一份粗糙的大纲
PART I. TWO SYSTEMS
- The Characters of the Story 大致介绍了System1和System2. 这里关于「为何使用System1和System2这样的名称」有一个很好的想法：与医学一样，精准的词汇可以帮助我们识别、判断认知错误并更容易地在对话中运用它们。 有时很多概念之所以模糊不清，可能真的只是因为没有被显式地提出和定义过，也缺乏正式的名称。 我们以为我们的每个决定都是理性而清醒的，但由于System1的诸多缺陷，我们其实经常陷入思维误区。System2之于System1的关系好比人和他所骑的那头大象：人以为自己在控制大象，其实更多时候大象都在自行其是，并且人对大象的控制实际非常有限。
System1 System2 ====== ======= 快 慢 印象 逻辑推理 冲动 冲动抑制 强势 弱势 响亮自信 微弱，不自信 寻求结果 寻求过程和证据 对数字不敏感 对数字敏感 无需mental effort 需要mental effort 愉快的漫步者 费劲又缺乏体力的冲刺者 常开，不容易关闭 常关，不容易开启
Attention and Effort System2很懒。 我们的大脑平时潜意识是以System1为主导的，因为System1的运作不需要太多的mental effort支撑，也不需要格外集中精神，所以是令人舒适的。而System2的运作耗费脑力，使得人们容易因为「大脑懒惰」而本能地不爱用System2思考问题，需要经过训练才可以养成常用System2进行思考的能力，并培养System2的体力。
The Lazy Controller System2很「贵」。 保持长时间思考的状态需要自制力。证据显示自制力与System2的能力来自前额叶。自制力与System2都消耗cognitive load，这也是为何System2过载的人容易因缺乏自制力导致更自私，粗鲁的行为和在社交场合说出肤浅的话。 无需自制力也能保持长时间积极思考的状态也有，比如心流。心流形成的原因是因为几乎所有的memory，甚至连「要focus啊」这样的memory都用在了任务上。是一种creative tension的状态。
The Associative Machine 人的行为会受暗示(primed)。这里的prime可以是对方的表情，周围的环境等微小的，不容易注意到的因素。（所以「只要开始微笑，心情真的会好」这种说法有一定的道理，因为我们会被自己的表情primed）
Cognitive Ease 熟悉创造好感和可信度，因为System1不擅长区分「熟悉」和「可信度」之间的差别。 舒适的学习体验不容易激发System2，因为它将学习者置于一种cognitive ease的状态（这一点很有意思，因为几乎所有的学习体验设计者都致力于在学习体验中降低cognitive load，现在或许我们应当质疑这样的做法是否正确，或者我们可以假设人们就是用System1来进行日常学习的，在这个基础上对System1的学习体验加以优化）。 开心的人容易用System1思考。（那不开心的人是否开启System2更容易？主观感觉是这样，但需要验证）
Norms, Surprises, and Causes 比起严谨的推理，System1是一个sense maker，喜欢编造casual story来填充前因后果，而System2在常关的情况下很少对这些可疑的故事加以检验，一般都会直接买账，而我们就会依据这些逻辑上根本靠不住的prime来行动。（比如：丢了手机，看到同事买了同款手机 => casual story: 她偷了我的手机 => 行动: 前去对质）
A Machine for Jumping to Conclusions System1偏好将少量的信息联系起来看，为了强行达到coherence而试图在其中编造出一个完整的前因后果，而故事的严谨性不在System1的考虑范围之内。然而事实上，信息越少，编造故事就越容易。 此外，System1非常自信，这也是为什么罗素会吐槽「笨蛋都是自信的而聪明人总是对自己充满怀疑」。
