了評估。事實證明，約有70％的參議員、國會議員和地方長官的競選活動的勝出者也正是那些在照片評估中獲得較高評價的人。這一驚人結果在芬蘭的全國大選中得到證實，同樣的情況也發生在英國的地區選舉中，澳大利亞、德國和墨西哥的眾多選舉中也發生過類似事件。令人驚奇的是（至少對我而言是這樣的），在託多羅夫的研究中，能力評估遠比可愛程度的評估對選舉結果的預見能力強。
託多羅夫發現，人們總會結合力量和可信度兩方面因素來評估一個人的能力。剛毅的方下巴和自信的微笑便可告訴我們，這個人很有能力。沒有證據顯示這些面部特徵確實能預示某些政治家可以當選，但關於人們對勝出和出局候選人的判斷研究顯示，我們往往在投票前就會對那些不具備我們認可的面部特徵的候選人持否定態度。在他的研究中，失敗者引起的（負面）情感回應更強烈，我將這個例子稱做“判斷啟發法”案例，接下來的章節中會沿用這個說法。投票者嘗試著對候選人將來的任職表現生成一種印象，他們又轉而依靠系統2快速自主地作出一種更加簡單的判斷，這一系統只有在必要時才會作出這一判斷。
許多政治學者也循著託多羅夫最初研究的路子繼續深入研究這一問題，他們劃定了一類投票者，這類投票者往往會不由自主地聽從系統1的指揮。這些投票者經常看電視，對政治卻所知甚少，而那些政治學者在他們身上找到了自己一直在尋找的東西。不出所料，對於那些資訊貧乏、愛看電視的投票者來說，面部特徵表現出的能力對其投票的影響較大，其受影響程度約為那些資訊豐富、看電視少的投票者的3倍。顯然，系統1對投票選擇的影響因人而異，下文中我們還會遇到一些體現個體差異性的例子。
看照片預測競選勝出者，為何其準確率可高達70％？（2）
當然，系統1理解語言，這種理解是建立在一些基本判斷基礎之上的，而這些判斷通常又是在洞察事實和理解資訊的基礎上作出的。這些判斷包括對相似度和代表性的判斷，對因果關係的屬性以及對聯想和樣本的可用性的判斷。儘管判斷的結果是用來滿足任務要求的，但是沒有具體任務時，這些判斷活動照樣也在進行著。
基本判斷的內容很多，但並不是每個可能的屬性都需要判斷。例如，我們可以簡單看看圖7。
一眼看去，你便會對該圖的很多特徵有個初步印象。你知道左右兩個長方體一樣高，也很相似。然而，左邊那個長方體的方塊數和鋪在平面上的方塊數是不是一樣，這可不是瞥一眼就能明瞭的事，而且你也想不出這堆方塊能摞成多高的長方體。為了證實左面長方體的方塊數目和中間的方塊數目相同，你需要數一下這兩堆方塊，對比一下結果，這個活動只有系統2能完成。
平均長度與總長度是完全不同的數量概念（1）
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裡完全可以精確地記下很多線段的平均長度。此外，觀察者的認知系統即使正忙於記憶，這些判斷的精確度也不會受到影響。認知系統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。對於一組線的長度標準生成一個印象無須系統2的參與，系統1會自主且毫不費力地完成這一任務，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鬆。我們也可以立刻對眾多物品的數量生成一個印象，如果其數量只有4個或少於4個的話，印象會很精確；如果更多的話，就會變得模糊。b米b花b書b庫b ；www。7mihua。com
現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2，系統2會盡力估計平均值，評估或數出有幾條線，用平均長度去乘條數得出結果。
僅憑一瞥系統1計算出一組線的總長度，其結果多半不對，這一點你很清楚。你認為自己絕不會這樣做。事實上，這是該系統一個重要的侷限性。因為系統1透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。一個類別的規模及其所包含的例項數量，在我們判斷總額變數時常常被忽略掉了。
在我們進行的眾多實驗中，有一項是根據那次損失慘重的埃克森–瓦爾德斯號（ExxonVal