将信念视为概率

有人认为，坚定不移的信念始终是一种美德，其实这是个误区。将信念视为概率，就是不再简单地判断一个想法是真是假，而是用从百分之零到百分之百的把握来衡量它。比如，你可以不再想“这个项目一定会成功”，而是想“以我们目前的资源，我有百分之八十五的把握认为这个项目会成功”。这个小小的转变能让你保持开放，接纳新信息，也能帮助你调整看法，而不觉得自己之前“错了”。

想一想：你有什么深信不疑的看法？什么情况能让你对它的把握改变百分之十，哪怕只是这么一点？

将信念视为概率，是理性决策的一项核心工具。它用灵活、可变的把握程度，取代非真即假的僵硬判断。这种思维模型鼓励你把信念看作有待检验的假设，而不是必须捍卫的自我认同。

当我们对一个想法有百分之百的把握时，就会本能地陷入确认偏误，只寻找支持自己看法的证据。但如果你只有百分之九十的把握，就等于承认自己还有百分之十的可能是错的。这一点点不确定性会让你保持好奇，愿意接纳可能挑战自己观点的证据，久而久之，你对世界的认识也会更准确。

这种方法在现实中很有用。一位医生不会直接认定：“这位患者就是得了流感。”她可能会想：“有百分之八十的可能是流感，百分之十五的可能是普通感冒，还有百分之五的可能是其他情况。”这样，她就能安排合适的检查，更新这些概率，得出更准确的诊断。

同样，追踪全球冲突的情报分析师也不会把判断说成定论。他们会向政策制定者提供概率评估，比如“谈判有百分之六十五的可能在未来一个月内破裂”。这种表达能传达不确定程度，帮助领导者做出与实际风险更相称的决策，避免陷入过度自信或无端恐惧。

这个概念是贝叶斯认识论的基石。这个横跨哲学与统计学的分支，用形式化的方法说明：理性主体在遇到新证据时，应该如何更新自己对某个命题的确信程度。贝叶斯推理不把信念看作固定不变的东西，而是把它看作“信念程度”或主观概率，通过一个称为“贝叶斯更新”的过程不断加以修正。

• Jaynes（2003）：认为概率论不仅是分析抛硬币等随机事件的工具，更是逻辑本身的一种根本性扩展，让我们能在不确定的情况下进行前后一致的推理。[1]
• Duke（2018）：将这个概念用于实际决策，把决策看作对不确定未来的“下注”。通过概率思维，我们可以把决策本身的好坏与结果的好坏区分开来，从而获得更好的长期结果。[2]
• Tetlock 与 Gardner（2015）：通过“良好判断项目”（Good Judgment Project），他们发现，预测最准确的人，也就是“超级预测者”，与众不同的地方不在于他们相信什么，而在于他们如何思考。他们会根据新信息，不断小幅更新自己的概率判断。[3]

概率思维虽然有用，却不是解决所有认知问题的万能药。

• 认知负担：为我们的每个信念都赋予精确概率，需要耗费很多脑力。对于影响不大的日常决策，启发式方法，也就是思维捷径，更有效率。
• 参照类问题：你给出的概率，可能在很大程度上取决于你选择哪一类人或事物作为参照。比如，某项医疗操作的成功率，是根据所有患者、与你同龄的患者，还是与你健康状况完全相同的患者来计算的？不同的选择会让概率发生很大变化。
• 概率直觉薄弱：人们出了名地不擅长凭直觉理解和处理概率，常常会陷入基准率忽视等偏误，也就是忽略一件事原本有多常见。