认知科学
Cognitive Science
认知偏误、心智模式与大脑决策机制
共 22 个模型
什么是认知科学？
认知科学研究心智和智能的跨学科领域，融合心理学、神经科学、人工智能、语言学、哲学、人类学。核心问题是「大脑如何处理信息、做出决策」。对实践者来说，认知科学最有价值的是对「认知偏误」和「心智模式」的研究。认知科学思维的关键是：认识到大脑不是完美的计算机，而是有各种「捷径」和「bug」的信息处理系统；理解这些偏误，才能规避它们，做出更理性的决策。
学习路径
- 1
入门：先读《思考，快与慢》，建立双系统理论的核心框架
- 2
偏误：系统学习认知偏误，理解启发式、锚定效应、确认偏误、可得性偏误等
- 3
神经：学习神经科学基础，理解大脑结构、神经元、神经递质、脑区功能
- 4
决策：学习决策理论，理解期望效用、前景理论、风险感知、选择架构
- 5
心智：学习心智模式，理解框架、范式、世界观如何影响认知
- 6
应用：将认知科学应用到决策优化、产品设计、用户体验、行为改变
认知科学模型列表
批判性思维
Critical Thinking
对思考进行再思考：质疑假设、评估证据、识别谬误，不盲从也不否定一切。
结构化思维
Structured Thinking
把混乱的问题拆解成清晰的结构：先框架后细节，先分类后分析，让思考有条理。
双盲实验
Double-Blind Experiment
实验者和被试都不知道分组：避免安慰剂效应和实验者偏见，确保结果客观。
对照实验
Controlled Experiment
比较实验组和对照组：除了要测试的变量外，其他条件保持一致，通过比较确定变量的因果效应。
相关性不等于因果
Correlation Does Not Imply Causation
两个变量相关不代表有因果关系：A和B同时变化可能是巧合、第三方因素或反向因果，不能直接得出因果结论。
类比思维
Analogical Thinking
用已知理解未知：发现两个事物间的结构相似性，把一个领域的方法迁移到另一个领域。
归纳思维
Inductive Thinking
从具体到一般：观察多个具体案例，总结出普遍规律或模式。
演绎思维
Deductive Thinking
从一般到具体：从已知的前提出发，通过逻辑推理得出具体结论。
信号与噪声
Signal and Noise
区分有意义的信号和随机的噪声：在大量信息中识别真正有预测力的模式。
因果错觉
Causal Illusion
把相关当因果：两件事先后发生或同时变化，就误以为有因果关系，实际可能只是巧合或第三方因素。
控制错觉
Illusion of Control
高估自己对事件的控制力：在随机事件中也觉得自己能影响结果，把运气当能力。
群体制服偏误
Bandwagon Effect
别人都这样我也这样：因为很多人相信或做某件事，就跟着相信或做，忽视独立判断。
对比效应
Contrast Effect
前后比较改变判断：一个东西的价值感知，受之前看到的东西影响，而非绝对价值。
选择性注意
Selective Attention
只能注意到部分信息：大脑会过滤掉不关注的信息，只处理注意力范围内的内容。
叙事谬误
Narrative Fallacy
给随机事件编故事：大脑倾向于给不相关的事件编造因果关系和连贯故事，而非承认随机性。
行动偏误
Action Bias
不行动就难受：在不确定时倾向于做点什么，即使什么都不做更好，因为行动让人有控制感。
灰犀牛
Gray Rhino
大概率高影响的明显威胁：像灰犀牛一样明显，但人们因为拖延、否认、集体忽视而不应对。
重复实验
Replication
独立重复验证研究结果：其他研究者用相同方法独立重复实验，看是否得到相同结果，是科学可靠性的保障。
假设驱动
Hypothesis-Driven
先提出假设再验证：解决问题时先提出可能的答案（假设），再通过数据和分析验证假设，提高效率。
根本原因分析
Root Cause Analysis
找到问题的根本原因而非表面症状：通过系统性方法挖掘问题的根本原因，从根源解决问题防止复发。
热手谬误
Hot Hand Fallacy
相信连续成功会继续：认为一个人连续成功后会继续成功（手感热），但实际上连续成功可能只是随机现象。
第一性归因
First-Cause Attribution
追溯到最根本的原因：不满足于表面原因，通过连续追问追溯到最根本、最本质的原因，从根源解决问题。