"永不沉没"——然后呢？
1912年，泰坦尼克号出发前，当时广为流传的说法是——这是一艘"永不沉没"的船。
"永不沉没"这四个字，是当时最容易获得的信息——报纸在说，船公司在说，身边的人在说。它太易得了，以至于"可能沉没"这个念头，根本挤不进你的脑子。
然后它沉了。超过1500人遇难。
你以为易得性偏差是让你"怕不该怕的"？比如看了鲨鱼新闻就不敢下海，却对真正致命的晒伤毫不在意。
这只是它的一半。
另一半更冷——它让你不怕该怕的。
你用搜索引擎的时候，排在前面的结果不一定是最重要的，但一定是最显眼的。你的大脑也一样——你做判断时"想到"的信息，不一定是最关键的，但一定是最容易冒出来的。"永不沉没"这四个字，就是排在第一页第一条的结果。它太显眼了，"可能沉没"这个念头，你根本翻不到。
"我知道易得性偏差"——知道这个词，恰恰是它骗你的方式
你可能会想：这不就是"容易被最近看到的信息影响"嘛，我知道这个。
知道了，然后呢？
你觉得自己不会再中招了，对吧？
这就是问题所在。
易得性偏差最阴险的地方，不是让你被最近的信息影响——而是让你以为"知道了"就等于"免疫了"。
你的脑子里现在多了一条信息："我知道易得性偏差。"这条信息本身，变成了你脑子里最容易提取的信息。每次你做判断，它都会冒出来，给你一个"我已经考虑过这个了"的安心感。
但安心感不是免疫力。
这背后有一条锁链。
易得性偏差让你只看到容易看到的信息。确认性偏差让你只接受你想接受的结论。盲区偏见让你连"自己有偏见"这件事都看不到了。
三环扣死。你知道了这个词，锁链的最后一环反而扣得更紧——"我已经知道了，所以不会中招。"
这不是错觉。这是偏见循环在起作用。
你的大脑是一个搜索引擎，排序算法坏了
你以为你在"回忆事实"？
不。你每次做判断，都是在"搜索记忆"。
问题不在于你搜不到——而在于搜索结果的排序，被劫持了。
你用百度搜东西，排在前面的不一定是最相关的，而是SEO做得好的、广告投得多的。你的大脑也一样——你"想到"的信息，不一定是最重要的，而是记忆索引做得好的。
三个排序因子，劫持了你的搜索结果：
新鲜度——最近发生的事，排在前面。上周同事离职的戏剧场面，比三年前公司稳步增长的数据更先冒出来。
情绪浓度——让你心跳加速的事，排在前面。一次被客户骂到崩溃的经历，比十次顺利交付的记忆更鲜明。
重复次数——被反复说的事，排在前面。"经济下行"听了八百遍，它就自动出现在你对未来的每一个判断里。
卡尼曼做过一个实验：让人听一串名字，然后判断男性多还是女性多。结果——哪个性别的名人更多，人们就认为哪个性别的人数更多。名人更"显眼"，所以排在前面。实际人数？没人翻到第二页去看。
你以为是"我在想"。
其实是排序算法在替你选。
搜索结果看起来很"自然"，所以你对判断有信心。但自然不等于正确。
记忆→关联→提取：一条被污染的流水线
三个排序因子决定了什么信息能进入你的脑子。但进了脑子，不等于被用到。
从"信息进来"到"你用它做判断"，中间还有一条流水线。
易记忆——最近的、生动的、情绪强烈的、被反复提及的信息，优先被记住。这是流水线的入口。新鲜度、情绪浓度、重复次数，三个排序因子在这里把关，决定什么能进来。
易关联——你倾向于把这些信息跟眼前的决策直接挂钩。同事离职的戏剧场面，让你觉得"公司要完了"——其实两件事未必有因果关系，但你的大脑自动帮你连上了。
易提取——到了做判断的那一刻，这些信息最容易冒出来。你想做一个关于公司的判断，脑子里蹦出来的不是三年增长曲线，而是上周那场离职风波。
