《思考，快与慢》 作 者：丹尼尔·卡尼曼

就像是你家或公寓外安装的电表一样，瞳孔提供了一个关于你大脑使用率的参数。这个类比还可以有更深入的解释。你的用电量取决于你用电来做什么，是开灯还是烤面包。当你打开电灯或是烤面包机时，你就会获得所需要的电量。同样，我们也能决定自己要做什么，但做成这件事得花多少精力我们就说不准了。假设你见到一个4位数，比如9462，然后被告知，你的性命就取决于是否能在10秒内记住这个数字。无论你多想活下去，付出的努力也不会比用同样数字执行加3任务时付出的多。

系统2和你家里的电表能力都有限，但它们对超负荷的负载反应不同。当用电超负荷时，断路器会跳闸，致使那条线路上的所有电器都断电。相反，如果大脑的使用超负荷，其处理则是有选择性且精确的：系统2会偏向最重要的活动，因此这个活动会得到其所需的注意力，其他“多出来的”注意力再慢慢被分配到其他任务中去。

我们所做的猩猩实验要求受试者更加关注数字任务。我们确信他们按要求完成了任务，因为可视目标（指“猩猩”）出现的时候并没有对主要任务造成影响。如果那个关键字母K是在大脑活动量最大的时刻闪现的，受试者往往会将其屏蔽掉。而当数字转换任务要求并不那么高时，受试者就更有可能觉察到这个字母。

注意力这种精细的分配是在大脑漫长的进化过程中形成的。快速判断最严重的困难或者快速锁定最佳时机并做出迅速反应能提高生存概率。当然，这种能力并不专属于人类。即使在现代人中，系统1也会承担起应对突发情况的任务，完成自我保护的最高使命。试想在开车时，车意外地滑到了一大片油区，你会发现，在充分意识到这一点之前，你就已经采取了躲避危险的行为。

比提和我在一起工作的时间只有一年，但我们的合作对于各自今后的职业生涯都产生了很大的影响。他最终成为“认知瞳孔测量法”的权威，而我则写了《注意与努力》（Attention and Effort）一书。这本书在很大程度上是以我们此前的共同研究为基础而写的，与我后来在哈佛大学所作的后续研究也密不可分。通过类型多样的任务来测量瞳孔大小，我们知道了许多关于大脑工作的知识（现在我都把工作中的大脑视为系统2）。

当你对执行一个任务越来越熟练时，需要付出的努力程度就会降低。对大脑的各项研究证明，与行动相关的活动模式会随着熟练程度的加强而变化，一些大脑区域将不再参与其中。天才也是如此。通过观察瞳孔变化和大脑活动，我们发现高智商的人往往需要较少的努力便可解决同样的问题。普遍的“最省力法则”不仅适用于体力活儿，还适用于我们的认知行为。这个法则主张，如果达成同一个目标的方法有多种，人们往往会选择最简单的那一种。在经济行为中，付出就是成本，学习技能是为了追求利益和成本的平衡。因为懒惰是人类的本性。

我们研究的这些任务对瞳孔变化的影响差别很大。从基本水平来看，我们的受试者都是清醒的、有意识的，并时刻准备好投入到任务中去—也许觉醒水平和认知准备比平时还高、还充分。记住一位数或两位数或是学会将数字与词汇相联系（比如3=门）会对基准线以上的记忆觉醒产生确切的效果。但是，这样做收效甚微，只有5%的瞳孔直径增大与加3任务有关。鉴别两个音调高低的任务也能有效地使瞳孔扩大。最近的研究还表明，抑制住自己读出干扰性单词的倾向同样会产生一定的效果，而在短时间内记住6位或7位数字则需付出更多精力。如你所体验到的那样，当被要求说出你的电话号码或是爱人的生日时，你需要作一番简单却重要的努力，因为你的回应是有逻辑的，你必须将整串数字记在脑中。而心算两位数的乘法题和加3任务则已经接近人们能够做到的极限。

为什么我们看不见那只“大猩猩”？

是什么原因使某些认知任务较其他的更加困难、更需付出努力呢？若注意力是种货币，那我们要买些什么样的产品呢？什么又是系统2能做而系统1不能做的呢？我们现在对这些问题给出假设性的回答。

想要同时记住不同的想法也需要耗费精力，其中有些想法需要按不同方案实施，另一些想法则需与一定的规则结合起来实施—在进超市前重新核实你的购物单，在餐馆吃饭时，在鱼和牛肉之间进行选择，或是根据小样本得来的信息归纳出一个令人惊喜的结果等，都属于此类实例。系统2是唯一一个可以按规则运行、能根据属性来对比物品、能深思熟虑作出选择的系统。自动运行的系统1不具备这些能力。系统1能察觉简单的关系（比如“他们长得一模一样”，“儿子比父亲高得多”），还擅长整合关于一件事的所有信息，但不能快速处理多个独立的话题，也不能利用纯粹的统计学信息。如果一个人被描述成“本性怯懦，做事井井有条，循规蹈矩，关注细节”，系统1就会认为这个人像是个图书管理员，但系统2在结合了直觉以及图书管理员人数少的这个事实进行思考过后，却不会这样认为。只有系统2才能作这种判断。