知之为知之，不知为不知，是知也。——《论语·为政》

十八世纪，英国一位叫托马斯·贝叶斯（Thomas Bayes） 的牧师，业余琢磨出一个”从结果反推原因”的法子。他自己大概觉得没什么了不起，没发表。直到他去世后，朋友理查德·普莱斯在遗稿里翻出来，1763 年代为刊出。

此后近两百年，这个想法被主流统计学冷落、甚至讥讽。可它私下却屡建奇功：二战时，图灵靠它帮着破解了纳粹的恩尼格玛密码；后来人们用它打捞失踪的核潜艇、找回掉进海里的氢弹。有本书索性就叫《The Theory That Would Not Die》（死不掉的定理）。

一个差点被遗忘在牧师抽屉里的想法，如今撑起了垃圾邮件过滤、医学诊断，乃至整个现代 AI。而它的内核，其实比数学古老得多——无非一句话：当证据变了，就改变你的想法。

一、那这”一行想法”到底是什么

贝叶斯定理，就是”拿新证据去更新原先判断”的数学公式：

$P(H \mid E) = \frac{P(E \mid H)\,P(H)}{P(E)}$

别被吓到，逐项拆解并不复杂：

• $P(H)$ 是先验：看到证据前，你认为假设 $H$ 成立的概率；
• $P(E \mid H)$ 是似然：如果 $H$ 真成立，会出现证据 $E$ 的概率；
• $P(E)$ 是证据 $E$ 出现的总概率（起归一作用）；
• $P(H \mid E)$ 是后验：看完证据后，你更新过的信念。

举个反直觉的例子。某种病患病率 1%，试剂准确率 99%（病人 99% 测出阳性，健康人 99% 测出阴性）。你测出了阳性——你真得病的概率有多大？

直觉告诉你是”99%“。但动笔算一下：每一万人里，100 个真病人检查出约 99 个阳性；9900 个健康人里也有约 99 个误报阳性。两边几乎一样多，所以你真得病的概率只有约 50%。

$P(\text{病} \mid \text{阳性}) = \frac{0.99 \times 0.01}{0.99 \times 0.01 + 0.01 \times 0.99} = 50\%$

直觉错得离谱，因为它忘了”健康人基数大得多”这个先验。这正埋下了全文的种子：要正确地相信，靠的不是聪明，而是肯把先验和基数老老实实算进去——一种谦逊。

二、它只是一条古老美德的公式化

贝叶斯定理写于 1763 年，但它说的事，古人早讲过——只是没用公式，用的是故事。

《论语》里有一幕：孔子对学生子路说，“由啊，我教你什么叫’知’——知道就是知道，不知道就是不知道，这才是知。”（“知之为知之，不知为不知，是知也。“）这话是冲着子路爱逞强、不懂装懂去的。孔子要他改的不是知识，是对待知识的诚实。

苏格拉底那边更有戏。德尔斐神谕说，世上没有比他更智慧的人。苏格拉底纳闷——我明明什么都不懂。于是他满雅典去找那些公认的”智者”讨教，结果发现：他们并不比他懂多少，只是以为自己懂。他这才读懂神谕：他唯一的过人之处，是知道自己无知。

一千八百年后，蒙田把这层意思刻进了书房。他在一枚天平形的纪念章上铸下一句反问——“Que sais-je？（我究竟知道什么？）“，又把这份怀疑写满整部《随笔集》：每下一个判断，先自己掂量三分。

三种文明，隔着千年与山海，落在同一个点上：真正的智慧，始于承认自己可能错。 这恰恰是贝叶斯的灵魂——先验只是”暂定”，证据一到就得改。古人不缺这个洞见，缺的只是那行把它精确下来的公式。

三、难的从来不是算术，是放下自我

这里有个残酷的反差。

贝叶斯公式只有一行，中学生都算得了。真正难的，是肯去更新——因为承认自己错了，动的不是数字，是面子、立场、身份。心理学给这种”先有结论、再找理由”的毛病起了名字：确认偏误、动机性推理。我们常常不是在追真相，而是在替既有的自己辩护。

医学史上有个让人脊背发凉的例子。1840 年代的维也纳，医生塞麦尔维斯发现：产科只要让医生接生前洗手消毒，产妇死亡率就从百分之十几骤降到个位数。证据清清楚楚。可同行非但不改，反而群起攻之——因为这个结论等于在说：是医生自己脏手上带的”尸体微粒”，害死了一个个产妇。 这口气咽不下。于是洗手法被抵制了几十年，塞麦尔维斯被排挤、丢了饭碗，最后死在精神病院。

