决策与推理
这一章把"如何想清楚"与"如何做选择"并置讨论。推理负责生成、筛选和评估理由，决策负责在不确定、有限时间和有限认知资源下落到行动。两条线索在真实认知系统中紧密耦合：形式逻辑告诉我们什么是有效推理，概率论告诉我们如何在不确定性下更新信念，行为决策研究告诉我们人为什么系统性偏离理性，神经科学告诉我们情绪和奖励系统如何参与选择。
前置知识回顾
推理（Reasoning）是从已知信息推出新结论的过程。它在认知系统中的位置是：从感知、注意、记忆提取的素材出发，经过规则化或概率化的加工，生成可供决策使用的中间结论。本节区分两种最基本的推理形态：
演绎推理（Deductive Reasoning）
从一般规则和具体前提推出必然结论。前提为真时，结论必为真，研究对象是形式有效性，与内容真伪无关。
归纳推理（Inductive Reasoning）
从有限观察推出一般规律或对未观察事件的预测。结论只有概率性，永远存在被新证据推翻的可能。医学诊断、科学假设、法律推断和日常预测大多属于归纳。
| 维度 | 演绎推理 | 归纳推理 |
|---|---|---|
| 结论性质 | 必然（前提真则结论真） | 概率（前提支持但不能保证结论） |
| 方向 | 从一般到特殊 | 从特殊到一般 |
| 信息量 | 结论不增加新信息 | 结论可能揭示新规律 |
| 典型应用 | 数学证明、形式逻辑 | 科学发现、统计推断、机器学习 |
| 失败模式 | 形式谬误、信念偏差 | 过度概括、样本偏差、忽视先验 |
flowchart LR
A["观察/前提"] --> B{"推理类型"}
B -->|演绎| C["形式有效性
前提真则结论真"]
B -->|归纳| D["概率性结论
可能为真"]
C --> E["数学证明
符号逻辑"]
D --> F["医学诊断
科学假设
日常预测"]
E -.新前提.-> A
F -.新证据.-> A
三段论（Syllogism）
亚里士多德提出的演绎推理范式：两个前提（一个大前提，一个小前提）推出一个结论。例如：
- 大前提：所有哺乳动物都是恒温动物。
- 小前提：鲸鱼是哺乳动物。
- 结论：鲸鱼是恒温动物。
只要两个前提为真，结论必然为真。三段论的难点在于：人类常被内容熟悉性和信念偏差干扰，对形式有效但内容反直觉的三段论判错，对形式无效但内容符合常识的三段论反而接受。
条件推理：四种形式
围绕"如果 $P$，那么 $Q$"展开：
| 形式 | 结构 | 是否有效 | 生活例子 |
|---|---|---|---|
| 肯定前件（Modus Ponens） | 若 P 则 Q；P；所以 Q | 有效 | 若下雨则地湿；下雨；所以地湿 |
| 否定后件（Modus Tollens） | 若 P 则 Q；非 Q；所以非 P | 有效 | 若下雨则地湿；地不湿；所以没下雨 |
| 肯定后件 | 若 P 则 Q；Q；所以 P | 无效 | 地湿也可能是洒水造成的 |
| 否定前件 | 若 P 则 Q；非 P；所以非 Q | 无效 | 没下雨地也可能被洒水弄湿 |
Wason 选择任务是推理心理学的经典实验。它告诉我们：人在面对条件命题时，并不会自动用否定后件去证伪，而是倾向于确认和匹配。课堂上使用的经典版本如下：
案例 1：Wason 选择任务（A D 4 7）
问题：桌上有四张牌，每张牌一面是字母，一面是数字。看见的一面是：A D 4 7。规则是"如果一面是元音，那么另一面是偶数"。要检验这条规则，最少需要翻哪几张牌？
- 翻 A：A 是元音（即 P），必须检查背面是否为偶数 Q。P 单独存在不验证，需要检查 P→Q 是否成立。
- 不翻 D：D 是辅音（非 P），规则对它没有要求。
- 不翻 4：4 是偶数（Q），但规则没说偶数背面必须是元音，所以不验证 Q→P。
- 翻 7：7 不是偶数（非 Q），若背面是元音 P，规则就被证伪。
答案：应该翻 A 和 7。
贝叶斯推理（Bayesian Reasoning）
给定新证据时，信念应当按贝叶斯规则更新：
其中 $P(H)$ 是先验，$P(E|H)$ 是似然，$P(H|E)$ 是后验。贝叶斯推理把"信念的程度"与"证据的强度"形式化地连起来，是归纳推理在不确定性下的规范模型。
关键区分：似然 vs 后验
