知识的错觉
上QQ阅读APP看书,第一时间看更新

推理的正向和逆向

因果推理是人类认知的基础,也是心智的主要任务,但其各个面向也有难易之分。我们的推理有正向和逆向两种。正向推理是思考如何由因导果。我们用它预测未来,用今日之旧闻预测明日之新闻。我们也用它搞清楚设备如何工作:例如,怎样按下一连串的按钮,就能设置好新时钟上的闹钟。前文提到的逻辑架构中“肯定前件式的假言推理”的例子,运用的即正向推理。现在,请你从参议员的行为出发,推测他将来是否一定会把时间花在筹款上。

逆向推理是由果推因的推理。 Reasoning backward: See, for example, A. Tversky and D. Kahneman (1978). “Causal Schemata in Judgments Under Uncertainty.” Progress in Social Psychology. Hillsdale, NJ: Lawrence Erlbaum.医生用它诊断引发症状的病因,机械师用它判断你的爱车出了什么问题。逆向推理通常涉及解释、阐明事情是怎么发生的。对人类而言,正向推理,即由因导果,比诊断式的由果推因更容易一些。例如,医生更容易推测一名胃溃疡患者有腹痛症状,而不是由腹痛得出他患有胃溃疡的结论。逆向推理也比正向推理更耗时。由果推因的逆向推理或许很难,但人类也正是因此而与众(动物)不同。我们尚不清楚是否还有其他生物有能力或者有兴趣理清万事皆有其因。

做正向推理时,我们通常只需少量的心理模拟。如果我请你预估做好一个煎蛋饼需要多久,你会在脑海中想象所需的几个步骤,评估每一步所需的时长,并把它们累加在一起。若预测与俄罗斯开战的影响,你可能会想象洲际导弹横空飞过,被雷达捕获。由果推因的诊断式推论可没这么容易。假设对俄战争真的爆发,我们想一探究竟,则需要动用一些其他方法择取潜在的原因,再评估每种原因的可能性以猜测实际上发生了什么。

具有讽刺意味的是,我们的预测力比诊断力强这一事实导致我们在进行预测性推理时会犯一个错误,而进行诊断式推理时我们不会犯这样的错误。 error in predictive reasoning: P. M. Fernbach, A. Darlow, and S. A. Sloman (2011). “Asymmetries in Predictive and Diagnostic Reasoning.” Journal of Experimental Psychology: General 140(2): 168–185; P. M. Fernbach, A. Darlow, and S. A. Sloman (2010). “Neglect of Alternative Causes in Predictive but Not Diagnostic Reasoning.” Psychological Science 21(3): 329–336.假设你是一个精神康复师,接手下面这个案例:

Y女士是一名32岁的女性,已被诊断为抑郁症。请评估她表现出嗜睡症状的可能性有多大。

换句话说,在你除了她32岁、女性、抑郁症患者之外一无所知的条件下,你要回答她昏昏欲睡的可能性有多大。如果你不知道相关统计数据(其实也没几个人知道),这会是个很难回答的问题。但总有一些你确凿无疑知道的事。比如,你确信,如果没有其他导致她困乏的原因,那么她表现出嗜睡症状的概率就会小一些。因此,假设我们向你咨询如下情况:

Y女士是一名32岁的女性,已被诊断为抑郁症。 一套完整的诊断检查结果显示,她尚未被诊断出任何其他可导致嗜睡的器质或精神疾病。请评估她表现出嗜睡症状的可能性有多大。

你应该会给一个较低的数值,或许也不会低太多,但你对她嗜睡程度的预估值多少会降低一点。

实际上,人类可不是这样做的。人们会忽略第二次提问中被着重强调的部分。我们向几组出席由哈佛大学主办的工作坊的心理健康专家展示了上面两个问题。他们对两次提问都给出了完全相同的答案。粗体字传递信息之所以会被忽略,是因为在由已知原因推测某项结果发生的概率时,人们会对其他可能的因素视而不见。他们想象一个年轻而忧郁的女性,并检视他们的心理图像是否呈现她昏昏欲睡的模样。这种心理图像不会考虑她是否脱水、疲劳或引起嗜睡的其他因素。

