一 极端斯坦与黑天鹅现象
黑天鹅现象来自我们对意外事件发生的可能性的无知，因为我们把自己知道的东西太当回事了。
1 自我欺骗的人类
2 出版业中的黑天鹅
3 极端斯坦与平均斯坦
4 1001天-如何避免成为黑天鹅
5 不能只靠过去的经验来判断
6 叙述谬误
7 活在希望的小屋里
8 永不消失的运气
9 游戏谬误-愚人的不确定性
二 我们难以预测
10 预测之耻
11 怎样寻找鸟粪
12 认知斯坦-一个梦
13 假如你不会预测怎么办
三 极端斯坦的灰天鹅
14 从平均斯坦到极端斯坦
15 钟形曲线-智力大骗局
16 随机的美学
17 洛克的疯子
18 骗子的不确定性
结语 一半对一半

什么是黑天鹅：大家印象中的天鹅都是白色的，突然有一天发现世上居然有了黑色的天鹅。大家都愕然，为什么？思维惯性？大家自信自己通过科学论证得到的结论，突然有一天发现我们设定的边界并不是边界，而边界外还有更精彩的东西，这就是黑天鹅事件。
其实黑天鹅不可怕，可怕的是我们对自己的知识太过自信，我们的认知局限让我们将世界进行分类，简化，以便理解。而实际上的世界是非常复杂的。

------书摘------
岁月的沧桑意味着对黑天鹅更高程度的抵御能力，尽管那则关于火鸡的故事说明，年纪越长便意味着越可靠，但年纪越长却不一定越好。
大自然并不鼓励过度专门化，因为这样会限制进化，削弱动物的生存能力。
全球化看上去会带来高效率，然而运行杠杆不同部分之间的交互作用会引起某个点的裂隙，从而影响整个体系，结果就像是许多脑细胞同时崩溃而引发大脑癫痫发作。
我的观点并不是要停止全球化，取缔互联网。我们会发现，公司规模做大时，政府应停止对其实施帮助转而扶助小规模的公司，这样会更利于稳定。
发现，当公司规模扩大之后，尽管它们看上去效率提高了，但同时它们对外部偶发事件的抵抗能力却更弱了，这些偶发事件便是现在众所周知的“黑天鹅”了。
他向我提到了一个哲学家们经常提到的说法：没有区别的差异。后来我便意识到，有些区别是哲学家用以获取哲学上的意义的，但这些区别通常并没有实际意义。然而，你如果深究下去，会发现这些区别还是必须的，因为在环境发生变化时，它们会产生实际意义。
的确，我重新读过自己的书之后，并没有发现任何需要增加的内容，因为历史上我们已经经历过了一切。是的，一切。
如果一个人平时不面对应激物，那么当遭遇到应激物时，他便难以生存。
在一种类似确认偏误的弊病中，骗子们总是提供人们愿意听的正面意见（应该做什么），因为人们不愿意听到负面意见（不应该做什么）。
黑天鹅事件在很大程度上是由使用现成的方法而引起的，然后基于伪造的结果建立错误的信心
黑天鹅的逻辑是，你不知道的事比你知道的事更有意义，因为许多黑天鹅事件正是在不可预知的情况下发生和加剧的。
除了过度专注于已知知识以外，人性还有另一个弱点：习惯于学习精确的东西，而不是从总体上把握。
我们不会自然而然地认识到自己不会学习。这个问题产生于我们的思维结构：我们不学习规律，而是学习事实，而且只学习事实。我们似乎不太善于认识到我们的超规律（即我们倾向于不学习规律的规律）。我们蔑视抽象的东西——疯狂地蔑视
我对于正常现象不太关注。如果你想知道一位朋友的脾气、道德水平和优雅程度，你需要在严峻的环境考验下，而不是在玫瑰色的日常生活中观察他。
通过阿拉伯统治者与拜占庭皇帝之间的某种诡秘协议，艾姆云向两方纳税并从两方得到保护，因此我的祖先生活在1 000多年的和平中，几乎免于流血。

1. 假想的理解，也就是在一个超出人们想象之外的复杂（或随机）的世界，人们都以为自己知道其中正在发生着什么。 2. 反省的偏差，也就是我们只能在事后评价事物，就像只能从后视镜里看东西（历史在历史书中比在经验现实中显得更加清晰和有条理）。 3. 对事实性信息价值的高估以及权威和饱学之士本身的缺陷，尤其是在他们进行分门别类的时候，也就是进行“柏拉图化”的时候。

显然，在预测上，聪明和掌握大量信息的人并不比出租车司机更有优势，但二者还是有很大区别的。