$P(E|H)$（"假设为真时看到证据的概率"）和 $P(H|E)$（"看到证据时假设为真的概率"）方向相反，数值可以差一到两个数量级。把两者混用是基率忽视的根源。
案例 2：医学检测与基率忽视
问题：某疾病患病率为 1%，检测敏感性 98%，假阳性率 1%。若一个人检测阳性，他实际患病概率是多少？
- 取 10000 人：约 100 人患病，9900 人不患病。
- 真阳性：100 名患者中 98 人测出阳性。
- 假阳性：9900 名非患者中约 99 人测出阳性。
- 阳性总数：$98+99=197$。
- 实际患病概率：$\dfrac{98}{197}\approx 49.7\%$。
答案：约 50%，不是 98%。
Kahneman 与 Tversky（1974，1982）的核心贡献：人脑判断并非随机犯错，而是沿着一些可预测的启发式系统性偏离概率论和效用理论。启发式是认知捷径，在多数情境下能快速给出可用答案，但被特定问题击中时会暴露偏差。
| 启发式 | 估计对象 | 典型偏差 | 经典案例 |
|---|---|---|---|
| 可得性（Availability） | 事件频率 / 概率 | 生动事件被高估；媒体覆盖 ≠ 真实频率 | R 字母、飞机失事、鲨鱼袭击 |
| 代表性（Representativeness） | 对象属于某类别的概率 | 忽略基率、忽视样本大小、合取谬误 | Linda 问题、工程师/律师 |
| 锚定与调整（Anchoring & Adjustment） | 数量估计 | 调整不足，停留在初始锚 | 价格谈判、数字旋转盘 |
| 识别启发式（Recognition） | 大小 / 数量 | 熟悉 = 更大 | San Diego vs San Antonio |
可得性启发式（Availability Heuristic）
用某类别的实例"被回忆出来的难易程度"来估计该类别的频率或概率。媒体报道多、画面生动、情绪强烈的事件容易被高估；慢性病、长期风险常被低估。可得性受事件熟悉度、突出性、搜索方式有效性和可想象性影响。
案例 3：R 字母问题与媒体偏差
问题 1：英文单词中，以 R 开头（如 ride）的多，还是第三个字母是 R（如 circle）的多？
- 直觉答案：R 开头更多。
- 真实答案：第三个字母是 R 的更多。人脑对"以 R 开头"的提取线索（red, roof...）非常流畅，对"第三个字母是 R"的提取则不熟练，于是把可得性误当频率。
问题 2：发达国家中，交通事故死亡人数与胃癌死亡人数哪个多？
- 直觉：交通事故约为胃癌的 4 倍。
- 真实（美国）：约 45,000 交通事故 vs 95,000 胃癌死亡。报纸报道比例却高达 137 : 1，媒体把胃癌"过滤"出公共视野。
代表性启发式（Representativeness Heuristic）
人根据对象与某个原型的相似程度判断其属于该原型的概率，几乎不考虑先验概率（基率）和样本大小。它快速、抓要点，但也导致严重偏差：合取谬误、析取谬误、基率忽视和小数定律。
合取谬误（Conjunction Fallacy）
对任意事件 $A,B$，$P(A\cap B)\le P(A)$。但当 $A\cap B$ 的描述"更像"原型时，人们倾向认为合取更可能。"Linda 是银行出纳员且参与女权运动"看似比"银行出纳员"更符合 Linda 描述，于是多数人选了更不可能的那个。
案例 4：Linda 问题
问题：Linda 31 岁，单身，坦率、聪慧，主修哲学。学生时代关注歧视和社会公正，参加反核示威。下列哪个更可能？
- Linda 是银行出纳员。
- Linda 是银行出纳员且积极参与女权运动。
- 经验结果：约 90% 选 (b)。
- 数学正确：应选 (a)。
- 解释：(b) 的描述更符合 Linda 的"原型"，代表性启发式压倒了逻辑包含关系。
锚定与调整（Anchoring & Adjustment）
人在估计数量时被初始数字（锚）影响，即使锚是随机给的，调整通常不足，最终判断停留在锚附近。协商、拍卖、合同金额、股票目标价等场景都受此影响。
热手谬误（Hot Hand Fallacy）
认为随机序列中近期的"成功"会提高下一次成功的概率。在抛硬币、轮盘赌、篮球投篮里都常见。Gilovich、Vallone & Tversky（1985）分析 NBA 数据后指出，"热手"在统计上几乎不存在，连胜 / 连败是人类在噪声中虚构的模式。
