如何决策？应用实用推理理论的分析学术资讯

来源：科学人文在线

人们总是面临许多重要的决定：应该读哪所大学？学什么？找一份什么样的工作？和谁一起玩？应该结婚吗？应该生孩子吗？应该用哪种医疗手段？让我们跟随保罗·萨伽德（Paul Thagard）一起，应用实用推理理论，帮助学生和其他人群提高决策的能力。
作为直觉的决策
设想你是一名学生，试图决定去学习你有着强烈兴趣的哲学或艺术史等文科专业，抑或是经济学或计算机科学等能够找到高收入工作的专业。利用直觉做出决策只需选择你的情感反应所支持的那个选项。也许你对感兴趣的学科有着强烈的积极直觉，同时对导向就业的专业有着强烈的消极情绪，抑或你的感受可能正好相反。更有可能的是，你对这两者都有着积极的感受，但由于你不清楚哪个选项更好，所以同时又伴随着焦虑和不安。最终，基于直觉的决策者选择了他们的情感反应所认为更好的选项。关于直觉性决策，要说的太多了。迅速是它所具有的一个明显优势：情感的反应是当下的，并可以直接做出决定。如果你要在巧克力和香草冰激凌之间进行选择，那么耗费大量时间和精力去考虑两种口味的优缺点是毫无意义的。基于诸如“巧克力—美味啊!”等情感反应反而可以做出快速、合理的决定。直觉性决策的另一个优势在于将你的决策建立在情感之上有助于确保它们能够顾及你真正关心的东西。如果你对预期的行为感到满意和兴奋，这就是一个好的迹象，这种行为有希望实现对你来说真正重要的目标。最后，基于情感的直觉性决策与行为直接相关：对某一选择的积极感受会激励你去实现它。然而基于情感的直觉性决策也存在一些严重缺陷。某一个选项之所以在情感方面有吸引力是因为人们没有考虑其他可选择项。直觉可能暗示你买巧克力味的冰激凌，只是因为你没有考虑另一种较低脂肪含量的冰激凌，而这是更为健康的选择。直觉也会受制于强烈的渴望，即有毒瘾的人所谓的“犯瘾”。如果你对可卡因，或者比萨，抑或梅赛德斯-奔驰牌敞篷车犯瘾了，你的直觉就会告诉你去选择自己所渴求的东西，但这仅仅是因为你在情感方面的渴望掩盖了你的其他要求。当这种渴望不那么强烈时，你会更多地注意到其他的要求。直觉的另一个问题在于它可能会基于错误或不相关的信息。设想你需要决定一份工作的雇佣人选，如果你对人怀有特殊的性别、门第或种族的歧视与偏见，那么你的直觉会告诉你不要雇佣他们，即使他们拥有胜任这份工作的优越条件。因此，很难以内省方式确定你的直觉是否源于可靠、相关的信息。最后，直觉性推理在需要集体做出决策的情境中也存在问题。若他人与你的选择不一致，你不能简单地认为你的直觉强于或优于其他人。为你的情感反应辩护以及尝试与他人达成某种共识需要的是一种更具分析性的方法，而不是简单的直觉表露。
作为计算的决策
决策专家给我们推荐了一种更具系统性、计算性的方式。例如，巴泽曼主张理性的决策活动应该包括以下六个步骤：1. 明确问题，描绘你所做决定的一般目的。2. 确定标准，详细说明你想要实现的目标或目的。3. 重视标准，对目标的相关重要性进行判定。4. 产生可供选择性，确定可能实现不同目标的合理行为过程。5. 依照每一条标准评估每一个选择项，评定各个行为对各自目标的实现程度。6. 计算出最佳决定，通过乘以每一个选择项在任一标准下的预期效力，再乘以该标准的权重，从而评价每一个可供选择项。然后与可供选择项在所有标准下的预期值相加。然后，我们可以选择有最高期望值的可供选择项，将决策行为植根于计算而非主观的情感反应。拉索和休梅克提出了实质上相同的决策过程，也是基于多种加权因素，只是所用术语略有不同。一些学生不考虑这种机器人一样的程序，讨厌利用数学计算方式做出他们人生的重要决定。《纽约客》杂志中的一幅漫画（2000 年1 月10 日出版，第74页）描绘了这样的画面：一个男人坐在电脑前对一个女人说：“我算好了，我会和你结婚的。”至少某些决定似乎不适合依靠数字计算。但是在情感上拒绝巴泽曼的六步计算法是合理的吗？我们看到与直觉方式相比，计算方式确实有一些明显的优势。第一，它可以避免忽略相关的选项和目标。第二，它使我们能够明确地考虑不同的选项如何实现不同的目标。第三，它将决策过程公之于众，让某些特定的决策者和其他与决策群体有关的人进行仔细审视。然而，决策的计算方式也许比决策专家声称的更为困难和低效。设想你试图在哲学和计算机科学两门课程间做出决定，然后你系统地罗列出所有相关标准，如你对课程的兴趣及课程与你的职业规划的匹配程度。