按键盘上方向键 ← 或 → 可快速上下翻页，按键盘上的 Enter 键可回到本书目录页，按键盘上方向键 ↑ 可回到本页顶部！
————未阅读完？加入书签已便下次继续阅读！
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。可以这样陈述平均斯坦的最高法则：当你的样本量足够大时，任何个例都不会对整体产生重大影响。最大的观察值虽然令人吃惊，但对整体而言最终微不足道。
另一个例子来自我的朋友布鲁斯？戈德堡，关于你的卡路里摄入量。看看你每年摄入多少卡路里—人类应该接近80万卡路里。任何一天的摄入，即使是在重大节日的摄入，也不会占这一摄入量的多大部分。即使你试图靠吃来自杀，那一天摄入的卡路里也不会对你的年摄入量产生重大影响。
现在，如果我告诉你有可能碰到某个体重几千吨或者身高几百英里的人，你会非常有理由送我去医院，或者建议我改写科幻小说。同样，一个身高几百英里的人在生物学上是不可能的。但用另一类数字，你就没那么容易排除极端值，我们下面讨论这个问题。
奇异的极端斯坦
现在考虑一下体育馆里那1000人的净资产。把世界上最富有的人加入他们中间，比如微软创始人比尔？盖茨。假设他的净资产接近800亿美元，而其余人大约几百万美元。他的净资产占总资产的多少？99。9％？实际上，所有其他人的净资产只不过是他的净资产数字四舍五入的误差，或者他的净资产在过去一秒内的变化。如果某个人的体重要达到这样的比例，他需要5000万磅的体重！
再来看一个例子，比如图书销量。挑选1000名作家，看看他们的作品销量。然后加上J？K？罗琳，在世的、（目前）拥有读者最多的作家，她的《哈利？波特》系列的销量已达数亿册。这将使余下的1000名作家变成侏儒，他们的销量加在一起顶多也就几百万册。
再想想学术引用（在正式出版物中提及另一名学者的观点）、媒体报道、收入、公司规模等。让我们称它们为社会问题，因为它们都是人为的，而不是像腰围之类的物理问题。
在极端斯坦，不平均即是指个体能够对整体产生不成比例的影响。
因此，虽然体重、身高和卡路里摄入量来自平均斯坦，但财富不是。几乎所有社会问题都来自极端斯坦。换句话说，社会变量是信息化的，不是物理的，你无法触碰它们，银行账户里的钱是重要的东西，但显然不是物理的。同样，它可以是任何数值，而不需要消耗能量。它只是一个数字！
请注意，在技术发展以前，战争曾经属于平均斯坦。如果你一次只能杀一个人，那么杀死许多人是很难的。但今天，有了大规模杀伤性武器，只需要一个按钮，一个疯子，或者一个小错误，就能够杀光地球上所有人。
看看黑天鹅事件的影响。极端斯坦能够制造黑天鹅现象，也确实制造了，因为少数事件已经对历史产生了巨大影响。这是本书的主要观点。
极端斯坦与知识
虽然平均斯坦与极端斯坦的区别对社会公平和事件演变都有重大影响，但现在还是让我们看看它对知识的意义吧，这是其大部分价值所在。如果一个火星人来到地球，测量这个快乐星球上居民的身高，他只需要测量100个人就能够对平均身高有很好的了解。如果你假设自己生活在平均斯坦，你可以坦然接受你的测量结果，前提是你确定这一结果来自平均斯坦。你还可以坦然接受从数据获得的知识。其认识论上的结果就是，在平均斯坦的随机现象中，是不可能①获得黑天鹅这样的意外的，因而整体由一个观察结果决定。首先，最开始的100天能够告诉你对于这些数据你所需要知道的一切。其次，即使你发现了一个意外，比如那个体重最重的人，也没有什么影响。
如果你处理的是极端斯坦的数据，从任何样本求得平均值都是令人困扰的，因为它受某个单个观察值的影响如此之大。这就是困难所在。在极端斯坦，个体能够轻易地以不成比例的方式影响整体。在这个世界里，你总是会对你从数据中获得的知识表示怀疑。这是能让你区别两类不同随机性的非常简单的测试方法。
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。
温和与狂野
按照我的突破性与非突破性的思路，就能够清楚地看到平均斯坦与极端斯坦之间的区别。我在这里再举几个例子。
属于平均斯坦的问题举例（受我们所说的第一类随机性影响）：高度，重量，卡路里摄入量，面包师、小餐馆老板和牙医的收入，赌博收入（这是一个特例，假设某人去赌场只赌固定的大小），车祸，死亡率，“智商”（测出来的）。
属于极端斯坦的问题举例（受我们所说的第二类随机性影响）：财富，收入，单个作者图书销量，“名人”知名度，Google搜索量，城市人口，词汇表中某个单词的使用量，每种语言的使用人数，地震造成的损失，战争死亡人数，恐怖事件死亡人数，行星大小，公司规模，股票持有量，物种之间的高度差异（比如大象和老鼠），金融市场（但你的投资经理是不知道这一点的），商品价格，通货膨胀率，经济数据。极端斯坦的清单比平均斯坦的长得多。
意外事件的统治
