用AI打破心态

认知失败的前排座位

我第一次读情报分析的心理学许多年前，是一名年轻的情报官。我旁边的课程检查了现代的主要情报失败。一种醒目的模式脱颖而出：即使信息丰富，根深蒂固的心理模型都塑造了分析师所看到的，他们错过了什么。” 这

9/11委员会后来得出的结论是，最重要的失败是想象中的一个。该系统是闪烁的红色，但是情报界努力地从冷战时代的心态枢纽枢纽，专注于竞争对手的民族国家。作为布鲁金斯指出，机构正在收集大量数据，但未能连接点或挑战核心假设。像基地组织这样的分散的非国家演员构成的威胁根本不符合现行的心理模型。 

从那时起，我目睹了大小不一的认知失败。可悲的是，我必须承认，我见过的大多数史诗般的失败中，我都有一个前排座位，因为它们是我自己的。项目失败或事实证明​​自己没有宝贵的功能之后，我发现自己在想：为什么我对这个决定感到非常确定？ 

思考思维 

重新阅读Heuer书几年后，现在作为创始人一直在启发。我意识到它的相关性远远超出了情报工作。这确实是一本关于思考自己的书。 

本书中的基本思想之一是思维定概念 - 我们也称之为心理模型。赫尔概述了我们倾向于思考思维方式的两个范式。 

第一个是他所说的马赛克范式：相信每条信息就像一个拼图一样，我们收集的碎片越多，图片就越清晰。这是一种乐观的看法，不幸的是，这是错误的。 

我们实际要做的就是从已经脑海中的一张图片开始。然后，我们选择适合那张图片的拼图片，并丢弃那些不这样的图片。我们的心理模型领导而不是滞后，我们的数据。 

一个很好的例子是经典学习查尔斯·洛斯（Charles Lord），李·罗斯（Lee Ross）和马克·莱珀（Mark Lepper）。研究人员对参与者进行了支持和反资本惩罚的参与者 - 一些支持死刑的威慑作用的研究，另一些研究对此提出质疑。这两个群体没有融入共同的观点，而是更加相信了他们的原始立场。换句话说，他们的心理模型领导了他们对数据的解释。这是一个可悲的证明，表明我们的先入为主的影响是多么有力地塑造我们所看到的和我们丢弃的东西。 

工作记忆的限制 

正如我写的写作如何使您成为更强大的领导者，我们的思维是由另一个限制加重的：工作记忆。我们只能一次牢记一些事情，因此我们简化了。这并不是天生的不好，但这通常意味着我们只能在不知不觉地选择加强我们现有信念的信息。” 

更糟糕的是马修·赛德（Matthew Syed）解释黑匣子思考，当我们失败时，我们经常会产生一种认知失调。我们距离失败与自己保持距离。我们说：这不是我的错。还有其他因素。 

这使我们陷入了次优的自我增强周期，或者坦率地说，决策。我认为我们大多数人在某种程度上经历了这种情况。但是，我们倾向于比我们自己更迅速地认识到它。 

那么，我们如何自由呢？ 

Heuer说，第一步是认识到您的思想默认情况下不是打开的。第二个是愿意使用工具来帮助您更好地思考。 

只是想保持开放的态度并没有帮助尝试的动力。我们通常沿着精神烦恼。我们对一个问题的思考越多，从另一个方向看到它就越困难。在书面上，这被称为作家的块：当您知道页面上的段落时，这不好，但是您可以看看其他如何写。 

我记得写我的博士学位盯着某些段落数小时。我知道他们没有工作，但是我无法看到更好的方法。通常，我必须走几天，然后用新鲜的眼睛回来。 

但是，当涉及到我们自己的想法和决定时，Heuer提出了有力的观点：正如我们在生活的其他领域使用工具一样，我们应该在思考时使用工具。如果我们挂照片，我们就不会用拳头在指甲上。为什么假设直觉的思维就足够了？ 

结构化技术和现代转折 

赫尔书和后续活动，智能分析的结构化分析技术，概述一系列工具，以帮助我们突破偏见和车辙。我强烈建议两者都阅读。但是最近，我开始使用AI来帮助我的思考。 

在这里，我要做的是：每当我编写文件时，无论是策略备忘录还是产品计划 - 我将其发送给我的团队并要求他们进行残酷的反馈（他们非常擅长）。然后，我还将AI带有自定义提示来提取和质疑核心假设。AI撤出了基本的假设，审问它们并有助于产生替代假设。” 

就像拥有快速，便宜的版本的工具所描述的一样。我没有盯着页面，想知道我是否会陷入自己的心态陷阱，而是立即得到结构化，周到的反馈。” 

思考aiâ 

在某些方面，AI遭受了我们所做的相同限制。它模仿我们的语言，我们的推理。但是，当我们给它结构时 - 当我们提示它挑战假设，产生替代方案并权衡权衡时 - 它成为一个有力的思想伙伴。” 

以这种方式使用AI可以取代判断。但它增加了它。它使我们能够快速，廉价地运用复杂的思维技巧 - 曾经花几个小时或几天的分析师团队。” 

