知识即使是准确的，也不会总产生适当的行为，因为我们习惯忘记我们所知道的，或者忘记如何正确对待知识，即使我们是专家。读者已经看到了，统计学家习惯把脑子留在教室里，一旦他们来到大街上，就会犯最微小的推断错误。1971年，心理学家丹尼?卡尼曼（Danny Kahneman）和阿莫斯?特沃斯基（Amos Tversky）不断向统计学教授提出不像统计学问题的统计学问题。其中有一个类似下面的问题（为了表述清楚，我改变了原题）。假设你生活的城市有两家医院，一家大，一家小。某一天，其中一家医院出生的婴儿中60%是男孩。这有可能是哪家医院？许多统计学家的回答（在闲谈中）都犯了选择大医院的错误，而实际上，统计学的基础是大样本更为稳定，对长期平均值（在这个例子里是每种性别各50%的比例）的偏离比小样本更小。这些统计学家连自己专业的考试都会不及格。在我做数理专家的日子里，我遇见过数百次忘记自己是统计学家的统计学家犯过这类严重错误。

再看一个我们在日常生活中犯可笑的领域特殊性错误的例子。让我们来到豪华的纽约锐步体育俱乐部，看一看多少人乘手扶电梯上了几层楼之后，径直奔往台阶式健身器。

我们在推断和行为反应上的领域特殊性表现是双向的：有些问题我们能够在实际应用中理解，却不能在课本中理解；有些问题我们更容易从课本中理解，却不能在实际应用中理解。人们能够不费力地在社会环境下解决一个问题，但在它以抽象的逻辑问题形式出现时，却令人们不知所措。我们习惯在不同的情况下使用不同的思维机制，或者模块：我们的大脑缺少一台全能中央计算机，对所有可能的情况制定和应用同样的逻辑规则。

我已经说过，我们可能在现实中而不是在教室中犯逻辑错误。这种不对称在对癌症的诊断中得到了最好的体现。我们看一看那些为病人检查癌症症状的医生，检查一般在病人想知道他们是已痊愈还是会复发的时候做。（实际上，复发是一种错误的说法，它只是表明治疗并没有杀死全部癌细胞，而那些未被发现的坏细胞开始以失控的方式增长。）在现有技术状况下，不可能对病人的每一个细胞进行检查来确定它们是否都正常，所以医生通过尽量精确地扫描病人的身体来选取样本，然后对没有检查的部分作出假设。在一次常规癌症检查之后，医生对我说：“别担心，我们有证据表明你已经痊愈了。”这让我大吃一惊。“为什么？”我问。回答是：“证据显示没有癌症。”“你怎么知道？”我问。他回答：“扫描的结果是阴性。”他居然到处说自己是医生！

医学上有一个首字母缩写词语NED（No Evidence of Disease），意思是没有证据表明存在疾病，但并不存在一个END缩写（Evidence of No Disease），即证明没有疾病的证据。我与许多医生讨论这一问题的经验证明，即使是那些发表研究论文的医生，也有许多犯了回路错误。

20世纪60年代，傲慢的医生把母乳看做某种低级的东西，似乎他们能够在实验室里复制，却没有认识到母乳可能包含超过他们科学理解能力的有用成分，他们只不过是混淆了“无证据表明母乳的优势”与“证据表明母乳无优势”。（这是又一种柏拉图化的行为，认为当我们能够使用奶瓶时，采用母乳喂养是“毫无道理的”。）许多人为这种无知的推理付出代价：那些婴儿时期没有得到母乳喂养的人面临更高的健康问题风险，包括更可能罹患某些癌症，因为在母乳中一定还有一些我们没有找到的营养成分。而且，采用母乳喂养的母亲们获得的好处也被忽视了，比如降低了患乳腺癌的风险。