相似的故事，未必有相似的機率

假設你看到一位創業者的介紹：

30 歲。

很有企圖心。

說話有感染力。

每天工作十幾個小時。

願意承擔風險。

很早就開始研究市場。

你可能很自然產生一個感覺：

「這個人很有成功企業家的樣子。」

接著，如果有人問：

「你覺得他創業成功的機率高不高？」

那個「很像成功者」的感覺，很容易一起被帶進答案。

但這裡其實偷偷換了一個問題。

第一個問題是：

他像不像我們印象中的成功創業者？

第二個問題是：

他最後成功的機率有多高？

這兩件事有關。

卻不是同一件事。

這就是《快思慢想》裡很重要的一種思考捷徑：

代表性捷思。

我們常常不是直接計算機率。

而是先看：

「這個人、這件事，看起來像不像某一種類型？」

越像，我們就越容易覺得它越可能發生。

大腦很擅長認出「像不像」

這個能力其實非常有用。

你看到一隻有四條腿、會搖尾巴、長得像狗的動物。

根本不需要做統計分析。

大腦很快就能判斷：

「這大概是狗。」

看到一個人穿白袍、掛著聽診器，在診間裡跟病人說話。

你也會很快聯想到：

醫師。

這就是分類能力。

我們會把眼前的東西，和腦中的典型形象比較。

很像，就歸到那一類。

這套方法速度非常快。

問題出現在：

我們把「相似度」拿去回答「機率」。

「很像」為什麼這麼容易讓人信服？

假設有兩個人。

第一個人：

喜歡閱讀財報。

做決定前會查很多資料。

不追熱門股票。

投資時間超過十年。

第二個人：

剛開始投資半年。

每天追熱門消息。

常常因為朋友推薦就買股票。

如果問：

「誰比較像成熟的長期投資人？」

大部分人可能選第一個。

這很合理。

因為第一個人的特徵比較符合我們對長期投資者的印象。

可是如果接著問：

「誰明年的投資報酬一定比較高？」

答案就沒有那麼簡單了。

第一個人也可能遇到市場下跌。

第二個人也可能剛好押中一檔大漲股票。

「比較像好投資人」是一件事。

「下一年一定賺比較多」又是另一件事。

但是系統一很容易把兩個問題合在一起。

我們腦中其實有很多「人物模板」

例如：

工程師應該很理性。

藝術家應該比較有創意。

成功企業家應該敢冒險。

好學生應該很自律。

詐騙犯應該看起來很可疑。

有錢人應該有某種生活方式。

這些都是我們建立出來的典型形象。

有些來自真實經驗。

有些來自社會文化。

有些則來自新聞、電影或少數幾個特別鮮明的人。

當一個人符合這個形象，我們就會產生：

「他很像這一類人。」

接下來最容易發生的，就是把它變成：

「所以他很可能就是這一類人。」

這一步，有時候對。

有時候卻會錯得很遠。

還記得上一課的基準率嗎？

假設一家公司有：

900 位業務人員。

100 位資料分析師。

現在隨機選出一名員工。

有人告訴你：

這個人安靜。

喜歡數字。

週末常寫程式。

不太喜歡大型社交場合。

你可能很快想到：

「資料分析師。」

因為實在太像了。

這時候代表性捷思正在發揮作用。

但上一課我們已經知道，還有一個資訊不能忘記：

公司裡原本有 900 個業務，只有 100 個資料分析師。

也就是說，在知道任何個人資料以前：

隨機抽到業務的機率，本來就高很多。

現在這段人物描述當然應該讓我們調整判斷。

但它到底有多可靠？

就不能只靠：

「真的很像。」

這就是代表性和基準率經常發生衝突的地方。

一個故事越完整，我們反而可能越容易出錯

Kahneman 和 Amos Tversky 的研究裡，有一類非常有名的題目。

研究者先描述一位女性。

例如：

年輕。

聰明。

關心社會議題。

學生時期常參與公共活動。

接著讓人判斷她現在比較可能是哪一種情況。

其中可能包括：

「在銀行工作。」

以及：

「在銀行工作，而且積極參與性別平權相關活動。」

很多人看到第二個選項時，會覺得：

「這個更像她。」

因為前面的故事和「積極關心平權」非常搭。

整個人物突然完整了。

可是如果問題問的是：

哪一個機率比較高？

事情就不同了。

「A」一定不會比「A 而且 B」更少

用一個很簡單的例子就知道。

假設一家公司有：

100 個員工。

其中 30 個人會說日文。

這 30 個人裡面，又有 10 個人會說日文而且會寫程式。

那麼：

