Tom W专业判断实验

汤姆·W专业判断实验是代表性启发式的核心演示，也是较为清晰的案例之一，说明较容易的问题会取代较困难的问题。参与者被要求估计汤姆·W属于九个研究生专业中某一专业的概率，但他们的答案紧密跟随汤姆的人格与各领域刻板印象之间的感知相似性。实验表明，生动的个体描述能够压倒基准率信息，即使推理者知道基准率很重要，也明白证据并不可靠。

最初的概率任务

实验从一个简单的排序问题开始。汤姆·W被描述为答题者所在州的主要大学中的一名研究生，参与者必须按照汤姆在各专业就读的可能性，对工商管理、计算机科学、工程学、人文与教育、法律、医学、图书馆学、物理与生命科学，以及社会科学与社会工作进行排序。自然的统计学解决方案是使用基准率——如果汤姆是从所有研究生中随机抽取的，在没有其他信息的情况下，招生人数较多的专业应获得更高的概率。

第一个任务明确呈现了相关逻辑。属于某一领域的学生比例就是该领域的基准率，正如瓮中红色或绿色弹子的比例决定抽到任一颜色的可能性一样。因此，在没有区分性信息的情况下抽取的一名学生，更可能来自人文与教育这样的大型领域，而不是计算机科学或图书馆学这样的小型领域。基准率推理并不是一种高级技术操作；面对一个没有个体证据的随机抽取问题，它是显而易见的回应。

人格描述与刻板印象

第二个任务通过提供人格描述改变了信息环境。一名心理学家根据效度不确定的心理测试，在汤姆高中毕业年级期间写下了这份描述。汤姆被描述为非常聪明，却缺乏真正的创造力；他受秩序、清晰、能力和整洁系统的驱动。他的写作枯燥而机械，不过偶尔会因老套的双关语以及科幻式的想象片段而变得生动。据说他不太同情他人，不喜欢社交，以自我为中心，但仍具有深厚的道德感。

随后，参与者被要求按照汤姆与各领域典型研究生的相似程度，对同样的九个专业进行排序。这个问题比概率问题更容易，因为它要求的是提取或构建刻板印象，而不是把统计信息与不确定的个人证据结合起来。在20世纪70年代初首次进行实验时，平均排序以计算机科学和工程学开头。这份描述被设计成符合小型技术导向群体中学生的形象，尤其是计算机科学家、图书管理员和工程师的形象；相比之下，它与规模大得多的人文与教育，以及社会科学与社会工作的契合度较低。

因此，汤姆是一个有意设计成违背基准率的人物。他的描述通过代表性把判断拉向一个方向，而招生数字则通过统计普遍性把判断拉向相反方向。这种对比并非偶然的装饰——它直接检验了当相似性和概率都在心理上变得可用时，答题者是否会保持二者之间的区别。

预测与替代

决定性的任务要求心理学研究生按照汤姆在各领域就读的可能性，对九个领域进行排序。这些参与者知道相关的统计事实。他们熟悉基准率，也知道人格描述来自效度不确定的测试。然而，研究者仍预计他们会几乎完全关注相似性，并因为汤姆的描述在计算机科学领域获得最强的代表性评分而将计算机科学排在较高位置。

这项实验源于一份有意构造的描述。在尤金度过的一年里，丹尼尔·卡尼曼与阿莫斯·特沃斯基广泛研究了这个问题，丹尼尔·卡尼曼在一次通宵工作期间写下了汤姆的描述。第二天早上第一个到达的同事是罗宾·道斯，他是一名成熟的统计学家，也是直觉判断的怀疑者。当被要求猜测汤姆的职业时，罗宾·道斯试探性地回答说，计算机科学家。这一事件之所以引人注目，正是因为他理解基准率的相关性；一旦有人提到这一点，他立即意识到自己忽视了基准率。然而，他的自发反应仍然用代表性替代了他本应评估的概率。

更大规模的研究从三所主要大学的114名心理学研究生那里收集了答案，他们每人都修过几门统计学课程。他们的概率排序与相似性排序没有差异。这种替代几乎是完全的——参与者表现得仿佛概率问题问的是哪个领域最符合汤姆的刻板印象。统计学训练并没有阻止错误自动发生，因为较容易的相似性判断在要求更高的概率推理展开之前，就已经提供了一个连贯的答案。

错误为何重要

相似性和概率遵循不同的逻辑约束。相似性判断可以合理地忽视类别的大小，即使描述并不准确，判断也可能保持不变。概率判断则不能忽视这两个方面。一个小型专业可以包含许多与某种刻板印象高度相似的人，但对于随机抽取的一名学生而言，它仍可能比一个大型专业更不可能。同样，仅仅因为一份人格描述产生了生动而连贯的印象，就不能把它视为决定性证据，尤其当它来自效度不确定的测试时。

这个实验说明了替代问题。要求回答的问题很困难——在考虑基准率和描述的有限可靠性的情况下，汤姆在各领域学习的概率是多少？被替代的问题则更容易——汤姆与各领域的典型学生有多相似？由于替代问题的答案让人感觉有信息量且在心理上令人满意，它便被接受为原问题的答案。由此产生的确信并非来自有效的证据组合，而是来自刻板印象的流畅性。

对预测的广泛意义

汤姆·W实验属于一项关于专家判断局限性的更广泛论证。菲利普·泰特洛克对284名以评论政治和经济趋势为生的人进行了研究，收集了8万多个概率预测，发现这些专家在三种可能结果上的表现比等概率基线还差。即使在他们最熟悉的领域，他们也没有显著优于非专业人士；与此同时，更多知识可能会加剧技能幻觉和过度自信。

保罗·米尔将临床预测与简单统计公式进行比较，也得出了相关结论。在有关新生年级成绩、假释违规、飞行训练成功和刑事再犯等结果的研究中，公式的表现达到或超过了受过训练的专业人士；在后来约两百项比较组成的研究成果中，算法在约60%的案例中表现显著更好，其余研究通常以平局告终。平局的优势属于公式，因为固定规则通常比专家判断成本更低，也更为一致。

原因并不只是专家缺乏信息。人类判断者在结合复杂证据时缺乏一致性，有时仅仅相隔几分钟，就会对同一个案例给出不同评价。经验丰富的放射科医师对同一张胸部X光片的分类彼此矛盾，或与自己先前的分类矛盾，发生率约为20%；审计师和其他专业人士中也出现了类似的不一致。相同输入会使公式返回相同结果，而依赖情境的系统1则可能受到未被察觉的环境影响而发生变化。

实际启示并不是永远不应使用判断。一个决定性且罕见的事实可以恰当地推翻公式，例如断腿规则——一个人今天摔断了腿这一信息，可能会击败“此人将去看电影”的常规预测。但如果不存在这样的决定性例外，汤姆·W模式就提醒人们，不要允许一个精心润色的个体故事抹去类别规模、证据质量，以及相似性与概率之间的差异。它表面上只是一个关于单名研究生的实验；在更深层次上，它检验的是人们是否会把直觉上的连贯性误认为统计学真理。