How Judgements Happen System1的判断是基于印象的，并不结合实际的数字。对数字（包括长度，数量等）的判断是System2的特长。而问题在于，当我们被需要作出合乎情理的判断或者决定时，我们在理应开启System2的时候实际上是用System1提供给我们的印象做判断。此外，System1会做一些无效的类比，比如「她长得很好看所以她一定很聪明」。
Answering an Easier Question 启发式判断 处理自身不了解的问题时，在System2缺席的情况下（因为System2的懒惰），会被替换成一个更简单的问题加以回答。比如在回答「你对你的婚姻满意吗」的时候，人们大多数将问题偷偷替换成了「你最近几天跟伴侣过得怎么样」。而System1从来不会张口结舌，也不会被难住，我们也难以察觉到这种替换。
PART II. HEURISTICS AND BIAS
The Law of Small Numbers 大数原则 对于研究者来说，充足的样本是唯一降低研究无效风险的手段。样本数量越小，结果越可能是极端的。取信小样本的极端结果是迷信的鸽子。 大数原则(Law of Large Numbers): 样本数量越多，其平均就越接近期望值。
Anchors 锚定效应 任何数字，尤其在谈判中，都具有锚定作用，在谈判时人们总是不会偏离这个一开始的锚定数字太远(调整不足)。为了避免被锚定效应影响，谈判时应该尽可能忽视它，从成本等更实际的依据来核算想要的价位。
The Science of Availability 可得性偏见 有时人们觉得一件事重要而为之投入大量时间，金钱，精力，并不是因为这件事情实际重要，而是因为这件事情更「可得」，即容易浮现在脑海。比如航空事故，固然它发生概率极低，但因为被大肆报道所以容易使人想到，因而会影响一个人关于旅行的决定。 此外人们对事物的认知也受可得性原则的影响。能够结合自身找到例子的说法就是对的，反之则很可疑。
Availability, Emotion, and Risk 事件激起的情绪反应越强烈，在脑海(System1)中的priority越高。
Tom W's Specialty 典型性偏好 由于System1的判断是基于印象而非实际数据，在作出判断时会选取代表性的印象并忽视分母，而不是参考事件实际上的可能性。比如在判断一位订阅纽约时报的女士的学历时，会想当然地认为她拥有PhD学位而不是高中文凭，而会忽视「在美国拥有PhD学历的人口大大少于本科学历以下人口」这个事实。（实验：System1对于多大的数字能够visualize-即一眼看出有多少？12？40？200？）
Linda: Less is More 合取谬误 为某个价值的物品A增加一个价值低于它的物品B不仅不会提升整体的价值，还会使整体价值降到低于物品A。 这是因为System1对事物总是采取综合评估，而非计算事件的独立价值或者概率。同理，人们容易犯合取谬误，即认为A与B同时发生的概率大于A或B作为单一事件的概率。（比如认为「成人的心脏病发病率」比「55岁以上男子的心脏病发病率」要小）
Cause Trump Statistics 忽视基础比率 System1对于基础比率非常不敏感，这会导致人们在计算概率时忽略基础比率。同时由于这种不敏感，即便被告知某个事件概率，人们还是难以联系到其自身并且发生态度上的改变（或者产生真正有效的学习），除非被告知一个代表性的例子可以来与他们的System1对话。 * Bayes' Theorem: 通常，事件A在事件B的条件下的概率，与事件B在事件A的条件下的概率是不一样的。（女士品茶） P(A|B) = [ P(A) x P(B|A) ] / P(B) = P(A∩B) / P(B)
Regression to the Mean 中值回归现象 当两个变量A和B的相关度不是100%的时候，即便A的值远超于平均水平，B的值也不可能完全达到A的水平，而倾向于回归平均。因为System1对casual explanation的强烈偏好，人们很难接受一件事的发生只是因为中值回归现象，没有什么道理可讲。
