一旦形成猜想，我们很容易去问“哪些事实符合它”，而不是“什么结果会证明它错”。Wason 的经典规则发现实验给参与者一个符合未知规则的数列“2、4、6”，让他们自报新数列来猜规则。许多人先想到“每次加二”，于是继续试“8、10、12”；得到肯定回答后更有信心，却没有发现真正规则可能只是“递增的三个数”。
这里的问题不是寻找支持证据本身，而是检验没有区分力。如果“每次加二”和“任意递增”都预测同一个例子，那么肯定回答不能在两者之间作选择。像“6、5、4”这样可能让两个猜想给出不同答案的测试，信息更大。
这类倾向常被称为确认偏差，但研究边界很重要。人并非总在有意识地保护信念；很多时候只是采用“先找符合目标类别的例子”这种正向检验策略。在真实环境里，目标事件稀少或搜索成本很高时，这个策略甚至可能有效。偏差出现在我们把容易得到的支持误当成严格检验，或者没有主动设计可能失败的条件。
因此，改善判断不只是强迫自己读一条反对意见，而是先写下：若猜想不成立，我应该看到什么？真正有用的证据，常是能让相互竞争的解释作出不同预测的证据。
https://doi.org/10.1080/17470216008416717
https://doi.org/10.1037/0033-295X.94.2.211
了解 Geoffrey Chen 的更多信息
订阅后即可通过电子邮件收到最新文章。