能力坐标轴有四个象限。
第一象限（右上方）是后天能力和认知能力的交汇点，主要问题是定势、迷思和谬误，都是在后天环境影响下逐步习得的。
所谓定势，就是思维僵化、功能固着（Functional Fixedness） 、刻板印象（Stereotype） 等常见认知问题。打破定势的关键是坚持开放性，尊重多样性。对待不同的人事物和道法术始终采取兼容并包、求同存异的态度。勇于尝试新选项，敢于承担尝试的后果，对打破定势非常重要。
所谓迷思，就是群体迷思（Groupthink） 、盲从迷信、社会歧视等常见认知问题。打破迷思的关键是坚持独立性，尊重差异性。在群体中时，始终保持个体的独立性，不搞人云亦云，不怕三人成虎，敢于在群体中提出不同意见。
所谓谬误，就是逻辑错误、内容错误等常见认知问题。尤其是逻辑谬误，严重影响判断和决策的质量。理性主义者认为，我们可以通过逻辑接近真相甚至揭示真理。但逻辑实乃后世发明，需要后天习得。由于默认缺乏逻辑模块，人在认知判断和决策的逻辑推理过程中表现不佳。没有接受过逻辑训练的人很容易犯各类常见错误，最常见的莫过于把相关当因果，甚至把先后发生看成因果关系。小明觉得自己感冒了，于是吃药，然后好了，所以吃药是小明感冒好起来的原因。这种逻辑显然是有问题的，因为还有很多其他解释，或许小明不吃药也会好，或许吃的根本不是感冒药，或许小明根本没有感冒。破解逻辑谬误的治本之道是学习逻辑学原理和方法，在逻辑推导时多用公式算法。同时，阅读《学会提问》等书籍，掌握批判性思维（Critical Thinking，在中国语境下更精准的翻译应为“慎思明辨”），提前知晓常见的逻辑错误并有意识地加以避免。
第二象限（左上方）是先天能力和认知能力的交汇点，主要短板是健忘、错觉和偏差，都是在先天基因影响下遗传得来。
所谓健忘，就是我们人脑的工作记忆容量很小，所以很容易忘事。事实上，遗忘是人脑网络降低能耗、提高能效的绝妙机制，我们通过遗忘来记忆，通过忘记多数不重要的事情来记住少数重要的事情。但它也严重限制我们的能力发展，而且经常带来“有知之错”。相对于因为不知道而犯错的“无知之错”，“有知之错”主要是因为知道得太多而犯错，本质上是因为忘事而出错。解决方法，一是使用纸笔、电脑、手机、大模型等信息工具来拓宽自己的工作记忆，一切信息工具投资都会带来丰硕回报。二是编写和更新清单（Checklist），提前梳理操作步骤，按部就班，以免疏漏。
所谓错觉，也是人脑在较少资源下开展工作时进化得来的利大于弊的机制。它是人脑在信息有限的情况下，调动历史数据（记忆碎片）和算法（预测、模拟、修正）来生成内容的过程。用过去的话说叫“脑补”，用时下流行的GenAI术语说叫“生成”。AI会有错觉，人脑也会。由于错觉，我们会看到不存在的东西。我们大脑收到的感觉刺激超过90%来自视觉，但是这些视觉刺激信号其实非常不可靠，因为呈现在我们眼帘的、浮现在我们脑海的视觉画面都是经过大脑重构的。换句话说，我们看到的东西，除了少数框架和细节外，大多是建构出来的，族群的历史和个人的过去决定了我们看到什么。不是眼见为实，而是心想“视”成（Seeing is believing）。眼睛看到东西，大脑决定它是什么。由于脑补现象普遍存在，所以错觉是人类所共有的。我们似乎无法彻底遏制这种错觉，但我们可以在知情的前提下做好预防，时时提醒自己，有图未必就有真相。比如，下面左右图中的A和B颜色一样，但是由于参照系不同，产生两者颜色不同的错觉。
所谓偏差，即认知偏差（Cognitive Bias），是人类在漫长岁月中进化得来的认知倾向，是我们根据主观感受而非客观资讯建立起的主观现实。我们无法回避认知偏差，因为它们是大脑原生系统里的原装程序，先天具备，默认开启，后台运行，具有普遍性。在我们接受感觉刺激信号和情绪评价信息，形成看法的时候，认知偏差无意识地发挥作用。只要我们“以人为尺度”来衡量世界，就难免主观，就无法回避认知偏差。我们也无需回避认知偏差。它们是针对过去特定问题的高效解决方案，这些“老办法”有利于前人在恶劣环境下保存自己、发展自己，所以遗传给我们。怎奈斗转星移、时过境迁，技术突飞猛进，出现许多新场景、新问题，“老办法”遭遇局部性或阶段性失配、失灵和失效，结果被今人诟病、挑刺和鄙夷。
