「相信」或「不相信」到底是什麼意思？萬維鋼主張，智識分子應該用概率而非二元表態來描述自己的信念，並且隨著新證據不斷更新信念值——這就是貝葉斯定理（Bayes’ theorem）帶給我們的思維革命。本節透過雍和宮祈福、愛滋病檢測等例子，展示貝葉斯主義者如何做出既聽勸又穩重的決策。
「相信」的真正意義#
你相信上帝嗎？相信中醫嗎？相信全球暖化是人為的嗎？相信轉基因食品嗎？相信大年初一去雍和宮祈福能帶來好運嗎？
作者本節不回答這些問題，而是要問：當你說「我相信」或「我不相信」時，到底是什麼意思？
相信是決策的依據#
如果只把相信當成表態，意義相當有限。
我們的觀點完全不左右真理，而且通常很難左右別人。「相信不相信」的真正意義，在於給我們自己的決策提供依據。
- 若我相信雍和宮祈福能帶來好運，我會想方設法去；別人信不信與我關係不大，甚至我希望信的人少這樣去更方便。
- 相信是一個非常主觀的判斷，我們完全可以容忍別人的判斷跟自己不同。
用概率量化信念#
「信或不信」太生硬，最好用一個數字描述，例如概率：
- 「雍和宮好使的可能性是 15%」——不怎麼相信。
- 「雍和宮好使的可能性是 100%」——深信不疑。
這個概率數字屬於「主觀概率」（subjective probability），就像天氣預報說明天下雨的概率是 30%，其實明天只發生一次。
為什麼量化很重要#
量化後的信念可以讓決策更科學：
- 若我對雍和宮的信念值只有 15%，但某天正好路過，可以進去上個香，有棗沒棗打一竿子——專程跑一趟就不值得。
- 若信念值高達 95%，那就值得坐火車去北京上香。
一個智識分子應該擁有這種複雜的信念體系，時刻調整自己對各種事物的看法。真正的深信不疑和徹底不信都很少，甚至可能是虛張聲勢自欺欺人。
貝葉斯定理：信念更新的數學框架#
定理本身#
貝葉斯定理由托馬斯·貝葉斯（Thomas Bayes）在 200 多年前發現，數學形式和思想都很簡單：
- A 代表感興趣的事件，p(A) 為其發生機率。
- B 代表相關事件，p(A|B) 表示 B 發生時 A 發生的機率。
- 類似地，p(B|A) 表示 A 發生時 B 發生的機率。
爭議與實用#
很多統計學家認為主觀機率不科學，但過去五六十年實用主義者用貝葉斯定理完成了許多事：
- 破解二戰德軍密碼。
- 預測俄羅斯潛艇位置。
- 判斷申請貸款者的信用。
- 生命科學家研究基因被如何控制。
- 教育學家理解學生的學習過程。
- 基金經理找到投資策略。
- Google 用來改進搜尋與垃圾郵件過濾。
- 無人駕駛汽車更新路況地圖。
- 人工智慧、機器翻譯大量使用。
貝葉斯定理的精神：既然無法得到全面的資訊，我們就在證據有限的情況下，盡可能做一個更好的判斷。
核心思想#
當 B 發生以後，有了這個新的證據，我們對 A 的信念就需要做一個調整，從 p(A) 變成 p(A|B)。你可以把 A 當成你對一般情況的理論預言，把 B 當成一次實驗結果。
示範一：雍和宮祈福#
第一個證據#
假設朋友甲去年去雍和宮祈福後升職。用貝葉斯定理要先自行估計三個值：
- p(A)：你事先認為雍和宮有多好使，假設為 15%。
- p(B|A)：若雍和宮好使，甲因祈福而升職的機率。假設為 0.8（不會真正「有求必應」）。
- p(B|¬A)：若雍和宮不好使，甲因自身能力而升職的機率。假設為 0.5（能升職的人本來就有過人之處）。
代入公式，更新後的信念值 p(A|B) = 0.22。
