概率成为扩展的逻辑

集体翻车

全国最聪明的一批人，同时栽了跟头

1990 年 9 月，玛丽莲·沃斯·莎凡特——《吉尼斯世界纪录》认证的最高 IQ 纪录保持者，在《Parade》杂志主持「问玛丽莲」专栏——回答了一位读者关于游戏节目的提问。换门，她写道，三分之二的概率赢。答案没错。随后，她的信箱炸了。

据她自己统计，来信将近一万封，绝大多数在告诉她错了——其中约一千封来自博士。数学家写信训诫她。一位教授留下了那句「经典」评语：

「你搞砸了，而且搞砸得一塌糊涂！……这个国家的数学文盲已经够多了，不需要全世界 IQ 最高的人再来添乱。丢人！」——斯科特·史密斯博士，佛罗里达大学，1990 年致《Parade》杂志信

真正搞砸的恰恰是他。严格按概率来算，他的大多数同行也没好到哪去。莎凡特在接下来的三篇专栏里寸步不让，最后干脆请全美教师带着学生用纸杯和硬币做实验。最终她获得了数据的支持，正如她所言：换门胜率是不换的两倍。教授们这才慢慢、且大多不那么体面地认了输。

这场风波暴露了一件事。蒙提霍尔问题不是花招，不是文字游戏——它的答案可证明、可模拟，板上钉钉。它揭示的是：人类对不确定性的直觉存在系统性偏差，我们迫切需要一件形式化的工具来矫正它。这件工具就是今天的主题。但在此之前，先让我们重新看看我们的直觉——再重新塑造它。

为何如此

主持人在帮你，也在泄密

最干净的感受方式是记住一点：你第一次选中跑车的概率，只有三分之一。这个数从不会改变。当你指向 1 号门时，车在那扇门后的概率是 1/3，而在「另外两扇门之一」后的概率是 2/3。接着主持人打开了一扇山羊门——关键就在这里：他不是随机挑的。他知道车在哪，而且必须露出山羊。于是，原本平摊在两扇门上的那 2/3 概率，被一股脑压到他唯一没有打开的那扇门上。

主持人的动作不是噪音，而是信息——五条贯穿全书的线索之一，首次以严格的数量形式登场。第 1 日那座停走的钟告诉我们：靠运气说对，不等于知识；而在这里，知情主持人在规则约束下采取的动作就是证据，会推动置信度旋钮。换门，你押的是那沉甸甸的 2/3；坚持，你守的只是最初那孤零零的 1/3。

如果直觉还在抵抗，就把问题放大。想象面前有一千扇门。你随手选了一扇——中奖概率千分之一。知情的主持人随后打开 998 扇，每一扇后面都是山羊，最后只剩下你的门和另一扇。你还会觉得这是一半一半吗？车几乎可以肯定就在主持人刻意避开的那扇门后。三扇门是同一逻辑，只是规模太小，直觉来不及反应。

模型

贝叶斯定理：信念的更新法则

我们刚才对门做的那套手工操作，其实有个名字，也有个公式。它是证据理论里最重要的一条方程，写出来却简单得近乎朴素：

用一句话说：看到证据 E 后，你对假设 H 的后验置信度，等于你的先验置信度乘以似然——即 H 预测你会看到 E 的力度——再除以 E 本身出现的总体预期。强有力的证据，是你的假设能预见、而对手却预见不到的东西。整台引擎就这么多。信念永远流向最能解释已发生之事的那一方。

回到蒙提霍尔。令 H =「车在 2 号门后」，E =「主持人打开 3 号门」。如果车确实在 2 号门后，主持人只能开 3 号门（不能开你的门，也不能开藏车的门），所以似然为 1。但如果车在你选的 1 号门后，他本可以开 2 号或 3 号，所以开 3 号的似然只有 1/2。正是这个似然上的不对称，把后验推到了支持换门的 2/3。公式替我们做的，不过是直觉算不好的那笔账。

连医生都会掉进去的陷阱

贝叶斯定理拯救的不只是游戏节目选手。它还能抓住一个著名研究中大多数医生都犯的错误。亲手试一试——这个陷阱值得你牢记，因为它存在于每一次体检、每一个垃圾邮件过滤器、每一道机场安检。

深层思想

为什么叫「扩展的逻辑」，而不只是一个公式

这就引出了今天的主题。普通演绎逻辑——第 3 日的三段论——是确定性的逻辑：凡人皆有死，苏格拉底是人，所以苏格拉底会死。到此为止，没有余地。但现实生活中几乎没有什么是确定的。我们需要一种逻辑，覆盖「肯定为真」（概率 1）与「肯定为假」（概率 0）之间那片辽阔的灰色地带。令人惊讶的结论是：这样的逻辑本质上只有一种，就是概率演算。