存在一种预防针效应，就是知道认知偏差可以帮助我们缓解其效果。推荐大家阅读更多关于认知偏差的信息，努力识别它们并缓解其不良影响。我把常见的上百种认知偏差归纳为七类倾向：
一是归因倾向。为了降低认知负担，为复杂的世界建立起一种简单的因果逻辑关系。由此产生的偏差包括：基本归因错误（Fundamental Attribution Error）、错误关联（Illusory Correlation）、后见之明偏差（Hindsight Bias）。
二是自利倾向。为了改善情绪体验，选择性关注对自己有利的信息，由此高估自己，低估他人。由此产生的偏差包括：乌尔冈湖效应（Lake Wobegon Effect）、宜家效应（IKEA Effect）、斯德哥尔摩综合症（Stockholm Syndrome）。
三是自证倾向。为了匹配当下的知行和先前的预期，通过选择性关注保持逻辑一致性。由此产生的偏差包括：自我实现预言（Self-fulfilling Prophecy）、巴纳姆效应（Barnum Effect）、皮格马利翁效应（Pygmalion Effect）。
四是极端倾向。为了在不确定情况下做判断，对现有信息进行极端化处理，“锐化”以提高清晰度。由此产生的偏差包括：忽略可能性（Neglect of Probability）、频率错觉（Frequency Illusion）、峰终效应（Peak-end Rule Effect）。
五是参照倾向。为了在信息不完全和不确定情况下快速做判断，寻找参照系来得出相对值，从而生成观点。由此产生的偏差包括：对比效应（Contrast Effect）、框架效应（Framing Effect）、锚定效应（Anchoring Effect）。
六是保守倾向。为了提高生存概率，采取保守策略。由此产生的偏差包括：负性偏差（Negativity Bias）、零风险偏差（Zero-Risk Bias）、安于现状偏差（Status Quo Bias）。
七是群体倾向。为了提高生存概率，和部分人抱团发展，甚至不惜放弃自我。由此产生的偏差包括：刻板印象、群内偏差（Ingroup Bias）、从众效应（Herd Behavior）。
注意，认知偏差并非一无是处，作为人类原生系统的重要组成部分，这些“老办法”针对许多老场景、老问题依然有效。就像垃圾是被放错了位置的资源一样，偶尔出现问题的认知偏差只是被用错了地方的利器。我们要在认识偏差的基础上，修正一些偏差，用好一些偏差。扬长避短，为我所用。有四种模式可以参考：
一是整改模式。这是针对偏差的传统思路，主要是学习批判性思维，引入红队模块，加强事先培训、事中督导和事后纠错等方式，尽可能地遏制其负面影响。
二是补救模式。行为科学家奥利维尔·西博尼（Olivier Sibony）指出，个人层面的偏差可以通过集体视角来消除。他提议通过构建决策架构（Decision-making Architecture），点燃群体智慧，抚平个体偏差。
三是助推模式。法律学者卡斯·桑斯坦（Cass Sunstein）和其他“温和家长主义”的支持者们倾向于搞“微操作”，通过设置默认选项、提供信息指引等助推方式，利用人性弱点来服务社会。
四是设计模式。复杂经济学创始人布莱恩·阿瑟（Brian Arthur）认为，技术是对现象有目的的编程。理论上和现实中，许多人将偏差连同谬误、定势和迷思等心理现象，编程为心理技术，解决特定问题。
第三象限（左下方）是先天能力和行为能力的交汇点，主要短板是噪声和阈限，也是在先天基因影响下遗传得来。
