黑天鹅启示录：改变你对世界的认知

本文，是对“黑天鹅思维”的梳理和总结，并将会传递出充满启发性、颠覆性和冲击力的——认知模式和思维洞见。

所谓“黑天鹅思维”，就是通过理解和发掘“黑天鹅事件”背后的本质和规律，然后从中获得的——正确认知这个世界运行方式的思维洞见。

毫不夸张地说，“黑天鹅思维”能够——颠覆我们的惯常思维，改变我们的思维定式，打破我们的本能偏差，并开启我们人生全新的认知模式。

相信如果能够通过刻意练习，并贯彻执行“黑天鹅思维”，那么必定可以避免小概率（但影响重大的）事件带来的重大损失，且在充满不确定性的世界中占得先机，甚至还能重新把握自己的命运。

接下来就让我们开始——改变对世界的认知。

主题目录如下：

在发现澳大利亚的黑天鹅之前，欧洲人认为天鹅都是白色的，“黑天鹅”曾经是他们言谈和写作中的惯用语，用来指不可能存在的事物，但当第一只黑天鹅出现时，这个不可动摇的坚确信念，就突然从精神层面到物质层面，全线崩溃倒塌了。

黑天鹅的存在，寓示着重大的不可预测的稀有事件，它在意料之外却又带来巨大冲击，但人们总是过度相信经验，对黑天鹅视而不见，并习惯于以自己——极其有限的认知、不堪一击的信念、盲目的自以为是、虚幻的确定感、以及后见之明——来试图解释和对抗黑天鹅的诞生和运作，然而一只黑天鹅的出现就足以改变一切、颠覆一切、摧毁一切，最终人们会被现实所击溃，甚至还会不断重复这个被击溃的过程。

从金融危机到雪灾、到大地震、到火山喷发，从泰坦尼克号沉没到911恐怖袭击事件，从战争冲突到疫情爆发，从内幕丑闻到民主公投，黑天鹅存在于各个领域——事实上，无论是国家、机构还是个人，都逃不过黑天鹅的影响（后文会从自然规律角度解释为什么）。

从前，有一群火鸡，从出生就被悉心照料喂养1000天，然后就会在1001天的时候做成美味大餐。那么，在1001天到来之前，所有的火鸡都是安全的，并且活的时间越久，火鸡的认知经验越是证明自己是安全的，甚至还能得出一个结论：自己（引申到所有火鸡）的一生就是被人悉心照料，好吃好喝享受生活的。

所以，在1001天的宰杀时刻，火鸡突然推翻了从前所有坚定不移的信念。这个让火鸡顿悟（极端未知与罕见）的事件——就是“黑天鹅事件”。但对屠夫来说，并不是，因为屠夫始终可以准确预知这个事件（宰杀时刻），而火鸡却不行。

事实上，黑天鹅事件，需要满足以下三点：

而一旦可以被预测，或是事后无法认知（如未解之谜），就会失去黑天鹅的标签。

换句话说，每个人都有可能成为一只火鸡，或许就在下一个时刻：是一年、一个月、一个星期、一天、还是几个小时、或几分钟后，这是不可预测的。

那么，当认识到自己是一只火鸡的时候，就开始变得不是一只“纯粹”的火鸡。因为当黑天鹅事件发生时——虽然事前依然不知道什么时候发生，但我们知道它会发生（而不是无视未知）——这就削弱了它在我们心中的稀有度和未知性，在某种程度上，这就是增加了对黑天鹅的抗性。

于此同时，当意识到黑天鹅的存在时（但不知道是什么、在哪里、什么时候），这会深刻地影响我们平时思考和决策的过程，这个行为本身，就会让一些原本的黑天鹅变成了白天鹅（可预测），从而减少了黑天鹅的数量、及发生的可能性（有时也会推迟其发生的时间）。

风险哲学家、随机性大师、“黑天鹅之父”——纳西姆·塔勒布（Nassim Taleb），在《反脆弱》中，再次谈到了“这只火鸡”，他认为：

“从火鸡的故事中，我们可以看到所有（有害性）错误的根源，就是：将证明有危害的证据较匮乏，视为了有证据证明不存在危害。我们将会看到，这种错误在知识界极为普遍，在社会科学领域也根深蒂固。”

简而言之，我们的大脑会下意识地，将缺乏证明某事的证据，错当成证明某事不存在的证据，但显然——没证据存在不等于有证据不存在，这或许可以被称之为——“火鸡特性”。

除了未知，还有——未知的未知（即二阶未知），这意味着我们不知道我们还不知道什么（即二阶不知道），而黑天鹅就是隐藏在未知的未知之中。

未知的未知，等价于统计学上的——认知不确定性（Epistemic Uncertainty），即：我们的认知是有缺陷的（未来可以被修正），但我们（目前）并不知道这个认知缺陷。

因此，我们以为我们认知了现实，但其实我们的认知缺陷会带来预测错误，而这个错误就是在（自以为正确实则错误）认知之外的不确定性，无法被预测（因为正确预测依赖于正确认知）。

可见，认知不确定性——往往是由错误的系统模型（或认知模型）所导致的，因此也称为——系统不确定性，也就是经济学上所说的——未知风险。

例如，大统一理论是——未知的未知，金融危机是——系统不确定性。

而任何由系统模型（或说认知不确定性）导致的错误，都可以称之为——系统性错误（或框架错误）。

例如，计算机的系统性错误，就是指由系统建模（包括算法与数据）错误导致的Bug，这会带来大规模的应用性错误。

那么，与之相对的已知的未知，等价于统计学上的——偶然不确定性（Aleatoric Uncertainty），即：这是由数学公式或数学模型，所推导出的不确定的概率，只要公式与模型被证明正确，那么这个不确定性，就是可以被概率所预测的。