物理学家 R. T. 考克斯在 1946 年把这一结论变成了定理。他问：假设你想给「在已知前提下，这件事有多可信？」指定一个数值，并且只坚持几条常识——可信度必须能用实数表示；同一件事用两种正确方法算出来必须得到同一个可信度（「一致性」）；「非 A」的可信度只取决于「A」的可信度。仅凭这几条朴素要求，考克斯证明，你就「不得不」——不是被建议，而是被强迫——接受标准的概率规则。经过一次不改变实质的重新刻度后，否定必须像 1 - P(A) 那样运作，合取必须服从乘法规则，证据 E 到来时就必须对 E 做条件化。任何自洽的分级信念系统，换件马甲就是概率论。

物理学家 E. T. 杰恩斯的遗著《概率论：科学的逻辑》（2003）正建立在这块基石上。他的口号是：演绎逻辑不过是概率论的特例——所有概率恰好取 0 或 1 的那个特例。概率，就是把逻辑扩展到不确定性领域——也就是扩展到现实世界。请注意，这已经是通往同一终点的第三条独立路径：荷兰赌论证（第 1 日）从「别让人钻空子」出发；而决策论稍后将从「别做被支配的选择」也抵达此处。自洽、无确定损失、一致推理——三条路指向同一套演算。

争论

两大阵营，同一个方程

概率这样优美而统一的理论，为何能在统计学内部引发一场百年内战？因为方程本身无人质疑，争议在于「那些数字意味着什么」。两派使用的是同一套演算——安德烈·柯尔莫戈洛夫 1933 年写下的公理。这些公理刻意不回答概率「是什么」，只规定它「如何表现」。在这副中立骨架上，两派披上了不同的外衣。

频率派在 20 世纪独领风骚，一半靠道理，一半靠运气。道理在于：它的创立者追求客观性，不信任贝叶斯派的先验，认为那是暗中塞入的主观意见。（费希尔把「逆概率」斥为「必须彻底摒弃」。）运气在于：贝叶斯方法需要大量计算，而廉价计算机姗姗来迟。贝叶斯派至今最敏感的痛点仍是先验——你那个「事前」信念从哪来？凭什么让别人信你的？客观贝叶斯派（杰弗里斯、杰恩斯）寻找规则化的「无信息先验」；主观贝叶斯派则耸耸肩：所有推理总得有个起点。

从这盘棋里还能落下一条实践智慧：克伦威尔法则（丹尼斯·林德利以克伦威尔 1650 年的恳求命名：「我求你，在心底想一想，你也有可能是错的」）。永远不要把先验精确地设为 0 或 1，因为贝叶斯定理此后再也改变不了它——被绝对确信的东西，按定义就是不会再因世界而变动的。林德利写道：哪怕给「月亮是绿奶酪」留一丝怀疑余地也好，否则哪怕宇航员真从月球带回了奶酪样本，也休想撼动你分毫。我们再次讨论了校准这一贯穿整个模块的暗线。

换到科学场景会是什么样？在一项持续更新的临床元分析里，原假设可能是「BCG 疫苗对医护人员感染 COVID-19 没有临床相关效果」。新的随机试验会在不同时间报告结果，研究者希望一有新数据就更新综合分析，同时又不希望每看一次结果，假阳性风险就悄悄升高。ALL-IN 元分析框架正是为这类场景设计的：它允许后续试验的证据陆续加入，同时保留第一类错误率与区间覆盖率保证。在一个 BCG/COVID 应用中，对证据过程来说，「赢」本来意味着累积到足以支持临床相关获益的强证据；但这项任意时刻有效分析没有发现 BCG 能临床相关地降低感染，而住院结局因事件太少，仍不足以下定论。这和硬币玩具是同一结构，只是把正反面换成了医学终点和陆续到来的试验数据。

开放问题

真正尚未解决的

• 概率到底是什么？是世界中的频率、心智中的置信度，还是一个公平的赔率？三个世纪过去了，诠释之争有过停火（德·菲内蒂），但从没有投降。
• 先验从何而来？是否存在一种有原则、客观的方式来设定你的「事前」信念，还是一切推理终究立足于一个数学无法替你辩护的选择？
• 基于下注的统计学真能接管吗？还是只会沦为序贯实验的专用工具，而 p 值继续统治其余领域——而且，「选你的赌注」真的比「选你的先验」更不主观吗？
• 大脑真的在运行贝叶斯吗？第 1 日的预测加工线索说，感知就是神经组织中的贝叶斯推断。今天为这个主张提供了规范性骨架——但「大脑近似贝叶斯」和「大脑就是贝叶斯」是两笔截然不同的赌注，我们将在第 119 日重返这个话题。
• 考克斯定理真的对任何理性主体都有效吗——包括人工主体——还是只对那些已经接受了它的一致性公理的主体有效？（这个问题对 AI 板块格外要紧，第 138–145 日。）