我们来考虑一下信息的性质：在一个历史事件发生之前存在无数个事实，其中只有相当少的一部分会在后来你对历史事件的理解中有帮助
分类总会造成复杂性的降低，这是黑天鹅事件的发生器，也就是我在序言中定义的柏拉图化的表现
我的观点是，现实生活中有些科学成果不但是无用的（它们低估了高度不可能事件的影响，或者导致我们低估它），而且，它们中的许多或许实际上正在造就黑天鹅现象。
我确信，我完全无法预测市场价格，并且知道其他人也无法预测，但他们却不知道这一点，或者不知道他们正在承担巨大的风险。
在理想的平均斯坦，特定事件的单独影响很小，只有群体影响才大；在极端斯坦，个体能够对整体产生不成比例的影响。
看看黑天鹅事件的影响。极端斯坦能够制造并且已经制造了黑天鹅现象，因为少数事件已经对历史产生了巨大影响。
你从平均斯坦的数据中获得的知识随着信息供给的增加而迅速增加。而你从极端斯坦数据中获得的知识增加得很慢，而且与数据的增加不成比例，有些数据非常极端，甚至达到未知的程度。
本章余下的部分将以原本的形式概括黑天鹅问题：如何从过去的知识中知道未来，或更为概括地说，如何从（有限的）已知推测（无限的）未知。
我们再进一步探讨归纳法最令人不安的一面：反向学习。假设火鸡的经验并不是没有价值，而是一个负价值。它从观察中学习，正如我们都被建议的那样（毕竟这是人们相信的科学方法）。随着友好喂食次数的增加，它的信心也增加了，虽然被屠杀的危险越来越近，它却感到越来越安全。想一想，当危险最大时，安全感却达到最大值！但真正的问题比这更具有普遍性，它直指经验知识本身。
由于一种我称为无知经验主义的思维方式，我们天生习惯于寻找能够证明我们的理论以及我们对世界的理解的例子，这些例子总是很容易找到。唉，有了工具和傻子，任何东西都是容易找到的。
作为灵长类中的人类，我们十分渴求规律，因为我们需要把事物简化，好让它们进入我们的头脑，或者说我们可以将它们挤进自己的头脑。
同一被捕事件（原因）被同时用来解释另一事件及其相反事件，这显然是错误的，后两件事之间不可能有共同点。
显然乍看上去第二种情形更有可能发生，而这是完全的逻辑错误，因为第一种情形更宽泛，有更多种可能的原因，比如他杀死他的妻子是因为他疯了，因为她与邮差和滑雪教练通奸，或者因为他产生某种错觉把她当成了金融预测师。
格雷格·巴郎（Greg Barron）和伊多·伊雷夫（Ido Erev）用实验证明，当受试者参加一系列实验时，如果他们在实验中自己发现而不是被告知事件概率，他们会低估小概率结果的概率
系统1，经验模式，是不费力的、自动的、快速的、模糊的（我们不知道我们在使用它）、平行的、易出错的。它就是所谓的“直觉”，以很快的速度发挥着强大的作用。
系统2，认知模式，就是我们通常所称的思考。你经常在教室里使用它，因为它是费力的、有条理的、缓慢的、有逻辑的、连续的、渐进的、有自我意识的（你可以觉察推理的推进）。
我们的大部分推理错误来自当我们以为自己在使用系统2，而实际上却在使用系统1时。为什么？因为我们的反应是不经过思考和反省的，而系统1的主要特点就是我们对它的使用是无意识的！
线性情形 情况还能变得更奇妙，世界比我们想象中更加非线性
情况还能变得更奇妙，世界比我们想象中更加非线性，也比科学家们的意愿更加非线性
实际上，如果我让你在一瓶水和一池子水之间作选择，你会选一瓶水，也就是说，你的满足程度随着多余水量的增加而降低了。
大量一般的好消息比一个非常好的消息更令人感到幸福。
际上，你的幸福感更多取决于正面情绪出现的次数，心理学家称之为“积极影响”，而不是某次正面情绪的强度。
她当做朋友的那本书是《鞑靼人的沙漠》（Il deserto dei tartari），作者是迪诺·布扎蒂（Dino Buzzati），这是一本她孩童时代在意大利和法国非常有名的小说
显然，出于许多原因，我们需要别人，但我们对他们的需要远远超过我们的认识，尤其是对尊严和尊重的需要。实际上，历史上几乎没有人在没有同代人承认的情况下做出任何了不起的成就，但我们有选择伙伴的自由。