「會說日文的人」

有 30 個。

「會說日文而且會寫程式的人」

只有 10 個。

第二群人一定包含在第一群裡。

所以：

A 而且 B 的人數，不可能比單純 A 還多。

機率也是一樣。

「在銀行工作，而且積極參與某項社會運動」

一定是：

「在銀行工作」

裡面更小的一部分。

所以不管故事有多符合，兩個條件同時成立的機率，都不可能高於只要求其中一個條件成立。

這種錯誤被稱為：

合取謬誤。

為什麼明明很簡單，我們還是會選錯？

因為大腦實際回答的，可能根本不是數學問題。

題目問：

「哪一個機率比較高？」

系統一卻偷偷改成：

「哪一個描述比較像這個人？」

而後者太容易回答了。

一位關心公共議題的人。

「在銀行工作。」

聽起來很普通。

「在銀行工作，而且持續參與社會議題。」

故事突然完整很多。

所以第二個選項給我們一種：

「對，就是她。」

的感覺。

但「故事比較像」並沒有讓數學規則改變。

好故事會讓我們忘記它加了更多條件

想像你看到兩個預測。

第一個：

明年台灣可能出現經濟衰退。

第二個：

明年因為某項全球事件造成出口下降，接著企業減少投資，最後台灣進入經濟衰退。

哪一個聽起來更可信？

第二個可能更有說服力。

因為它有原因。

有過程。

有完整故事。

可是從純粹機率來看，第二個要求更多事情同時發生。

某項全球事件要發生。

出口要下降。

企業投資要因此減少。

最後還要造成衰退。

條件越多，全部同時成立的可能性通常只會變小，不會因為故事變完整就自動變大。

這是很反直覺的地方。

細節讓故事更可信，卻可能讓事件本身更不容易發生。

預測未來時，我們特別喜歡完整故事

例如有人預測一家公司：

AI 需求增加。

公司接到大單。

營收成長。

獲利提高。

外資開始買進。

股價最後上漲 50%。

整段故事非常順。

你很容易覺得：

「真的很有可能。」

但仔細拆開，就會發現：

這裡其實包含很多事件。

AI 需求要如預期。

公司要拿到訂單。

訂單要轉成營收。

成本不能增加太多。

獲利要提高。

市場還要願意給更高估值。

每多一個條件，都增加一個可能出錯的地方。

可是人腦有一個特性：

故事越連貫，主觀上越容易相信。

於是我們會把：

「我可以清楚想像這件事怎麼發生」

誤認成：

「這件事發生的機率很高。」

買房時也會出現一樣的問題

房仲告訴你：

捷運將來會開通。

附近會有商場。

人口會增加。

公司會進駐。

這裡以後會變成新的生活中心。

所以房價一定還有很大空間。

每一段都接得很好。

你甚至可以開始想像：

五年後街道變熱鬧。

店家進駐。

房價上漲。

當故事形成畫面之後，「未來會變好」的感覺變得很強。

但更好的做法，是把故事拆開。

捷運確定嗎？

什麼時候完成？

商場真的已經簽約了嗎？

人口有成長趨勢嗎？

附近還有多少住宅供給？

即使全部完成，現在價格是否已經提前反映？

故事可以幫助我們理解。

但不能因為故事很順，就直接把每一個環節的機率都當成 100%。

履歷看起來「很像人才」，也不代表一定成功

假設公司正在找主管。

候選人的履歷非常漂亮：

名校畢業。

知名公司。

做過大型專案。

表達能力很好。

面試時非常有自信。

大家可能立刻產生：

「這個人看起來就是高階主管。」

這種判斷不一定錯。

這些資訊確實有參考價值。

但如果公司想知道：

「他加入之後成功的機率有多高？」

還需要其他資訊。

過去類似背景的人進公司後表現如何？

這個職位真正需要什麼能力？

過去成功經驗是否能轉移到現在環境？

團隊文化是否適合？

履歷和「成功主管的樣子」很像。

不等於成功結果已經被保證。

刻板印象也是代表性捷思的一種危險延伸

這個概念還有一個更重要的地方。

當我們使用「像不像某一類人」做判斷時，很容易把群體印象套到個人身上。

例如：

看到年紀大的人，就假設不熟科技。

看到年輕人，就假設沒有經驗。

看到某個職業，就認為個性一定如何。

看到某個國家的人，就套上一整組印象。

問題是：

即使某個群體真的存在某種平均差異，也不能直接用群體平均判斷一個具體的人。

個人差異可能非常大。

如果眼前已經有更直接的個人資訊，就更不應該只靠類型印象。

代表性可以幫助我們快速整理世界。