如果我的信念值從 15% 變成 22%，那就說明第一，我這個人聽勸，有利證據進來了，我的確調高了我的信念值；第二，我這個人穩重，沒有聽到一個證據就立即發生世界觀的徹底改變。聽勸又穩重——古代對賢人的要求也不過如此吧？
第二個證據#
假設隔了一年，朋友乙水平相當，也去了雍和宮祈福但未能升職。現在 p(A) = 0.22，p(B|A) = 0.2（若雍和宮好使，他卻沒升職，這種事少見），p(B|¬A) = 0.5。
代入公式：p(A|B) = 0.1。
在數學上很容易證明，只要 p(B|A) > p(B|¬A)，B 事件就會使我們對 A 事件的信念值提升；反之則降低。經過幾次祈福不靈，你很快就應該不信了。
示範二：愛滋病檢測（經典反直覺案例）#
題目#
- 愛滋病毒（HIV）阳性者，血液檢測有 99.9% 把握驗出阳性。
- 非 HIV 攜帶者，檢測精度高達 99.99%，只有 0.01% 的可能被冤枉。
- 一般人群 HIV 攜帶者比例為 0.01%。
假設隨機在街頭找一人檢查，結果 HIV 陽性——他真的攜帶 HIV 的機率是多少？
德國馬普研究所的調查#
他們拿這題考了幾百人，包括學生、數學家和醫生。95% 的大學生和 40% 的醫生都答錯了。
直觀解釋#
假設隨機找 10,000 人做檢驗：
- 只有 1 人真的攜帶 HIV，會被檢測出來。
- 剩下 9,999 人沒攜帶 HIV，但精度 99.99% 意味著會有 1 人被冤枉。
- 所以驗出陽性的人中，只有 1 個真陽性、1 個假陽性——真陽性機率只有 50%！
推論#
如果一個疾病比較罕見，你就不應該對陽性診斷太有信心。這就是卡爾·薩根（Carl Sagan）說的：「超乎尋常的論斷需要超乎尋常的證據。」
引申到抓特務#
若特務這個工作「貴在精而不在多」，真正的特務其實很少。看到一個人長得像特務、說話走路像特務，你有多大把握說他就是？誤診率可能相當高。
抓特務，最好的辦法是冒出來一個抓一個；最可怕的辦法是「人人過關」。人人過關必然製造一大堆冤假錯案——這就是冤假錯案產生的數學原理。
作者的個人例子：自動駕駛汽車#
2010 年作者第一次聽說 Google 在試驗自動駕駛系統時不太相信：那時候其他公司都還做得很初級、計算機連停車場停車都不太行。作者當時判斷可能是記者沒聽懂，或者被忽悠了。
然而隨著 Google 項目細節陸續披露，作者慢慢調整信念。寫本書時他對 Google 自動駕駛系統的信念值已達 95%，足以讓他在寫文章時假定它真實存在——儘管它當時還沒商業應用。
貝葉斯的膽識#
作者提到一個歷史細節：據說中國曾在歷史特殊時期禁止教授貝葉斯統計學，可能因為那時候的人認為信念不容更改。至今仍有很多人是「堅持信念不看證據」的：
- 有了與自己信念相反的證據，就直接忽略。
- 或者乾脆說那是個陰謀，反而「證明」我的信念更正確了。
- 還有一種是像雍正對年羹堯那樣，要說信任就好得如膠似漆，要說不信就不聽辯解直接賜死。
這種「二愣子」性格不適合求知。正確的態度是不斷根據新的事實來調整自己的觀點。觀點隨事實改變，有膽有識，這就是貝葉斯定理的偉大原則。
本節要點#
- 「相信」的真正意義是為決策提供依據，不是表態。
- 把信念量化為概率，能讓決策更精細、對不確定性更坦然。
- 貝葉斯定理讓我們在證據有限時，仍能做出「聽勸又穩重」的判斷。
- 雍和宮例子顯示：一條證據通常只能適度調整信念，多條證據累積才能形成穩定觀點。
- HIV 檢測例子：罕見事件的陽性診斷遠沒你想像中可靠——這也是冤假錯案的數學原理。
- 貝葉斯主義者的美德：根據新事實不斷調整觀點，有膽有識。