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（ExxonValdez）原油洩漏事件的訴訟而設計的，我們詢問受試者是否願意掏錢買網來覆蓋油池，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願，他們願意掏錢來拯救鳥的數量分別為2000只、20000只和200000只。如果拯救鳥類是個經濟善舉的話，其價值大小就要看總數這一變數了，即拯救200000只鳥應該比拯救2000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，與鳥的數量沒有什麼關係。3組受試者做出反應的物件為原型—一隻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。實驗人員屢次發現，在這樣的情形下，受試者幾乎完全忽略了數量的概念。
與強度等級匹配的描述
諸如你的幸福感、總統受歡迎的程度、金融騙子的合理懲罰和政治家的未來前景等問