生活不是掷骰子
理性决策的贝叶斯思维 · 2024
刘雪峰是搞计算机的科学家，AI 圈出身。他看见的不是「人不会数学」，是一种结构性的认知贫困——明明有现成工具，老百姓手里没有。
普通人有两种典型错位。一种是把「我不知道」等同于「什么都可能」（错把世界当骰子），凡是不确定的事一律降为「随机」。另一种是把「我相信」等同于「必然」——一个证据就要全盘信或全盘翻。两种姿势看起来相反，毛病同一个：手里没有「不确定可以被刻画」的工具。
他看《卖拐》不只是看赵本山演技，看到的是赵本山在算 P(我有病 | 腿麻) 和 P(腿麻 | 我有病) 的混淆——一次精确到数学层的骗术解剖。他看星座学、成功学、阴谋论盛行，看到同一个数学错误一遍又一遍上演。
一个 AI 圈的科学家写贝叶斯科普，挠的就是这一处——明明有现成工具，老百姓手里没有。书名「生活不是掷骰子」就是这股气：不是劝你信命，是反对你信「什么都可能」。
四条天花板，不证，摆桌上：
动摇任何一条整本书塌。第 3 条最隐蔽——它要求你承认自己心里有具体的先验，而不是用「我没意见」「看情况」「都有可能」做姿态躲开。
一句话：核心 move 是 P(原因 | 观测) ∝ P(观测 | 原因) × P(原因)。
整本书反复做的就是一个动作：拿一个生活场景，重铸成这个公式，然后让你看清自己在哪一步犯错。
他的独占术语和区分——
三件套：先验概率（看到证据之前的判断）+ 似然概率（如果某个原因成立，这个证据出现的概率有多大）+ 后验概率（看到证据后你应该有的新判断）。三者乘除即贝叶斯定理。
上一层工具：多观测（多条证据怎么合起来）+ 在线估计（证据一个一个到来时怎么续上）+ 分层描述（原因还有它的原因）。这是处理复杂场景的零件。
识破套路 = 看清概率混淆：作者反复回到的 move。所有「识破」的本质，都是把 P(A|B) 跟 P(B|A) 分开——这是分清「腿麻所以可能有病」和「有病所以一定腿麻」的差别。
4 种识破模式——
• 《卖拐》骗术：让你把「腿麻」当成「我有病」的强证据，不告诉你 P(腿麻) 本身就高（base rate 被掩盖）
• 星座学：全是似然没有先验，说中你一个特征不算什么，要乘上 prior 才知道这事真概率
• 成功学：抽样偏差掩盖先验，你只看到成功者，没看到分母
• 阴谋论：一个观测顶替整个分布——单一证据被允许碾压一切其它信念
base rate neglect（基础率忽视）：99% 准确率 + 0.01% 发病率 = 你大概率没病。人们被「准确率」催眠，完全忘了问「被测的这事本身多常见」。在医疗、司法、风控、投资策略评估里反复出现。
贝叶斯是动词，不是名词：贝叶斯定理不是一次性计算，是持续迭代的过程。每一条新信息都应该触发一次更新——后验变成下一轮的先验，无限循环。
Hanlon's Razor 贝叶斯版：如果「对方愚蠢」的先验远高于「对方恶意」的先验，在缺乏强有力证据时，「愚蠢」的后验几乎总是更高。这不是为恶意辩护，是诚实面对 base rate——日常人类行为里，愚蠢、疏忽、无知的发生频率远高于精心策划的恶意。
理性不是想得更聪明，是更诚实地处理你已有的信念和新到的证据。
更狠一刀：理性的反面，作者不认为是「愚蠢」，是两种姿势——
• 先验太硬：任何证据都摇不动你（成功学的信徒、阴谋论的虔诚者）
• 先验太软：一个证据就能把你整盘翻（被《卖拐》拐走的那种人）
两种都是不诚实——不诚实地对待自己的旧信念，或不诚实地对待新到的证据。
再更狠：贝叶斯不许你装。它逼你把先验写出来（你到底相信什么，多相信），把似然算出来（这证据放在你的假设下有多大可能），然后让乘积说话。乘积说什么是什么——你不能选择性地只看自己愿意看的那一项。
带走的一句——
书名「生活不是掷骰子」反过来读才对：掷骰子是一切等概率，你不掷骰子，你心里有先验。承认它，更新它，别假装没有。
形态：取景框
