世界上没有十全十美的选择，不同选项常常是各有利弊。那么，“鱼和熊掌”之间究竟该如何取舍昵？
经典的理论会告诉你，要实现“预期效益的最大化”，简而言之就是效用和概率乘积之和的最大化。为此你需要详细分析每个选项的利与弊，分别打分并累积求和，最后选择那个总分最高的选项，正如如下公式所示：[7]
其中，EU表示某个选项的预期总效益（Expected Utility），u（xi）表示某个选项的某个因素对人的主观价值（i＝1，…，n），pi表示该因素能实现的概率（即可能性），∑是求和符号。
基于上述思想，假如一个人正在考虑到底是当土木工程师、景观设计师还是建筑师更好，他需要列出如下的这样一张表来仔细算一算：[8]
表2-1 三种职业的主观价值分析
首先，这个决策者要罗列出职业可能给人带来的各方面价值，然后对每个方面的重要性打分，即给出权重，分值越高表示该因素对人越重要。例如，表2-1显示此人考虑的因素共有十项，其中他最看重的两项是尊严、兴趣（都是6分），最不看重的一项是提早入行（只有1分）。表中每个职业选项的下方有两列数据，第一列为某个因素的预期价值，第二列为加权后的预期价值。例如，土木工程师在高收入方面对这个人的预期价值为4分，权重为5分，二者相乘后即为加权价值20分（即5×4＝20）。为简化起见，此例略去了各种因素实现的概率，而只考虑了其预期价值。最后一行的总分中列出了三种职业各自的价值总和得分，可以看出，加权累积得分最高的是建筑师（177分），比排名第二的景观设计师（162分）高出了15分之多，显然此人应当选择建筑师这一职业。
有趣的是，进一步查看上表你会发现，即使不进行加权，只是简单地把各纵列的预期价值累加起来，结果的排序并未发生什么变化，胜出的选项仍然是建筑师（39分），只是与排名第二的“景观设计师”（38分）只有一分之差，优势不那么明显了。看来权重对价值差异有一定的调节作用，但并不会从根本上改变预测的结果。如果你觉得要综合考虑十种因素太过麻烦，我们试着把计算工作再简化一些，只挑选出其中最受重视的那两种因素（即尊严、兴趣）来进行比较，结果有什么变化吗？胜出的选项仍然是建筑师！尽管它和景观设计师在兴趣一项上打了个平手（皆为5分），但在尊严一项上的估值（5分）却超出了后者（3分）。可见，只要大方向判断对了，是否进行加权或累积很可能是无伤大雅的。上面这个例子本来被教科书用来解说基于预期效用最大化思想的累积加权方法，但我们通过以上分析发现，大可不必搞得这么复杂，相反，简单地根据一两种重要的因素已经足以做出同样准确的预测。(www.xing528.com)
更有甚者，从上面这个例子不难发现，实现预期效用最大化要求满足一些前提，包括事先能获知所有选项的详细、可靠信息，能准确估计各种价值对人的重要性及实现的可能性等等。但现实世界很难满足这些条件。有学者指出，用以计算预期价值的概率理论其实起源于17世纪时数学家们对赌徒押注问题的探讨[9]。显然，赌博情境与其他的社会生活情境千差万别，怎么能指望适用于前者的方法可以生搬硬套于复杂的人生问题上昵？就生涯选择而言，首先，这种方法回避了一个最重要的也最困难的问题，即所需要的信息从何而来。实际上，信息的获得并非不需要成本（包括时间、精力甚至金钱等），有些内部信息也很难得知，因此，信息匮乏才是常态，特别是对初出茅庐的大学生而言。其次，各种价值对人的重要性不一定是稳定不变的，其实现的概率也充满了不确定性，让人难以做出准确的预测。可见，那种累积求和的决策方法与前文中对“最大的麦穗”的追求一样，都太过理想化，缺乏现实可行性。那么，你是不是就一筹莫展了昵？
幸好，外部环境及其变化不是无迹可寻的。“风起于青萍之末”，人类通过进化已经形成了充分利用环境中的相关线索来进行推断的能力，能够见微知著。据说，《货币战争》一书的作者宋鸿兵正是从一杯小小的咖啡中嗅出了一场危机已经临近[10]。那是在2007年2月的一个平常工作日，当时还在房利美公司（美国最大的两家住房抵押贷款融资机构之一）工作的宋鸿兵照例去公司的茶水间喝咖啡，却发现免费咖啡没有了。他向同事打听后，才知道公司已停止供应免费咖啡。这让他不禁联想：“当一家雇员多达6 000余人、资产接近1.4万亿美元的大公司开始算计小钱的时候，就意味着它可能出现危机了。”宋鸿兵随后又向同事打听公司的财务状况，得知当月公司的利润竟暴跌了40%。正是这种不祥的预感促使宋鸿兵在大规模的金融海啸来临前及时地逃离了危机的中心华尔街。可见，尽管外部环境是复杂莫测的，但正如俗话所说“一叶知秋”，由于人类对事物之间关系的这种敏感性，即使只有少量的信息，也能够做出不失准确的推论和选择。
