[!info] related notes

• 相关 MOC: logic-moc、logical-fallacies-moc、cognitive-biases-moc
• 相关概念: confirmation-bias、survivorship-bias、availability-heuristic、anchoring-effect、sunk-cost-bias、base-rate-neglect

逻辑谬误与认知偏差的区别与关系

覆盖范围

这篇笔记只回答一个问题：逻辑谬误（fallacy）与认知偏差（cognitive bias）为什么经常一起出现，却不能混成同一个概念。

最核心的区别

可以先记成两句话：

逻辑谬误：看“这个论证哪里坏了”
认知偏差：看“这个判断者为什么容易往某个方向偏”

前者的分析对象主要是论证、证据与结论之间的关系；后者的分析对象主要是注意、记忆、估计、搜索和决策机制。

维度	逻辑谬误	认知偏差
主要对象	一段论证	判断过程 / 心理机制
核心问题	前提是否真的支持结论	为什么人会系统性高估、低估或选择信息
是否必须有人相信它	不必须，故意宣传也能使用谬误	通常描述判断者自身的偏向
是否可以只看文本判断	有时可以	往往不能，仅凭一句话很难确定心理机制
改进重点	修论证结构、补证据	改信息流程、决策环境、搜索顺序

一条完整路径：确认偏误 → Cherry-picking

确认偏误让人更容易寻找和记住支持已有信念的材料：

我先相信 H
↓
更容易搜到支持 H 的证据
↓
反证被低估

最后在对外论证时，只剩下支持 H 的材料：

展示 E1、E2、E3
隐藏或忽略 E4、E5
↓
[[cherry-picking-fallacy|选择性证据]]

所以确认偏误可以是 cherry-picking 的心理来源。

但两者不能画等号，因为一个宣传者可能完全知道完整证据，只是有意识挑有利数据；这时有 cherry-picking，却不需要假设他真的存在确认偏误。

可得性启发 → 草率概括

可得性启发使鲜明案例特别容易被想起：

最近看到 3 个事故案例
↓
感觉事故“到处都在发生”
↓
把几个案例外推成总体趋势
↓
[[hasty-generalization-fallacy|草率概括]]

这里：

• 可得性解释“为什么这几个案例在主观上显得很重”；
• 草率概括指出“为什么从这几个样本推出总体的论证不够”。

幸存者偏差 → 错误因果 / 草率概括

幸存者偏差先让数据源只剩成功者：

失败者退出、消失、没有被报道
↓
只剩成功样本

随后分析者可能得出：

“成功者都有特征 X，所以 X 会带来成功。”

这可能同时形成：

• 草率概括：样本不能代表全部总体；
• 错误因果：共有特征被直接解释成成功原因。

也就是说，一个数据选择偏差可以在后端生成多个论证错误。

锚定与移动球门不是一回事

锚定效应描述：第一个数字或方案改变后续判断范围。

移动球门描述：证明标准在对方达标后被事后提高。

例如：

第一版目标：P95 < 300ms

团队可能因为这个数字发生锚定——之后都围绕 300ms 讨论。

但只有当对方达标后，有人为了拒绝承认成功临时改成：

“其实必须 < 150ms 才算”

才出现移动球门。

一个是判断被起点拉住，另一个是论证规则被事后改变。

沉没成本为什么会产生特殊辩护

沉没成本偏差可能让项目成员非常想继续已有方案：

“已经做了半年，不能停。”

为了保住这个决定，后续可能为自己的项目不断制造例外：

“一般项目 ROI 不够就应该停，但这个项目情况特殊。”

如果没有独立理由，就会进一步表现为 特殊辩护。

所以经常能观察到：

认知偏差产生动机
↓
论证为了维护这个判断而发生结构性扭曲

但仍不能因此倒推：看到特殊辩护，就一定知道对方心里是沉没成本。心理原因需要额外证据。

基础率忽视与错误因果

基础率忽视常让鲜明个案压过总体统计。

例如：

一次部署后马上发生事故，所以一定是新代码。

如果历史中 70% 同类事故其实来自上游服务，那么先验信息被忽略了。

随后若又直接从时间顺序推出因果，就进一步形成 错误因果。

这里最好把分析分成两问：

1. 概率判断是否忽略了基础率？
2. 因果结论是否超过了当前证据？

为什么不能“隔空诊断认知偏差”

看到别人给出一个坏论证，我们通常可以指出：

这个前提推不出结论。

但不能轻易说：

你之所以这么说，就是因为你有确认偏误。

因为同一段论证可能来自：

• 无意识偏差；
• 知识不足；
• 时间不足；
• 修辞策略；
• 故意误导；
• 只是表达不完整。

因此批判讨论时更稳健的顺序是：

先分析公开可见的论证
↓
指出证据和推理问题
↓
只有在有额外证据时，才讨论心理机制

这也避免把“你有偏差”本身变成人身化攻击。

两种不同的修复方式

修逻辑谬误

重点是：

• 把结论写清楚；
• 补齐隐含前提；
• 删除无关证据；
• 降低过强结论；
• 保持词义和评价标准一致。

修认知偏差

重点更像流程工程：

• 独立估计后再共享答案；
• 先写标准，再看候选；
• 强制生成竞争假设；
• 搜反例；
• 记录基础率；
• 预先设置停止条件；
• 引入独立 reviewer。

所以认知去偏很多时候不是“更努力地理性”，而是重构决策系统，让偏差更难发生。

一个适合以后复用的审查顺序

面对一个重要判断，可以走两层：

第一层：论证审查
- 结论是什么？
- 前提是什么？
- 证据完整吗？
- 因果成立吗？
- 词义一致吗？
- 标准一致吗？

第二层：判断过程审查
- 我是不是只搜支持证据？
- 有没有看不到的失败样本？
- 最近的鲜明案例是不是权重太大？
- 第一个数字 / 方案是不是形成锚点？
- 过去投入是不是绑架未来选择？
- 我有没有先看基础率？

第一层修“答案”，第二层修“产生答案的过程”。

一句总结

逻辑谬误告诉你这座桥哪里断了；认知偏差告诉你为什么人总喜欢在某些地方把桥修歪。