思考，快与慢

T L;DR

我们的大脑拥有两种不同的思考模式，这两种模式并不是大脑中的两个物理区域，而是从模式上进行的区分，作者称之为系统 1 和系统 2：

系统 1 快速、直觉，擅长处理日常琐事，但容易受到偏见影响；
系统 2 缓慢、理性，能够帮助我们做出深思熟虑的决策，但它的运行消耗大量的认知资源。

因为资源有限导致系统 2 的懒惰，因此我们需要合理分配认知资源，减少系统 2 的无效消耗，并通过习惯养成、环境布置和采纳外部建议，帮助自己在关键时刻做出更清晰、更理性的判断。

《思考，快与慢》这本书我看了很多次，但都没有看完，最初看了大概之后了解了系统 1 和系统 2，但一直不明白这有什么用。后来 AI 爆发，出现了基础模型以及推理模型，然后忽然明白，这不就是系统 1 和系统 2 么。于是又拿起这本书重新拜读起来，这次总算读完了。

系统 1 和系统 2 实际上从底层解释了我们如何思考、如何做决策，从早晨穿哪件衣服，到职业生涯中的关键选择，都离不开这两个系统。大多数人认为自己是理性的、善于分析的，然而事实上，我们日常的很多选择都是系统 1 无意识驱动的结果。

有一次晚上跟朋友玩德州，因为已经很晚了，我的系统 2 已经罢工。当时牌面看起来像顺子，我的牌也确实有可能组成顺子，结果最后一张牌开出来都没有成顺子。但从对方的行为已经可以断定他手里有顺子，于是我就直接弃牌了。对方果然是顺子，然而弃牌后我发现，我虽然是没能成顺子，但我是同花啊。如果当时系统 2 还能正常运行一下，可能就不会错失这一手了。

认为我的牌可以组成顺子这个想法一开始就占据了思维，从忘记了其实还可以组成同花的想法，其实就是由认知偏误导致的。认知偏误又是有系统 1 导致的。系统 1 的判断虽然快速，但它经常会出错，尤其是在环境复杂或自己精力不济的时候。而系统 2，虽然可以纠正错误、做出更理性的判断，但它非常「懒」，更容易在我们精疲力尽时自动下线。

正是这种认知的盲区导致了决策失误，让我们可能在错误的事情上消耗了太多的认知资源，或者因为信息过载而错失了真正重要的机会。更糟糕的是，当环境变得复杂、压力变大时，我们的情绪、记忆和外界环境会进一步干扰理性决策。因此，理解这两套认知系统的运作方式，不仅能够帮助我们清晰地认识到自身思维的局限性，更能掌握具体的方法去优化和改善决策流程。

系统 1 和系统 2

系统 1：速度快、能耗低、依赖模式匹配和直觉，适合快速决策，但容易受到偏见影响，无法进行深度推理。
系统 2：速度慢、消耗大量注意力，擅长复杂推理和分析，可以处理新情况，但运行成本高。

系统 1 主要处理快速反应和熟练任务，例如：走路、开车、识别人脸、阅读简单文字、做基本的加减法、躲避障碍物。系统 2 主要处理深度思考和新问题，例如：逻辑推理、复杂数学计算、权衡利弊、长期规划、学习新知识。现实中，两者并不是独立运行，而是相互协作的。系统1 负责日常自动化操作，而系统2 在需要更高精度决策时介入。

既然系统 1 速度快并且几乎不消耗能量，那么自然把经常做的事情交给系统 1 就是最好的选择。这自然也是需要付出成本的：

训练系统 1 需要的花费大量的精力；
系统 1 虽然速度快，但是无法进行复杂的推理；

训练系统 1：学习

当你对执行一个任务越来越熟练时，需要付出的努力程度就会降低。对大脑的各项研究证明，与行动相关的活动模式会随着熟练程度的加强而变化，一些大脑区域将不再参与其中。

训练系统 1 的过程实际上就是我们所说的学习。人类学习一项新知识的过程，本质上是大脑内神经元之间建立新连接的过程。我们的大脑由数十亿个神经元（Neuron）组成，每个神经元之间的连接部位被称为突触（Synapse）。神经元通过它的轴突（Axon）向其他神经元传递电信号（动作电位）。当我们学习某项技能时，相关的神经元之间会通过突触建立更强、更有效的连接。¹在我们真正的学会之前，我们需要用系统2 主动思考才能完成任务，但经过足够的练习，这些任务逐渐被系统 1 自动化处理，因为神经通路已经被高度优化了。

