现象描述
确认偏误是指个体在信息搜集、解释和记忆过程中， 倾向于支持自己已有信念或假设的证据， 而忽视或贬低与之矛盾的信息。 这种认知偏差并非简单的懒惰或愚蠢， 而是人类认知系统的一种深层特征， 它在科学推理、日常决策乃至社会冲突中都扮演着重要角色。 确认偏误的概念最早可追溯至 Francis Bacon 的观察， 但现代心理学研究始于 Peter Wason 的系列实验。
在认知心理学中，确认偏误被认为是人类信息处理的默认模式。 人们不仅更容易注意和记住与已有信念一致的信息， 还会主动设计"验证性"策略去检验假设， 而非采用更具诊断力的"证伪性"策略。 这一倾向在政治、宗教、科学等领域均有广泛表现， 是影响人类理性思维的核心障碍之一。 Nickerson（1998）在《Review of General Psychology》上发表的综述中 将确认偏误描述为"可能是所有认知偏差中影响最广泛、最根深蒂固的一种"。
经典实验证据
Peter Wason 于 1960 年代设计的"2-4-6 任务" 是确认偏误研究的经典范式。 实验要求被试发现主试心中的一条规则—— 给定序列 2、4、6 符合规则，被试可自行提出新序列来检验假设。 大多数被试猜测规则为"连续偶数"， 并用 8、10、12 等序列来验证，得到"符合"的反馈后便宣布规则。 实际上，真正的规则是"任意递增的三个数"。 绝大多数被试陷入了确认性检验的陷阱， 只有少数人尝试用反例（如 1、3、5 或 2、4、7）来证伪自己的假设。
Wason（1960）在《Quarterly Journal of Experimental Psychology》上 发表的经典论文奠定了这一研究领域。 后续研究（Klayman & Ha, 1987）进一步表明， 确认偏误并非源于被试不理解"证伪"逻辑， 而是因为正性检验策略（positive test strategy）在日常生活中通常是高效的—— 大多数假设在默认情况下为正， 验证正面案例的诊断价值往往高于验证反面案例。 然而，当假设本身有误时，这种策略就会导致系统性的确认偏误。 Wason（1968）还设计了著名的"四卡选择任务"（Wason Selection Task）， 发现即使在简单的逻辑推理中，绝大多数被试也无法正确执行证伪策略。
心理机制
确认偏误的产生有多重心理机制。 其一是"信念保持效应"（belief perseverance）， 一旦形成某种信念，个体的认知系统会自动构建 支持该信念的解释框架， 使得相反证据难以动摇已有信念（Ross, Lepper & Hubbard, 1975）。 其二是"选择性暴露"（selective exposure）， 人们倾向于接触与已有态度一致的信息源，回避不一致的信息， 这在现代社交媒体的"信息茧房"效应中尤为突出。 其三是"动机性推理"（motivated reasoning）， 当某个结论与个体的情感需求或利益相关时， 人们会投入更多认知资源去寻找支持该结论的证据。
从进化心理学视角来看，确认偏误可能是一种认知节约策略。 在信息过载的环境中， 对每条新信息进行无偏处理的计算成本过高， 而通过已有信念框架来快速筛选和解释信息则更为高效。 Mercier 和 Sperber（2011）提出的"论证推理理论"认为， 人类推理能力的主要功能是社会性的—— 用于说服他人和评估他人论证， 而非追求客观真理， 这解释了为什么人们在自我推理中系统性地表现出确认偏误。 这一理论为确认偏误的进化根源提供了有说服力的解释。
日常表现
在日常生活中，确认偏误无处不在。 投资者倾向于关注支持其投资决策的市场信息，忽视警示信号， 导致"处置效应"——过早卖出盈利股票而长期持有亏损股票。 在医疗领域，医生一旦形成初步诊断， 可能倾向于关注支持该诊断的症状而忽略不一致的体征，导致误诊。 在人际关系中，一旦对某人形成负面印象， 人们会选择性地注意其后续的负面行为而忽略正面表现， 形成"第一印象陷阱"。
社交媒体时代加剧了确认偏误的表现。 算法推荐系统基于用户历史偏好推送内容， 形成"过滤气泡"（filter bubble）， 使用户的信息环境日益同质化。 Sunstein（2002）在《Republic.com》中警告， 这种选择性暴露会导致群体极化， 不同立场的群体在各自的"回音室"中不断强化已有信念， 最终导致社会共识的瓦解和公共讨论质量的下降。 Pariser（2011）进一步指出， 个性化算法正在将互联网从信息多元化的理想变为信息封闭化的现实。
