引言

这本书并非始于某种资格证明，而是始于一种对知识的深切渴望：出于求知本身而学习，在不把世界简单化的前提下，逐渐学会安身于其中。它写给好奇的通才型读者——有些领域颇有根基，有些领域仍有空白；既不愿放弃基础，也不愿错过前沿。它不承诺让人用一百八十天精通一切，只希望提供一份清晰的方位感：勾勒出使现实、生命、心智、技术、社会与未来变得可理解的主要结构。

本项目的深度研究、资料综合与初稿写作由 AI 系统完成；人工编辑 刘家昌 与黄铮梅逐篇核查材料，调整结构，改善可读性，力求使全书成为清楚、严谨的学习文本，而不是未经整理的生成文本。

课程从一个必要的约束开始：只有先校准我们形成信念的工具，研究前沿才有意义。因此，开篇不谈宇宙学、人工智能或医学，而先追问知识本身：什么才算理由？一个恰好为真的信念为何仍可能不是知识？科学如何把可检验的主张同只能自我辩护的说法区分开来？在没有确定性的世界里，概率又如何帮助心智作出判断？这些基础确立之后，课程才逐步进入数学、物理、化学、生物、医学、神经科学、人工智能、经济学、文明以及正在塑造未来的力量。

每一天都按相近的节奏展开，以适应不同的阅读时间：从一个问题、故事、图像、类比或思想实验开始，建立理解它所需的心智模型，说明仍在进行的争论，再根据现有证据推进到较新的可靠研究。它近似一部极为简短的导论，却有意设置更陡的学习曲线：先把读者当作聪明而陌生的初学者，随后逐步深入，直到进入证据尚不充分、结论仍在争论中的领域。

部分章节还附有折叠的「专题深入」附录。在网页版中，它们位于正文末尾，默认收起；若你对此主题格外感兴趣且时间充裕，可以展开阅读。附录是可选内容，略过它们不会影响后续章节。

本专题深入版 EPUB 在部分章节正文后收录了附录。你可以在兴趣浓厚且时间充裕时阅读；后续内容不会以你读过这些附录为前提。

本专题深入版 PDF 在部分章节后收录了附录，适合希望进一步展开阅读的读者。它们既不是后续章节的必要前提，也不构成后续内容的基础。

阅读顺序很重要。这不是一百八十则彼此无关的趣闻，而是一条按知识依赖关系排列的课程：认识论先于统计学，统计学先于实验，数学先于物理，热力学先于生命，演化先于心智，计算先于现代人工智能。基础部分在必要处展开说明，以免过度压缩；课程也会在若干争议最集中的主题上持续推进，例如哈勃张力（Hubble Tension）、生命起源的物理学、哺乳动物的表观遗传继承、意识理论、通用人工智能（AGI）与对齐，以及不平等的深层历史。

五条核心线索贯穿始终：

• 信息：每一门学科最终都要追问——什么是信号？什么是噪声？什么可以被有效传递或推断？
• 能量：秩序的物理代价。它在热力学、生命系统、经济学、气候变化与计算科学中反复现身。
• 演化：选择绝非仅限于生物界。它同样是知识、文化、技术与社会制度演进的通用模式。
• 涌现：知识地图上最重要的锚点往往源于底层系统的涌现——如温度、细胞、市场、心智与社会。
• 计算：形式化过程成为数学、物理、大脑与机器之间的共通语言。

「前沿校准器」也是本书方法的一部分。每项前沿主张都会标为「已确立」、「有前景」或「有争议／炒作风险」。我们不把尚未定论的研究当作事实，也不把新颖误当作重要；要看的，是证据如何积累、减弱或改变方向。物理学与宇宙学的结论需要数据和误差棒；医学、人工智能和社会科学的结论则必须同时考虑复现、激励、测量质量与研究者的克制。令人兴奋的结果未必有很强的证据；失败的主张若能说明科学如何纠错，同样有价值。新近不等于可靠，同行评议不等于定论，美丽的理论也不因此成为事实。

前七天确立了全书的基调。第 1 日从停摆的钟开始，追问一个既为真、又有理由支持的信念为何仍可能不是知识；第 2 日把这个问题扩展到科学制度，考察科学如何区分可检验的主张与其仿品；第 3 日拆解推理本身；第 4 日以蒙提霍尔问题、贝叶斯定理和 e 值说明如何在不确定中更新信念；第 5 日借助混杂因素、辛普森悖论和珀尔的 do-演算区分观察与因果；第 6 日讨论 p 值操纵、置信区间、效应量和多元宇宙分析，说明统计推断如何减少自我欺骗；第 7 日则为信号规定一个可计算的单位：香农的比特、表示期望惊奇程度的熵、信道容量，以及兰道尔原理所揭示的遗忘成本。

这就是本书所谓的「深入」：不是罗列事实，而是追问事实凭什么值得相信。