B 块 · 决策与认知偏差 · 样本家族 · 第 10 课
你只是在找证据证明自己对
你以为自己在验证一个想法，其实你在供养它。这一课讲人类最顽固的思维习惯——确认偏差；也讲一件更微妙的事：网上那个"信息茧房"，真相比流行说法复杂得多，而元凶多半不是算法。
📍 你在哪个家族？ 这一课属于样本家族——你看到的样本，早就被筛过了。11 课（自信三兄弟）的筛子是"现实"（失败者消失、难度筛人），这一课的筛子是你自己：你挑什么看、挑什么信、挑什么记。你自己就是那个筛子。和 11 课是近亲——一个是你挑样本，一个是现实替你筛。
🎯 一句能带走的话：人检验想法的默认方式，是去找符合它的例子——而不是找能推翻它的。前者永远找得到，所以你永远觉得自己是对的。解药不是多查资料，是换一个问题："如果我是错的，我应该看到什么？"然后真的去找。
为什么这一课重要？ 因为确认偏差是所有偏差里最难自查的那个——它不会让你感觉自己在偏执，只会让你感觉自己"看了很多资料、想得很清楚"。看人、看项目、看新闻、看伴侣，它都在悄悄工作。
先做个测试：2 - 4 - 6
我心里有一条关于三个数字排列的规则。数列 2 - 4 - 6 符合这条规则。
你的任务是猜出这条规则。你可以不断提出新的三个数，我会告诉你"符合"或"不符合"。
问题来了：你打算先试哪一组？
大多数人先想到的是 A 或 B：因为脑子里已经有了假设（"依次加 2 的偶数"），于是去找符合它的例子。你会得到一连串"符合"，信心越来越足，然后自信地报出一个错答案。
在一项经典实验中，面对这个任务，29 人中只有 6 人（约 21%）在没报过错答案的情况下直接猜对。真正的规则其实非常宽：任意三个递增的数。要发现它，你必须主动去试那些你预期会被否定的组合——比如 C（3-9-11）、甚至 1-2-3 或 6-4-2。
完整来源与边界见 RESOURCES.md。
什么是确认偏差 🟢 现象极稳健
确认偏差（confirmation bias）：人在找、看、记三个环节，都偏向支持自己已有的信念；对反面证据要么看不见，要么用更苛刻的标准去挑它的毛病。这个现象在几十年研究中被反复验证，极为稳健。完整来源与边界见 RESOURCES.md。
它至少有三种不同的表现，混在一起才这么难防：
找的时候偏
搜索、提问、找资料时，天然朝着"能证明我对"的方向去。就是 2-4-6 里发生的事。
看的时候偏
同样质量的证据，符合我的就觉得"扎实"，不符合的就开始挑方法论毛病。
记的时候偏
支持我的例子记得牢，反例过目就忘——回头一看"证据压倒性"。
第二种最阴险：同一份证据，两边都更确信了
招牌场景 · 记住这个
找来 48 个人：24 个支持死刑、24 个反对。给所有人看同样两份研究——一份说死刑能威慑犯罪，一份说不能。两份研究的方法论强度对等。
结果：两边都觉得支持自己立场的那份"做得更严谨、更有说服力"，而对另一份挑出一堆方法问题。
这叫偏见同化（biased assimilation）——不是不看证据，是戴着立场的眼镜看证据。这个效应方向明确、反复验证，属于确认偏差中证据最扎实的一支。完整来源与边界见 RESOURCES.md。
重要的翻转：这可能不是缺陷 🟡 关键 nuance
把确认偏差讲成"人类脑子有 bug"是偷懒的。有一个更聪明的解释：
人默认用的是一套叫正向测试策略（positive test strategy）的脑回路——想检验"X 是真的吗"，就去看 X 成立的情况。这在很多真实场景里其实是高效、甚至接近最优的策略，尤其当你要找的目标相对稀少的时候。
2-4-6 之所以让人栽跟头，是因为它被特意设计成"正确规则极宽、而你的猜想只是它的一个子集"——在这种结构下正向测试必然失效。但现实中很多时候不是这样。
教学上的正确姿势：确认偏差不是"人蠢"，是一个通用策略被用在了它不适用的场合。这跟第 09 课"别浪费"那条美德被用错地方，是同一种故事。所以解药不是"别再确认了"，而是认出哪些场合必须切换到反向测试——高风险、不可逆、你已经很确信的时候。完整来源与边界见 RESOURCES.md。
