布莱恩·克努森（Brian Knutson）：斯坦福大学心理学和神经科学副教授。
我担忧“我们的担忧”。具体一点说就是，我们担忧的对象正确吗？担忧的进化意义在于，它帮助我们避免死亡而无须首先体验死亡的过程。然而，只有当担忧存在实际的威胁时，也只有通过采取相应的行动（避害），担忧才能够拯救我们。担忧看起来是外部因素造成的，但实际上它不是。神经担忧引擎始终在运行，寻找着下一个目标，就像弗洛伊德自由浮动的焦虑理论。
祖先生活的环境可能调整了我们的担忧引擎，因为个体担忧程度的不同表现出明显的遗传性（大约50%）并呈正态分布（大多数人经历的是适度的而不是过少或过多的担忧）。这种钟形分布（正态分布）意味着，世代以来那些担忧太少的人死了（或者被吃掉了），而那些过度担忧的人也不能生存（或繁衍）。所以，我们祖先列出的环境威胁清单可能体现了最佳的担忧程度。我们很少提到并感激的是我们的祖先不仅选择担忧的程度，还选择担忧的对象。想一想恐惧症患者们普遍害怕的事物，如公众的评判、蛇、蜘蛛、高度等。除非你生活在新几内亚的丛林中，否则这些不可能是值得你担心的生存威胁。在美国，死亡的主要原因通常很“单调”（心脏病、癌症、中风、意外事故），许多近期的原因（吸烟、饮酒、不良饮食、缺乏运动、汽车、枪械）也加剧了死亡的发生。在想象的威胁和实际的威胁之间，这种“担忧误差”表明，我们的担忧常常针对错误的对象。
我的元担忧（或者说“关于担忧的担忧”）是实际威胁正在快速改变，比我们祖先那时快得多，很容易导致担心误差的扩大。这种状况主要由人为造成。人类活动中使用的机械装置、计算机、运算法则等导致了快速、极具破坏性甚至波及全球的变化。举一个金融和环境的例子。过去10年，我目睹了全球金融泡沫的破灭和全球气温的上升。相对于进化的时间框架，这些变化是快速的，而且似乎都是人为原因导致的。我担心人类的担忧引擎不能及时重新调整方向，去关注这些快速改变中的威胁，不能及时采取预防措施。
我们可以通过数据资料，尝试缩小不断扩大的担忧误差。如果我们能计算蛇、蜘蛛、汽车和枪械引起死亡的相对风险，就能比较“我们担心什么（例如蜘蛛）”和“实际上什么造成更多死亡（例如汽车）”之间的误差。然后就可以尝试用排名靠前的担忧替换排名靠后的担忧，甚至开发出某种软件，便于更好地重新分配担忧。（我正期待着你们的行动，移动应用程序开发者们。）如果我们要去担心某件事情，它最好真的是威胁到人类生存了。
缩小担忧误差的另一个办法涉及政策的改变。毫无疑问，政府应该收集各种威胁相对效力的数据资料，这样就可以把有限的资源用到减少最强危险的事物上。但只有信息资料是不够的，它必须促进行为的改变。所以，有时候需要法律（可强制执行）把这种信息资料转化为行动。很不幸，就全球威胁来说，政府间必须协调他们的法律。这并非不可能，过去曾经发生过，为了阻止大气中臭氧的损耗，各政府间达成一致，禁止使用氟氯烃。将来可能会通过碳封存来应对全球气候变化，但它同样需要大量的协调和不断的努力。
我主张的是元担忧，不是过度担忧。过度担忧会自我加剧：不断加剧它可能引发正反馈，最后止于极度恐怖。既然大脑精力有限，或许我们应该把担忧看作是一种能够保存和有效分配的资源。不是增加担忧程度，元担忧意味着在信息的基础上，让担忧重新分布。重新调整我们原来的担忧引擎或许很困难，但并非不可能。想一想法律要求开车时系安全带这件事。不可思议的不是这些法律在美国大多数州必须强制执行，也不是它们像预计的那样减少了恶性事故，而是法律对我的影响已变成了我本能地去遵守。25年前，我想都不用想，没系安全带就开车出去了。现在，当我不系安全带的时候，会感到不安和紧张。总结成一句话，我担忧，并且要努力缩小担忧的偏差。
