2.哪里有判断，哪里就会有噪声。

3.慢思考，快行动。是成功决策的秘诀。

4.如果你想让人觉得你可靠和聪明，就尽量用简单易懂的语言，而非复杂的语言。

5.世界本身并没有你想象的那么有条理，让你觉得这个世界井井有条的，主要归功于你大脑的工作方式。

6.人们在情感上的损失会比同等数量的收益更加痛苦。

7.简单说来，如果你听从自己的直觉，就常常会因为把随机事件看做是有规律的事件而犯错。

8.瞳孔是人类思维活动的灵敏指示器。

9.想让人们相信谬误有个可靠的方法，就是不断重复，因为人们很难对熟悉感和真相加以区别。

10.我们在任何时候都对周围的世界持有一种单一的解释，通常而言，我们很少会投入精力来寻找其他可能的解释。在我们看来一种解释就足够了，我们将其视为真实的经验。

11.如果给出意见的第二个人知道第一个人的意见是什么，那么第二个人的意见就不是独立的了，而第三个人的意见就更不可能是独立的了。如此一来，一连串的偏差便产生了。

决策中的“偏差”（bias）与“噪声”（noise）

卡尼曼：为了解释决策中的“偏差”与“噪声”，我们首先要弄清楚这里所说的“决策”（judgment）究竟指的是什么。我们在书中把“决策”定义为一种测量方式，通过仪器对人类思维进行测量。这种对人类决策的测量直接借鉴于数学理论，就像我们测量一条线有多长，一件物体有多重一样。

我们假设一下，如果你用一把精度特别高的尺子测量一条线的长度，重复多次之后，你不会得到完全相同的观察结果。从这种现象中我们会发现亮点：首先，每次测量产生的误差不会完全一样。这种测量误差的随机变异现象（variability
of errors），我们就称之为“噪声”（noise）。

此外，我们还可以发现，尽管每次测量都会产生误差，但把误差的正负数字相加在一起，结果是趋近于零的。但也会有些时候，我们会高估或低估了测量结果，就像浴室中一台没有校准过的体重秤。于是，我们称测量误差的平均值是有偏差的。“偏差”（bias）指的是测量中的平均误差（average
error）。

非常重要的是，我们在测量时，即使在偏差绝对不存在的情况下，测量的结果仍然会出现“噪声”，也就是随机变异的现象。多想想我们刚才提到的情景，反复用高精度的尺测量一条线的长度，在偏差不存在的情况下，每一次测量仍然会产生噪声。

这种“噪声”现象不仅存在于物理测量的过程中，而且同样大量出现在人类思维的决策过程中。这就是我们所说的：哪里有判断，哪里就有噪声，而且远远比你想象的更多。因为我们人类在面对问题时的判断中永远不可能达成完全的一致。

如何看待算法？

卡尼曼：我想澄清的是，我所采取的立场非常简单，即算法将在人类生活中扮演越来越重要的角色。我们积累的数据越多，使用的算法越多，我们就越有可能做出更好的判断，提升决策的质量。在人类与算法的竞争中，人类是大致保持不变的，我们并没有变得更聪明。算法每天都在变得更加智能。所以结果很明显，算法正在赶上人类，而在一些领域，它们已经超过了人类。在决策过程的循环中，算法会越来越多，因为它们更快，更准确。最后，人类只负责做出紧急状态下的决策。

世界将因人工智能和算法而改变。其中有一些变化可能是有益的，另外一些几乎肯定会是灾难性的。我们可以很容易想象出一个好概念导致的坏结果。至于利和弊哪个更多一些，我不觉得有人可以做出预测，很显然我肯定不行。