第三章 贝叶斯推理的认知基础

人们进行判断和决策时，经常会面临不确定性情境。为了减少不确定性的程度，往往通过收集、整理信息来做出判断，即进行贝叶斯推理（Bayesian Inference）。关于贝叶斯推理的定义，主要有以下几种看法：曼克特洛（Manktelow, 1999）认为，符合贝叶斯模型的推理就是贝叶斯推理。塞缪尔（Samuel, 2000）则认为，贝叶斯推理是将已有经验与数据集的潜在知识相结合，利用先验知识和样本数据来获得对未知样本的估计，从而弥补各自的片面性与缺点，最终得到比较合理的结果。[1]史滋福等（2009）从心理学的视角出发，采用过程评定取向，将贝叶斯推理定义为：推理者对先验知识和当前证据信息进行锚定、组合、调整，用以对逆条件事件进行主观概率估计的过程。[2]这显然是不同于逻辑学界的一种新定义。

贝叶斯推理源自人们根据新信息或证据调整自己已有观点的日常生活经历，如医生在看病时首先会对病人做一个病情估计（即对病人患某种疾病的可能性进行估计），然后进行检查、化验，如果新增加的信息使他认为病人患有该病的可能性增大，并且达到他认为确实是患了这种病的可能时，他就会做出最后的诊断。如果错误地估计了这一可能性，则很有可能导致误诊，从而危及生命。但诸多研究表明，人们在贝叶斯推理时会经常犯错误，例如大多数推理者包括那些名牌医学院的学生，在著名的医学疾病诊断问题上表现得都很差，正确率低于10%。[3]因此，从认知的角度考察人们在贝叶斯推理时犯错误的原因是非常必要的。但到目前为止，对人类贝叶斯推理能力的研究存在两种截然相反的观点：一种认为，即使是“保守的”推理也在一定程度上与贝叶斯推理规则计算得出的结论相吻合（Edwards, 1968）。史滋福认为（参见史滋福，2007: 59—60，也参见Slovic & Lchtenstein, 1971），人们的直觉推理在大方向上（肯定或否定）是与计算结果一致的，只是精度不够；彼得森和比奇（Peterson & Beach, 1976）认为，人作为直觉式统计学家，其概率推理方法一般类似于贝叶斯公式的计算。[4]另一种认为，人们的直觉推理与贝叶斯定理相距甚远，甚至根本就没有遵循贝叶斯推理规则（Kahnemen & Tversky,1972），古生物学者古尔德（Gould, 1992）更极端地认为，人们的大脑生来就不是遵循概率规则的。那么，人们在贝叶斯推理问题的解决过程中到底怎么了？（参见史滋福，2007: 59—60）为什么有的研究得出人类的直觉推理与贝叶斯推理规则相去甚远，而有的研究又认为，人是直觉式统计学家呢？是什么因素影响了人们的贝叶斯推理？[5]