为什么这很重要
确认偏误不仅是一个认知心理学概念——它是理解当代社会极化、假新闻传播和科学争议的关键。
社交媒体的回音室。算法推荐系统基于用户历史偏好推送内容，形成「过滤气泡」（filter bubble），使用户的信息环境日益同质化。Pariser（2011）指出，个性化算法正在将互联网从信息多元化的理想变为信息封闭化的现实。当一个人只接触与自己观点一致的信息时，其信念会不断被强化，最终形成一个自我封闭的认知世界。这就是为什么政治极化在社交媒体时代急剧加剧——不是因为人们变得更极端，而是因为他们的信息环境变得更单一。
假新闻的心理温床。确认偏误是假新闻传播的心理基础——人们倾向于相信和分享与自己已有信念一致的信息，而不会仔细核实其真实性。Vosoughi、Roy 与 Aral（2018）对 Twitter 的大规模分析表明：假消息传到 1500 人所需时间约为真消息的六分之一——不是笼统的「传播速度快 6 倍」，而是到达同一受众规模的速度差。这不是因为人们故意传播虚假信息，而是因为确认偏误使他们对支持自己观点的信息降低了警惕。
科学中的确认偏误。Kuhn的范式理论认为，科学家在「常规科学」阶段本质上是在进行确认性研究——在现有范式框架内收集支持性证据，而非系统性地寻找反例。这并非科学家的个人缺陷，而是科学共同体运作的结构性特征。只有当反常现象积累到无法忽视的程度时，「科学革命」才会发生。
关键洞察
确认偏误最令人不安的发现是：它不是简单的懒惰或愚蠢，而是人类认知系统的默认模式。 我们的大脑天生倾向于验证而非证伪——这在日常生活中通常是高效的策略（正性检验策略），但在需要精确判断的情境中（科学推理、司法调查、投资决策）会导致系统性错误。认识到这一点，是克服确认偏误的第一步。
跨域连接
- 证伪主义：确认偏误与波普尔的规范要求正好相反——人自发寻找的是支持性证据，而检验要求寻找反例。这条落差是科学方法必须被制度化的根本理由：它不是靠个人觉悟能克服的倾向，而需要预注册、对照组、同行评审这类把证伪义务外置的程序。
- 因果推断的可信性革命：研究者自由度使确认偏误得以在合规的外表下运作——在看到数据后决定分析路径，几乎总能找到支持既有假设的规格。规格曲线分析与预注册处理的正是这一点：把"哪些分析算数"固定在能被结果影响之前。
- 法治：刑侦中的"隧道视野"是同一机制的高代价版本——一旦形成嫌疑人假设，后续证据被选择性地解读为支持。对抗式程序与独立复核的制度价值因此不在于对抗本身，而在于它保证了至少有一方有动机去寻找反例。
- 推荐系统：算法个性化常被指控制造回音室，而更精确的机制是它降低了满足既有倾向的成本——用户本就倾向选择支持性内容（费斯廷格的选择性接触假说早于任何算法），排序只是使这一倾向更容易被满足。这一区分对治理很重要：问题在需求侧与供给侧的相互放大，单改算法不足以解决。
- 沃森选择任务：这项任务常被当作确认偏误的证据，而实验数据更支持"匹配偏差"——被试倾向选择规则中被明确提到的项。两种解释可以被分辨：在规则中加入否定词会改变选择模式，而这正是观察到的结果。归入某个偏差名目之前，先看竞争解释是否被排除。
如何在日常生活中发现它
确认偏误的信号通常表现为选择性信息处理。注意这些模式：（1）你是否只关注支持你观点的新闻来源？（2）你是否在争论中只记得对方的漏洞而忘记了自己的漏洞？（3）你是否在购买了某件商品后只看好评而跳过差评？（4）你是否对反面证据的第一反应是"这个来源不可信"或"这是例外情况"？
在投资领域，确认偏误表现为投资者只关注支持自己投资决策的信息，忽视警示信号——这被称为"处置效应"的深层机制之一。在人际关系中，一旦对某人形成负面印象，人们会选择性地注意其后续的负面行为而忽略正面表现，形成"第一印象陷阱"。在科学研究中，研究者可能倾向于只报告支持自己假设的结果，而将不支持的结果归因于"实验误差"。
如何防御确认偏误
