简捷启发式-读书笔记
这本书讲述了我们如何面对挑战并终取得成功的历程，它告诉人们大脑如何借助于不确定的线索，以快速的、节俭的，但同时又准确的方式，做出关于未知世界的适应性推断。在视野受限、时间紧迫、而又无现成经验可供利用的情况下，一个人怎样才能确保自己决策制定的合理性？在这本书里，我们将提出，人们可以运用一些快速节俭启发式做到这一点，这种推断机制是简捷但却精明的。这些简捷的规则，为人们适应周围环境提供了一个功能强大且完备的工具箱。
什么是简捷启发式
以往我们会认为，做决策的时候，信息越多越好，最好是掌握全部信息之后，再去做决定。但大多数情况，我们都无法把信息收集全再做决定，时间有限，你只能依靠你了解的一部分信息，这就叫有限理性。
与之对应的是无限理性，就是信息都已经收集全了，再讨论我们怎样做出更好的选择。但现实生活并不是这样，我们应该把时间也当做一种宝贵资源，纳入到决策的考量中，如果我们能够找到一些决策方法，用足够少的信息，做出足够好的决策，这样就能最大限度地节约时间资源。这样的决策方法，就叫简捷启发式。
那么在视野限制、时间紧迫，而又缺乏现成经验可供利用的情况下，一个人怎样才能确保自己制定决策的合理性呢？我们如何运用简捷启发式作出决策呢？作者说，我们需要打破2个错误认知。
信息越多，决策越好
很多人认为，决策时收集的信息越多，那么决策就会越好，但是作者认为，这是一个错误的认知。首先我们需要打破这一认知，才能做出好的决策。ABC 研究组做了大量的实验，提出了“再认启发式”的策略。做法就是哪个选项眼熟，就选哪个。就靠这一条策略，就能获得不错的准确率。
比如，其中有一个实验是这样，ABC 研究组让一拨儿英国大学生，和一拨儿土耳其大学生，分别对英国足总杯 32 支球队的成绩进行预测，这32 支球队都是英国本土球队，英国大学生当然是很熟悉，土耳其大学生就根本不了解，他们只能靠一条线索去猜，这些球队通常是依照城市命名的，比如曼城斯特联队。土耳其大学生只能假设，哪个城市著名，哪个球队就比较强，所以哪个足球队的名字看着眼熟，就选哪个。最后的预测结果：熟悉本土球队的英国大学生，预测的准确率是 66%，而哪个眼熟选哪个的土耳其大学生，预测的准确率，竟然有 63%。
熟悉本土球队的英国大学生，和几乎无知的土耳其大学生，最后预测的结果只差了 3 个百分点。怎么会出现这样的情况呢？首先，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。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。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。也就是说，我们在做决策的时候，会出现一种少即多效应，知道更多的人，反而不如知道更少的人更能做出准确判断。
比如，那些英国大学生，也许对于球队的成员、历史、比赛风格都了如指掌，可是拥有两支球队的这些信息，怎么计算出哪支队伍能获胜呢？我们其实没有这个计算能力。这个时候，多掌握的这些信息，其实根本发挥不了作用。
所以，我们以为信息越多越能帮助我们做决策，但其实，真正决定决策准确率的，不是我们收集信息的多少，而是我们对于信息的计算能力。
决策选择最优化
那么如果得到的信息少了，真的能做出最优的结果吗？作者认为，站在个人视角上，其实没有最优的结果，只有让你满意的结果。
比如，2000多年前，有三个学生问了哲学家苏格拉底一个问题：我怎样才能找到理想的人生伴侣呢？苏格拉底带着学生们来到一片麦田前，跟他们说：你们就一直往前走，途中只能摘一支麦穗，咱们看谁摘的麦穗最大。
第一个学生走进麦田。他很快就看见一支又大又漂亮的麦穗，很高兴，于是就摘下了这支麦穗。可是，他越往前走越后悔，因为前边有很多麦穗比他摘的那支要大很多。他很后悔下手早了，只好遗憾地走完全程。
第二个学生吸取了教训。每当他要摘时，总是提醒自己，后面还有更好的。不知不觉，他就走到了终点，却一支麦穗都没摘。他也很后悔，总觉得后边的更好，最后错过了全世界。
第三个学生吸取了前两个人的教训。他把麦田分为三段，走过第一段麦田时，只观察不下手，在心中把麦穗按照大中小分类；走过第二段时，他还是只观察不下手，继续观察，验证第一段的判断是否正确，走到第三段，也就是最后三分之一时，他摘下了遇到的第一支，属于大类的麦穗，这可能不是最大的一支，但他心满意足地走完了全程。
