現今流行用模型來預測事物，但所有用來預測的模型都不能得到最正確答案，而是比較好的答案，因為任何模型都有侷限，會有無法納入考量的因素，因此會需要加入人為判斷的優點，然後剔除人為判斷的缺點。

常見決策思維盲點

1.將事物歸類可能會誤導判斷

當人們在做決策時也在做相似性判斷。而判斷方法則是依據所觀察到的特徵，如果能引導他們去特別關注某些特徵，我們就能操弄他們對相似性的判斷，例如把兩個美國人從美國移去別的國家，他們一定會覺得彼此相似:都是美國人。

我們會因為某種理由把某些事物歸類為同一群組，而一旦這些事物被歸類為同一群組，通常會提高他們的相似度，就像蘋果和香蕉因為都是水果而被認為相似。

換句話說，僅僅是歸類的這個動作，就會強化刻板印象，想打破刻板印象，就要先從打破原本的歸類方式。

2.經驗法則常勝過機率原理

人們傾向用經驗法則取代機率法則，稱為"捷思法"。

當人們在進行判斷時，會將要判斷的標的物與心中的某個理想典範做比較，在許多情況下，如果我們認為a事件比b事件更具代表性，我們就會認為前者發生的機率大於後者，例如:大家會認為在有六個小孩的家庭中，出生順序為男女男男男男的機率小於女男女男男女，但實際上兩者機率一樣，但人們會認為後者比前者更"隨機"。

我們依據經驗法則來評估機率時，甚麼時候會出現嚴重的錯誤? 當面對的是一個真正隨機事件時，因為如果某件事發生是隨機的，那其結果也必定會反映隨機的特性。

3.愈容易浮上心頭的情境，常被判斷發生機率愈高

當人們必須判斷的情境越複雜或越接近真實生活，就愈容易掉入可得性陷阱，我們所編造的故事，取材自我們的記憶，而且會很有效地取代我們對機率的判斷。具有說服力的情境假設很有可能會限制我們對未來的想像，一個不確定的情境一旦以某種特定方式被解讀，就很難再用其他方法重新理解。

我們通常認定一件事情不可能發生，是因為我們無法想像，真正阻礙我們的是想像力。

當機率不可知或尚未得知，人們自行編造的故事往往會過度簡化，這種傾像在面對衝突時，會更為顯著，我們只知道自己的計劃，對手的計畫卻不容易取得，因此不論是下棋還是打仗，我們很難採納敵人的觀點。

4.做出假設會將自我的無知排除

為了判斷任何一種情境的不確定程度，人們會做出不成文假設，例如在評估一間公司的獲利時，人們傾向假設這間公司營運正常，並根據此假設來進行判斷，但他們在預測機率時沒考慮到，公司營運可能受到經濟衰退或增加競爭者等因素影響，這就是導致錯誤的另一個原因:

人們不僅不知道自己不知道甚麼，甚至在進行判斷時不會將自己的無知考慮進去。

沒給定特定證據時，人們會運用事先驗證過的機率，但如果給予特定證據，人們就會忽略事先驗證過的機率，這時只要給人們任何資訊，即使是無用的資訊，都可能會增加他們的預測信心。

比起數字，人們更愛故事，且常常不覺得機率是真實存在的

雖然懂統計的人可能比不懂的人能避免犯下簡單的錯誤，但即便是最優秀的統計專家仍然會犯錯，他們的直覺判斷在面對複雜難解的問題時，容易掉入相似的謬誤當中

後悔理論:人們在做決定時，是追求後悔最小化

人們通常會對原本不想做卻做了的事深感後悔，但對自己應該做卻沒做的事，後悔的程度就沒那麼強烈，認為如果一個人沒有採取可規避災難的行動，就不需為災難負責。

後悔法則一:後悔的情緒和即將結束和失敗有關，當事情愈接近尾聲，而結果是以失敗收場的話，就會愈覺得後悔。

後悔法則二:後悔與責任感正相關，當你對賭局結果愈有把握，結果未如預期時你就會愈後悔。

後悔法則三:當人們必須在已確定的事和賭局之間做選擇時，也會特別後悔(已確定的事，也可指現狀，也就是不採取行動的狀態)，這也解釋了為甚麼很多人遇到問題會猶豫不決，或寧可遲遲不採取行動。

獲得的快樂小於失去的痛苦

人們在做決定時，特別是在不同小額賭局中做選擇，考量得失時，想的不是絕對值，而是相對值。對多數人來說，獲得一樣東西的快樂遠小於失去一樣東西的痛苦，害怕損失的心理會比保住獲利更強烈，如果你要吸引更多人參與一場賭局，必須提供更好的賠率。

對於極端機率的情緒反應，改變了人對風險的認知，人們害怕十億分之一的損失機率(行為表現會像十萬分之一，變成風險趨避者)，而會對十億分之一的獲利報有過高的期待(變成風險偏好者)。在此，損失指的是結果比做決定時的參考點(現狀)差。

因此，你可以改變一個人的參考點，讓損失感覺起來像是獲利，反之亦然