这并不是一个简单的过程，马尔科姆·格拉德威尔在 2008 年出版的畅销书《异类》中提出了 10,000 小时法则。格拉德威尔引用 K·安德斯·埃里克森的研究解释说，在任何领域达到世界一流水平的关键在于练习一项特定的任务至少 10,000 小时。虽然有研究指出 10,000 小时并不严谨，但从新手到大师不可避免的需要大量的训练。

系统 1 的学习过程其实可以类比为一种贝叶斯推断（Bayesian Inference）。在统计学中，贝叶斯推理是一种通过不断更新「先验知识」来调整对世界的认知的方法。而我们的系统 1，就是一个不自觉地在做贝叶斯更新的机器。每一次你做出一次判断、解决一次问题，系统 1 都会根据已有经验（先验概率）和新观察到的信息（似然性）来调整自己的判断机制。这也是为什么我们训练得越多、经验越丰富，直觉就越准确 —— 因为系统 1 的「先验」变得更加贴近现实。

另外，随着年龄的增长，我们的「学习速度」也会下降，我们的学习速度实际上受到「神经可塑性」的影响。神经可塑性（Neuroplasticity）是大脑通过生长和重组来改变神经网络的能力。这种变化包括形成新的神经元连接、皮质重映射等。但随着年龄增长，这种神经可塑性会逐渐降低，因此成年人学习新技能时所需要的时间和精力要比儿童时期更多。²好消息是有研究表明，有规律的有氧运动可以改善大脑的神经可塑性。

我们不可能无限制地将所有技能和知识都训练成系统1的自动反应。另外，即便是系统 1 擅长的事情，我们也不能过分依赖于系统 1，因为系统 1 还存在另外一个问题，那就是「认知偏误」。

系统 1 的运行：启发法

我们前面提到，神经突触连接的强化为系统 1 的高效决策提供了「硬件基础」。但现实世界情况复杂多变，仅靠固定的神经模式显然不足以应对。系统 1 还需要另一种更灵活、更快速的「软件」，这就是启发法（Heuristic）。

人们依赖于数量有限的启发式原则，而这些原则能将测量概率以及预测价值的任务简化，使其成为更为简单的判断过程。

心理学家认为，启发法本质上是一种心理捷径（mental shortcut），可以在有限的时间和信息条件下快速做出决策。正如维基百科所定义：

启发法解释了在知识有限（资讯不完整）和时间有限的情况下，得出可能陈述或可行解决方案的艺术。它描述了一种分析程序，在该程序中，在对系统了解有限的情况下，在推定结论的帮助下做出有关系统的陈述。由此得出的结论往往偏离最优解。启发法的品质可以透过将其与最佳解决方案进行比较来确定。

换句话说，启发法牺牲了精确度和全面性，换来了决策的速度和认知资源的节省。作者在书中提到了几种常见的启发法：

代表性启发（Representativeness Heuristic）
当我们遇到一个新的事物 B 时，会下意识地将它与自己熟悉的事物 A 进行比较。如果发现两者十分相似，就认为它们有相同的特征，进而直接将对 A 的经验或知识套用到 B 上面。例如，我们看到一位穿白大褂的人会本能地觉得他可能是医生，而实际上可能不是。
可得性启发（Availability Heuristic）
如果某件事或信息更容易从大脑中调取出来，我们就会倾向于认为这件事更常见或者概率更高。比如新闻经常报道飞机失事的消息，因此很多人觉得坐飞机比开车更危险，而实际统计数据则完全相反。
锚定启发（Anchoring Heuristic）
在做决策时，我们倾向于受到最初信息（锚点）的强烈影响。例如，商品标价为 1000 元然后折扣到 500 元，顾客通常觉得非常划算，哪怕这件商品实际价值可能远低于500元。
立体启发法（What You See Is All There Is, WYSIATI）
人们做判断时，只会基于目前看到的信息作出决策，而不会主动去考虑还缺少哪些信息。也就是说，你看到的，就构成了你的全部判断依据。系统 1 不会主动怀疑信息的来源，也不会提醒你“还有什么是我没看到的”。
情绪启发（Affect Heuristic）
我们会用“好感”来快速决定一件事是好是坏，而不是去分析利弊。例如，如果你本能地喜欢某个人，可能会觉得他做事也更靠谱。这种启发可以让我们迅速下判断，但也可能让我们被情绪带节奏。