案例 5：篮球热手
问题：球员在连续命中两球之后，下一次命中的概率是否高于连续失误两球之后？
- 康奈尔和斯坦福的篮球迷里，91% 答"是"。
- 统计分析：连续两球命中后的命中率与连续两球失误后的命中率没有显著差异。
案例 6：6 个孩子的出生顺序
问题：在调查了大量有 6 个孩子的家庭后，下面哪个出生顺序与"GBGBBG"同样常见？
- BGBBBB
- BBBBBB
- 直觉：(a) 更"乱"，(b) 像巧合。
- 真实：两个序列出现的概率完全相同（每次独立，$1/2^6$），都是 1/64。代表性启发式让人们觉得"乱"比"齐"更典型。
如果推理关心"由前提得到什么结论"，决策关心"在多个行动中选哪一个"。理性决策的规范性模型是期望效用理论；描述性模型以前景理论为代表；有限理性进一步承认人不是全知优化器。三条线共同回答：人应当怎样选 vs 人实际怎样选。
期望效用理论（Expected Utility Theory, EUT）
冯·诺依曼与摩根斯特恩公理化建立的决策规范模型。对一组结果 $x_1,\ldots,x_n$ 及概率 $p_1,\ldots,p_n$，理性决策者应最大化：
其中 $u(\cdot)$ 是 Von Neumann-Morgenstern 效用函数，反映主观价值而非金额本身。EUT 还要求传递性：若 $A\succ B$ 且 $B\succ C$，则 $A\succ C$。
理性选择的判据
- 内部一致性：选择不违反公理（特别是传递性）。
- 优化准则：在给定偏好下最大化某个目标（如期望效用）。
- 描述性 vs 规范性：实证发现 EUT 经常被违反，违反方式系统可预测，这正是行为决策研究的起点。
案例 7：抛硬币赌局
问题：掷一个公平骰子，若掷出 6 你赢 4 元，否则输 1 元。你接受这个赌局吗？
- $EU = \frac{1}{6}\cdot 4 + \frac{5}{6}\cdot(-1) = -\frac{1}{6}\approx -0.17$。
- 期望效用为负，理性选择拒绝。
- 如果改为掷出 5 或 6 赢 4 元、否则输 1 元，$EU=\frac{1}{3}\cdot 4-\frac{2}{3}\approx +0.67$，则应接受。
传递性违反（Violations of Transitivity）
Tversky（1969）用一组相邻差异小、整体差异大的赌局显示，人可以不传递地偏好循环：偏好 $A\succ B$、$B\succ C$、$C\succ D$、$D\succ E$，但又 $E\succ A$。这表明注意力焦点（payoff 差 vs 概率差）会切换参考维度，导致系统性不一致。
前景理论（Prospect Theory）
人们评估的不是最终财富，而是相对于参照点的收益和损失。一个常用形式的价值函数：
典型拟合参数 $\alpha\approx 0.88$，$\lambda\approx 2.25$。$\lambda>1$ 即损失厌恶：损失 100 元的痛苦比获得 100 元的快乐更强烈。
价值函数四特征
- 参照依赖：价值以参照点为锚，不是绝对金额。
- 损失厌恶：损失段斜率约为收益段 2.25 倍。
- 敏感性递减：远离参照点后边际感受变弱（$x^{0.88}$ 的凹 / 凸性）。
- S 形不对称：收益区凹（风险回避），损失区凸（风险寻求），且损失更陡。
概率权重函数 $\pi(p)$
人用决策权重 $\pi(p)$ 替代客观概率：
- 小概率被超加权（买彩票、保险）；
- 大概率被低加权；
- 中等概率的差异被压缩。
这解释了为什么同时买彩票（赌小概率赢钱）又买保险（防小概率灾难）——两种"小概率"都被过度放大。
框架效应（Framing Effect）
人们对实质相同但表述不同的问题做出不同选择。收益框架下倾向风险回避，损失框架下倾向风险寻求。框架效应是前景理论最直接的行为表现之一。
案例 8：亚洲疾病问题
背景：一种疾病预计造成 600 人死亡。请在以下方案中选择：
收益框架 A：
- 方案 A：确定救 200 人。
- 方案 B：1/3 概率救 600 人，2/3 概率无人获救。
- 结果：72% 选 A（风险回避）。
损失框架 B：
- 方案 C：确定死 400 人。