可见，偶然不确定性——往往是由正确的概率模型（或数学模型）给出的“确定”概率，因此也称为——统计不确定性，也就是经济学上所说的——已知风险。

例如，哥德巴赫猜想是——已知的未知，量子力学是——统计不确定性。

例如，赌场就是已知风险，庄家拥有数学确定的公开概率优势（大约2%），那么只要玩家玩得时间足够久，大数定律就会让庄家收益（玩家损失）回归到概率优势。

但现实是，人们会陷入在已知的圈子里，产生了无数的自以为是和虚幻的确定感。

那么，虚幻的确定感——就是我们自己所认为所了解的，外部世界的因果逻辑关系，但其中却充满了虚幻的自以为是。

可以想象，如果没有确定感，人们就会变得不安，就会恐慌，就会不断地寻找确定感。而大脑潜意识（杏仁核本能）的工作模式——就是简单轻松地找到确定感，如果想要尽可能的保证确定感不虚幻——就需要额外付出很多的努力（即消耗能量）去求证和验证，就会活的很累很辛苦，相信没人主观会愿意这样（本能抗拒），也坚持不了多久。

结果，“虚幻的确定感”的副作用，就会让我们承认自己不知道——要比侃侃而谈难的多，要比忘记那些不相关的已知难的多，而意识到自己不知道，甚至是不可能知道，那就更难了——难到让人无法自知，这属于未知的未知。

就像，桥水基金的创始人——瑞·达利欧（Ray Dalio），在《原则》中，所说的：

“我犯下代价惨痛的错误，使我改变了看问题的角度，从「我知道我是对的」转变成了「我怎么知道我是对的」。” ——这就是他带领桥水公司，走向成功的重要思维模式之一。

事实上，我们是生活在一个，有很多看不见元素和属性的世界里，并且我们常常会下意识地把能仅看见的局部事物——直接当成了这个世界整体的全部。

例如，在中国任何广为人知的事情——都可能有10亿人不知道，任何人尽皆知的基本事实——都可能有1亿人不知道。

显然，我们很容易忘记，我们生活在一个庞大的、远超过自己感知能力的共同体当中。这使得我们想要接近事实的真相，变得难上加难——难到虚假与真相可以直接画上等号。

但只有意识到了——未知和未知的未知，大脑（前额叶皮层的智能）才有机会去提醒自己，注意到黑天鹅的存在。

否则，就会因为不自知未知，而忘记黑天鹅，然后被它深深地影响，即：存在正面黑天鹅让人一飞冲天，也存在负面黑天鹅让人崩溃绝望。

谬误偏差——是来自于人脑进化功能的特性，呈现在心理学上的行为表现，所具有的系统性错误——其中谬误是逻辑错误，偏差是认知错误，前者容易辨别，后者难以察觉。

人脑倾向于简化事物模型（来降低记忆负担），会下意识地用简单替换复杂（来降低心智负担），乐于接受虚构故事这种信息结构（而忽视真实性），善于利用潜意识接受到的信息快速作出决策（而不自知其源头），对绝对数据不敏感更偏爱相对数据（锚定效应、参考点依赖），厌恶损失远远超过获得利益（损失厌恶），并且峰终定律主宰了我们对体验记忆的好坏感受（即叙事自我），而不是真实过程的体验自我，以及非常非常容易混淆相关关系与因果关系，等等还有很多。

参考点依赖——是指决策依赖于多个选项的比较，有点“两权其害取其轻”的意味，但这个过程的结果是往往是错配，因为比较让我们失去了“独立的理性判断”。另外，参考点依赖没有心理预期偏差，这与锚定效应有心理预期不同。

损失厌恶——是指人们面对同样数量的收益和损失时，损失会更加令人难以忍受，这是一种不对称性，即：当涉及受益时，人们表现为风险厌恶；当涉及受损时，人们则表现为风险寻求。例如，如果100%获得1万与50%获得2.5万（另外50%什么也没有），人们会选择前者；如果100%损失1万与50%损失5万（另外50%不损失），人们会选择后者。

峰终定律（Peak-End Rule）——是指体验的记忆，由两个因素决定：高峰（正向或负向）时与结束时的感觉。也就是说，在对一个事物体验之后，能记住的只有峰（Peak）与终（End）时刻的体验，其过程中体验好坏的比例、及时间长短，对记忆几乎没有影响。

体验自我（Experiencing Self）——由我们每时每刻的体验和意识组成，它存在于当下，感受真实且强烈，它代表着体内正在上演的电化学风暴，但作用时间和效力会随着电化学风暴的平息而迅速消散，所以它非常容易被遗忘和事后扭曲。

叙事自我（Narrating Self）——代表着由体验自我转化而来的记忆，它只是对体验过程断断续续的记录和映射，它不会终于还原体验过程，在峰终定律的记录原则下，它只是对体验过程的平均和模拟，甚至是编造，但”叙事自我“却左右着我们的认知、学习、判断、选择和决策。 在丹尼尔·卡尼曼（Daniel Kahneman）的《思考，快与慢》中，“叙事自我”也被称为——记忆自我（Remembering Self）。

相关关系——并不等同于一者导致了另一者，相关关系仅表示，两个因素——姑且称之为X和Y——之间存在某种共同变动的关系，即共变量，虽然X和Y会呈现正相关或负相关，但你无从判断孰因孰果。

这些都是人脑进化过程中，内置产生的神经运作模式，是几十万年进化积累的结果，即：本能偏好——这是一种可预测的非理性的本能设定的群体思维定势。

换言之，正是本能算法，主导“编写”了各种心理学上的——本能偏好，如：叙述谬误、证实偏差、游戏谬误、幸存者偏差、无视沉默证据、后见之明、以及虚幻的确定感，等等还有很多。