启发法的存在使得系统 1 能够极大地节省认知资源，快速做出决策。但这种快捷方式必然要付出代价——牺牲精确度，增加了我们在决策过程中产生认知偏误的可能性。

监督系统 1：系统 2

要避免系统 1 的偏见我们需要有意识地调用系统 2 来监督系统 1 的输出，以降低决策错误的风险。系统 2 负责检查系统 1 的直觉判断是否合理。

系统 2 的一大主要功能是监督和控制思想活动以及由系统1引导的各种行为，使得一些想法直接体现在行动上，或者抑制或改变其他想法。

举个实际的例子：在股票市场交易中，有一种投资策略叫做 Buy the dip（逢低买入），也就是说当股票价格下跌时买入优质股票。系统 1 在经过长期训练后，可能一看到股票下跌就产生了直觉性的买入信号，因为在过去这种策略曾经奏效过。然而，系统 1 只基于历史经验进行简单的模式匹配，并不考虑当前市场环境与以往的不同之处，比如市场中存在的系统性风险。

这时，系统 2 应该主动介入：

为什么这支股票在下跌？
现在是否存在系统性风险，比如宏观经济是否有重大变化？
公司基本面或技术面是否已经发生了改变？

只有经过系统 2 的严格分析，确认当前的情况确实符合逢低买入的条件，才可以避免因为系统 1 的偏误而造成损失。然而，系统 2 本身也有明显的局限性，最大的局限就在于：

系统 2 的运行成本非常高：系统 2 需要进行大量的信息搜集（财报、经济数据、政策环境等），并逐个进行理性分析。这不仅花费大量的时间，也会消耗极高的注意力（认知资源）。这自然不是系统 2 的问题，而是深入思考时我们需要大量的信息来辅助决策。
系统 2 对认知资源的依赖，使它无法持续长时间高效运行，这就决定了我们无法对所有的决策都进行系统 2 的深度分析。

懒惰的系统 2

物理学中的最小作用量原理（Principle of Least Action）说的是光或物体总是沿着使作用量最小的路径前进，除非有额外的力作用在其上。同样，我们的思维也倾向于选择最省能量的路径，即系统 1 的直觉和启发式，而不是调用系统 2 进行深度思考。当认知资源不足时系统 2 甚至会直接认同系统 1 的结论。

系统 1是冲动、凭直觉的；而系统 2 则具备推理能力，它很谨慎，但对一些人而言，这个系统也是懒惰的。

系统 2 之所以「懒惰」，其实并不是缺陷，而是一种适应性的优势。人类早期所面对的环境是稳定的、重复的，很多决策场景都可以靠快速直觉（系统 1）来应对。大脑虽然只占身体 2% 的体重，却消耗了约 20% 的能量，而其中又以系统 2 的思考最为「烧脑」。为了节省能量来保障最基本的生存，系统 2 能不用就不用。

The metaphor of the cognitive miser assumes that the human mind is limited in time, knowledge, attention, and cognitive resources. Usually people do not think rationally or cautiously, but use cognitive shortcuts to make inferences and form judgments.²
认知吝啬者的隐喻假定人类的思维在时间、知识、注意力和认知资源方面是有限的。通常人们不会理性或谨慎地思考，而是使用认知捷径来进行推理和形成判断。

系统 2 的「烧脑」源于它运行过程中需要大量调动认知资源，并频繁占用工作记忆来进行深度思考。认知资源每天的总量是有限的，而工作记忆就像大脑的 CPU Cache —— 速度快，但容量极小。这两个条件的限制，是系统 2 无法被无限使用的根本原因。

认知资源

所谓认知资源（Cognitive Resources）是指人类在执行认知任务时所需的有限心理能量，包括注意力、工作记忆、自控力和思维能力。它决定了我们进行深度思考、抑制冲动和做出复杂决策的能力。