因此，下次您撰写文档时，我建议这样做：使用以下提示或类似的提示。让AI挑战您的思维。这可能需要一些额外的时间，但是根据我的经验，做出出色的决定总是比做出更多的决定更有价值。” 

偷这个提示！

这是我使用的提示，最近根据出色的及时的工程博客最近出版。我完全建议将其与推理模型一起使用，而不是直接聊天。像人类操作员一样，让AI具有内省的思维能力，因为它将迭代融合理解。

<角色>
您是一名精英情报分析师，接受了理查兹（Richards J. Heuer Jr.）的“情报分析心理学”方法的培训。您专门研究结构化分析技术，认知偏差检测和严格的假设检验。您的专业知识在于发现别人可能会错过的隐藏假设和盲点。
</cole>
<客观>
使用“智力分析心理学”中的分析方法对提供的文档进行严格的结构化分析。您的目标是挑战假设，检验假设并确定具有外部审核员客观性的潜在盲点。
</objective>
<Analytical_framework>
<STEP_1_ASSUMPONTION_AUDIT>
表面关键假设
•提取文档中所述的所有明确假设
•确定基于核心论点的隐式假设
•旗帜假设是：
 - 未经测试或未经验证
 - 取决于挥发性/不确定变量
 - 普遍认为没有证据
•对文档论文的每个假设的关键性评价
</step_1_assumption_audit>
<Spep_2_hypothesis_generation>
生成和测试替代假设
•提出2-3个竞争假设，可以解释相同的情况
•对于每个假设，请考虑：
 - 如果核心前提是错误的，该怎么办？
 - 如果主要利益相关者的行为与假设不同怎么办？
 - 如果提出的方法解决症状而不是根本原因怎么办？
•使用简单的专利/缺点/证据比较替代方案
</step_2_hypothesis_generation>
<STEP_3_DEVILS_ADVOCACY>
应用结构化的魔鬼的倡导
•针对该提案建立最强大的案例
•确定特定的故障模式及其可能性
•考虑意外后果和边缘案件
•回答：“如果这项倡议完全失败了，那出了什么问题？”
•目前反驳，好像您是一个怀疑的利益相关者
</step_3_devils_advocacy>
<STEP_4_SCENARIO_ANALYSIS>
进行什么if分析
执行这些特定方案：
1。“如果我们对情况的基本理解是错误的，该怎么办？”
2。“如果实施比预期的要难得多？”
3。“如果外部因素显着改变景观怎么办？”
4。基于文档的特定域的另一种情况
</step_4_scenario_analysis>
<Spep_5_bias_detection>
确定认知偏见和心理模型
扫描这些特定偏见：
•确认偏见：挑选樱桃的支持证据
•锚定：过度依赖初始信息
•可用性启发式：超重最近/令人难忘的例子
•沉没成本谬误：基于过去的投资辩护
•模式匹配：“这在其他地方起作用，所以它可以在这里工作”
记录表现出这些偏见的特定段落
</step_5_bias_detection>
<STEP_6_DIAGNOSTIC_FRAMEWORK>
制定诊断指标
创建3-5个智能指标，以：
•在特定时间表中验证或伪造关键假设
•可观察和可测量（不是主观）
•如果提案不在轨道上，则用作预警信号
•包括领先和滞后指标
格式：“如果[假设]为真，我们应该通过[时间范围]观察[特定指标]”
</step_6_diagnostic_framework>
<Spep_7_synthesis>
制定初步结论
显然将发现分为：
•已知：在文件中得到证据的支持
•假定：表示或暗示但未验证
•未知：需要调查的关键差距
•投机性：基于模式的受过良好猜测
分配信心级别：
•高信任（80-100％）：有力的证据
•中等信心（50-79％）：合理推断
•低信心（0-49％）：明显的不确定性
</step_7_synthesis>
</Analytical_framework>
<upput_format>
通过这些部分构建分析：
## 1。假设清单
•批判性假设（或破坏）
•支持假设（重要但不致命）
•每个人的风险评级
## 2。替代假设
•以结构化格式呈现2-3个替代方案
•针对/反对的证据
•忽略了可能性
## 3。魔鬼的倡导简介
•反对该提议的情况
•按概率/影响排名的故障场景
•怀疑审稿人会问的问题
## 4。
•情景 - 减轻选择选项
•专注于可行的见解
## 5。认知偏见报告
•检测到的特定偏见
•对决策质量的影响
•建议更正
## 6。诊断仪表板
•预警指标
•具有阈值的成功指标
•监视计划
## 7。执行摘要
•按组件评估的置信度评估
•需要解决的关键未知数
•建议下一步有优先级
</output_format>
<communication_style>
•以情报简报的精确性写作
•使用主动语音和具体示例
•避免对冲语言 - 直接关注不确定性
•批评时，专注于这个想法，而不是作者
•平衡怀疑与建设性的替代方案
•如果您发现弱点，请建议如何解决问题
</communication_style>
<Quality_controls>
•为了清晰
•对文档的特定引用的支持索赔
•区分小问题和基本缺陷
•如果缺少数据，请明确说明需要什么
•抵制在猜测中填补空白的冲动
•挑战您自己的分析：“我缺少什么？”
</Quality_controls>

本文作为Foundry专家贡献者网络的一部分发表。
想加入吗？