05｜为什么我们天生是“概率盲”？

一、先说结论

二、我们先理解一个问题

先做一道题，不要急着算，凭第一感觉回答：

多数人的直觉答案是“90% 以上”，甚至“几乎肯定得病了”。99% 的准确率，加上阳性结果，听起来确实像是“板上钉钉”。

但如果认真算一下，答案会让你吃惊：大约只有 2% 左右。

这不是脑筋急转弯，而是绝大多数人在这个问题上会犯的同一个错。真正值得追问的是——我们为什么会错得这么离谱？

三、作者到底提出了什么观点？

塔勒布的核心判断是：人的心智在处理概率时，天生是失灵的。

他借用进化心理学的思路指出：我们的祖先在草原上生存，需要快速判断“这个影子是野兽还是石头”，而不是计算“这只野兽出现的先验概率”。前者要求快，后者要求准；而进化优先给了我们“快”。

心理学家丹尼尔·卡尼曼（Daniel Kahneman）把这种机制概括为两套系统：

• 系统一：快速、自动、直觉、不费力。看到 2 + 2 立刻得到 4。
• 系统二：缓慢、需要集中注意、费力。计算 17 × 24 才需要它。

塔勒布想说的是：在概率问题上，我们的默认反应几乎总是系统一给出的。

系统一并不会计算，它靠的是经验、印象和联想。当它遇到“99% 准确率 + 阳性”这种信息，它会立刻得出“病得很重”的结论——却没有意识到，决定答案的不是那个 99%，而是那个被完全忽略的“千分之一”。

塔勒布把这类现象当作“概率盲”的典型证据：我们不是不会算，而是直觉根本没打算算。

四、把这个观点翻译成人话

想象远古草原上的一个祖先。他看到草丛在动。

他的大脑需要在一秒内判断：是风，还是猎豹？判断错了，可能没命。这个时候，“概率”“样本”“先验”统统没用，他需要的是一个能立刻行动的答案。

再看现代社会。你面对的是什么？

• 一份写着“阳性”的体检报告；
• 一个说“上涨概率六成”的财经节目；
• 一句“这款保险覆盖 99% 的风险”；
• 一条“吃这种食物，风险提高三成”的头条。

这些信息全都是抽象符号，没有草丛、没有声音、没有可以直观感受的东西。系统一在这种情况下无从下手，只能抓住最显眼的那个数字——“99%”“阳性”“提高三成”——然后据此给出一个直觉答案。

所以，“概率盲”不是智商问题，而是场景错配：我们带着一副为草原打造的直觉，走到了一个由百分比和样本构成的世界里。

一个更日常的对照是：

看出规律了吗？越是具体、越是能“看见”，直觉越可靠；越是抽象、越是统计，直觉越不可靠。

五、为什么会这样？

把这条推理链拆开：

flowchart TD
    A[远古环境: 威胁具体且即时] --> B[大脑进化为快速直觉系统]
    B --> C[直觉擅长处理看得见的具体风险]
    C --> D[现代环境: 风险变成抽象概率与百分比]
    D --> E[系统一无法处理抽象数字]
    E --> F[抓住最显眼的信息给出直觉答案]
    F --> G[忽略基础比率等关键信息]
    G --> H[答案系统性偏离]
    H --> I[只有系统二介入才可能纠正]

关键在于 D → G 这一步。

以开头的体检题为例。直觉抓住的是“检测准确率 99%”，然后直接得出结论。可正确的算法要求我们把两个数字放在一起看：

• 人群中大约每 1000 人有 1 个真病人；
• 这 1 个病人，大概率会被检出阳性，大致 0.99 人；
• 剩下的 999 个健康人里，约 5% 会被误报阳性，大约 50 人；
• 于是所有阳性者里，真正的病人只有约 0.99 ÷（0.99 + 50），大致 2%。

真正被直觉忽略的，是“健康人远远多于病人”这个基础事实。 心理学家把这种现象称为“基础比率忽视”——不是说人们算错了，而是他们压根没想起要去看基础比率。

而问题在于，系统二很懒。它需要主动调用，才会去核对、计算、质疑。大多数时候，我们让系统一直接拍了板。

六、举一个现实生活中的例子

回到那份体检报告。

老张参加单位体检，其中一项是针对某种罕见病的筛查。这种病在普通人群里的检出率大约只有千分之一。检测本身相当可靠：真患病的人，约 99% 会被查出来；健康人里，约有 5% 会被误报阳性。

几天后，报告出来了：阳性。

老张的世界在这一刻塌了。他上网查资料，越查越害怕；他回想自己最近容易累、睡不好，越回想越觉得“症状都对上了”；他开始考虑要不要告诉家人、要不要立刻住院。

医生却让他先别急，安排了一次更精确的复查。复查结果是阴性。

老张松了口气，但心里仍犯嘀咕：“第一次为什么是阳性？万一复查不准呢？”