虽然系统 2 很懒惰，但是当然只要你愿意，你依然可以启动系统 2，但是要消耗一部分的认知资源来控制自己的思维。也就是你不仅要付出认知资源去思考问题，还要付出认知资源去控制自己的思维聚焦在需要解决的问题上。这种情况下人们在其他方面的思考就会降低。

在和朋友悠闲地散步时让他心算出“23×78”的结果，而且要立刻就算出来，这时他肯定会停下脚步来算。对系统2有高需求的活动同样需要自我控制，而发挥自我控制力既有损耗又很枯燥。与认知负担不同，自我损耗至少会令人丧失一部分动力。在一项任务中控制自我后，在另一项任务中就感受不到自己在努力，但只要你真的想做，就一定能做到。

认知资源既像计算机内存（带宽有限），也像电池（能量有限）。在短时间内，它决定了我们能同时专注多少件事；在长时间内，它决定了我们一天能完成多少复杂任务。

刻意掌控意志和进行自我控制很辛苦。如果你必须强迫自己去做某件事，而此时这件事又面临一个新的挑战，你就会很不情愿或是根本无法进行自我控制。这种现象被命名为自我损耗（Ego Depletion）。认知负担不是自我控制减弱的唯一因素。喝几杯酒，或者一夜没睡也会产生同样的结果。早起的人的自我控制力会在晚上受到影响，而夜猫子的自我控制能力则会在早晨受到影响。

心理学家米哈里·契克森米哈（Mihaly Csikszentmihalyi）提出过一种被称为「心流（Flow）」对状态。在这种状态下人们几乎不需要消耗自控力就可以专注在任务上，将所有的认知资源都应用在深度思考上。然后现实中大多时候我们很难进入心流，工作中经常需要与人沟通，或者被提及，经常需要在不同的工作流之间切换，这种切换便会打断原本的心流状态。

心流巧妙地区分了两种努力形式：对任务的关注和对注意力的严格控制。以每小时150英里的速度骑摩托车和在象棋大赛中角逐都需要付出努力，然而在心流状态下，集中注意力关注吸引人的事并不要求自我控制。因此，我们要将所有资源都用于手头上的任务才好。

工作记忆

工作记忆是一种记忆容量有限的认知系统，被用以暂时保存资讯。工作记忆对于推理以及指导决策和行为有重要影响。³

在 UX 设计中我们也经常提到「神奇的数字 7±2」理论，意思是说大多数人在一次只能保留大约 7 个（±2）信息块（chunks）在工作记忆中。例如，表单字段不超过 7 项；导航项尽量控制在 5–9 个之类。不过这一理论后来被 Nelson Cowan 修正，其实更准确的数字是 4±1 个 chunks。

所谓信息块，可以是一个数字、一个单词，也可以是一个概念组合，例如一个电话号码可以被「打包」成一个信息块。这种容量限制意味着，一旦任务信息过多或过于复杂，工作记忆就会迅速被占满。

系统 2 的运行高度依赖工作记忆。当我们在做需要深度思考的任务时，比如写一篇文章、做数学题、做战略决策，系统 2 必须同时在工作记忆中「暂存」多个信息片段，同时进行比对、运算或推演。然而，当任务过于复杂，或信息超出工作记忆容量时，大脑的运行就会「卡顿」，系统 2 也会更容易出错、犯懒或放弃。

压力对工作记忆的影响

当我们处于压力状态时，大脑会分泌压力激素，比如皮质醇和去甲肾上腺素。这些激素会直接作用于大脑的前额叶皮层 ——也就是系统 2 主要运作的区域。结果就是，我们的大脑在压力下变得更难集中注意力，工作记忆的容量也会下降。有研究表明，人在压力环境下，工作记忆容量会下降 30% 以上。尤其是在面对复杂、结构不清晰或无反馈的任务时，这种影响更加明显。

这也解释了为什么在压力大的时候，我们总是容易出现「脑子一片空白」、「不知道从哪里开始」的感觉。这种情况下，系统 2 很容易崩溃，放弃思考，将决策交还给系统 1，变得冲动、短视，甚至陷入情绪化反应。