接着你对标准进行衡量并评估每个选项的满足程度，而后计算出相互竞争的选项的期望值。完成以后，你发现某一选项（如哲学）的期望值超过了计算机科学的期望值。但是，如果你对此的反应是“我不想学哲学”，那该怎么办呢？你的情绪反应不必过于强烈。这可能是因为你加之于标准的数字权重没有反映你的真实诉求。此外，就有关不同行为在何种程度上实现你的目标而言，你的评价可能是十分主观和易变的，所以至少你的无意识评价和有意识评价几乎同样有效。有人曾告诉笔者，她做决定时优先采用掷硬币的方式，正面代表一个选项，反面代表另一个。当硬币正面朝上时，她将自己的情绪反应记录下来，这样使她能够更加了解自己是否真的想要正面代表的选项。然后，她利用该情感信息在两个选项间做出选择。有经验表明，在做出正确决策的过程中，计算方法可能在某些情况下逊于直觉。达马西奥描述了大脑受损患者的情形，他们大脑中执行文字推理与数字运算功能的部分与诸如杏仁核的情感中枢之间的联系被切断。由于他们的抽象推理能力完好无损，你也许认为这些患者会成为理性的典范，就像《星际迷航》（Star Trek）里的斯波克（Spock）或达塔（Data）。恰恰相反，在人际关系方面，这些患者容易做出糟糕的决定。据达马西奥推测，缺陷的产生是患者脑部的损伤使他们无法进行情感的评价活动，包括躯体标记和身体状况，这种身体状况预示着不同可能性的积极或消极的情感值。问题在于患者只是不知道他们关心什么。威尔逊和斯库勒的研究报告显示，人在某些领域的直觉判断可能比自身更系统、审慎的判断要有效得多。他们研究了大学生对草莓酱品牌和大学课程的偏好，发现那些被要求分析自身偏好原因的学生最终的选择与专家的意见不太相符，而不那么善于分析的学生的选择更符合专家的意见。据威尔逊和斯库勒推测，这种情况的产生是对原因的分析使人们将注意力集中于相对次要的标准。利伯曼（Lieberman，2000）主张直觉往往基于无意识的学习过程，而尝试有意识的学习则会对该过程产生干扰。因而我们似乎需要某种决策模型，与计算模型相比，它在心理上更为自然且更加规范有效。根据情感的连贯性原则，笔者将论证，通过实用推理我们能够更好地理解决策应该如何生成。
作为连贯性的决策
决策活动是一种推理形式，但是何为推理？许多哲学家将演绎逻辑视为推理的典范。下面是一则演绎的实用推理：当你想吃冰激凌时，你应该点一份巧克力。你想吃冰激凌。因此，你应该点巧克力。遗憾的是，很少有普遍的准则告知我们具体可以做什么，因此对于实用推理而言，演绎并不是一种好的模型。我们熟悉的第二类推理模型是计算，例如，它能有效地解决算术问题和利用概率论。但是存在第三类推理的一般模型，它主张下列准则：当且仅当某一表征最大限度地符合你的其余表征时接受该表征。许多哲学家主张推理融贯论，但在如何将连贯性最大化的问题上仍然相当模糊。我们可依据约束满足来建构基于连贯性推断的精确、普遍模型。当我们理解某一段文本、某一张图片、某一个人或者某一事件时，我们需要建构一种符合所有可用信息，并且优于选择性的解释。考虑到相互匹配及不匹配的信息，最佳解释能够最连贯地说明我们想要理解的内容。例如，当我们遇到不平常的人，我们可能考虑将组合的假设和观念以不同的方式整合起来以理解他们的行为。我们可以根据多重约束条件下的最大满足来理解连贯性，可以非正式方式概述如下：1. 概念、命题、部分图像、目标、行为等即是表征。2. 要素可以连贯（连接）或不连贯（离散）。连贯性关系包括解释、演绎、简化、联想等。非连贯性关系包括不一致性、不相容性及消极联想。3. 若两个要素相连贯，则二者间存在一种积极的约束条件。若两个要素不连贯，则二者间存在一种消极的约束条件。4. 要素可分为被接受和被拒斥两个部分。5. 承认或拒斥两个要素可满足两要素间的积极约束条件。6. 只有在承认一个要素且拒斥另一个要素的情况下，才能满足两要素间的消极约束条件。7. 连贯性问题包括对一组要素的区分，分为可接受的和拒斥的两个集合，某种程度上可满足大部分约束条件。计算连贯性是将约束满足最大化的问题，通过多种不同算法可以接近实现这种连贯性。联结主义算法提供了在心理上最有吸引力的聚合优化模型。这些模型利用类神经元单元表征要素，利用兴奋性和抑制性链接表征积极的和消极的约束条件。通过扩展激活设置的联结主义网络导致一些单元的激活（接受）和其他单元的惰化（拒斥）。