证据没问题，算术没问题。卡住的，是那群人不肯让自己错。而且越是投入、越有名望、立场越公开的人，往往越改不动——因为要推翻的，是大半个自己。

于是一个不那么显然的判断浮出来：我们把一种古老美德变成了公式，但并未付诸行动。公式并不复杂，愿意持续更新自己的判断，才是一辈子的修炼。

四、最强的预测者，赢在谦逊，不在聪明

这不是道德说教，有数据为证。

心理学家 Tetlock 早年追踪过一大批政治、经济专家的预测，结论很扎心：他们的准确率，和”乱掷飞镖的黑猩猩”差不多。而且越是上电视、说得越斩钉截铁的，往往错得越稳。

后来他做了多年的”良好判断项目”（Good Judgment Project），从上万名普通人里筛出一小撮”超级预测者”。这些人不是最聪明、学历最高的，共同点是另一种气质：他们像狐狸，不像刺猬——不抱一个大定论，而是把判断拆成概率，频繁做小幅修正。今天觉得”六成会发生”，看到一条新闻就调成”六成三”，再调成”五成八”。

他们，活成了贝叶斯公式的样子。谦逊在这里不是美德修辞，是可测量的预测优势。

五、连机器也缺这味”知之为知之”

有意思的是，这个毛病连我们造的人工智能也有。

2023 年，一位纽约律师用 ChatGPT 写诉状，它”引用”了六个根本不存在的判例——有名有姓、有卷宗号，编得一本正经。律师没核对就交了上去，被法官重罚。模型不是不知道，是不知道自己不知道，还一脸笃定。这就是所谓”幻觉”，本质是虚假的自信。

让 AI 学会”知道自己不知道”、肯说出”这题我只有四成把握”，至今是个没解决好的难题。连最先进的智能都迈不过这道坎，反倒衬出：这味两千年前的老美德，有多稀缺，又有多难。

六、知道和做到，是两回事

古人把这道理看透了，可他们做到了吗？很少。

知道该谦逊，和做得到谦逊，是两回事。孔子自己也叹，真心”好学”的人少之又少。美德历来知易行难——贝叶斯没法替你咽下”我错了”那口气。

凡是真做到的人，几乎都得跟自己的本能死磕。达尔文有个”黄金法则”：一旦遇到与自己理论相悖的事实，他强迫自己立刻记下来——因为他发现，这类碍眼的证据，“比顺心的更容易从记忆里溜走”。这不是天赋，是一套对抗自我的纪律。

所以古典没给现成的解法。但它看清了正确的问题：能不能正确地相信，是品格问题，不是智商问题。在一个观点泛滥、人人笃定、连 AI 都抢着递确定答案的时代，这味老美德，反而成了最决定性的稀缺。

结语

贝叶斯把一种古老的美德，压缩成了一行公式。公式可以一个下午就教给机器；美德却要修一辈子——而且多数人、连最强的机器，至今都没学会。

物理学家普朗克曾说：“科学的进步，是一场接一场的葬礼。” 新理论取胜，往往不是因为对手被说服，而是因为对手老去、退场——人不愿意改，只能等他们离席。一种连科学家都难以指望的美德，可见有多稀缺。

可正因为稀缺，它才是这个时代真正的分水岭。当答案唾手可得、笃定不要成本、连 AI 都抢着替你下结论——最稀缺、也最有价值的一个动作，是停下来，说一句：“我可能错了。”

两千年前那句话，今天依然成立：知道自己不知道，才是知的开始。贝叶斯能算出你该信几成；可肯不肯接受并依此行动——那不是计算，是修行。

参考

古典文献

• 《论语·为政》—— “知之为知之，不知为不知，是知也”
• 柏拉图记苏格拉底（《申辩篇》）—— “我知道我一无所知”
• 蒙田《随笔集》（Montaigne, Essais）—— “Que sais-je?”

当代

• Thomas Bayes / Richard Price (1763), An Essay towards solving a Problem in the Doctrine of Chances
• Sharon Bertsch McGrayne, The Theory That Would Not Die —— 贝叶斯定理被冷落两百年又屡建奇功的历史
• Philip Tetlock, Expert Political Judgment & Superforecasting —— “乱掷飞镖的黑猩猩”、狐狸 vs 刺猬、超级预测者
• 塞麦尔维斯（Ignaz Semmelweis）与洗手法之争 —— 证据清楚却因自尊被抵制的经典案例
• 达尔文《自传》—— 立刻记下相悖事实的”黄金法则”
• Mata v. Avianca（2023）—— 律师用 ChatGPT 引用了不存在的判例而被罚