行为系统的感觉输入无法避免地存在噪声。噪声是随机的，而且是注定的。诺贝尔经济学奖得主、“行为经济学之父”丹尼尔·卡尼曼（Daniel Kahneman）曾与西博尼、桑斯坦合著《噪声》，指出噪声才是影响人类判断的黑洞，进而提出了解决噪声问题的思路。遗憾的是，这些建议与前面解决偏差时的建议过于相似，只能降低噪声的影响，却无法根除其存在。对于彻底消除噪声，我持悲观态度，建议牢记噪声的存在，并学会与之共处。
阈限是和噪声一样的结构性问题，也属于行为系统的感觉输入阶段，同样近乎无解。感觉阈限是指我们进化得来的原装系统有一个感知范围，比如，我们看不到红外光，听不到超声波。注意，要区分环境限制和感觉阈限。环境限制就是没有月亮的黑夜，我出去散步，伸手不见五指。感觉阈限则是我的眼睛不行，即便月光很好，也只能看到有限光景。因此，环境限制决定可供我们感知的信息有多少（供给率），感觉阈限则决定可被我们感知的信息有多少（接收率）。
我们无法改变感觉阈限，但可以解决它所带来的信息残缺和信息过载问题。前者会促成我们脑补后的错觉，后者会诱发FOMO心理（Fear of Missing Out，即错失恐惧症，害怕错过重要信息）。一旦我们选择退缩，就可能陷入互联网公司用算法编制的信息茧房（Information Cocoons） ，降低输入数据和信息的质量，造成无知之错（因为不知道而犯错）和简单错误（因为信息有误而犯错）。
针对数据和信息的残缺问题，我们要承认现实，并尽力弥补。近视就戴眼镜，色盲就多问他人红绿灯颜色，宅家看手机的人要走出去，动起来，实地看事物，动态看问题。
针对数据和信息的过载问题，我们要提高数字素养，找到信息的源头。所谓源头，一般都是优秀的创作者，他们是高质量数据和信息的生产者。历史上，这些杰出人物经常组团出现，可能集中于物理世界的某座城市、某所高校、某个院所，或虚拟世界的某种平台、某类网站、某些社群等。当你读到有价值的观点或文章时，试着找到原作者的公众号或博客，关注起来。甚至跟进一步，顺藤摸瓜，找到他的老师甚至老师的老师，数据和信息的数量规模就会锐减，质量水平就会骤升。年轻人要努力找到信息源头集聚的地方，跟随信息源头学习，传承他们的经验和技能，完成他们未尽的事业，成为新的信息源头。
除了做加法外，还要做减法，就是删除或者隐藏一切可用可不用的APP，取关或屏蔽所有可看可不看的KOL，为自己定制一间充满有限优质内容的信息温室，沉浸其中，享受其中，放任知识和智慧的萌芽野蛮生长。这里我强烈推荐微信读书，可以有效降低阅读门槛，促进思考和讨论，建议大家都安装使用。
第四象限（右下方）是后天能力和行为能力的交汇点，主要问题是依赖和恶习，也是在后天环境影响下逐步习得的。
前文提到的噪声和阈限，主要涉及行为系统的感觉输入，而这里讨论的依赖和恶习则主要关乎行为系统的运动输出。依赖是一种路径依赖和锁定，过去这么做，现在还这么做，看着后视镜里的路是直的，所以相信前面的路也是直的。恶习则更简单，纯粹是一些糟糕的习惯。我们是什么样的人，往往由我们的行为决定，而我们的行为，首先由我们的方法和习惯决定。
改变路径依赖，纠正不良习惯，需要我们做好环境设计和行为塑造。这里必须引入我最喜欢的行为主义的ABC理论。
A是前因（Antecedent），即行为发生之前，触发或诱发特定行为的环境因素，如特定的刺激信号。B是行为（Behavior），即被前因激发的特定行为，是刺激信号触发或诱发的产物。C是后果（Consequence），即行为发生之后带来的影响，包括正向、负向的奖励与惩罚等强化。
前因（Antecedent）- 行为（Behavior）- 后果（Consequence）
经典条件反射（Classical Conditioning），巴甫洛夫（Ivan Pavlov）的狗，在我看来是AB组合，铃铛响起，就有肉吃，久而久之，听到铃铛就流口水。操作条件反射（Operant Conditioning），斯金纳（Burrhus Skinner）的箱子，是BC组合，老鼠和鸽子一按压杆，就得到食物作为奖励，久而久之，看到压杆就会去按。中国式教育，是ABC“全家桶”组合。先教孩子，孩子学会了，就作表扬，学不会就批评。养成习惯，确有效果。