依据各种算法实现的约束满足度，我们可以对连贯性予以测算。一般而言，将连贯性予以精确最大化的计算问题是很复杂的，但是存在有效算法可以接近最大化，即约束满足分析的连贯性。现在，笔者通过说明连贯性如何适用于关于做什么的推断来更加详细地解释连贯性。伊利亚·密尔格雷姆和笔者已证明实践推理包括连贯性判断，即关于怎样组合不同的合理行为与目标（。在我们看来，行为与目标是要素，积极的约束条件基于简化关系（去巴黎的行为使我玩得开心的目标变得容易实现），消极的约束条件则基于不相容的关系（你不可能同时去巴黎和伦敦）。决定做什么是基于对最连贯计划的推理，这里的连贯性不但包括对目标的评估，而且包括决定要做什么。更确切地说，审慎的连贯性（deliberative coherence，DECO）可以通过下列原则详细说明：原则1：对称性连贯性与非连贯性之间是对称关系：若要素（行为或目标）F1符合要素F2，则F2符合F1。原则2：促进性试想行为A1…An的集合促进了目标G 的实现。则（a）每一Ai都与G 相符。（b）每一Ai与彼此的Aj相符。（c）所需的行为越多，行为与目标之间的连贯性就越小。原则3：不相容性（a）若两个要素都不能被作用或得到，那么它们之间不相关的程度较强。（b）若两个要素难以被同时作用或得到，那么它们之间不相关的程度较弱。原则4：目标优先性某些目标要求内在的或其他不相关的原因。原则5：判断力促进关系和竞争关系依赖于判断具有的连贯性，即关于真实信念可接受性的判断。原则6：决策决策的制定基于对一组行为和目标总体连贯性的评估。为了评估整体的连贯性，我们可使用计算机程序DECO。DECO 通过人工神经元网络中的类神经元单元表征每一要素（目标或行为），然后通过激活某些单元并钝化其他单元，通过网络将这种激活作用予以扩散。当激活作用的扩散结束时，活跃的单元表示被接受的要素，而无效的单元表示被拒斥的要素。DECO 为计算最为连贯的行为和目标提供了切实有效、实用的方式。乍看之下，审慎的连贯性似乎是决策计算模型的一个变体。通过计算可得出最符合目标的行为，听起来与巴泽曼基于满足加权标准的程度对可选择项预期价值的计算相类似。但这里有几个显著的不同点。与巴泽曼的构想不同，决策的审慎连贯性模型不固定目标的权重。DECO 的单元表示与原则4 的目标优先性相一致，但其影响依赖于和其他目标的关系，即使是基本目标也可以被其他目标部分钝化：目标对决策活动的影响取决于它们被激活的程度，而这依赖于它们和其他目标以及不同行为之间的关系。例如，学生们试图决定如何过周末的时候，开始可能认为他们最想做的就是玩得开心，但又意识到玩不是那么重要，因为这和学习备考或者节省钱以支付下学期的学费等其他目标相冲突。从心理学上讲，作为连贯性的决策和作为计算的决策有很大差异。计算是有意识的、清楚的，每个人都可以用纸笔进行计算。相比之下，如果人脑中的连贯或一致性最大化与DECO 所使用的人工神经元网络内的连贯性最大化相似，那么对一致性的评估就是某种过程，而与意识无关。我们所能意识到的只是一致性最大化过程的结果：我想付诸实践的行为得以实现。因此在解释人们如何决策的问题上，DECO 比计算模型更接近于决策的直觉模型。不是清晰、有意识地计算，而是一种无意识的过程将连贯性最大化，该过程产生的直觉认为某种行为比其他行为更优越。然而，在解释决策活动上，协商的一致性与直觉之间的主要区别是：关于做什么的直觉一般是情感性的，包括感觉到做某一行为是有利的，另一行为则是有害的。幸运的是，连贯性理论可以自然地得到扩展以囊括情感判断。

本文摘编自《热思维：情感认知的机制与应用》，[加] 保罗·萨伽德（Paul Thagard）著，魏屹东、王敬译，标题和内容有调整。

来源：kxrw_kx 科学人文在线

原文链接：http://mp.weixin.qq.com/s?__biz=MzA4NzQzMDk5NQ==&mid=2678417492&idx=1&sn=2ff8564e8cb2de51ddc0da33d2d82546&chksm=8a684a68bd1fc37e2841962914ce94c813fd0431aa88d563c3507b00b1e6a5805206a627d7ee&scene=27#wechat_redirect

电话：（010）86409582

邮箱：kejie@scimall.org.cn