到的后果。

用考雷特（Koriat）的话来说，“知晓感”就是一个人对未来能够从记忆中提取某些信息的可能性评估。例如，“加拿大的总理是谁”这样一个简单问题可能使许多非加拿大人处于一种“话在嘴边”的感觉，就是有一种明明知道他是谁却怎么也说不出来的感觉。与再认启发式不同，知晓感事先给定了一种不仅仅能再认的线索，即问题中所包含的信息。另外一种关键性区别是，再认启发式能够利用再认预测现实世界中的一些参照系，而知晓感仅能预测未来的记忆成绩。

作为快速节俭启发式原型的再认启发式

在本书中，我们主要研究快速节俭启发式的结构原理和效用。而再认启发式是所有这些适应性工具中最为简单的工具，它使用了再认，这种经数百万年进化造就的能力，使得有机体能够从其自身的无知中获益。这种启发式能够快速地生效，而且仅使用有限知识，甚至需要一定程度的无知。它用于搜索、终止搜索和做出决策的组成模块出乎意料的简洁。搜索仅限于再认记忆，不需要任何超出再认之外的信息回忆。由于搜索活动受到了限制，终止搜索的规则也是相当简单的，一旦两个对象中的一个得到了再认，立即终止搜索。结果是，决策也只建立在单一信息基础之上，那就是再认。由于缺乏再认，对做出一种决策来说是必不可少的条件，因此我们将这种启发式称为“基于无知的决策策略”。这种启发式规则代表了一种规避矛盾的策略，即无须在指向不同方向的多条线索之间进行权衡，就像一个人再认了一个城市，但在获悉其没有足球队情况下所做的那样。

快速节俭启发式，包括再认启发式，是建立在再认之类的心理机能、基于无知的决策策略以及单一理由决策策略（仅依靠一种信息而不是多种信息的结合）之类的启发式规则基础之上的。人们常常力图规避权衡而集中注意一个好理由的现象已经得到了无数次的验证（例如Baron,1990; Hogarth，1987; Payne et al.,1993）。然而，许多学者，甚至是包括心理学家，仍然不相信这些启发式规则的效力，而将其视为一厢情愿的执迷不悟和非理性，但我们并不这样认为，再认启发式不但是一种合理的认知适应机制，因为在许多知识有限的情形下人们的确别无选择，而且也的确是适应于环境的，因为在一些情境下（包括本章论及的那些情境）缺乏信息反而能够比获得大量信息做出更加准确的推断。在这些情形下，我们可以认为再认启发式从生态学上看是合理的，因为它能够用一种简洁优雅的方式来利用环境的信息结构。