我们究竟是如何作出判断的？

你回答问题的时候会用到系统2，系统2能调动注意力并通过搜寻记忆去寻找答案。系统2接受问题或提出问题：不管是提问还是回答，它都能引导注意力并搜寻记忆来找到答案。系统1以不同的方式运行，不断监视着大脑内外发生的一切，没有特定意图，也无须付出多少努力，只是对当时的情形作出全方位评估。这些“基本的评估”在直觉性判断中扮演了重要角色，因为人们常会拿它们来替代更难的问题一这也是启发法和偏见研究方法的基本理念。

人们常常会用这些基本的评估来替代其他更难的问题。这是和系统1的两个特点息息相关。其中一个特点就是系统1具备跨维度解读价值观的能力，你可以回答一个大多数人都觉得很简单的问题：“如果山姆的身高和智商一样，那么他究竟有多高？”此时思维快捷方式便开始运行了。另外一个特点是另外一个特点是思维的发散性。系统2会集中注意力回答某个特定问题，或是对某种情况的特殊属性进行评估，集中的注意力又会自动运行其他的评价程序，包括一些基本判断。

基本评估

随着人类进化不断完善，系统1可以对生物体生存必须解决的主要问题提供连续的评估，这些问题包括：事情进展得怎么样了？我们面临的是威胁还是机遇？一切都正常吗？我应该是前进还是退避呢？我们有不断进化的遗传神经机制，可以持续不断地对威胁水平进行评估。我们通常用好与坏来评价不同情形。人的好心情和认知放松与动物对安全和熟悉程度的判断是相当的。这种能力能够提高人们在危险世界的生存概率，因此在进化过程中不断增强。

这种古老的机制在现代社会得到重新利用：它对人们如何选举有些影响。事实证明，约有70%的竞选活动的胜出者也正是那些在服片评估中获得较高评价的人。

托多罗夫发现，人们总会结合力量和可信度两方面因素来评估一个人的能力。刚毅的方下巴和自信的微笑便可告诉我们，这个人很有能力。没有证据显示这些面部特征确实能预示某些政治家可以当选，但关于人们对胜出和出局候选人的判断研究显示，我们往往在投票前就会对那些不具备我们认可的面部特征的候选人持否定态度。投票者尝试着对候选人将来的任职表现生成一种印象，他们又转而依靠系统2快速自主地作出一种更加简单的判断，这一系统只有在必要时才会作出这一判断。我将这个例子称为“判断启发法”案例，接下来的章节中会沿用这个说法。

当然，系统1理解语言，这种理解是建立在一些基本判断基础之上的，而这些判断通常又是在洞察事实和理解信息的基础上作出的。这些判断包括对相似度和代表性的判断，对因果关系的属性以及对联想和样本的可用性的判断。尽管判断的结果是用来满足任务要求的，但是没有具体任务时，这些判断活动照样也在进行着。

基本判断的内容很多，但不是每个可能的属性都需要判断。很多时候，一眼看去，你便会对物体的很多特征有个初步印象，这是系统1的工作。但对于其他问题，则需要系统2出马。

平均与所有

系统1擅长处理平均的信息，但对于总体的信息（例如求和）无能为力。它们只有系统2才能完成。事实上，这是系统1的一个重要的局限性。因为系统1通过原型或一组典型事例来表示不同事物，并将它们分类。它能解决好平均问题，但对总量问题束手无策。一个类别的规模及其所包含的实例数量，在我们判断总额变量时常常被忽略了。

与强度等级匹配的描述

诸如你的幸福感、总统受欢迎的程度和政治家的未来前景等问题有一个共同的重要特点： 这些问题都涉及隐含的强度或数量概念，因而我们也就可以使用“更”这个词对其进行描述：更幸福、更受欢迎、更严厉或（对政治家来说）更有力度。接下来我们会了解到系统1的又一新能力——它会在不同领域中进行强度的等级的“匹配”描述。

请思考这个例子 （后文中还会提到这个例子)：

上述问题并不是很难回答，对吧？此外，可以肯定的是与你同处一个文化领城的人作出的匹配与你的回答会很相近。我们发现，人们根据朱莉的阅读年龄这一信息预估她的学分积点时，他们通过一种范時向另一范畴的转换来回答这个问题，并且选出了相应的学分积点值。我们也明白为什么这种利用匹配进行预测的模式从统计学角度来看是错误的，尽管对于系统1来说这很正常，但对于统计学家以外的大多数人来说，系统2也可以接受这种做法。

思维的发散性让我们作出直觉性判断

系统1任何时候都可以同时进行多种估算，其中有些估算是持续不间断的常规评估。只要眼睛是睁开的，你的大脑就会对视觉范围内呈现出的立体事物进行评估，这种评估是对这些物体的形状、空间位置和特性等因素的全方位评价。这一评估活动的运行或对违背期望的事物进行持续监督的行为都是无意识的。与这些常规评估不同，其他评估行为只有在需要时才会进行：你不会持续评估自己有多高兴或多富裕，即使热衷政治，你也不会一直不间断地评估总统的执政前景。偶尔的判断是主观自愿的，这种判断才是有意识的。

系统1会不由自主地同时进行多种估算。不过，想要使刻意计算的结果很精确并非易事：我们计算的结果往往比自己想要的或需要的要多。这种过量计算的过程就体现了“思维的发散性”。想要让系统1完全执行系统2的命令且不做多余的工作也很难。

在下一章中我们会发现，思维的发散性和强度匹配结合起来就可以解释为什么我们对很多自己不很了解的事情能够作出直觉性判断。