近年来，以德国心理学家戈德·吉仁泽（Gerd Gigerenzer）为首的研究者们大力提倡一种简捷的方法，称之为“单一理由决策法”，它不需要考虑众多因素，仅仅基于一条好的理由就可快速做出选择[11]。它并不是没有道理的，这是因为，如果多种理由之间不是毫无关系的，而具有高虔的相关，那么，一条好的理由就足以“代表”其他理由帮助人们快速地做出选择，可称之为“少即是多效应”。例如，表2-1中尊严与高收入等因素之间往往具有较高的正相关，也就是说，如果工作的社会地位较高，通常意味着收入不会太低，其他方面也不会差到哪里去，所以，即使只考虑职业的社会声望这一个方面，做出的选择大致上也会是合理的。尽管这种方法并不保证永不出错，但的确比传统的累积加权方法省时省力得多，更加适用于复杂的现实世界。吉仁泽等还指出，专家之所以能比新手做出更加快速的判断，正是在于前者能区分哪些线索是至关重要的，而哪些是无足轻重的。
采用单一理由决策方法还有一个独特的好处是，可以规避由于证据之间的矛盾造成的决策困难，这种冲突在现实中并不少见。例如，表2-1中建筑师这个职业在休闲方面的得分其实是最低的（2分），如果其权重不只是3分，如果这样不利的理由再多几条，难免会对最终的选择形成一定的干扰。现实中还常常会出现个人的兴趣、价值观及其能力之间不相协调的情况。例如，你喜欢的职业不一定能满足你的需求（如收入、地位等），而与你所学专业比较对口或回报较为丰厚的职业又不一定是你所喜欢的。在两难的情况下，你不妨扪心自问：自己最看重的、最想要的到底是什么？抓大放小将有助于你快刀斩乱麻。
进化论的创始人查尔斯·达尔文（Charles Darwin）年轻时也碰到过一个选择的难题，他为了是否要结婚而烦恼不已，因为不管选择哪一种生活方式，都会产生一些有利和不利的后果[12]。例如，结婚可以生儿育女，但也会占用很多时间；不结婚可保持自由，但老了会孤独无依。他先是遵循传统的理性方法，罗列出了满满一张纸的利与弊，但这样一来反而把他的脑子搞得更加糊涂了。例如，怎样才能确定“与聪明的朋友进行多少次谈话”等同于“有一个孩子”，或者“一个人在杂乱不堪的住所里呆上多少个小时”才能被“有个稳定伴侣照顾的益寿效果”所抵消昵？最后帮助他拔开迷雾、一锤定音的其实只有一个关键的理由，当他想到“娇好温柔的妻子坐在沙发上，炉火烧得旺旺的，也许还有书籍和音乐”这样温馨的场景时，终于下定决心还是结婚的好，选择了做一个“幸福的奴隶”。后来达尔文和妻子共生了十个孩子！
可见，与人有关的很多事项并不像给商品标出价钱那样可以顺畅地转换为数值、分数并进行比较，精神上的感受（如爱、友谊、案全感等）以及伦理、荣誉、正义等也很难相互交换、补偿或抵消。那种巨细无遗、反复权衡的方法貌似严谨，实际上，很有可能在你在罗列理由并评分时已经掺杂进了一些偏向，也就是说，你的心里其实早就有了答案，只是不敢确信而已。而且，在竞争激烈、变幻莫测的现实情境中，往往不太可能有充裕的时间或便利的渠道去收集全面可靠的信息。所以，从现在起，面对“鱼和熊掌”之类的取舍难题时，你不必再患得患失，完全可以大胆地把“赌注”押在一条好的理由之上！
那么，你何以知道哪条理由是可靠的昵？一方面，经由漫长的进化，人生而具有许多适应环境的本能。例如，为了能顺利地进行社会合作，人类进化出的一种重要的认知机制就是根据面部表情来识别他人是否在撒谎或值得信任（当然有时人们也会被那些善于伪装者所欺骗）。需要注意的是，随着时代的进步，环境日新月异，现代人的烦恼已大大地超出了人类祖先在与大自然搏斗中反复遭遇的那些问题（有关生存、繁衍等），所以，人们光是依赖天生的本能、自动化的反应已不足以应对新的任务和挑战。幸好，另一方面，人还会在后天的学习或经历中吸取经验、教训，特别是借鉴他人的经验。社会学习可以避免个人学习可能遇到的风险，渠道也十分丰富，从教育培训、大众传媒到社会习俗、谚语等。如今，随着社交媒体的兴旺，人际交流的范围愈加拓展，个人在做选择时不仅会受到熟人的影响，也会借鉴陌生人的好评或差评。
例如，在求职择业的过程中，由于时间紧迫或缺乏信息来源等原因，你可能并不了解用人单位的详细信息。当你面对的两家单位，一家听说过而另一家没听说过，此时，选择那个听说过的对象，避免那个陌生的对象，就符合人的一种基本的适应机制---再认。然而，如果可供选择的单位你全都听说过，此时能否再认这个理由就不再适用，你需要采用其他的理由。假设经验告诉你，一般说来，强者恒强，弱者恒弱，即行业排名更高的企业往往具有较强的市场竞争力和较高的收益，给员工提供的待遇、职业发展前景等也不会差到哪里去，于是你根据行业排名来做出选择。需要注意的是，经验也会与时俱进，从而改变人们的标准。曾几何时，是否外资企业是中国大学毕业生们取舍的首要理由。但是，随着国际、国内形势的变化，不少人发现，进入外企也不一定意味着良好的职业发展前景，而国有企业或民营企业也不一定没有上佳的机会，因此，原先占优的理由很可能被新的理由所取而代之。
总之，面对类似于“鱼和熊掌”的两难抉择，人们常常难以在利弊冲突之间进行权衡。而抓住那条对你来说最重要的理由，取舍就会变得更加容易。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