这些本能偏好，现在被称为——本能谬误与本能偏差，它抑制了人们对未知和未知的未知的感知。

心理学家、行为学家与认知学家，已经发现并证实了很多，人们通常会出现的谬误偏差——常见的有几十个，无处不在的有十几个，无可避免的有几个——然而有趣的是，在离开了研究机构、工作场所，不在写论文或做实验的时候，这些生活中专家们，也还是会陷入各种谬误偏差之中。

例如，心理学家——丹尼尔·卡尼曼（Daniel Kahneman）和行为学家——阿莫斯·特沃斯基（Amos Tversky），共同研究指出，统计人员在现实生活中也会犯错误，忘记他们是统计学家——在此不要忘记，思考总是需要付出努力的，而基因却是希望节能的。

那么不难想象，普通人在普通的生活场景中，几乎一定会下意识地出现各种——谬误偏差（且不自知）。

显然，人类的大脑不是复印机，思想在传播的过程中，必然会有不同程度的扭曲，甚至人们天生就喜欢在传播思想的过程中，将它们扭曲（如张口就来）——这即是叙述谬误。

而一种思想会传播，是因为（作为媒介的）自私人类对它们感兴趣，所以具有传染性的思想，一定是那些我们准备要相信的，或是天生要相信的，甚至是已经相信而不自知的——因此，一种思想要获得传播，就必须与我们的本性相符。

并且人们的思维，一旦被某种世界观或价值观所占据，就会习惯于只关注——那些能够证明自己正确的信息，过滤掉否定自己的信息——结果了解的越多，知道的越多，就越会证明自己的正确——这是一种难以自我察觉的证实偏差。

例如，行为经济学家——史蒂芬·列维特（Steven Levitt），在《魔鬼经济学3》中，就指出：

“人们很容易被政治、知识等偏见蒙住双眼。越来越多的调查显示，即便是最聪明的人，也习惯于寻找能肯定自己观点的证据，而不是去发现，能使其看清事实的新信息。”

因此，经验越丰富，也就越容易被压制在过去的套路里——显然，任何事物都有“利弊”两面性，这就是经验的“负效应”。

类似的，由于人脑渴望自我一致性，所以在曾经想到过的念头中，人们将会保留那些与自己认知现状相符合的记忆，其余的则会选择性遗忘。

所以，人们非常善于以过滤式选择的方式，从自己过去许多自相矛盾的言论中，挑选出一连串的证据，最终说服自己——相信自己才智过人。

需要强调的是，证实偏差与选择性遗忘的问题，并不是“偶尔”地发生，也不是“经常”地发生，而是“一直”地在发生。

对此，环境与他人的反馈为何不起作用？

人类历史学家——尤瓦尔·赫拉利（Yuval Harari），在《今日简史》中，一针见血地指出：

“人类很少能认清自己的无知，因为他们就是一直待在如同回声室的同温层里，往来的都是思想相近的朋友，接收的都是肯定自己意见的新闻信息，各种信念只是不断增强，鲜少遭到挑战。”

这就像是说，人们在信息茧房中，愉快地过着作茧自缚的无知生活，并对自己的才智过人，深信不疑。

那么，从某种角度来看，进化并不考虑沉默证据，进化是一系列侥幸的成功——有好的、也有不好的，并且大部分是不好的。

所以，进化有时候会推翻先前的所有设计，这其实就是一只标准的黑天鹅——就像让恐龙突然灭绝一样——人类就是那只火鸡——恐龙统治地球上亿年，智人只有几十万年——而对人类来说，“先前设计”就是各种谬误偏差。

事实上，正是由于进化本能带来的谬误偏差，让人们只看到了好的（或说因为符合心理预期与现实利益，所以只想看到好的），而在短期内，那些真正对你好的，或真正对你不好的，并不明显（或可能表面看起来相反）——尤其是当你处在，会产生黑天鹅的环境中时，更加如此。

因此，黑天鹅事件要求，必须可以事后解释，而不是事前预测的重要原因，就在于——谬误偏差善于创造未知的未知，以及善于屏蔽已知的未知。

专家，是信息积累的产物和效用证明，其代表着（或说携带着）专业与准确的结论，听从专家不仅可以提高效率、增强合作、减少分歧与避免对峙，还能节省“重新发明轮子”和“验证轮子”所浪费的时间。

更为重要的是，人们总是（难以自控地）期望于，用最简单快速和节能的方式，获取主观“愿意”相信的结论。

因此，信服专家——是符合了人们本能偏好的思维模式，同时（在一定程度上）也是阻碍人们独立思考和深究原因的根本所在。

那么，迷信专家的原因，其实就是本能偏好的过度放大：

然而，专家也是人，从前文的观点来看，人都会不自觉地陷入本能谬误，专家也不例外，并且专家更容易陷入——不知道自己不知道什么的过度自信之中。

所以，有时候正是专家的预测信息，让黑天鹅来的更快速、更突然和更猛烈，即：预测让预测结果发生——换言之，就是专家的预测，才降低了人们整体对黑天鹅的抗性。

但现实是，我们往往把一个人和他的人设、以及他所做的事混为一谈，然后把他们变成一个符合传奇故事世界观的虚构人物——我们的文化中，总需要坏人和英雄、傻瓜和天才、替罪羔羊和道德楷模——显然我们需要故事，这其实就为树立专家而铺平了道路。

因此，专家是信息传播复制的重要来源、节点和中心，这其实就是说好一个故事的天然条件，并且人脑进化出的各种谬误偏差与其互相配合，让专家所书写的故事，或是专家所背书的故事，更加深入人心并广泛传播。