无奈的是，人并不是小狗、老鼠和鸽子。人有追求自主的渴望，打心底不希望被控制。人还会追求更多喜欢的东西，所以改变行为不可能简化为只有ABC，还需要精心设计。行为研究者福格（Brian Fogg）写了一本关于行为改变的书，提出MAP模型，强调M（动机，Motivation）、P（提示，Prompt）和A（能力，Ability） 。我认为福格的模型是对经典理论的细化，动机、提示和能力，都是对前因的细化和补充。也就是说，改变行为的关键在前期，功课都要做在前面。我一直认为，真正的胜利者，赢在开始之前。
在行为前，预先做好三件事情：一是设法调动积极性，让自己或他人愿意改变和行动。为此，可以先引导他们想象改变后可能带来的好处，如愉悦、沉浸、意义等体验，或能力和资源方面的收益。百闻不如一见。无法想象的，就亲身体验，相信具身认知（Embodied Cognition） 。例如，为了帮助孩子树立远大志向，与其每天说教要考清华北大，不如带他们去清华北大校园看下，和清华北大学生聊下。二是通过环境设计，降低行为启动和执行的成本。设计一些会重复出现、自动触发特定行为的提示线索。同时，提前改良工具和流程，让行为更容易落地。例如，给孩子一个装满优质图书的Kindle，或设好智能助教的iPad。三是提前开展培训，帮助当事人提高采取行动的能力，或提前储备资源，为采取行为提供充分的要素保障。比如，预留整块的时间来正念陪伴孩子，和他一起交流成长话题，了解困惑困难在哪里，有的放矢地予以指导。
在行为中，给主体多提供外部支持。指导他人时，可用的方法包括作出示范、手把手教和提供脚手架（Scaffolding）等，只要用心陪伴、耐心讲解、精心演示，就可以帮助他人有效地修正行为方式。自我塑造时，可以考虑安排人类教练或AI督导。社会网络激励（Social Network Incentives）、同侪压力（Peer Pressure）等实验实战有效的技术也可以引入。如写书缺乏动力的人，可以在微信群里直播创作过程，让朋友倒逼和督促自己更加努力。
在行为后，选择正确的强化方式。正向奖励（Positive Reinforcement），加一根胡萝卜，提高当前行为未来发生的概率。反向奖励（Negative Reinforcement），减一大棒，提高当前行为未来发生的概率。正向惩罚（Positive Punishment），加一大棒，降低当前行为未来发生的概率。反向惩罚（Negative Punishment），减一根胡萝卜，降低当前行为未来发生的概率。这四种方法用于强化预期行为，弱化不预期行为。研究发现，变频变量强化的效果更好。另有研究者认为，惩罚不如奖励。一些研究者甚至认为，外部奖励有损于内在动机，所以奖励也不行。自主论没有那么极端，认为适度的奖励是合宜的，特别是针对个人努力的肯定。适度的惩罚也可以接受，但要优先使用反向惩罚而非正向惩罚。
我们用好ABC理论及其建议，就有可能逐步改变依赖和恶习。具体如何提高能效，我们将在本书下部“时空管理”“任务管理”“精力管理”等章节中展开。
最后，建议学习查理·芒格（Charlie Munger）编织并罗列“蠢事清单”，记录自己平日里犯下的错误，找到对应的认知短板和行为问题，逐项反思，逐步更正。
（本文节选自《自主论：何为自主以及何以自主》，欢迎扫码加入自主论书友会微信群，参与交流讨论。）
关于解缚的普罗米修斯
我是温州人，爱好读书和写作，关注心理学和数字化，是高温青年和AIGC公益社群发起人和志愿者，也是TED策展人和演讲者，以及AI音乐爱好者和推广者，正在策划组织2025年AI音乐春晚活动。我写了一本《自主论》，讨论何为自主、为何自主与如何自主的话题，希望你会喜欢。