信息茧房：流行说法 vs 实际证据 🟡 强命题证据不足
流行叙事是这样的：算法投你所好 → 你只看到同温层 → 越来越极端 → 社会撕裂。听起来无懈可击。但过去十年的实证研究，给出的画面复杂得多。
成立的部分：隔离确实存在
一项分析了 5 万名美国网民真实浏览记录的研究发现：78% 的用户大部分新闻只来自一家出版物，94% 来自至多两家。对立观点的曝光量在所有情况下都低于 20%，非中间派用户低于 5%。用研究者自己的话说：几乎所有用户都身处回音室之中。
2023 年一项基于 2.08 亿美国 Facebook 用户的研究进一步确认：隔离程度从"可能看到"到"实际看到"再到"真的去互动"，层层加深。而且左右并不对称——有一大块新闻生态几乎只被保守派消费，绝大多数错误信息聚集在那里，自由派一侧没有对应物。
不成立的部分：算法未必是元凶，改算法也没解决问题
同一项研究指出了一个关键细节：新闻内容的集中，主要由"自己直接输网址或上首页"的习惯驱动——直接访问占了描述性新闻的 79%。而社交与搜索这两个隔离度最高的渠道，同时也是让你接触到对立观点最多的渠道。
更有说服力的是三个大型实地实验，均在真实社交平台上运行、可独立发表：
- 把信息流换成纯时间倒序（去掉算法排序）：使用时长下降了，但三个月里极化和政治知识没有显著变化。
- 主动减少用户看到的同温层内容（涉及 23,377 人）：跨立场曝光确实提高了，但并没有相应地降低信念或态度上的极化。
- 移除所有转发内容：政治新闻和不可信内容都大幅减少，但并未显著影响政治极化或任何个体层面的政治态度指标。
另有研究发现，多数人的媒体食谱其实相当温和，约四分之一来自主流新闻网站；两党选民的媒体食谱重叠度 2015 年有 65%。回音室真实存在，但只刻画了相对少数的人——尽管这些人可能影响力不成比例。
正确的读法（这两句要分清）：
"存在信息隔离" —— 部分成立，而且不小。
"算法造成了极化，改算法就能解" —— 被实验否定了。
隔离更多来自你自己的选择（关注谁、点什么、直接上哪个站），而不只是算法投喂。这个结论对你更有用：能改的部分主要在你手上。完整研究来源与边界见 RESOURCES.md。
一处透明说明：上述 2023 年的三篇大型平台实验论文均有勘误或作者更正发布，本课未逐条核验勘误内容，因此不宣称"结论完全未变"，也不宣称"结论被推翻"。
⚠ 两个流行说法要打折 ⚠ 详见 B 块总结
"看到反面证据会让人更极端"（态度极化）——基本没复现。原始实验测的是自我报告的态度变化，作者自己承认前后对比测量因天花板效应做不成。后续用同样材料、更大样本重做，结论是没有以增大方差的方式让意见极化。更大范围的检验扫了 52 个议题、超过一万人，没有一个议题出现逆火效应。好消息是：不带敌意的讲道理确实有用——只有当论证尖刻带羞辱意味时，才测得到可信的态度极化。
"信息茧房是算法造成的，改算法就能解"——三个大型实地实验（换时间倒序、减同温层、去转发）均未改变极化。隔离更多来自自己的选择，不是算法推送。完整证据账目与边界限定见 B 块总结"有名但要打折"清单。
四层拆解
🔧 自我调节 — 两个杀手锏
- 问反问题。别问"有什么证据支持我的想法"，改问："如果我是错的，会长什么样？我应该能看到什么？"然后真的去找那个东西。这是 2-4-6 的唯一解法。
- 先定标准，再看证据。在查资料之前先写下："什么样的结果会让我改变主意？"写不出来的话，你不是在研究，是在收集弹药。
👁 识破套路 — 谁在喂你确认
- "你可能也喜欢"：推荐系统的本职工作就是给你更多你已经点过头的东西。它不是阴谋，是 KPI——但效果是让你的世界越来越像你自己。
- 先立场后证据的内容：标题就站好队的文章或视频，本质是替你完成确认偏差，让你爽。判断方法：它有没有认真呈现最强的反方论点？没有的话，它在做的是取悦，不是分析。
- 算命 / 性格测试 / 玄学：给你一个模糊描述，你自动去回忆符合的例子。下一课的巴纳姆效应就是这个的近亲。
- 营销"成功案例"：只给你看用了产品之后变好的人。这是确认偏差加幸存者偏差的组合拳，第 11 课细讲。