然而，不仅如此，由人类串联起来的大脑，所构建的网络和形成的文化，也和专家紧密的交织在一起，而专家的力量——就在于信息的不对称性。

事实上，人们会屈服于他们所不了解的东西，而这些不了解都是由信息不对称所造成的——换言之，人们会屈服于信息不对称。 ​​​​

就如列维特，在《魔鬼经济学1》中，所指出的：

“有信息在手，专家就掌握了一个影响巨大却心照不宣的把柄——你内心的恐惧。专家擅长的就是，化信息为恐惧，然后利用信息不对称，让利益相关和利益需要——获得巨大利益。因此专家，恰好是我们需要提防的人——他们不过是占有信息优势，并在某种动机的驱使下，对这个优势加以利用的人。 ​”

或许只有少数人，有能力、有资格、有胆量和有气魄，能够坦然地怀疑和无视专家，然后进行独立深刻的思考——但作为普通人、大部分人，或许根本就做不到，也无力去对抗和抵御专家的信息诱导（即洗脑）。

因为，本能谬误所产生的思维定式，就是——让人本能地去盲从专家，并被环境信息所控制——而不自知，以及无法自知。

甚至，还有自然进化（宇宙规律）所带来的——节能偏好（即懒惰），去阻止人们独立思考、深入探究、搞清真相，显然相比较对抗本能——专家永远是更轻松和更容易去获得信息和结论的选项。

但在此，我们可以铭记专家的两大特点：

第一，专家是知识的携带者，但专家不等于知识，而知识才是对我们真正有用的，且让我们敬畏的事物。

因此，我们需要明白“相信专家”与“相信知识”是不可等同的（现实也常常不同），即：相信知识不等于相信专家，不相信专家也不等于不相信知识。

第二，专家常常也不相信专家，并且专家给出的建议或结论，也常常会（与自身与他人）相互矛盾（稍稍留心就会很容易发现），而永远正确的只有逻辑本身。

同时，还需要注意的是：

在专家和公众之间，往往隔着的是——（各种传话）媒体，而他们是扭曲信息的高手，是添油加醋的转述师，是利益相关的从业者——他们的工作就是尽可能的，吸引公众的注意力，而完成这个目标——既可以用不可思议的真相，也可以用骇人听闻的编造，或是用真假掺半的误导，但决不能用平凡无奇的陈述。

因此，塔勒布在《随机漫步的傻瓜》中，诚意地分享道：

“我提醒自己，爱因斯坦说过，常识不过是18岁以前学得的一大堆错误看法。此外，谈话中、会议里，尤其是新闻媒体上听起来很有智慧的话，都是值得怀疑的。”

另外，硅谷投资人、计算机科学家——吴军博士，曾在专栏文章《硅谷来信：关于美国大选》中，指出：

“虽然很多新闻人，试图公正地和中立地报道新闻，但是今天绝大多数专业人士，包括教授、记者、经济学家等等，都是挣一份糊口钱，因此，不能指望他们是完全中立的。”

所以，如果想要增加对黑天鹅的抗性，并在随机性和不确定性中受益或减少受损，就不仅需要不盲从专家，还需要有反直觉的怀疑主义，至少也要是半信半疑主义。

事实上，我们很容易发现，那些越是容易获取的“免费”信息（如网络新闻、头条、微博、群聊），就越容易错误，而越是难以获得的“付费”信息（如论文、书籍、咨询），就越容易正确。

然而无论什么信息，亲自实践验证而不仅仅是阅读，显然是对其最真实、最有效、与最好的理解和掌控，但就是效率太低——低到了现实运作并不准许。

所以，现实的算法就是——任何解决不了的问题通过一个中间层就可以了。

例如，在机器翻译中，每两种语言之间都要互译，这需要编写大量不同的翻译模型（即n * (n - 1) / 2个），但此时可以加入一个中间层，所有的语言都与中间层互译即可（只需要n个模型）——同理，编译器翻译编程语言，也会使用中间层，即把不同的编程语言，都转换成同一个中间语言。

于是，信任层就在基因与文化中构建出来，以提高信息运作的效率，而正是这个信任层充当了合适的土壤，孕育出了各种各样的——“故事”。

寻找正确和避免错误，是截然不同的思路，并且有着巨大的鸿沟。

因为正确，需要经得起时间的考验，其中包括了无数次、无数种条件（包括边界）的测试，以及严格的逻辑证明与实验验证，但这都依然无法100%保证，未来不会出现一次黑天鹅事件，就瞬间推翻了过去所有的正确。

相反错误，只需要一次测试、一种条件、一个示例、一个论证就可以确定结论，并且错误永远都是错误不会正确，但正确却很难保证永远正确。

换言之，正确可能随着认知变化而被否定，但被否定的，一般都会继续保持否定。

事实上，科学思维，就要求我们不仅要有寻找正确的——证明思维，也要有避免错误的——证伪思维，而科学的进步发展，就是在不断地推翻过去的“正确”。

对此，塔勒布在《反脆弱》中，犀利地指出：

“在研究机构的报告中，人们可以有选择地报告能证实其想法的事实，而不会透露与其想法相悖，或者无法证明其想法的事实。而统计研究，往往因受这些片面性的影响而失真。这是我们应该相信证伪理论，而非证实谬误的一个原因。”

那么避免错误（即证伪思维），就如同数学上的反证法，其所带来的便利性和技巧性，远比正面构造一个完备的证明要容易的多。只不过正面证明，我们得到的是一个优雅完整的逻辑结构，但反证法我们却只得到了一个矛盾。