- 方案 D：1/3 概率无人死亡，2/3 概率死 600 人。
- 结果：64% 选 D（风险寻求）。
数学等价：A≡D、B≡C（都是期望 200 人获救 / 400 人死亡）。但"救 200"让人安心，"死 400"刺激人冒险。
有限理性（Bounded Rationality）
Herbert Simon（1957）提出：人是理性的，但只在人类处理能力的限度之内。记忆有限、时间有限、计算能力有限，决策者不可能枚举全部选项或计算所有后果，于是采用满意化（Satisficing）策略——找到第一个"足够好"的选项就停止搜索。
"我们理性，但只在人类处理能力的限度之内。" —— Herbert Simon, 1957
决策不是纯粹的冷计算。前额叶、顶叶、纹状体、杏仁核、躯体感觉皮层共同参与价值评估、风险预测和行动选择。理解这些回路，有助于解释为什么"知道正确答案"和"做出正确选择"经常不是同一件事。
奖励预测误差（Reward Prediction Error, RPE）
Schultz 等人在猴子的多巴胺神经元上发现：实际奖励高于预期时放电增加，低于预期时放电降低。多巴胺信号编码的是预测误差，而不是奖励本身。这套信号系统构成强化学习的神经基础，也部分解释了为什么意外的奖励更让人难忘。
LIP 神经元的"预期效用"编码
外侧顶内沟皮层（Lateral Intraparietal Cortex, LIP）部分神经元在奖励发放之前就活动，强度对应于该方向的预期收益。这说明价值信号可以在行动选择前就被编码，是神经层面"先把账算好，再动手"的证据。
- 评估系统（腹内侧前额叶、纹状体）：编码主观价值与期望效用。
- 控制系统（背外侧前额叶）：执行规则、抑制冲动、延迟满足。
- 情绪系统（杏仁核、岛叶皮层）：提供"危险 / 值得接近"的快速标记。
爱荷华赌博任务（Iowa Gambling Task, IGT）
Bechara et al.（1994）设计：四副牌 A、B、C、D。A、B 表面奖励大但有更大延迟惩罚，长期净亏；C、D 表面奖励小但长期净赚。被试需要在反复抽牌中学会避开坏牌。
案例 9：爱荷华赌博任务结果
任务：被试从 A/B/C/D 四副牌中选牌，每张牌给奖励（$50 或 $100），偶尔伴随惩罚。规则不公开，被试只能通过经验学习。
- 正常人：前若干次偏好 A/B，随后逐渐转向 C/D；在尚未明确意识到规则时，皮肤电反应（SCR）在抽坏牌前就已升高。
- 腹内侧前额叶（vmPFC）损伤患者：口头上能复述"哪副牌好"，行为上却始终黏在坏牌上，且抽坏牌前的 SCR 不升高。
- 结论：好的决策不是"排除情绪"，而是让情绪信号参与价值评估。
躯体标记假说（Somatic Marker Hypothesis, Damasio）
身体（和脑岛、杏仁核等模拟身体状态的脑区）在选项评估时产生情绪信号，给选项贴上"危险 / 值得接近"的躯体标记。这些标记帮助快速筛选行动，绕过耗时的全枚举。vmPFC 损伤破坏了把情绪信号转化为决策倾向的回路，所以患者"知道"但"做不出"。
系统 1 / 系统 2（Kahneman 2011）
系统 1：快速、自动、依赖联想和启发式、低认知负荷；系统 2：缓慢、努力、依赖规则和工作记忆、高认知负荷。两系统不是解剖分区，而是功能描述：同一脑区在不同任务中可扮演不同角色。
| 维度 | 系统 1（快思考） | 系统 2（慢思考） |
|---|---|---|
| 速度 | 快（毫秒级） | 慢（秒级，需要努力） |
| 控制 | 自动、无意识 | 受控、有意识 |
| 资源消耗 | 低 | 高，依赖工作记忆与血糖 |
| 典型任务 | 识别面孔、读单词、$2+1$、开车 | 17×24 比较、复杂推理、压抑冲动 |
| 优势 | 快速识别模式与威胁 | 处理抽象规则、串行计算、冲突监控 |
| 风险 | 系统性偏差（可得性、代表性、框架） | 慢、累、容易偷懒、未被激活 |
| 输出风格 | 直觉、判断 | 分析、论证 |
核心概念速查
- 演绎推理：前提真 → 结论必然真；三段论与四形式条件推理。
- 归纳推理：从样本到一般，结论有概率性；遵循贝叶斯更新。
- Wason 选择任务：检验"若 P 则 Q"应翻 P 和 非 Q（A 与 7），证伪思维。
- 贝叶斯公式：$P(H|E)=P(E|H)P(H)/P(E)$；自然频数补救基率忽视。