真正的问题在于，老张从拿到“阳性”那一刻起，就从未问过一句：这个病本身有多罕见？

千分之一的患病率意味着，在 1000 个像他这样的人里，只有 1 个是真病人，却有大约 50 个健康人会被误报。换句话说，一个“阳性结果”背后，是“健康人”占绝大多数。阳性的正确解读不是“你可能得病了”，而是“需要进一步确认”。

塔勒布想让我们看到的，就是这种错位：检测的准确率再高，也改变不了“病本身极罕见”这个事实；而恰恰是这个事实，被我们的直觉完全无视了。

医疗决策中，这种误读每天都在真实发生——不只是普通人，一些专业人员在凭直觉快速判断时也会翻车。这恰恰说明：概率盲不挑聪明与否。

七、回到书中重新理解

现在回看塔勒布在书里反复讲的“概率盲”，就不再只是一个抽象的批评了。

他真正想说的是：我们引以为傲的“理性判断”，在很多场合其实是一套为远古环境优化的直觉在加班。 这套直觉在挑水果时可能很好用，但在面对概率时，它会稳定地出错。

这也解释了他为什么对“专家”如此警惕。既然连受过训练的人都会在概率上翻车，那么一个自信地告诉你“明年市场会涨”的分析师，凭什么值得相信？他的自信，很可能只是系统一的自信，而不是计算的结果。

更进一步，这解释了塔勒布的写作姿态：他几乎从不说“我预测……”，而是反复强调“我不知道”。这不是谦逊的修辞，而是他对人类认知局限的一种诚实承认——既然我们天生是概率盲，那么承认无知，本身就是一种认知上的进步。

理解了这一层，后面关于小样本、稀有事件、俄罗斯轮盘的讨论，就都有了共同的地基：它们都是“概率盲”在不同场景下的具体投影。

八、这个观点背后还有什么？

有几个前提值得单独拿出来。

第一，它假设人类存在一个稳定共有的“概率直觉缺陷”。 这个假设大体成立，但有边界，后文会讲。

第二，“概率盲”不等于“无法学会”。 塔勒布认为这是一种可以训练的能力，只是训练很反直觉、很容易退回到本能。

第三，它把“具体 versus 抽象”当作关键变量。 同一道题，如果换成“1000 个人里有 1 个病人”这种更具体的说法，人们的正确率往往会明显上升。这一点在心理学界有不少研究支持，例如吉仁泽（Gigerenzer）关于“自然频率”的研究。

第四，它暗含一个伦理判断：概率素养是一种责任。 在塔勒布看来，不懂得概率的人不只是“考试会错”，而是在真实世界里更容易被收割——被营销、被话术、被自己的直觉。

九、这个观点有问题吗？

十、今天再看这个观点

以下部分是基于塔勒布思想的现代延伸，不是他在书里的原话。

塔勒布写这本书的时候，主要针对金融交易。而今天，抽象概率的“攻击面”反而更大了。

医疗 App 给你一个“患病风险 12%”，算法给你一个“你可能会喜欢”的推荐，电商给你一个“仅剩 3 件”，赌博平台用精心设计的即时反馈击中系统一。这些场景的共同点是：它们都在利用我们的概率直觉失灵。

再看投资。散户看着“某基金三年年化 15%”的广告，很少有人会先问：这个数字的样本有多小？它承担了多大风险？它是不是恰好赶上了一轮行情？这些正是后面几篇要拆的问题。

甚至连 AI 也在放大这个问题：模型输出一个置信度，看起来像概率，其实含义模糊。概率盲的现代版本，不是不懂数学，而是被大量“看起来像概率”的数字包围，却依然用直觉在做判断。

对个人来说，塔勒布式的应对很具体：遇到概率，先停一秒，把数字换成“1000 个人里有几个”，把结论放进基础比率里核对。 这不是聪明，而是一种反直觉的纪律。

十一、这一篇真正应该记住什么？

1. 大脑是为草原而非概率设计的。 我们擅长具体、即时的风险，不擅长抽象百分比，这是场景错配，不是笨。

2. 直觉负责快，不负责准。 概率题上，系统一给出的往往是“看起来对”的答案，而不是算出来的答案。

3. 基础比率最容易被忽略。 体检、投资、招聘都一样——分母常常比那个显眼的百分比更能决定结论。

4. 聪明人也会系统性犯错。 概率盲不挑智商，受过训练的人同样会在松懈时掉回直觉。

5. 概率素养需要刻意训练，且会因为“表述方式”而变。 换成具体频率、放慢速度，正确率就会上升。

十二、留一个问题

下一篇：我们已经知道直觉会在概率上出错。但还有一类错误更隐蔽：当一个结论只建立在很小的一撮数据上时，它看起来依然无比可信——直到你把样本放大。

下一篇我们就来拆开这个问题——为什么小样本会骗人？