由此可见，寻找正确（即证明思维）具有积累信息、迭代逻辑、创造结构的重要意义——这都是与眼下的生存，息息相关的事情。

所以，人脑天生就是倾向于寻找正确，而不是避免错误。

只不过，通常大部分人最后找到的，基本都是虚幻的确定感与自以为是。因为我们的左脑，是一个具有强大解释能力的“诠释者”，它会对看到的一切，都下意识地向着自己想要的、相信的和想象的一切，开始强行匹配解读，于是虚幻的确定感就不自觉的产生了，接着证实偏差与无视沉默证据效应，就会令我们不自知地连自己都“欺骗”——或说，特别真诚地自欺欺人。

更甚的是，塔勒布在《反脆弱》中指出，受过教育的聪明人，（或说教育使人）更容易受到“证实思维”的影响（即更倾向于以“证实思维”做出反应），陷入以下谬论：

因此结果就造就了：我们知道错误的事情，远多于知道正确的事情。

那么对比寻找正确，避免错误——不仅有更强的可操作性，还有显著的有效性，因为在实际中，常常只需要更少犯错，就可以成为赢家，获得可观的收益。

例如，乔布斯认为，创新就是对1000个想法说不，这意味着你要对100个其它的好主意说不，因此你必须要仔细挑选，而他对自己未曾做过的事情，与对自己已经做过的事情，同样感到自豪——这里体现的就是，确定一个想法，意味着错失了其它的想法，而排除所有错误的想法，就可以获得正确的那一个。

例如，对于爱情，要找到一个正确的人和排除一个不对的人，哪一个更具有可操作性呢？——确定了一个正确的人，意味着放弃了无数个可能更正确的人，但否定一个不对的人，却没有什么副作用（除非这个是真爱）。

由此可见：

亚里士多德，就曾说：“一个智者，他的目标不是追求幸福，而是尽其可能地避免不幸。”

所以，对于“天鹅全都是白色的”这个结论，我们不应该去——寻找更多的白天鹅（即寻找正确），而是应该去——确定究竟有没有黑天鹅（即避免错误）。

然而，在实际生活中，环境信息充满了干扰，并潜移默化的影响了思考与决策，当然信息除了干扰也是创造的源头。但黑天鹅的存在——就证明了环境信息充满了随机性与谬误，很多观点和言论都是不确定的，冗余性让一切皆有可能。

事实上，我们阅读新闻、观看视频、学习知识、积累经验、训练技巧等等，都是来自于环境信息。并且我们并不能把所有接收的信息，都亲自去验证一番（也没必要），因为如果诸事怀疑，则会非常耗费心智，这会被本能所排斥，同时这也会阻碍工作、生活和成长的效率。

所以，为了兼顾效率与节能，人脑并不会认真审视接收到的每一条信息，大多数情况都是下意识地——“听了就信了”（并可能以此作为思考的基准点），直到将来某个时刻，因为某个因素才会重新审视一下这条信息的正确性（并可能恍然大悟）——相信每个人，回忆过往，都会对这个“不知先信”的认知偏差有所体会。

那么结果，在不确定信息积累过多（即不知道哪些是逻辑真相，哪些是虚构故事）的时候，我们都——不足以认识到自己的无知，并以为自己无所不知（即无知到不知道自己无知）。这会令我们常常下意识地，不是把专家、权威与传统的观点——奉若神明地照单全收，就是把自己的感受——当做了世界唯一的真相。

但其实，个人经验和感受——包括网络是非、道听途说、局限的人际关系及其信息交换——在缺少了有效信息的情况下，就失去了逻辑判断的可能性，从而让观点和结论都变得——异常脆弱不堪，只不过其中的大部分错误，都不会影响到一个人的正常生活，所以也就不会触发一个人去修正其错误的——认知与行为。

然而，这些远超我们想象的“量变错误”，也可能隐藏着孕育出一只“负面黑天鹅”的概率，从而冷不丁地导致我们——生活粗糙、人生破败、甚至处境危险。

那么，或许“保有怀疑主义”就是一个可行的方案，即：时刻保有对信息的怀疑度（尤其需要注意数字，包括价格、统计、概率、点击量、阅读量、销售量、粉丝数等等），对所见所闻都持有一份独立思考——尤其是（陈述性）结论及断言，在没有看到确信的论证之前，都需要半信半疑。

简而言之，就是——寻求证据、证伪证明、疑而后信，例如：

或更简洁地说，没有数据就不可全信——就如列维特，在《魔鬼经济学1》中，所指出的：

“如果你学会以正确的方式观察数据，某些以其他方式无法解答的谜团，就会迎刃而解，因为要击碎混淆视听和自相矛盾的谎言，数据的力量就无可比拟。”

而在处理数据或信息时，我们则最需要警惕并区分的是：没了解与没发生，不知道与不存在，它们两者之间根本性的不同。

虽然以上，很反直觉很难，但通过不断地训练，就可以最大限度地减少无效信息的干扰，并最终对专家、权威、传统、及神明——就拥有了一定的免疫与抗性。

事实上，把专家与权威的言辞，仅仅当做是一种排行榜上的推荐，而在亲自验证之前，没有任何推荐可以成为原则或准则——这就是一种有效的怀疑主义实践。

需要注意，怀疑主义并不是怀疑一切，或猜疑一切，它是一种认知意识与认知能力。

而有趣的是，专家与权威——往往自己保有怀疑主义，却不希望他人怀疑自己，而位高权重者也是如此，这是本能算法所带来的某种——“不对称性”。

显然，在数据的世界里，并没有专家与权威，只有预测准确率（即概率），所以数据中才有真相——或说是有最接近真相的概率。

最后，专注——其实就是在使用否定法，否定了“专注”以外的选项，从而排除了更多可能的错误，因此专注——其实就是在践行避免错误的思维，即：不是寻求更多的正确，而排除更多的错误。