Taming Intuitive Predictions System1总是容易依靠直觉作出太过于极端的预测。基于中值回归现象，预测应该倾向于「不太好也不太糟」。
PART III. OVERCONFIDENCE
The Illusion of Understanding 后见之明 因为System1的sense making的本性，人们总是偏好基于发生的事件来推测前因后果，甚至发展出一套理论。每当有新事件发生时，又马上将新事件融入理论中，根据新的事件调整理论。在这个基础上，后见之明似乎总是对的，带来一种可信度的错觉，但是后见之明无法被用于预测将来的事件。
The Illusion of Validity 在这一章里作者diss了金融分析师，咨询师等一大众以分析和预测为职业的「专家」。
Intuitions vs. Formulas 人工的预测比不上算法。
Expert Intuition: When Can We Trust It? 专家跟非专家的区别之一在于是否建立起一套专业的intuition。这套intuition的建立需要即时的有效反馈和大量练习（E-Learning中提到的Deliberate Practice的要素）
The Outside View 当局者迷，因为对统计数字的不敏感，因自身case的可得性高，个体容易对自身的未来状况预计过于乐观，并且在遇到挫折的时候难以放弃尝试，陷入一种盲目的lethargy中。 过于乐观的还有一个原因是因为成功的方法往往只有一种，而失败可以有千万种，因此成功的案例在脑海中可得性更高，使得它显得更可信。
The Engine of Captitalism 要解决这种过度乐观，可以用「事前验尸」的办法：在开始执行计划前先脑补一万种车祸现场，再来评估成功的可能性。 （如果不自信和timid不能换来对数据的重视和严谨的分析，使不自信者获得超凡的大局观，还不如愚蠢而自信，至少这种鲁莽的投资可以为社会带来活力。）
PART IV. CHOICES
Bernoulli's Errors 韦伯-费希纳定律 (Weber - Fechner): 在绝对阈限之上，主观感觉与刺激强度呈对数关系，即刺激强度按几何级数增加时，引起的主观感觉强度只按算数级数增加。 伯努利提出人对于财富的主观快感与财富的效用有关。但是卡尼曼认为这个观点忽视了人在作出决定时已有财富效用的这个参照点，人对于决定带来的财富的心理预期随着他们已有财富的这个参照点而有所不同，所以财富效用不应该是一个绝对的值，而应该是对照期望值而言的一个相对值，或者说是财富改变的值。
Prospect Theory 前景理论 （什么鬼翻译 人们厌恶既定的损失，喜好既定的收益。因此在规避既定损失和寻求既定收益时容易作出不理性的决定。人们对损失的厌恶大约是对收益的喜好的2倍。 如图：
前景理论
27. The Endowment Effect 禀赋效应（什么鬼翻译+1
因为对损失的厌恶，人们会高估已经拥有的物品的价值，除非该物品的本质属性就是用来交易的。
Bad Events 人类天生容易对负面的信息更敏感，记得更牢。因此想要获取长期的成果不在于建立好印象，而在于避免造成坏印象。
The Fourfold Pattern 出于对确定性的追求，人们对事件的最后那5%的部分更加在意（比如对从0%到2%，从98%到100%更敏感，而对67%到69%不敏感），也容易为了这份确定性不理性地投资。
Rare Events 小概率事件要么被完全忽略，要么被过分重视。（卡尼曼把对小概率事件的重视完全归因于可得性，但应该还要考虑小概率事件实际上的严重/致命性。人们对事件的重视程度应该=概率x严重性，因此严重的事件即便小概率，权重也会变高）
Risk Policies 宽框架和窄框架（什么鬼翻译+1 有风险的赌注如果回报够高，频繁进行的结果是从长远看（即宽框架）带来收益。所以不要回避有风险的赌注。
Keeping Score 心理账户会使人们在金钱上做出不理智的决定。 因为害怕将来的后悔情绪，人们容易在当下做出不利自身的决定。事实上对后悔情绪的预测总是比实际更严重，因此在做决定时不要太过于关注后悔情绪。 出于责任感和道德感人们会愿意付出更多，比如为了孩子的安全，这个程度可能容易超出理性的程度。但是实际上这部分投入如果用在其他方面效用会更高。