让我们把世界分为两类。有的人就像火鸡，面临巨大的灾难却不知情；有的人正好相反，他们等待着让别人大吃一惊的黑天鹅事件的发生。
证券交易商尼罗把这种面临巨大损失的可能性的行业称为可疑行业，尤其是他不相信任何计算损失概率的方法。
海马状突起是掌管记忆的组织，是大脑最敏感的部分，据说也正是这一部分会吸收反复遭到的打击造成的损害，比如由于每天持续少量的不良情绪造成的长期压力。长期压力会对海马状突起造成严重损伤，发生不可逆转的萎缩。
你坐在教室里听某个自以为是、骄傲自大的人装腔作势地讲了两个小时的历史理论。无聊让你头脑麻木，根本不明白他在说什么，但你听到了大人物的名字：黑格尔、费希特、柏拉图、希罗多德……他看上去很深奥博学，你却发现他说的大部分内容都是基于简单的视觉错觉！这并不奇怪：他太精于此道了，假如你质疑他的方法，他就会向你抛出更多的名词。
作品本身对于成功来说变成了次要因素。
回想一下证实偏差：政府非常擅长告诉你他们做了什么，而不是他们没做什么。
让我们对2001年“9·11”恐怖袭击事件作同样的分析。大约2 500人直接死于恐怖袭击在世贸中心双子塔造成的灾难。遇难者的家庭得到各种机构和慈善团体的捐赠。但是，根据研究的结果，在那一年余下的3个月，将近1 000人成为恐怖主义沉默的受害者。为什么？害怕坐飞机转而开车的人面临更高的死亡风险。有证据表明那段时间的公路死亡率上升，因为公路比航空更致命。这些家庭没有得到捐助，他们甚至不知道他们的亲人也是本·拉登的受害者。
救活一个人只是统计数字，伤害一个人则是奇闻逸事。统计结果是不可见的，奇闻逸事是显而易见的。同样，黑天鹅事件的风险是不可见的。
我来是为了讨论黑天鹅现象的，我要告诉他们我只知道一点，那就是我们对黑天鹅现象所知甚少，但其特点就在于它能够欺骗我们，而试图将其柏拉图化会导致更大的误解。军方人士能够理解这些，这一观点以“未知的未知”（与“已知的未知”相对）的说法刚刚在军界流行起来。
这也是沉默的证据问题。它解释了我们看不见黑天鹅现象的原因：我们为已经发生的事担忧，而不是为那些可能发生却实际上没有发生的事。
问题是，我们的思维是有惯性的：一旦形成一个观点，我们就很难改变，所以情况对那些推迟形成观点的人更有利。
泰洛克研究了政治和经济“专家”。他让不同的专业人士判断某个特定的时间范围内（大约5年之后）一些政治、经济和军事事件发生的可能性。他一共获得了大约27 000份预测，涉及近300名专业人士，经济学家占样本的近1/4。这项研究表明，专家的错误率是估计水平的很多倍。他的研究揭示了一个专家问题：一个人拥有博士学位或学士学位是没有区别的。发表文章众多的教授相对于记者没有任何优势。泰洛克发现的唯一正常的事实就是名望对预测的消极影响：拥有高度名望的人比没有名望的人预测得更糟糕。
类似地，让某人告诉你他的社会保障号码的最后四位数，然后让他估计曼哈顿牙医的数量。你会发现，通过提醒他一个4位数的数字，你会诱导出一个与之相关的估计结果。
人们常说智者能够预测未来，或许真正的智者是那些知道自己不能预测未来的人。
发现的经典模式是这样的：你寻找你知道的东西（比如到达印度的新方法），结果发现了一个你不知道的东西（美洲）。
波普尔的核心论点是，为了预测历史事件，你需要预测技术创新，而它从根本上是不可预测的。
我的观点是：预测要求我们知道将在未来发现的技术。但认识到这一点几乎会自动地让我们立即开始开发这些技术。因此，我们不知道我们将知道什么。
彭加莱以一个非常简单的例子演示了这一点，即著名的“三体问题”。如果在一个类似太阳系的系统中只有两颗行星，并且没有其他因素影响它们的运行，你将能够毫不费力地预测它们的运行。但在两颗行星之间再加入第三个天体，比如一颗小小的彗星。最初第三个天体不会导致行星运行偏离轨道，对它没有影响；然后，随着时间的推移，它对另两个天体的影响可能是爆炸性的。这个微小天体的位置将最终决定这两个庞大行星的命运。