随机性，带来的直接结果就是——无法预测，我们也会因为无法预测而认为——具有随机性，那么究其本质，随机性的来源有两个：

对于伪随机，塔勒布在《黑天鹅》中，认为：

“即使历史是由某个「世界方程式」生成的非随机序列，只要人类没有求出这个方程的能力，它就应该被认为是「随机」的，并且不被冠以「确定性混沌」的名字。 ​​​​”

那么，处在微观与宏观之间的人类思维，面对这样也行，那样也行，不同选择相似预测，但最后又可能有完全不同结果的情境，可以说人们的选择本身，就充满了“随机不统一性”——也就是说，完全情境，相同条件，重新来过，就可能做出不同的选择，且这个过程是无法被预测的。

事实上，只有在事后积累了足够多的信息之时，人们才能发现，当初选择所造成的隐藏在细微差异性里的不同结果——是如何一步步发生和演变，并最终从量变积累到质变的。

可见，无论是在现实世界，还是在思维中的虚拟世界，随机性都是不可避免的，因为真随机与伪随机会紧密的纠缠在一起，并仅由概率，串联起微观与宏观、随机与确定的连续性，而这就是物理现实的运作基础。

塔勒布在《黑天鹅》中，说道：

“这世界并不存在伟大的设计者，而是通过小的随机变化来前进的，并且通过积累小的随机变化，来完成大的飞跃。”

可是，从微观局部来看，随机性是不好的，因为缺少规律和趋势，就难以被人们预测、理解和掌握，从而就容易造就——种种失败。

对此，塔勒布认为：

“你必须爱上失败——美国文化鼓励失败，而不像欧洲和亚洲文化把失败视为耻辱和尴尬。美国的专长在于为世界其他地方承担，这些随机性带来的小风险，这正是这个国家具有超常创新力的原因。”

例如，亚马逊的创始人——杰夫·贝佐斯，在2015年的公司股东信里，曾写道：“我觉得亚马逊，有一个很特别的地方，就是关于失败。我相信亚马逊是这个世界上最适合失败的地方，而且我们失败的例子确实很多！”

例如，前文提到的吴军博士，在专栏文章（硅谷来信22封）中，也曾说道：“大到国家，中到企业，小到个人，如果不能宽容失败，就必然会失去好的发展机会，因为没有一种努力是不伴随失败的，所以，宽容失败才可能是人生赢家。”

例如，著名的科技作者——阿什利·万斯（Ashlee Vance），在《硅谷钢铁侠》中，这样写道：“失败似乎完全没有影响马斯克对未来的展望，也没有令他质疑自己的能力。”

事实上，勇于冒险——就是“随机突变 + 环境选择”的自然演化模式。

有趣的是，从演化角度来看，“厌恶失败”与“热爱冒险”均是（人类）基因所构造的本能，是历史文化随机选择了其中一个，打压了另一个，并使其成为社会价值观层面的一种“潜规则”，再由社会环境，去把这些信息植入人脑，成为人们心中的认知与偏好。

接着，不同文化（如美国与亚洲）对待失败的差异性，又会影响各自对随机性的“利用率”——可见，能不能热爱失败，并从随机性中受益，这本身就是随机性的体现。

那么，除了失败，随机性必然还会带来——运气，这甚至比任何机制都更公平，因为运气可以——挑战赢家通吃、将“大人物”拉下马、改写二八分配、推翻历史数据、打破强者越强的壁垒、消除弱者越弱的枷锁。

换言之，随机性可以超越局部最优解，并开启演化路径上全新的——“幂次地图”。

因此，从整体宏观来看，随机性就能够对社会，甚至是文明和物种，进行重新洗牌的——“黑天鹅效应”。

可见，随机性——才是自然选择的终极力量，它让对称性破缺，它让运气不可重现，它让天才不可复制，它让创造力不可替代，它让无差别的劳动，有差别到天壤云泥之别。

但换个角度来看，有随机性才有悬念，有悬念才有故事，有故事世界才精彩，并且每个人的机会，就都隐藏在随机性中——而塔勒布，在《随机漫步的傻瓜》中，再三强调的是：

“一般来说，我们确实低估了很多事情中的随机成分。”

所以，当我们能够觉察并发掘随机性的力量后，我们就与“黑天鹅”建立起了某种特殊的关联（就像塔勒布一样）。

在很多职业中，不论报酬多高，收入总是受到限制的——因为收入取决于持续努力，而不是决策质量——并且这种工作报酬，在很大程度上是可预测的，它会有变化，但不可能达到一天的收入，超过余生收入总和的程度——这就是职业报酬的“突破性”。

事实上，一个人的价值高低，取决于稀缺性，即不可替代性。

如果某项工作，有太多人愿意做且能够胜任，那么这项工作的报酬通常不会太高，而如果某人不可替代，则不仅报酬可以商量，犯错也可以被轻易原谅，甚至性格的小缺陷、行为的小毛病，也更容易被容忍。

可是，一个人无论多么不可替代，其报酬的上限，都要取决于工作类型，即：

例如，《哈利·波特》的作者——JK罗琳（J. K. Rowling），她并不需要为每一个读者，写一次小说，但面包师，却需要为每次顾客的购买，制作一次同样的面包。

JK罗琳，在非持续努力——完成一部小说之后，收入取决于后续的决策质量，如版权合作、版权改编、票房分成等等，并且还能得到长时间的休息，与不可预测的收入，即：努力与收入成非线性关系，而面包师，则需要持续努力——不停地制作面包，无法得到长时间的休息，并且收入可以预测，即：收入与努力成线性关系。

