在一个信息过载的世界里，我们可能会成为各种认知偏差的受害者。
人脑可以发挥出令人难以置信的潜能，但有时它也存在极大的缺陷。
特别是在一个信息过载的世界里，我们可能会成为各种认知偏差的受害者。
科学表明，我们倾向于犯各种心理错误，称为 “认知偏差”（cognitive biases），这会影响我们的思维和行为。这些偏差可能导致我们从错误的来源推断信息，确认已有的经验，或者无法记住事件实际发生的方式。
交互设计师 Jono Hey 指出，了解这些偏差是什么以及它们如何运作尤其重要，忽视偏差的后果可能会变得非常严重。
确认偏差、抽样偏差和才智偏差就是三个可以影响我们批判性地处理信息能力的典型例子。
确认偏差
确认偏差（confirmation bias）是我们日常生活中遇到最多的一个。这种认知偏差会影响我们每天检验和评估假设的方式。
简单地说，确认偏差是一种以支持我们自己坚定信念或期望的方式，去寻找或解释证据的倾向。它使我们去搜索已经符合既有观念的信息，而忽略或低估其他不符合的信息。这意味着，在获得同一组数据和信息的情况下，不同的人可以得出截然不同的结论。
陷入确认偏差会导致我们做出不明智的选择，甚至强化负面的刻板印象。因此，要避免确认偏差，重要的是要记住寻找既能证实又能反驳你对某个话题的假设信息。
抽样偏差
抽样偏差（sampling bias）使得我们根据不准确的样本组或数据得出错误的结论。一般来说，抽样偏差的原因在于研究设计和数据收集不当。
当对个人进行问卷调查时，重要的是要得到整个群体的代表性样本。但当进行研究的人也容易出现这些偏差时，想要得到正确的结论是非常困难的。
一个常见的例子是对哪个政党有可能赢得选举进行调查。如果这项研究是由一位教授进行的，他只对大学生进行调查，因为大学生就在身边，因此更容易收集信息，那么这项调查就不能准确地反映普通民众的意见。
而且，如果你问人们他们打算投给谁，他们可能会撒谎、可能会告诉你他们原有的想法然后改变主意、可能会告诉你他们认为你想听什么，这在很大程度上取决于提问者是谁。
为了避免抽样偏差，必须要随机收集数据，以确保调查结果不向 “具有相似特征的人” 偏斜。
才智偏差
才智偏差（brilliance bias）是另一种常见的认知偏差，它让我们更容易认为天才是一种男性特征。这在一定程度上是因为在传统的学术和管理职位上都缺乏女性代表，在过去的历史中对于女性的记载较少。
《实验社会心理学杂志》（The Journal of Experimental Social Psychology）在 2020 年发表了一篇关于才智偏差的深入研究。研究表明，造成这种偏差的一个可能原因是，在通常与高智商相关的职业中，男性和女性的分布不均衡。
虽然这种分布是过去限制女性受教育和职业选择的历史因素遗留下来的，但它的存在让我们得出错误的结论，认为女性没有那么聪明。自然，由于这种循环使女性在这些职业中的不平衡分布长期存在，它只会加强这种偏见。
但我们需要停止这种才智偏见，我们需要以拥有许多女性榜样为荣。
其他的认知偏差
Jono Hey 提供的这些例子只是冰山一角。在一个信息爆炸的时代，认识到这些偏差是很重要的，尤其是如果我们想消除这些偏差带来的负面影响。
这种认知偏差也会对投资产生深远的影响：
- 熟悉偏差，是指投资者把钱投在 “她所了解的东西” 上，而不是从投资组合多样化中寻求明显的利益。仅仅因为熟悉某种类型的行业或安全，并不意味着这就是合理的选择。
- 自我归因偏差，是指企业家过度地将公司的成功归因于自己，而不是其他因素（如团队、运气、行业趋势等）。当事情变得糟糕时，他会指责这些外部因素阻碍了他的进步。
- 锚定偏差，是指在薪酬谈判中，员工过于依赖谈判中提到的第一个数字，而不是理性地审视后面一系列的选择。
- 幸存者偏差，是指创业看起来很容易，因为已经有很多成功的企业家。然而，这是一种很明显的认知偏差——成功的企业家 “屹立不倒”，而数百万创业失败的人退出去做了其他事情。
- 赌徒谬误，是指风险投资家看到投资组合中的公司在 IPO 后市值不断上涨，远远高于他最初预测的水平，但他没有继续持有，理性地评估继续升值的可能性，而是抛售股票以锁定目前现有的收益。