還有一個例子，請看這個問題：條線的平均長度是多少？

這個問題很簡單，系統(tǒng)1無須任何提示就能回答。實驗顯示，人們在不到一秒鐘的時間里完全可以精確地記下很多線段的平均長度。此外，觀察者的認(rèn)知系統(tǒng)即使正忙于記憶，這些判斷的精確度也不會受到影響。認(rèn)知系統(tǒng)未必知道如何用英寸或厘米為單位來描述平均值，但是如果讓其判斷另外一條線是否符合平均值，它們的判斷也是非常精確的。對于一組線的長度標(biāo)準(zhǔn)生成一個印象無須系統(tǒng)2的參與，系統(tǒng)1會自主且毫不費力地完成這一任務(wù)，就像它記一組線的顏色和它們之間不相平行的事實一樣輕松。我們也可以立刻對眾多物品的數(shù)量生成一個印象，如果其數(shù)量只有4個或少于4個的話，印象會很精確；如果更多的話，就會變得模糊。

現(xiàn)在我們來討論另外一個問題：中所有線的總長度是多少？這是一種全新體驗，因為系統(tǒng)1無法為回答這個問題提供建議。為此題作答的唯一辦法就是啟動系統(tǒng)2，系統(tǒng)2會盡力估計平均值，評估或數(shù)出有幾條線，用平均長度去乘條數(shù)得出結(jié)果。

僅憑一瞥系統(tǒng)1計算出一組線的總長度，其結(jié)果多半不對，這一點你很清楚。你認(rèn)為自己絕不會這樣做。事實上，這是該系統(tǒng)一個重要的局限性。因為系統(tǒng)1通過原型或一組典型事例來代表不同事物分類，它能解決好平均問題，但對總量問題就束手無策了。一個類別的規(guī)模及其所包含的實例數(shù)量，在我們判斷總額變量時常常被忽略掉了。

在我們進(jìn)行的眾多實驗中，有一項是根據(jù)那次損失慘重的埃克森–瓦爾德斯號（Exxon Valdez）原油泄漏事件的訴訟而設(shè)計的，我們詢問受試者是否愿意掏錢買網(wǎng)來覆蓋油池，因為這些油池常淹死遷徙的鳥類。受試者組成的不同小組分別表明了各組的意愿，他們愿意掏錢來拯救鳥的數(shù)量分別為2 000只、20 000只和200 000只。如果拯救鳥類是個經(jīng)濟(jì)善舉的話，其價值大小就要看總數(shù)這一變量了，即拯救200 000只鳥應(yīng)該比拯救2 000只鳥更有價值。事實上，3個組的平均捐款分別是80美元、78美元和88美元，與鳥的數(shù)量沒有什么關(guān)系。3組受試者做出反應(yīng)的對象為原型—一只無助的小鳥被淹死的可怕畫面，鳥的羽毛浸泡在黏稠的原油中。實驗人員屢次發(fā)現(xiàn)，在這樣的情形下，受試者幾乎完全忽略了數(shù)量的概念。

與強(qiáng)度等級匹配的描述

諸如你的幸福感、總統(tǒng)受歡迎的程度、金融騙子的合理懲罰和政治家的未來前景等問題有一個共同的重要特點：這些問題都涉及隱含的強(qiáng)度或數(shù)量概念，因而我們也就可以使用“更”這個詞對其進(jìn)行描述：更幸福、更受歡迎、更嚴(yán)厲或（對政治家來說）更有力度。例如，一個候選人的政治前景可能是“她在首輪競選就會出局”這樣的背運，也可能是“她有朝一日會成為美國總統(tǒng)”，身居高位。