但如果把「典型形象」當成「每一個人都一樣」，就容易造成錯誤甚至不公平的判斷。

「看起來不像」也可能讓我們錯過真的機率

代表性不只會讓我們高估。

也會讓我們低估。

例如詐騙。

很多人腦中對詐騙者可能有一個形象：

講話奇怪。

看起來可疑。

一直催促你。

但是厲害的詐騙，往往正好不像詐騙。

網站很正式。

客服很有禮貌。

文件做得完整。

甚至知道很多你的資訊。

這時候如果只靠：

「這看起來不像詐騙。」

就很危險。

真正該看的不是：

它像不像我們腦中的壞人。

而是：

付款方式合不合理？

網址是真的嗎？

對方要求的流程是否符合官方規定？

資訊能否獨立驗證？

現實世界沒有義務符合我們腦中的典型形象。

好公司也不一定像「好公司」

同樣地，真正成功的企業在早期，也不一定符合大家對成功公司的想像。

可能辦公室很小。

創辦人看起來不特別會說話。

產品第一版很普通。

產業也不熱門。

如果只用：

「這不像會成功的公司。」

我們同樣可能犯錯。

因為成功結果不是由「看起來像成功」決定。

真正重要的是：

產品。

需求。

執行。

成本。

競爭。

時間。

以及很多不確定因素。

相似性可以是一條線索。

但不能取代真正的證據。

我們為什麼那麼需要「典型」？

因為世界太複雜。

如果每遇到一個人，都從零開始分析所有資料，會非常累。

所以系統一會建立分類。

可靠的人大概長什麼樣。

危險大概長什麼樣。

好工作大概長什麼樣。

成功大概長什麼樣。

這些模板讓我們快速行動。

很多時候非常有用。

問題不是：

「不要有直覺。」

而是要知道：

有些問題可以靠「像不像」回答。

有些問題卻不能。

一個很簡單的分辨方式

下次你發現自己說：

「這個人看起來很像……」

「這家公司很有……的感覺。」

「這個故事聽起來就是……」

可以停一下。

看看現在真正要回答的是什麼。

如果問題是：

「它像哪一種類型？」

相似性當然很重要。

但如果問題是：

「成功機率多少？」

「發生機率多高？」

「哪個結果比較可能？」

就要把其他東西拉回來。

基準率是多少？

樣本夠不夠？

有沒有真正能預測結果的資訊？

是不是只是故事變完整了？

條件是不是反而增加了？

這些問題，才真正和機率有關。

「我能想像」和「它很可能發生」差很多

我們讀小說、看電影時，非常喜歡完整故事。

前面發生 A。

所以出現 B。

B 又導致 C。

最後得到一個合理的結局。

當每個部分都接得很好，我們會產生滿足感。

可是現實不是小說。

未來充滿很多沒有被寫進故事裡的東西。

競爭者突然出現。

政策改變。

市場需求改變。

技術出問題。

一個重要的人離職。

單純就是運氣不好。

所以當一個未來預測講得非常完整時，反而值得多問：

是不是因為故事太好聽，讓我忘記了它其實需要很多事情同時成立？

這幾課其實正在講同一件事情

前面幾課一路走到這裡，可以看到一條很清楚的線。

看到一個數字，容易被定錨。

容易想到的事情，覺得更常發生。

看到生動個案，容易忘記基準率。

樣本很小，卻容易看到規律。

極端結果之後，又容易替自然變化找原因。

現在則是：

看到一個很符合典型的故事，就容易把：

「像」

變成：

「很可能。」

這些錯誤看起來不同。

背後卻都有同一個特性。

系統一喜歡快速找到一個簡單、連貫、很好理解的答案。

而統計世界常常沒有那麼整齊。

相似可以當線索，但不能直接當答案

如果一個人非常符合某種類型的特徵，當然值得注意。

如果一家公司具有很多成功企業常見的條件，也不是毫無意義。

Kahneman 並不是叫我們完全忽略相似性。

真正要避免的是：

只因為一件事很符合我們腦中的故事，就把機率也一起提高。

所以當你下一次產生：

「真的很像。」

的感覺時，可以再補一個問題：

「除了很像以外，我還有什麼證據？」

如果是在判斷機率，再多問一句：

「這件事情原本到底有多常發生？」

這兩句話可以把我們從故事拉回現實。

因為一個故事可以非常完整。

一個人可以非常符合典型。

一家公司也可以看起來非常像下一個成功案例。

但世界最後怎麼發展，不是按照故事的完整程度決定。

像不像，是大腦很會回答的問題。

有多可能，則需要更多資料。

能把這兩件事情分開，就是這一課最重要的地方。