不过，这一切仍然都是平衡的，在收入具有突破性的职业上，收入分布是非常不平均的，这才能带来突破性，其代价就是——承担风险与需要运气。

也就是说，“突破性职业”——必然充满了极其激烈的竞争（即承担风险），并且是带有“门槛”的竞争（即需要运气），比如：创意需要灵感、智力需要天赋、资源需要积累等等。

事实上，风险、运气、突破性——都是随机性带来的直接产物或副产物，因此，越是能够长时间承受越巨大的风险（包括已知风险与未知风险），就越是能够从随机性中，获得小概率的运气，并生存下来，从而最终获得突破性。

就像JK罗琳：在事前来看，她承受了巨大的风险（随机不确定性），如果成功她需要的是运气，即能够完成哈利波特并得到出版，而在事后来看，她的创作具有突破性，她的“成功故事”是一只标准的黑天鹅（罕见、影响重大、可解释）。

相反，面包师——没有承受巨大的风险，不需要运气，也就不存在任何突破性。

再比如，基因的复制遗传，就具有随机性，结果智人的出现，就是大自然孕育出的一次黑天鹅事件，如今人类获得了对地球的统治性局面，这是突破性（事后）也是运气（事前），其根源都是来自于——随机性。

因此，我们可以看到，事前罕见的——运气，事后呈现的——突破性，以及随机性所串联起的——可解释性，这就是黑天鹅标准的——“起飞流程”。

而这个突破性——也就是黑天鹅的“威力所在”，即黑天鹅效应，它可以让在游戏场景和实验室环境中，诞生的数学公式与先验总结，变得形同废纸，或是如同一只火鸡，然后公式和经验都会得到更新，接着在未知的未知中，再次变成废纸或火鸡，如此循环。

游戏场景和实验室环境的问题在于：经费有限、数据量不够、数据不同于现实环境、模型过于简化。

那么在人类社会，由于偏好依附和积累效应，过去的成功会让未来——更成功和更容易成功，即：成功是成功母，失败是失败之父——所以，概率的结果其实取决于历史数据的积累。

最终，我们看到了赢家通吃、二八定律与马太效应，这是来自幂次法则的分配规律，而突破性（即黑天鹅效应）——则会同时产生和打破这种局面和结果。

钟形曲线（即正态分布）——来自于游戏场景，是人类在简化现实的实验室模型中，逻辑推导的结果。

在量变没有引起质变之前，它可以工作的很好，可是质变点一旦来临，突破性就会从天而降，黑天鹅振翅高飞，钟形曲线在某一坐标处轰然崩塌。

而突破性隐藏在随机性之中，随机性通过概率，连接起了微观与宏观、随机与确定，接着概率不断演化积累，从量变到质变，最终在宏观上呈现出了——幂次法则。

幂次法则（Power Law）——是指事物的发展，其规模与排名呈现幂次反比，也就是规模越大，排名以幂次比例下降，即呈现幂律分布。

简单概括起来就是：强者越强，弱者越弱，中庸难存（生存艰难与难以存在）。

是的，幂次法则，有很多相关的说法，如：长尾理论、马太效应、偏好依附、反馈增强、赢家通吃，等等。然而这些都是从不同的视角，去解读不同领域的具体现象，其背后都是同一个本质，那就是——幂次变化，即：两个变量之间，呈现幂次比例的关系。

幂次变化——就是指数不变，底数变化，如：x^2，x^-3，x取随机变量，指数为正就是正比例变化，指数为负就是反比例变化。

塔勒布在《反脆弱》中，认为：

“历史总是以突变和跳跃的方式，从一个状态跳到另一个状态。……我们从一个充满可控波动性的稳定系统，接近统计意义上「钟形曲线」，切换到一种具有高度不确定性，以跳跃方式运动，被称为「长尾」的系统。”

幂率分布——在数学上，是多个随机变量，互相影响、互相关联、互相依赖的结果。如果一个复杂系统，内部充满了互相紧密影响、关联、依赖的“不独立”随机变量，这些变量之间远近不同的协调与作用，就会形成一个幂率分布的结果，而这种协调与作用，就是“自组织”，典型的就是生命系统、社会系统、金融系统、生态系统。

而PayPal联合创始人——彼得·蒂尔（Peter Thiel），在《从0到1》中，认为：

“幂次法则，就是宇宙的本质规律。”

是的，我们的世界充满了随机性——它是符合非线性演化的，而幂次法则——就是这个真实世界非线性演化的底层逻辑。

例如，人类语言中单词使用频率的分布，大多数国家姓氏的分布，书籍唱片的销售分布，电影票房的分布，网络粉丝数的分布，评论点赞数的分布，计算机文件大小的分布，网页被点击次数的分布 ，等等。

那么，这个视角与洞见的意义就在于——所有事物的发展，都是非线性的幂次量变——这里的重点是两个关键词，即：所有事物与幂次量变，这表明：

事实上，黑天鹅——就是幂次量变（即长尾系统）造就的（不可预测的）产物。

因为，我们会发现，万事万物都在从量变积累到质变，于是：

塔勒布在《反脆弱》中，指出：

“长尾……，指的是一些发生概率很低的事件，但这些「尾部」事件却可能起到举足轻重的作用。……人们倾向于将越来越多的风险，隐藏在统计分布的「尾部」，事实上，这提高了遭受罕见恶性事件打击的风险。”

是的，在非线性的情况下，简单的“有害”或“有益”的陈述都会“失灵”：关键在于“剂量”，即：量变到质变的“激发”。

而非线性不可预测的原因，除了质变效应（即质变抵得过所有历史量变总和），还在于我们习惯于——用线性思维（或平均数）去外推非线性变化。

例如，我们评估一个任务的完成时间，总会用起初两天、两周、或两个月的工作进度，去线性外推未来半年、一年、甚至几年的变化，但未来充满了各种因素的积累效应，其变化几乎不可能是之前变化的线性迭代。