Reversals 如果把视线聚焦在单一事件而没有将该事件放在一个宽框架下与其他事件进行对比，容易因为事件引发共情等原因陷入窄框架而使得对该单一事件的估值失准。解决办法是多横向比较。
Frames and Reality 框架（个人觉得翻译成语境更好）效应 有时语境决定了人们对待事件的态度，一样的信息换一种说法可能会取得截然不同的效果。一个典型的例子是当手术的成功率采用「存活率」而不是「死亡率」来表达时，医生同意进行手术的概率上升了34%。这非常令人警惕，因为这表明了许多重大的社会性决定可能是由一些非理性的因素促成的。
PART V. TWO SELVES
Two Selves 经验自我或记忆自我 我们活着是为了储存记忆么？如果记忆和经验无法被储存，我们还会做许多事么？比如，旅游？这真是个令人悲伤的话题。 峰终效应和过程忽视：人们的记忆自我对事件的评估取决于事件的顶峰时和事件结束时这两个时间片段内感受强烈程度的加权，而和过程中感受如何，过程持续多久几乎无关。
Life as a Story 人们在衡量事件价值的时候会有意无意地以它对于经验自我的价值或记忆自我的价值来作为参考。大多数人都更在意记忆自我，而对经验自我的态度相当漠然，就好像在当时体验整个事件的自我如同一个陌生人。
Experienced Well-being 虽然贫穷几乎必然使人悲惨和焦虑（穷人对自身疾病所感受到的焦虑显著高于富人），更多的金钱未必能买来等量多的快乐，因为更高的收入随之而来的是享受微小的乐趣的机会减少(?)。 个人觉得享乐的经验自我是很容易饱和的，水再多杯子如果很小的话，大多数水还是被浪费掉。此外有趣的是，人们纵欲享乐的时候总是着眼于满足当下的经验自我，而在评估幸福的时候却更多借鉴记忆自我。而记忆自我的幸福程度取决于哪些因素，似乎我们还没有搞清楚。（积极心理学？）
Thinking about Life Well-being不是「得到的」，而是「得到的」与「想要的」的差值。 人们在做总体评估时会被近期的事件和无关紧要的因素过多地影响。
结论 正是因为人类的诸多思维误区，坏心眼的商家才会想要利用这些思维误区来获取利益，也正是因为这些思维误区的存在，才需要有道德的政府和企业帮助人们避免思维误区。 最近在发达国家流行的方法是自由家长制 (libertarian paternalism, 在Richard Thaler的Nudge中有更详细的论述)，即不强迫个人做出对其自身更有利的选择，但通过一些小小的affordance和框架来助推其做出这样的选择。（比如不强迫加入养老计划，但是默认加入，如需退出需要格外注明）
==========
最后需要说明的一点是，作为行为经济学学者，卡尼曼在本书里的所有理论和假设还是基于「人追求利益最大化」这个前提来的，并且这的利益更多指的是金钱物质上的收益，而非诸多更加内隐（听起来也更加可笑）的广义上的利益，比如内心的平静，良心上的心安等。因此这里的「理性」也应该理解为狭义上的理性，即以追求金钱利益最大化为目标的理性。
这大概是为什么「即便知道这些道理还是过不好这一生」，因为人的价值观是多元的，想要非理性繁荣的话必然要接受一部分看似非理性的行为，但私以为这是一种更清醒更广义上的理性。重要的是意识得到自己的行为是否属于广义/狭义上的理性，怎么做反倒是其次了。
附： 常见的思维误区
- 被环境prime
- 因熟悉而产生好感
- 追求coherence而错误归因
- 错误类比/迁移
- 偷换概念（substitution effect）
- 偷换问题（替换成更简单的问题）
- 因样本不足而以偏概全，overfitting
- 因锚定效应导致调整不足
- 受可得性偏见影响
- 受情绪影响
- 因典型性偏好而忽视分母
- 合取谬误
- 忽视基础比率
- 不能理解中值回归现象
- 极端预测
- 相信后见之明
- 厌恶既定损失和追求既定利益
- 陷入禀赋效应
- 只注意到负面信息
- 追求确定性
- 无法正确评估小概率事件
- 拘泥于窄框架
- 设定心理账户
- 被语境primed
- 以峰终效应来评估事件，忽视过程和经验自我