TL;DR
确认偏见： 我们寻找证实已有信念的证据，忽视与之矛盾的证据。这不是偶尔的懒惰——而是我们在注意、解释和记忆信息方面的系统性偏见。结果：信念随时间变得更加顽固，无论其准确性如何。
确认偏见由彼得·沃森在 1960 年通过他的"2-4-6 任务"实验正式描述，随后由乔纳森·海特、齐瓦·孔达和丹尼尔·卡尼曼详细阐述。偏见通过四个不同的机制运作：（1）选择性信息搜索——我们优先寻找与信念一致的证据；（2）偏见解释——我们将模糊证据解释为支持我们的观点；（3）选择性记忆——我们更容易回忆起确认性证据；（4）态度极化——接触混合证据会强化而非缓和初始立场。
当信念与身份、社会群体成员资格或自身利益挂钩时，偏见会被动机推理放大。政治信念、宗教信仰和专业判断都显示出强烈的确认偏见，正是因为犯错的风险感觉很高。
社交媒体算法在文明尺度上放大确认偏见，通过优化内容流以获取参与度——确认现有信念的内容比挑战它们的内容产生更多参与度。
已建立头寸的投资者不成比例地消费关于该头寸的看涨新闻，忽视看跌新闻。经纪数据显示，持有头寸的零售投资者阅读关于其持仓的正面分析师报告比负面报告多 70%——这是选择性信息搜索的直接测量。专业投资者显示相同模式，这有助于解释为什么大多数主动管理基金表现不及指数基金。
一旦医生形成初步诊断，确认偏见导致将后续测试结果解释为与该诊断一致。据估计，美国每年有 40,000-80,000 例医院死亡涉及诊断错误，其中很大一部分可归因于当新证据需要时未能修正初始诊断。
福特内部工程师记录了 Pinto 油箱在追尾碰撞中危险的证据。福特管理层出于成本和时间原因对该设计做出承诺，将相同数据解释为符合现有安全标准。两组看到相同的证据；信念极化产生了截然不同的解释。最终设计未被更改；后来在法庭诉讼中 27 例死亡被归因于油箱设计。
✅ 高风险情境： 不确定性下的决策；评估；谈判；项目规划；概率判断
❌ 较低风险： 具有客观标准、快速反馈和明确不确定性量化的决策
将意识视为免疫。 了解认知偏见会略微减少其效果，但不会消除它。结构性干预比单纯意识更有效。
过度归因每个错误为偏见。 并非每个错误都反映认知偏见——有些错误源于信息不足或真正的复杂性。
如何减少决策中的这种偏见？
结构性干预比意志力更有效：积极寻找矛盾证据、咨询持相反观点的人、使用结构化检查表、随时间跟踪预测与结果（校准练习），以及进行事前验尸。单纯意识是不够的。
专家对这种偏见的敏感性较低吗？
仅在具有快速、准确反馈以实现真正校准的领域。在反馈缓慢或嘈杂的领域——战略、长期预测、罕见病症诊断——专家显示的偏见与新手相当。领域专业知识和认知偏见抵抗力在很大程度上是独立的。
这种偏见如何影响群体决策？
群体经常放大个人偏见：从众压力减少独立判断；权威梯度压制异议；共享信息被过度加权。最稳健的群体决策使用结构化技术——匿名投票、魔鬼代言人、事前验尸——在群体讨论开始前保持独立判断。
🚀 用 话老师 检查你推理中的确认偏见 →
本页面是 话老师 心智模型知识库 的一部分。
心智模型是"知道"，练成肌肉记忆才是"会"。去 AI 陪练用这个场景过一遍，或在训练营里找对应实战课。
🤖 AI 陪练 🗓️ 30 天训练营 🎨 生成海报