平均斯坦与极端斯坦之间的差别还有另一种说法：在平均斯坦，我们受到集体事件、常规事件、已知事件和已预测到的事件的统治；在极端斯坦，我们受到单个事件、意外事件、未知事件和未预测到的事件的统治。不论多么努力，你也不可能在一天内减轻许多体重，而是需要许多天、许多周甚至许多月的累积结果。同样，如果你是一名牙医，你永远不可能在一天内变富，但经过30年积极、勤奋、小心和日复一日的钻牙操作，你会做得很好。但是，假如你从事极端斯坦的投机，你可以在一分钟之内赚取或赔掉大笔财富。
大部分黑天鹅现象发生在极端斯坦，它只是粗略的近似概括，请不要将其柏拉图化，即不要过度简化。
极端斯坦并不全是黑天鹅现象。有些事件很少发生，很有影响，但某种程度上是可预测的，尤其对那些有准备并且有办法去理解它们的人（而不是听从统计学家、经济学家和各种钟形曲线理论鼓吹者的人）。它们是黑天鹅的近亲，在某种程度上是可以用科学方法理解的，了解它们的发生频率会降低你的惊奇感：这些事件很稀少，却在预测范围内。我把它们称为“灰”天鹅曼德尔布罗特随机现象。
在平均斯坦也会有严重的黑天鹅现象，虽然十分少见。怎么会有呢？你可能忘了某事件具有随机性，以为它是确定的，然后发现一个惊喜。或者你可能由于缺乏想象力而过滤并忽略了某个不确定性的来源，不管是温和的还是疯狂的—大部分黑天鹅现象来自我将在第九章讨论的“过滤性”缺陷。
《黑天鹅》第二部分第四章 1001天—如何避免成为失败者
回到最原本的黑天鹅问题
想象一个有权威和地位的人，他所工作的地方很重要，比如政府机构或大公司。他可能是你在健身俱乐部时在你眼前播放的（你无法不看电视屏幕）福克斯新闻频道的唆的政治评论员，谈论着“光明未来”的某家公司董事会主席，某个完全反对使用母乳的柏拉图式的医生（因为他看不出母乳中有任何特别的东西），或者对你的玩笑没反应的哈佛商学院教授。他把他知道的一点东西太当回事。
假定有一天，一个顽皮的家伙在休息的时候偷偷地把一片轻柔的羽毛划过他的鼻子。他高高在上的虚荣心在这次意外之后会有怎样的遭遇？与他充满权威的行为形成对比的，是被一个完全没有预料到的东西袭击的震惊。有一小会儿，在他恢复正常之前，你会在他脸上看到惊慌。
我承认在第一次外宿夏令营期间对这类恶作剧就有无可救药的爱好。把羽毛探进睡着的营员的鼻孔里会立即引起恐惧。我孩童时期的一部分时间就花在运用它的各种变体上：除了羽毛之外，你还可以把一张纸巾卷起来，卷得又细又长。我拿我的弟弟试了几次。效果不逊于此的另一项恶作剧，是在最出乎意料的时候把冰块放到某个人领子后面，比如在一次正式晚宴上。当然，随着年龄的增大，我不得不放弃这些恶作剧，但会不自觉地想起这些画面，那通常是在我同一些表情严肃的商业人士（穿着深色西服，有着标准思维）开会而感到无聊时，他们套话连篇，解释这解释那，在谈论随机事件时大量使用“因为”这个词。我以他们中的一个人为目标，想象冰块沿着他的后背下滑的情景。如果你放的是一只活耗子，会显得不那么体面，却更有戏剧效果，尤其当那个人怕痒，而且戴着阻挡耗子逃跑路线的领带的时候。
也有富有同情心的恶作剧。记得在我很早当交易员的时候，钱开始来得很容易。我平时坐出租车，如果司机说着蹩脚的英语，并且看起来非常沮丧，我就会给他一张百元大钞（当做小费），让他有点震惊和意外。你会看着他展开钞票，以某种惊慌失措的表情看着它。（100万美元肯定有更好的效果，但我办不到。）这也是一种简单的快乐实验：只花100美元就让别人有快乐一天的感觉非常令人飘飘然。我最后不这样做了，因为当我们的财富增加并且我们开始看重钱时，我们都变得吝啬和斤斤计较起来。
我不需要命运的帮助就获得了更大的娱乐：现实以很高的频率促成了这种被迫的信念转变。许多转变非常有刺激性。实际上，整个追求知识的过程都是基于接受传统智慧、科学信仰，再用新的反直觉证据把它们打碎的模式，不论是微观层面（所有科学发现的目标都是发现微观黑天鹅现象）还是宏观层面（比如爱因斯坦的相对论）。或许科学家所做的事就是嘲笑他们的前辈，但大部分人都没有意识到某个人在（近得令人沮丧的）未来也会嘲笑他们的信念。就我而言，我的读者和我在嘲笑社会知识的当前状态。这些大人物没有看到即将到来的明天对他们的颠覆，这意味着你通常可以肯定他们会遭遇某种意外的感受。
如何从火鸡的经历中学习
大哲学家罗素在阐述他的同行所谓的归纳问题或归纳性知识问题时（这显然是一切问题之母）举了一个绝妙的关于意外的例子。我们如何在逻辑上从特定的个例走向概括性的结论？我们如何知道我们已知的？我们如何知道我们的观察足以推断出对象和事件的其他特性？从观察获得的任何知识中都有陷阱。
想象一只每天有人喂食的火鸡。每次喂食都使它更加相信生命的一般法则就是每天得到“为它的最大利益着想”（政客们都这么说）的友善人类的喂食。感恩节前的星期三下午，一件意料之外的事情将发生在它身上。它将导致一次信念的转变。①
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，或更一般地说，如何从（有限的）已知推测（无限的）未知。再想想喂食的例子：一只火鸡如何通过对昨天的观察知道明天喂给它的食有多少？可能很多，但肯