最有效的策略是主动寻找反面证据。Koriat 等人（1980）的"考虑对立面"（consider-the-opposite）研究表明，在做出判断前主动思考"如果我的假设是错的，会有什么证据？"可以显著减少确认偏误。具体方法包括：（1）在投资决策中，强制自己阅读至少3篇看空的分析报告；（2）在辩论中，尝试用3个论据支持对方的立场；（3）在科学研究中，设计能够证伪而非仅仅验证假设的实验。
多样化信息源：刻意接触与自己观点不同的信息源和人群。这不仅是去偏误策略，也是对抗社交媒体信息茧房的主动措施。结构化决策：使用标准化的评估标准和清单来减少主观判断的空间。在医疗领域，使用诊断清单可以减少"过早闭合"的风险。同伴审查：在重要决策中引入不受你已有信念影响的第三方意见。Mercier 和 Sperber（2011）指出，虽然个体推理中确认偏误很强，但群体辩论中的论证过程可以产生更准确的结论——前提是辩论参与者有不同的初始立场。
在制度层面，还有两种经过验证的对抗策略。预注册（pre-registration）是科学研究中最有效的制度性保障——在数据收集前公开注册假设和分析计划，消除了事后调整假设以适应结果的可能性。Nosek 等人（2018）的大规模研究发现，预注册研究的显著结果比例远低于非预注册研究，表明预注册确实有效减少了确认偏误的影响。红队分析（red teaming）是军事和情报领域的反确认偏误策略——专门组建一个团队来寻找支持相反结论的证据和论据，这一方法正在被引入企业管理、政策制定和 AI 安全评估中。
参考文献
- Wason, P. C. (1960). On the failure to eliminate hypotheses in a conceptual task. Quarterly Journal of Experimental Psychology, 12(3), 129-140.
- Klayman, J., & Ha, Y. W. (1987). Confirmation, disconfirmation, and information in hypothesis testing. Psychological Review, 94(2), 211-228.
- Nickerson, R. S. (1998). Confirmation bias: A ubiquitous phenomenon in many guises. Review of General Psychology, 2(2), 175-220.
- Mercier, H., & Sperber, D. (2011). Why do humans reason? Arguments for an argumentative theory. Behavioral and Brain Sciences, 34(2), 57-74.
- Ross, L., Lepper, M. R., & Hubbard, M. (1975). Perseverance in self-perception and social perception: Biased attributional processes in the debriefing paradigm. Journal of Personality and Social Psychology, 32(5), 880-892.
- Lord, C. G., Lepper, M. R., & Preston, E. (1984). Considering the opposite: A corrective strategy for social judgment. Journal of Personality and Social Psychology, 47(6), 1231-1243.
- Nosek, B. A., et al. (2018). The preregistration revolution. Proceedings of the National Academy of Sciences, 115(11), 2600-2606.
- Vosoughi, S., Roy, D., & Aral, S. (2018). The spread of true and false news online. Science, 359(6380), 1146-1151.