- 吵架时的"我早就说过"：人会自动检索支持自己的历史片段。对方也在这么干，所以你俩都真心觉得对方在胡搅蛮缠。
🧠 懂原理 — 多流派
认知（主）：核心机制是正向测试策略——一个在多数环境下省力且有效的通用启发式，在"假设过窄或证据不对称"的场合失效。注意这跟"人有维护自我的动机"是两条独立的路径：前者不需要任何情绪参与，纯粹是检索策略问题。
动机性推理 / 认知失调：当信念跟身份绑定（政治、宗教、"我是什么样的人"），推翻它的成本就不只是"我错了"，而是"我是谁"受威胁——于是防御启动。这解释了为什么越核心的信念越难撼动。
社会文化视角：有一派观点认为，推理能力在进化上本来就不是为了求真，而是为了说服和辩护（论辩理论）。若如此，确认偏差就不是 bug 而是 feature——只不过是"辩论用的功能"被误用在"求真"场合。诚实标注：这是有影响力的理论假说，非定论。
🧪 机制提示（谨慎）：有脑成像研究发现，政治信念受到挑战时，与自我表征相关的脑网络活动增强，且越不改变想法的人在脑岛与杏仁核的反应越强——提示"信念被挑战"确实牵动情绪回路。
但必须说清楚：该研究样本仅 40 人且全是自由派，作者自陈局限包括样本单一和内容混淆。脑成像不是确认偏差存在的证据——确认偏差的证据早就来自大量行为实验，充分得不需要脑图来背书。把"某脑区亮了"当成"这证明了什么"，本身就是一种要警惕的推理错误。完整来源与边界见 RESOURCES.md。
🗣 能讲出来
讲的时候用 2-4-6 开场（对方一定会中招，体验感最强），再落到那句反问："如果我是错的，我应该看到什么？"完整示范在复述区。
工作场景：一份"数据支持"的方案
职场 · 偏见同化
你已经心里有了倾向的方案，然后开始"用数据验证"。两周后你带着一堆图表进会议室，真心觉得结论是数据得出来的。
手动接管：注意顺序——你是先有结论还是先有数据？如果是前者，你搜集的过程几乎必然被正向测试策略牵着走。补救有两招：把"什么数据会否定这个方案"写下来，再去查一次；给团队里那个最爱抬杠的人正式授权去挑毛病——你自己找不到的反例，对手能找到。这不是走过场，这是把反向测试外包给一个动机正确的人。
↔ 交叉网：
· ↔ 第 05 课（可得性启发）：确认偏差决定你去找什么，可得性决定什么先蹦出来。两者叠加：找了一堆支持性例子 → 它们变得极易提取 → 你觉得"到处都是证据"。
· ↔ 第 06 课（基率忽视）：都属于"有了具体信息就丢掉整体图景"。确认偏差丢的是反例，基率忽视丢的是先验。
· ↔ 第 04e 课（集体情绪 / 网络声讨）：信息隔离加情绪传播是一套组合。但本课的证据提醒：隔离主要来自选择，不全是算法——这跟 04e 里"平台放大道德愤怒"并不冲突，两者是不同层面的机制。
· ↔ 第 11 课（幸存者偏差）：只看到成功者，是"样本被筛过"；确认偏差是"样本被自己挑过"。近亲，但机制不同。一个你挑样本，一个现实替你筛。
课后练习
- 做一次反向搜索。挑一件你最近很确信的事（一个观点、一个产品、一个人），专门去搜它的反面，读满 10 分钟。
- 写下你的"改变条件"。针对一个你正在纠结的决定，写一句："如果 ______，我就改变主意。"
- 查一次自己的信息源。数数你主要新闻或观点来自几个来源。如果是 1-2 个，你就在那 78% 里。
🎭 跟我练（回到对话里）
把一个你很确信的判断发给我（对某人、某方案、某趋势的看法）。我来扮演反方，专门找能推翻它的证据和角度——你会看到自己之前漏掉了什么。
想开始就发我："来挑战我一个判断。"
🧠 本课核心概念速记（讲给别人时用这些名字）
只收本课最核心的概念名——记得住名字，才讲得出道理。态度极化等争议概念正文判词即可，不单独记。
🧠 背诵区 · 记住这 3 件事
点卡片翻面。每张卡只记一个点。
⏳ 间隔复习：明天翻一遍；3 天后再翻。顺手翻 05(可得性)·11(幸存者偏差)——确认偏差和可得性是一对搭档，和幸存者偏差是近亲。
🗣 复述区 · 讲给别人听
能讲清楚，才是真懂。
讲不顺的地方，就是还没真懂的地方 — 发给我，我帮你补上。