次级自我与生俱来的智慧（第2/3页）

大数悖论

假设你听说发生了一场空难，飞机上的200人全部遇难。任何人听到这则新闻都会感觉到一些悲伤。现在假设是一架更大的飞机，空难造成了600人遇难，你又会有什么感觉？

大部分人还是会感到悲伤，但是不会多悲伤两倍。实际上，在这两种情况下人们体验到的是同样水平的情感。当更多人遇难时，人们体验到的情感甚至会更少。

这种现象被称为“大数悖论”（large numbers paradox），在生活中随处可见。举例来说，当得知美国政府于2000~2010年在伊拉克和阿富汗的军事行动上花费了10亿美元时，很多美国人都非常愤怒。但如果告诉这些人这个数字是1万亿美元时，他们的愤怒并不会增加多少，尽管后一个数字是前一个数字的1 000倍，而且更接近实际的开支。在数学意义上，这相当于街角商店的三明治标价4美元还是4 000美元的差别。然而，当政府开支扩大1 000倍的时，人们并不会更加愤怒。

要理解这个悖论，我们需要穿越丛林回到Shiwiar人的世界。Shiwiar人生活在一个由50到100人组成的小村落里，几乎所有人都相互认识，很多人还是亲戚或密友。“50到100”这个范畴很重要——从非洲到南美洲，再到大洋洲，现代的狩猎者群居的规模都是50到100人。如果你率先发现了一个从未接触过外人的部落，我可以打赌那个部落只有50到100人。考古学的证据显示，如果你回到10万年前去看望你的祖先，很可能会发现他生活在一个50到100人的游牧部落中。今天，很多人都生活在拥有百万人口的大城市里，但是，通常我们的社交网络（与我们打交道的人）仍然在50到100人左右。

如果你去找Shiwiar部落的首领，告诉他可能有600人遇难了，他也许会挠着头说：“啊？什么意思？”在狩猎采集型的社会中，人们表达数字和数量的词很少，如果我们开始说200、600、100万、10亿这类数量词时，Shiwiar人的眼神就会迷茫起来（就像我们想分辨10亿和1万亿时一样）。

在推理决策时涉及大数值计算，这在进化史上还是个新奇的概念——就像写作而不是说话一样。想想Shiwiar人对大数值的回应，你可能会觉得很有意思。但不要忘了，从进化的角度讲，你的大脑跟Shiwiar人的大脑基本上是一样的，而且Shiwiar人的大脑跟大约5万年前走出非洲的人类祖先的大脑也很相似。很多人都上了多年的数学课，我们给1 000加三个“0”就得到了1 000 000。然而空难和军事开支的例子说明，当数字变大时，我们的大脑就不大灵光了。一光年是多少？1012纳米又是多少？对于人类的大脑来说，极大的数字就是一个模糊的概念，跟进化全无关系。如果想理解非理性偏差，这一点就很重要。

让社交型次级自我出马，消除误差

丹尼尔·卡尼曼和阿莫斯·特沃斯基因其在决策领域的突破性研究获得了诺贝尔奖。在他们对行为经济学的众多贡献中，有一项著名的研究揭示了人类推理的不可靠。其中一个问题是这样的：

假设美国正在为一种罕见的亚洲疾病的爆发做准备，这种疾病预计会夺走600人的生命。现有两种对抗该疾病的方案。

方案A：如果采用方案A，则有200人会获救。

方案B：如果采用方案B，则有1/3的概率救治600人，有2/3的概率无人获救。

那么，你倾向于使用哪种方案？

要注意的第一件事是，在两个选项中，对于预期存活人数都有完全相同的“期望值”，即600人中的200人。两个选项的区别是：方案A给出了一个确切的获救人数，而方案B充满了不确定性。卡尼曼和特沃斯基发现，大多数人（72%）都选择了确定性更强的方案A。

但他们之所以获得诺贝尔奖，并不是因为发现了人们习惯选择更确定的方案，重要的是下一步——他们给另一组受试者同样的亚洲疾病问题和选项，但是选项的表述方法略有不同。

方案A：如果采用方案A，则有400人会死亡；

方案B：如果采用方案B，则有1/3的概率无人死亡，但有2/3的概率将导致600人全部死亡。

那么，你倾向于使用哪种方案？

关键的一点是，在逻辑意义和数学意义上，第二个问题和第一个问题是完全一样的。两个选项对于预期存活的人数也都有同样的期望值——600人中的200人。唯一的区别是，选项是以损失而非收益的方式进行表述的。然而，在面对这两个选项时，有78%的人选择了方案B。这种偏好的改变似乎揭示了决策中的一个重大偏差。

在亚洲疾病问题中出现的偏好逆转，常常被用于证明人类的非理性，这对古典经济学的理性人模型的核心假设造成了致命的打击。并不是人们不擅长数学，他们只是在处理数学意义上的相同决策时表现出了前后不一致的非理性偏差。