令人惊讶的是,诊断式推理不会受此困扰。我们向参与同一个工作坊的其他几组人提出了下列问题。

Y女士是一名32岁的女性,表现有嗜睡症状。请评估她被诊断为抑郁症的可能性有多大。

我们反转了这个问题的问法。现在是要求通过给定结果推测某项原因的可能性,而非给定原因,推测某种结果发生的概率。这一次,与上述判断结果相比较的是对下面这个问题的回应。

Y女士是一名32岁的女性,表现有嗜睡症状。 已知一套完整的诊断检查结果显示,她尚未被诊断出任何其他可导致嗜睡的器质或精神疾病。请评估她被诊断为抑郁症的可能性有多大。

文中的粗体字又一次排除了可能致使Y女士嗜睡的其他原因。在这个例子中,排除干扰因素理应提升人们的判断力。如果我问你A为真的概率有多大,而你已知A会导致B且B已发生,那么一旦你知道不存在其他导致B的因素,则A为真的可能性极大。事实上,如果你相信万事皆有因(其实大多数人都这么想),那么A绝对为真,因为它是导致B发生的唯一原因。

这与心理健康专家们的回答不谋而合。在排除其他潜在原因的情况下,相较于不给任何补充信息,他们更倾向于认为Y女士患有抑郁症。在进行诊断式推理时,即由果推因时,我们的受试者并未忽略其他可能因素。

由因导果时人们会忽略其他潜在因素,是因为他们的心理模拟已经应接不暇了。但逆向地由果推因时,我们根本无法进行心理模拟。

尽管我们并不擅长诊断式推理,但或许正是这种能力让我们得以成为人类。似乎还没有任何证据显示其他动物也能进行诊断式推理。动物对其身处环境的因应或许也十分老练,而且在前文中我们已看到,老鼠在思考因果关系方面何其敏锐,但没有任何一种动物表现出由果推因的诊断式推理能力。 No evidence for diagnostic reasoning in animals: D. C. Penn, K. J. Holyoak, and D. J. Povinelli (2008). “Darwin’s Mistake: Explaining the Discontinuity Between Human and Nonhuman Minds.” Behavioral and Brain Sciences 31(2): 109–130.

关于非人动物不能进行诊断式推理的最强有力的反例,并非来自你我意料之中的黑猩猩、倭黑猩猩(在基因上甚至比黑猩猩更接近人类)或海豚(众所周知远比人类更聪明,正韬光养晦,等待时机统领地球),而是来自乌鸦。这种动物的推理能力深深地震撼了科学家们。

在一项研究中,6只新喀里多尼亚乌鸦面前放着一根透明的装有少量的鲜美肉泥的管子。狡猾的实验者在管子上设计了一个洞,这样一来,推出或拉出一小堆肉泥又可避免食物掉入洞中的唯一办法就是利用工具。6只乌鸦中的三只不仅想出了如何从最初的管子里取得食物,它们似乎还理清了其中的因果缘由。它们也能够从其他洞被设计在不同位置的管子中获取食物。考虑到在实验观察中,非人(灵长类)动物能做到什么(不能做到什么),乌鸦的这项本领是相当不同寻常的,这一点即使连黑猩猩都无法做到。但是,这与人类精密而抽象的推理能力相比,还是相形见绌。实验中,没有任何一只乌鸦是基因突变的畸鸦(就此例而言)。故此,认为只有人类能够进行真正的诊断式推理的假设,即由果推因的因果推理,仍待争辩。尽管如此,乌鸦还是令人叹服不已。 Crow study: A. H. Taylor, G. R. Hunt, F. S. Medina, and R. D. Gray (2009). “Do New Caledonian Crows Solve Physical Problems Through Causal Reasoning?” Proceedings of the Royal Society B: Biological Sciences 276(1655): 247–254.