一条流水线，三道工序。你的判断不是在"提取"那一步出错的——在"记忆"那一步，它就已经被污染了。
你用最显眼的信息，替最重要的信息做了决定。这就是整条流水线的终点。
更可怕的是，这条流水线还有帮凶。
确认性偏差是粉丝滤镜——你只看到你想看到的。易得性偏差是头条新闻效应——你只看到你容易看到的。一个筛立场，一个筛鲜活度。你看到的世界，经过了两道筛子。
而且，媒体不只是信息的搬运工，还是排序算法的共谋者。它反复推送同一类新闻，让你的排序因子里"重复次数"这一项被无限放大。卡尼曼管这叫"可得性层叠"——不是你一个人的排序算法坏了，是整个信息环境在帮你把排序搞坏。
搜索之前，先查"基础比率"
怎么办？
不是靠意志力。卡尼曼的研究表明，做判断和监督判断用的是同一套系统——它没法既当运动员又当裁判。
靠的是流程。
入口动作：追问基础比率。
下次你做一个判断——"这个行业行不行""这个项目靠不靠谱""这个人值不值得信"——脑子里最先冒出来的，一定是易得性信息。别急着用它。
先问一句：客观统计概率是多少？
你怕坐飞机，因为空难新闻太鲜活。但汽车的死亡率是飞机的62倍。你开车去机场的路上，比坐在飞机上危险得多。
你觉得最近老刷到裁员新闻，行业要完了。但基础比率可能告诉你另一个故事——很多城市去年新增就业岗位，远多于裁员人数。裁员的新闻更鲜活，招聘的数据更安静。
基础比率是搜索结果的"第二页"——它不鲜活，不刺激，不冒出来，但它更接近事实。
第二个动作：寻找沉默的证据。
易得性偏差不只让你高估冒出来的信息，还让你低估没冒出来的信息。你听到的声音太响，就以为那是全部。
问自己：我听不到什么声音？
那些没有离职的同事在想什么？那些没上新闻的航班平安落地了多少次？沉默的证据不会自己说话，你得主动去翻。
判断标准：什么时候该用，什么时候不必？
涉及风险评估、重大决策、对人对事的判断——必须查基础比率，必须找沉默的证据。
今天中午吃什么、超市买哪个牌子——不必。不是所有搜索都需要"理性排序"，日常小事靠易得性信息就够了。省下来的脑力，用在该用的地方。
你买不到那台警钟
卡尼曼说过一句话：每个人都希望有一台警钟，每当要酿成大祸时就响个不停——但你买不到这样的钟。
你买不到，但你可以给自己装一个。
怎么做？审查你的决策流程。不是审查结论，是审查你得出结论的过程：你用的是哪条信息？这条信息是怎么冒出来的？它冒出来，是因为它重要，还是因为它显眼？
审查流程，比审查结论重要。因为结论可以碰巧对，但流程不会碰巧对。
不是所有搜索都需要"理性排序"
说到这里，你可能会想：那我每次做判断都要查基础比率？
不必。
易得性偏差不是全坏。超市购物，你拿常买的牌子，不需要理性评估——这是易得性在帮你省脑力。紧急情况下，"最近看到的"可能恰恰是救命的——火灾演习的记忆让你第一时间跑，这比冷静分析基础比率有用得多。
最忌讳的是拿着"基础比率"去衡量一切。孩子问你"妈妈你爱不爱我"，你不需要查统计数据。
所有模型都是错的，但有些是有用的。知道什么时候该用，什么时候不该用，比知道模型本身更重要。
明天做判断时，写下脑子里最先冒出来的3条信息
明天你一定会做一个判断——哪怕只是"这个方案要不要推进"。
做判断的时候，花30秒，写下脑子里最先冒出来的3条信息。
然后问自己一个问题：
这3条信息，是按重要性排序的，还是按易得性排序的？
如果答案是后者——别急着用它们做决定。去查客观数据，去找那些没冒出来的信息。更接近事实的答案，不会自己跳到你面前。