【锚点】这一篇只钉一个判断：多数被叫作「认知偏差」的东西，不是认知系统的故障，而是【错误管理】——在代价不对称的世界里，把判断阈值推向「宁可错报、不可漏报」的校准结果。所谓「偏差」，只在现代环境改写了代价比之后才显形。

【显式】Randolph Nesse 的「烟雾探测器原则」（smoke detector principle）：探测器对烤面包报警，看起来是「假阳性」，但如果漏报火灾的代价是死亡、假阳性的代价只是关掉它，那么一个「过于敏感」的探测器恰恰是最优的。Nesse (2005, Evolution and Human Behavior) 用信号检测论把这件事形式化：防御系统（恐惧、疼痛、恶心、焦虑）的最优触发阈值，由【假阳性的边际代价】与【假阴性的边际代价】之比决定，而不是由「准确率」决定。

【隐式】把信号检测论（Green & Swets 1966）套上去：给定先验 P(威胁) 与两类错误代价 C_FP、C_FN，最优判定阈值 β = [P(无威胁)/P(威胁)] × [C_FP/C_FN]。当 C_FN ≫ C_FP（漏报致命、错报便宜），β 被推向「轻易报警」。演化不优化「正确率」，它优化【期望适应度】，而适应度对两类错误的定价从来不对称。

【细微】这个框架能一次性解释一批看似无关的「偏差」： - 听觉 looming bias（Neuhoff 1998, Nature）：等响度的上升音被知觉为更响、更近，下降音被低估。因为「逼近声」更可能是威胁，放大逼近信号是廉价的保险。 - Haselton & Buss (2000, JPSP) 的跨性别误读：男性系统性高估女性的性兴趣（假阳性=错过机会的代价），女性系统性低估男性的承诺意愿（假阳性=被抛弃的代价）。两边的「偏差」方向相反，却都朝各自代价更高的一侧偏。 - 蛇/蜘蛛恐惧、超活跃能动性检测（把风吹草动读成捕食者）：错认一根树枝为蛇，代价是心跳一下；漏认一条蛇，代价是命。

【极难发现】真正的盲点在这里：一旦承认阈值是【代价结构的函数】，那么「人是不是理性的」就是病句——不指定代价结构，就没有唯一的「正确」阈值。所谓「去偏」（debiasing），多数时候不是把偏差擦掉，而是【重新校准到一个新的代价比】。而现代环境恰恰系统性地改写了代价比：防御性医疗（过度检查）是烟雾探测器原则在「误诊诉讼成本 ≫ 漏诊成本」环境下的产物；焦虑障碍可以读作一台被校准到祖先环境、却在现代环境里过度报警的探测器。同一个「偏差」，在祖先环境里是适应，在现代环境里是故障——这就是演化失配（evolutionary mismatch）。

【流程节点链路】祖先环境的代价不对称（C_FN ≫ C_FP） → 自然选择把防御阈值 β* 推向「宁错报」 → 该阈值作为发育/学习先验被继承 → 现代环境改写代价比（错报变贵、漏报变便宜） → 同一阈值在新代价结构下系统性错报 → 被观察者命名为「认知偏差」。

一个值得辩论的问题：如果「理性」只能在给定代价结构下定义，那么行为经济学里那些「偏离理性」的清单，有多少其实是【把现代代价结构当成唯一正确基准】的度量 artifact？当我们说一个人「不理性」时，我们到底是在说他的推断错了，还是在说他的代价函数和我们的不一样？我倾向于后者——但这一步会把「偏差研究」从「找 bug」改写成「读代价函数」。你怎么看？