- 可得性启发式：易回忆 = 频繁；生动事件被高估。
- 代表性启发式：原型相似 → 概率高；导致合取谬误与基率忽视。
- 合取谬误：$P(A\cap B)\le P(A)$，但描述越具体越易被选。
- 锚定与热手：调整不足；随机序列中的伪模式。
- 期望效用：$EU=\sum p_i u(x_i)$；传递性常被违反。
- 前景理论：$v(x)$ S 形、参考点依赖、$\lambda\approx 2.25$ 损失厌恶；小概率被超加权。
- 框架效应：同一期望、收益/损失不同表述 → 风险态度反转。
- 有限理性：Simon；满意化而非最优化。
- 躯体标记假说：Damasio；情绪信号帮选；vmPFC 损伤破坏标记。
- 系统 1/2：快直觉 / 慢分析；偏差来自系统 2 未校正系统 1。
参考来源
- 本地课程材料：西安交通大学「计算认知科学与工程」课程 PPT — Decision Making 1：Heuristics and Biases。
- 本地课程材料：课程 PPT — Decision Making 2：Choosing between Gambles & Neural Basis。
- 本地课程材料：课程 PPT — Reasoning: Logical Reasoning and Human Nature。
- Kahneman, D., & Tversky, A. (1979). Prospect Theory: An Analysis of Decision under Risk. Econometrica, 47(2), 263-291.
- Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science, 185(4157), 1124-1131.
- Tversky, A., & Kahneman, D. (1981). The framing of decisions and the psychology of choice. Science, 211(4481), 453-458.
- Tversky, A., & Kahneman, D. (1983). Extensional versus intuitive reasoning: The conjunction fallacy in probability judgment. Psychological Review, 90(4), 293-315.
- Simon, H. A. (1957). Models of Man: Social and Rational. Wiley.
- Bechara, A., & Damasio, A. R. (2005). The somatic marker hypothesis: A neural theory of economic decision. Games and Economic Behavior, 52(2), 336-372.
- Gigerenzer, G., Todd, P. M., & ABC Research Group (1999). Simple Heuristics That Make Us Smart. Oxford University Press.
- Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux.
- Wason, P. C. (1966). Reasoning. In B. M. Foss (Ed.), New horizons in psychology. Penguin.
- Schultz, W., Dayan, P., & Montague, P. R. (1997). A neural substrate of prediction and reward. Science, 275(5306), 1593-1599.
- Stanford Encyclopedia of Philosophy. The Psychology of Reasoning. plato.stanford.edu
- The Decision Lab. Prospect Theory. thedecisionlab.com