塔勒布在《黑天鹅》中说道：

“我们对自己认为熟知的事物确信不疑，我们显然无法了解自己的无知程度，无法确切了解自己所生活的这个世界的不确定性。我们总是高估自己对世界的了解，却低估了事件中存在的偶然性。当我们回顾以往时，由于后见之明，对有些事会产生虚幻的确定感，因此我们变得过于自信。”

现实中，在我们所了解到的信息，大部分都是间接听到或看到的，亲身体验并验证过的信息极少。那么，信息的可靠性——是无法保证的，信息流传造成的扭曲性——是难以想象的。但我们的心理预设（即颅内模拟），却一直（不停地）在通过这些极其不可靠的信息源，来构建自我的认知、判断与推理，并最终做出决策与选择——而我们自己却常常（并远远）没有意识到这一点。 ​​​​

因此，我们严重低估了世界的不确定性，却又高估了自己对过去发生事件的确定感。有些事情，这么做可以得到一个确定的结果，但原因却不是自己“原本以为”的那样，这个真相可能永远也不会知道，因为缺少触发修正错误的契机或场景。

而很多问题，人们也只能看到一个侧面，然后左脑强大的解释能力（即“诠释者”），就会自动补全过程、原因和细节，接着各种“谬误偏差”带来的意识枷锁，就会让我们深信不疑自己的观点与洞察，并固执己见且难以改变。

最终，这一切——环境、人类与进化，所共同带来的结果——就是黑天鹅是永远无法预测的，而一旦预测了黑天鹅，那么黑天鹅就会瞬间变成一只——灰天鹅，即可以模型化的极端事件，然后跃然纸上的——就是随机性与冗余性的自由组合，即：冗余性对抗了随机性。

或许，历史数据中所透露的规律与趋势，可以预测有限的未来，但宇宙底层的运作——如不确定性原理与幂次法则（代表从量变到质变），就会让未来无限的可能性——随机到历史数据所无法预测和掌控的结果。

而这就是黑天鹅的内核算法，即：历史数据揭示了概率，概率中隐藏着由幂次法则所主导的，可以抵得过所有历史量变总和的质变，而从量变到质变不确定的过程，就决定了黑天鹅从0到1的涌现。

那么，从另一个角度来说，在物理现实的底层，没有对错只有随机，某种随机结果的积累，就是宏观“错误”的迭代，最终“错误”的进化，就造就了一只活生生的——黑天鹅。

因此，黑天鹅——就是自然规律在自然演化过程中，不可避免的涌现结果，是由物理现实（幂次法则）所决定的不可预测。

所以，黑天鹅就是未知的未知，如果想要把黑天鹅思维贯彻到底，就需要勇气、努力、与透过现象看本质的能力，以及彻底理解随机性的愿望——还需要不把别人（包括专家、权威和传统）的观点奉若神明。

最后，请记住：

你就是黑天鹅——活着是如此的幸运，宇宙充满了死寂，生命代表着不可思议的概率——那么，接受随机才能开始享用概率，或接受概率才能开始享用随机 ！

因为幂次法则，是世界运转的底层规律，所以过往的数据，只可以在“从1到N”的区间内，做到准确预测，而一旦抵达了一个“从0到1”的质变点，黑天鹅就会让一切预测都变得形同虚设。

然而，如果你就是那个不断积累的变量，也就是说你随环境一起在进行从量变到质变，那么你量变的过去就会连接到那个——质变的未来，从而未来的那个你——就变成了一只黑天鹅。

事实上，在现实中，没人会在乎你的努力过程，人们只会认可你的成功结果，如果你不能脱颖而出，那么对别人来说，你就相当于从未努力过，甚至觉得你再怎么努力，也都注定无法成功。

所以我们，必须要挣脱钟形曲线的束缚，去到钟形曲线之外的那个——“黑天鹅坐标系”。

那么，请记住：

人们只能看到你的质变，但你不能否定自己的量变——因为你可以成为，那只黑天鹅！

在《黑天鹅》中，塔勒布观点犀利、论述精彩、引例刀走偏锋，文风充满了狂拽的碎碎念与不证自明的超强自信（或自负）。毫无遮掩地藐视权威，点名道姓地批评嘲讽成功人士、组织机构、公司、学术、政府与特定人群，还有等等。令其展现出的“众人皆醉唯我独醒”的气质跃然于纸上。并且最终，他还成功地将他渊博学识、深刻思考、洞察本质的气质，深深地植入到了读者的意识之中（即洗脑）。

那么，为什么塔勒布会有勇气公然反对、嘲讽和指责无数的专家与权威，甚至还有诺奖得主？他把对这些“名望人士”的态度，公开写到一本畅销书里的后果会是什么？

显然，按照生物本能的“黄铜法则”（即别人怎么对你，你就怎么对别人），必然就是树敌无数。那塔勒布为何要有如此的操作，仅仅就是为了博人眼球，还是为了表现自己的特立独行？

世界充满了故事，“信息对称性破缺”就像物理上的“自发对称性破缺”一样，必然又普遍，任何人——无论他是谁有怎么样的头衔，都会有很多的缺点、弱点、脆弱、以及无知，只要我们掌握了（真正的）真相（具有逻辑性），就没什么好怕的，而害怕本身就是一种不必要的脆弱。

那么，无论是应对黑天鹅，还是成为黑天鹅，都需要从“不害怕”开始，然后成为“反脆弱”！

主题相关文章：