也就是一種對事情的反應，或是說當你接收到刺激的時候產生的行動。這是很被動、提前的未雨綢繆。
如果 我早起，就 會做運動
如果 我閱讀，就 會寫筆記
這種接收到刺激（早起、閱讀），就會產生行動（運動、筆記）

到了比較進階一點的就會變成，如果看了一本漫畫不錯，就想要看更多的漫畫。
而我們現在在網路上常常會說的演算法，就根基於此。
你會發現你最近在網路上看到的東西同值性越來越高？
因為你被演算法不斷提供你想要看到的東西。
就像一開始的襪子，你搜尋了襪子，最近的一個月就會不斷地看到各式各樣的襪子廣告。
直到我受不了把襪子的廣告隱藏起來，他才消失一下。
而這個就是在臉書上面的演算法給你的，因為你看過，所以我認定你喜歡，所以我就不斷的塞給你，你喜歡的東西。
而這個現象，也會相同的產生在相同的思考類別裡面。

你也會發現，你在臉書上面的朋友的立場好像跟你越來越接近？因為你對他們按讚，臉書判斷你喜歡，所以不斷塞給你與你相同的立場的言論。
你就會有一種，「這個世界想的跟我都差不多」的假象。
而這導致了「可得性偏差」。
可得性偏差availability bias：發生在由於你最近得到的訊息，讓偏見或謬誤不知不覺影響你對現實的主觀看法。
而這種可的性偏差會讓你過度依賴你參考架構的近期經驗，而失去了大方向。

舉個例：
假設你是個經理，需要撰寫下屬的年度檢討，你理應批判性的和客觀地思考他過去一整年的表現，然而你卻很容易被過去幾個星期那些不好或良好的貢獻所動搖。
或者忽略他與其他同事互動所得到的更整體觀點，你可能只會考慮你個人和他之間的互動。
所以這就是為何到了選舉的時候政府才會有作為、你才會看到候選人的新聞、你才會看到他們出來拜票，而不是平常就出來服務。
因為在這個時候你就會被可得性偏差所影響，你會以為他在任期內一直都有在做事。如果他是第一次出來選，也要讓你有一種無處不在的錯覺，讓你覺得他好像是個會做事的人，但事實上你從來不認識這個人，只是因為最近的可得性偏差造成的誤解。
而隨著網路個人化的推薦和新聞推播的增加（演算法的強大），可得性偏差成為越來越具危害的問題。這種模式稱為「過濾氣泡」(Filter bubble)，演算法造成的結果，推播給你的是你想要的，你不要的或是不可能點的，就不會再推播給你。
當你把這些相同的過濾氣泡放在一起，會得到「回聲室」echo chambers效應，這是指相同的想法似乎在同一群人之間回應，迴聲重複在相互連結的過濾氣泡形成的集體房間裡。因為人們越來越少接觸不同的觀點，回聲室會導致越來越嚴重的黨派立場。又由於可得性偏差，他們會持續高估持相同意見者的比例。

那我們怎麼避免這種現象？說真的，很難。
現在連Google的搜尋，都經過演算法來推播給你你比較可能會點擊的搜尋結果，而不是用以往的通通一樣搜尋結果的方式給你資訊。這更加劇了回聲室效應。
以前我們會說，你看，我們公司的搜尋優化很強，已經到了搜尋的前幾頁，而這個標準已經不適用，因為google給每個人不同的標準，你公司的網站會排名在前面只因為你自己常常搜尋你的公司。
那我們怎麼辦？
你要有智識。你必須要有不同的觀點，你必須要有不同的想法，更重要的，你必須客觀面對這個世界。
結論每次似乎都差不多，都已經快成為老生常談了，但，你真的只有這個方法。

面對資訊的時候要多方思考，了解這些資訊的來源是什麼，並且搜尋與你不同立場的意見，他們傳達的是什麼。任何兩個不同立場的衝突，都有故事的兩面，因此也會有「第三個故事」third story 及第三個公正觀察者所敘述的故事。在任何不同立場的狀況裡面，強迫你自己像一個公正的觀察者一樣思考，對你都是有幫助的，包括困難的商業談判，和生活中的立場不同。
學習描述你和其他人之間的不同立場以及差異，無論你認為和感受到的是什麼，至少可以同意你和其他人對事情有不同的看法。
只關注你面前的事情很簡單，要往外尋找一個客觀的參考架構比較困難，但為了要錯誤少一點，你必須這麼做。

如果有其他不同的想法，歡迎您可以多多跟我討論，如果覺得我的想法不錯，也請多多幫我們分享！