每个人都有心目中的乌托邦。对许多人而言，它意味着平等、公平、没有压迫、不用工作（对有些人而言，要求可能更低，但并不一定更容易达到）。对我而言，乌托邦就是认知斯坦，一个所有人都是认知者的社会，一个认知者能够当选的社会。
学会阅读历史，吸取所有可能的知识，不要对奇闻逸事皱眉，也不要建立任何因果链条，不要试图过多地求方程，但如果你这样做了，也不要大张旗鼓地提出科学观点。请记住，经验怀疑主义者尊重习惯：他们把它当做默认状态，行为的基础，但仅此而已。他们称这种对待过去的明确方法为结语主义
下面是一些（谨慎的）技巧。请记住，越谨慎，越有效。 1. 区分正面意外和负面意外。学会区分在不具可预测时从事哪些事会（或一直）对我们极为有利，在我们无法预测未来时从事哪些事有害。既有正面黑天鹅现象，又有负面黑天鹅现象。2. 不要寻找精确和局部的东西。简而言之，不要狭隘。提出“机会青睐有准备的人”的伟大微生物学家巴斯德懂得，不要在每天早上寻找某种特定的东西，而要努力工作，并让意外进入你的生活。正如另一位伟大的思想家优吉·贝拉所说：“假如你不知道往何处去，请一定小心，因为你可能到不了那里。”3. 抓住一切机会，或者任何像机会的东西。机会很少，比你想象的少得多。请记住，正面黑天鹅现象有一个前提：你必须把自己置于它的影响之下。4. 当心政府的精确计划。5.“有些人，假如他们本来不知道某件事，你是不可能告诉他们的。”伟大的不确定性哲学家优吉·贝拉曾说。不要浪费时间与预测者、证券分析师、经济学家和社会学家争论，除非是拿他们取笑。
不对称性 所有这些建议有一个共同点：不对称性。请把你自己放入一个好结果比坏结果大得多的条件下。 实际上，不对称结果是本书的核心思想：我永远不可能知道未知，因为从定义上讲，它是未知的。但是，我总是可以猜测它会怎样影响我，并且我应该基于这一点做出自己的决策。
因为他们被选入了前一份参考名录。由于有了名望，这几位学者将继续写论文，并轻松地发表。学术成功部分（但非常显著的）靠的是抽奖。
80/20法则只是比喻的说法，
赌场经营者非常明白这一点，这就是他们从不亏本的原因（如果经营得当的话）。他们不让赌徒下大注，而是喜欢让许多赌徒下很多受限制的小注。赌徒的总赌注可能有2 000万美元，但你不需要为赌场担心：每注平均可能只有20美元；
灰天鹅是可以模型化的极端事件，而黑天鹅是未知的未知。
“我不得不找出我的先行者，这样人们才会认真对待我。”他曾经告诉我，他把人们对大人物的信赖当做说服工具。
所以，对于极端斯坦，归纳问题再次出现，这一次比本书之前提到的更为严重。简而言之，如果某个机制是分形的，它就能够产生很大的值，因此有可能出现大的离差，但可能性有多大，频率有多高，很难准确知道。
研究市场中大量存在的、未知的、强大的不确定性，从而理解对心理学、概率论、数学、决策理论甚至统计物理学都适用的随机性的本质。
所以，高斯[58]占领了我们的商业和科学文化，与它直接相关的西格玛、方差、标准差、相关性、R 平方和夏普比率等字眼充斥于金融界的行话之中。
最有趣的是史蒂夫·罗斯，这个被认为比斯科尔斯和默顿具有更高智慧的经济学家和可怕的辩论对手，只能通过指出我演讲中的小错误或不准确的地方来反驳我的观点，比如“马克威茨不是第一个”，这说明他对我的主要观点提不出看法。
较大不确定性原则认为，在量子物理学中，人们不能（在任意精确的情况下）测量某些成对的值，比如粒子的位置和动量。
同样的领域特殊性问题导致人们从手扶电梯下来后直奔台阶式健身器，但这种问题发生在哲学家身上就危险得多，因为他们把我们有限的批判思维浪费在简化的问题上。
在一半时间里，我是一名超级怀疑主义者；在另一半时间里，我又坚定不移，甚至有些固执地相信事物的确定性。
最终存在一个小小的决策法则：当我能够受到正面黑天鹅事件影响时，我会非常冒险，这时失败只有很小的影响；当我有可能受到负面黑天鹅事件的袭击时，我会非常保守。