这个故事说明了两个道理：第一，把时间这个维度放进决策中，我们往往很难做出最优的选项，因为时间是不能回头的。第二，虽然我们不能做出最优的选项，但是我们可以像第三个学生那样，使用一种策略，找到让自己最满意的选项。 这种策略，就叫做满意性原则。在 ABC 研究组看来，满意性原则是在有限理性之下，我们能找到的最佳策略。
比如，你走在江边，突然发现江上有一艘船沉没了，不停有人落到江中，请问，如果你的体力只允许你下水救一个人，这件事儿你怎么选，才能让自己最安心？ 你会发现，最后的答案永远是，救第一个落水的人。你用各种标准衡量，精挑细选出一个人，可是你永远会纠结一个问题：在选择的过程中，你浪费了时间，使得前面落水的人没法获得帮助。在这种情况下，其实你并没有一个最优的选项，救第一个人是最能让你满意的选项，因为你第一时间躬身入局，而且拼尽全力，毫无保留。
所以，当我们把时间这个维度纳入考量，站在有限理性的角度，追求最优选项很难。追求最满意的选择，才是更好的态度。
如何兼顾时间与信息量
除了我们前面说的再认启发式，就是哪个眼熟选哪个。书中还提到其他策略，ABC 研究组在再认启发式的基础上，给我们提供了更好的决策方案。很多人会觉得，再认启发式不一定准。作者说，再认启发式之所以让我们觉得有点不靠谱，是因为做决策的时候，我们完全依靠自己，没有外部信息，而现实中我们做决策，想要提高准确率，当然可以借助外部信息，比如查阅资料，请教别人，或者和别人一起推演一下接下来的可能性。
但是每一次决策，都是在和时间赛跑，收集的信息越多，付出的时间成本就越大，所以，我们需要考虑的是如何兼顾时间和信息量呢？有三个规则可以帮助我们实现这一点。
指导搜索规则
指导搜索的规则，简单来说，就是什么时候需要收集信息。
比如，你突然想吃螺狮粉，但是你家附近有很多家店都有，这个时候你应该去哪里找到这家店？如果其中有一家店你很熟悉，你比较喜欢，那么你肯定会第一时间就选择这家店，这就是再认启发式，哪家熟悉选哪家。那如果这几家店你都不熟悉，你应该怎么选呢？这个时候我们就需要从外部信息作出不同的选择了。
这就需要第二条标准了，叫做终止搜索规则。我们接下来继续说。
终止搜索的规则
终止搜索的规则，简单来说，就是什么时候信息已经收集够了。我们知道在做选择的时候，有时候是很困难的。比如我们每天中午要吃啥就会浪费我很多时间，那么对于这种情况，应该怎么做呢？
为了省事，我们是不是需要通过外部信息，帮助我们做决策呢？比如大众点评，看看能不能帮助我们做出选择。我们可以打开大众点评搜索，看看哪家店的评分最高，那么我们就选哪家，这样做的好处就是省事，方便。也就是搜索信息越少越好，做决策快，不费力。那么你可能会说，大众点评不一定就对，这个时候怎么办呢？那么就需要第三个规则了。
做出决策的规则
做出决策的规则，也就是采用什么标准做决策。
比如，我们可以找朋友问问。看看对方有没有吃过，评价如何？还有没有什么方法能够选择出好吃的店。比如朋友告诉你说，这几家店有一个判断标准，就是如果是连锁店，那么一定好吃。那么这个时候，你就可以去问问，这几家哪家有连锁店，如果有，那么就选这家。也就是说，我们这个时候的挑选的标准是自己熟悉的。
当然，如果你对螺狮粉的店，要求很高，那么就需要考虑到很多方面，比如汤是不是高汤？味道是不是足够？量是不是够你吃？环境怎么样等等，这个时候我们可以把这些需求先排个序。
比如，高汤排第一，足够臭排第二，环境排第三等等。按照这个顺序，一条一条标准来验证，发现这几家店用的都是高汤，第一条标准都能满足，那就看第二条标准，如果其中只有一家符合这条标准那么就选这家。
所以，三种选择策略，第一种倾向于用最少的信息，第二种倾向于成功过的策略，第三种倾向于标准更全面，从第一种到第三种，就是用更多时间，换取更高的准确率。
这三种策略的准确率到底怎么样呢？ABC 研究组做过一项终极测试，目前统计学中，最常用的一种算法，叫做多元回归算法。多元回归算法是统计学界公认准确率很高的算法。而 ABC 研究组列出了 20 个各学科的不同问题，包括预测交通事故的概率，估计某个地区的房价，预测一个地区的降水量，估计某个大学里教授们的平均工资等等。得到的结果是，在这 20 个问题中，就算用的是准确率最低的第一种方法，准确率也和多元回归算法相差无几。可是用到的信息，只有多元回归算法的一半，效率大大提升。