内容：把任何归因 / 推断 / 信念先用 P(原因|观测) ∝ P(观测|原因) × P(原因) 拆开。识破任何套路 = 把 P(A|B) 跟 P(B|A) 分开。诊断自己的不理性 = 看是「先验太硬」还是「先验太软」。
为什么是这一件：换上这副眼镜，你看《卖拐》/ 星座 / 成功学 / 阴谋论，全是同一个 P(A|B) vs P(B|A) 混淆在不同包装下重演。看自己的判断——投资归因、人际推断、新闻反应、政治立场——先问「我的先验是太硬还是太软？这条证据该让我的后验 update 多少？我把哪两个条件概率混淆了？」十年后还在用的取景框，翻回原书是想再校准一次「乘积说什么是什么」那把刀——你不能选择性只看其中一项。
走一步：把这台框挪到书外——「为什么一个回测 95% 胜率的策略往往亏钱」。预测：因为人只盯 P(赢|策略命中) 这个似然，忘了问 base rate——满足策略条件的市场状态在历史上出现过几次？base rate 极低时，95% 可能只是 5 个样本里中了 4 个。能预测，才算把这台框拿在手里。
带走了这一件，这本书的精神内核就在你手里。
前五段把骨架摆出来了。现在把第 3 段那台框——P(A|B) = P(B|A) × P(A) / P(B)——画成一张图，让你不光看懂 Liu，还能拿他这张图去预测他没写过的事。
一、画地图。Liu 这张图，坐标系是一杆天平。左盘放先验 P(A)，你进场时心里那个数；中间砝码是似然 P(B|A)，新证据有多偏向这个假设；右盘是后验 P(A|B)，看完证据后该信几成。天平的铁律：后验只能由「先验 × 似然」这个乘积决定，不能挑着看。先验硬（接近 1），证据再反也压不动；先验软（贴近 base rate），一条强证据就能把盘子掀过去。这张图能整张借给别处——它本质是「旧信念 × 新证据权重 = 新信念」，凡是「我该改主意吗」的场景都能摊上去称一称。
二、标位置。先验钉左盘，似然当砝码，后验落右盘。三个常见错都能在图上指出位置：base rate 忽视＝忘了称左盘那个底数，只盯砝码（「测试准确率 99%」），于是把砝码的重量当成了整台天平的读数；先验固化＝左盘焊死了，任你加多重的反向砝码也纹丝不动，假设变成了信仰；二元思维＝把右盘的连续读数硬掰成「对／错」两格，丢掉了「70% 后验已够行动」这个中间地带。位置一标出来就看明白了：阴谋论不是证据不足，是左盘的先验被焊到 1，所有反证都被解释成「阴谋的一部分」——单看砝码，永远称不出真相。
三、走两步，做预测。挪到 Liu 没去过的地方，用他的图猜一把再对账。挪到医疗：一个发病率 1/10000 的病，测试准确率 99%，你测出阳性。图预测：左盘底数极小（base rate 0.01%），右盘后验被压到约 1%——阳性≈大概率没病。对一下贝叶斯定理算出来的数，正是约 1%，多数人却凭直觉答 99%。再挪到人际归因：同事漏了你的消息，你怀疑「他故意的」。图预测：人类行为里「疏忽愚蠢」的 base rate 远高于「精心恶意」，左盘一称，「愚蠢」的后验几乎总更高——这正是 Hanlon 剃刀的贝叶斯版。两步都中了，这张图就拿住了（《千脑智能》：能猜中没见过的下一步，才证明脑里真长出了这张地图）。
到这儿，贝叶斯对你不再是公式，是一台随身的天平。往后看任何一个「我很确定」的判断，你会下意识把它摊上去称：左盘那个底数我称过吗？这条证据到底是砝码还是噪声？我是不是在用 2020 年的先验自动驾驶？
私货一刀：Liu 默认先验这端是可被看见、可被讲出的——「讲出你对这件事的先验」就行。他没设想过另一种坏法：先验从未抵达意识，就被一台前置翻译器抢在落地前换成了方案。问「你对这件事的先验是什么」，会被这种 OS 答成「你打算怎么应对」——那是被翻译过的二阶产物，不是先验。装了翻译器的人，用这台天平前要先补一步 Liu 没写的：把翻译器搁置三秒，让真实先验先落到左盘上——不是「我打算怎么办」，是「我真信它会怎么样」。