黑天鵝效應（擴充新版）

蔡孝祺

2024/09/14閱讀時間約 26 分鐘

黑天鵝效應

The Black Swan: The Impact of the Highly Improbable

Nassim Nicholas Taleb 2011 大塊文化

分類：論說--理論

★★★★★★★★★★

重要字句：

平庸世界：沒有任何一個單一的觀察值可以對合計的總數產生有意義的影響；鐘型曲線的基礎；高斯模式；規模可變。反之則為複雜世界。

黑天鵝事件：是個離群值(出現在通常的期望範圍之外，不可預測性)；帶來極大的衝擊；發生之後我們會去捏造解釋，誤以為這事件可解釋及可預測而不那麼隨機。

黑天鵝道德問題：由於黑天鵝事件不可重複的關係，防止事件者(易被忽略)和治癒黑天鵝事件者在報酬上具有不對稱性。很少人會給予預防行為獎賞。

柏拉圖式思想：專注在純粹、定義完善、易於識別的物件或形式forms上，也就是錯把地圖當成土地的傾向，忽略一些不夠優雅而雜亂無章的東西。

柏拉圖式是由上而下、公式、思想封閉、標準規格化、用文法學語言；相反則是由下而上、心胸開放、懷疑論和經驗論、用交談學語言。

規模可變scalable：按工作時數計酬、客戶數有上限的行業，就屬於規模不可變。規模不可變的事情大部分具有可預測性。當你樣本很大時，沒有任何單一個案可以顯著改變整體。

預測之恥：我們無視於實際記錄，而使用排除了稀有事件的工具和方法，持續對未來做預測。

知識傲慢：衡量某人實際上知道多少和他自認為知道多少之間的差異。

知識的不透明性epistemic opacity：隨機性是某個層級之上的資訊不完整之結果。實務上我們很難對「真正的」隨機性和「實體上的」隨機性加以區別。對其原因的知識不完整的應該就視為隨機性，雖然未必是因為該過程具有真正不可預測的性質。

完結篇主義Epilogism：靠累積事實而不用理論的方法檢視歷史，盡量不做泛化推論，且對妄下因果結論具警覺性。

逆向工程問題：預測冰塊會化成怎樣的一攤水，比看著一攤水，猜是哪一種形狀的冰塊融成這樣更容易。這導致敘事科學和報導(歷史)令人懷疑。在非線性特性下，可能的模型/參數組合，會隨著數字呈爆炸性增加。

槓鈴策略：同時採取防衛態度(保守，不受所有不確定性來源之侵襲)和極為積極態度(把一小部分配置暴露在高風險策略上)的方法。

懷疑經驗論處理隨機性：尊敬那些勇於說出「我不知道」的人；認為黑天鵝事件是隨機性的主要來源；由下而上；大致上正確；理論極少；先觀察再看書；關注圖書館裡未讀過的書；假設以極端世界為起點。

柏拉圖式處理隨機性：認為普通波動是隨機性的主要來源(事後認為還有一些跳躍)；由上而下；精準的錯誤；每件事都必須符合嚴謹的模型和原理；不接受描述性的東西；建立在我們能夠計算機率的假設上；假設以平庸世界為起點。

摘要：

極端世界與黑天鵝事件

我們從觀察或經驗所學到的東西有嚴重的侷限，……一個單一觀察，就能讓千萬次確認看到數百萬隻白天鵝所得到的泛化推論失效。

越複雜的世界，歷史是用跳躍的，少數幾個黑天鵝事件就解釋了我們世界裡的所有事，而我們研究討論，並企圖透過讀報去預測的普通事件，就變得越來越不重要。社會科學家誤以為工具或公式可以衡量不確定性，測量的風險只是一份排除了黑天鵝事件出現機率的測量值，鐘型曲線聚焦於常態，給我們錯誤的信心以為馴服了不確定性。因為有黑天鵝事件，使得你所不知道的事遠比你所知道的事更為重要。

如果你想瞭解一位朋友的氣質、道德，和格調，你必須去看他在嚴格環境測試下的表現，而不是在優雅的日常生活中的狀況。

每一天都會發生完全超乎他們預測的事，但他們卻不能瞭解，他們並沒有預測到這些事件。……一般人以為，二次大戰開始時，那時候的人約略感覺到大事即將發生，其實是完全沒有感覺。

對事物分類(例如新聞記者們用相同的項目作為事件的原因)總是造成事實複雜度的減抑，剔除某些不確定性的來源，套入某種柏拉圖式思想的模式，這是黑天鵝事件產生器的表現。因此報紙你讀的越多，可以得到的資訊就越少。

規模可變性：規模可變的行業只有在你成功時才是個好行業，它們更加競爭、努力和報酬之間非常不對等、隨機性非常大、造成極大的不公平。

平庸世界：非規模可變；典型的成員是平庸之輩；對應到實體數量；受地心引力限制；很容易從所見的事物做預測；鐘型曲線分配。例子：身高體重、醫師的所得、卡路里消耗量、賭博利潤、死亡率。

極端世界：規模可變；典型的成員是巨人或侏儒；贏家全拿；對應到資訊或數字；大小不受實體影響；整體(平均值)決定於少數極端事件；很難從過去的資訊做預測。例子：財富所得、平均一個作者的書籍銷售量、地震所造成的災害、戰爭死亡人數、金融市場。

也許，嘲笑前輩就是科學家所從事的事業，但由於人類的各種心理特質，很少有科學家瞭解，將來(不幸地，是不久的將來)也會有人嘲笑他的的想法。

火雞問題：我們如何能在邏輯上從特定的事例中得到普遍的結論？我們如何能從過去的既有知識去瞭解未來？火雞從觀察中學習(後向學習)的信心隨著被友善餵食天數的增加而增加，直到感恩節那天的到來，導致信念的修正。我們過去所學，竟轉而成為錯誤。

恩披里科Sextus Empiricus(empirical即為經驗)被稱為「經驗派」的醫師，也是強烈的反學術作家及反教條行動者，這個學派懷疑理論和因果關係，而靠過去經驗作為行醫的指導。經驗醫學派的作品完成以後，又花了至少十四個世紀，醫學才有所變革，成為非教條、對理論懷疑、而且以證據為基礎！

瞭解黑天鵝事件並不代表是懷疑論者，也不是一味恐懼風險，主要的目標是具體行動或決策時，不要當一隻火雞。

為何對黑天鵝事件無知

我們對資訊的反應並不在於其邏輯上的價值，而是以其環境的架構為基礎，以及該資訊在社會情感系統上的意義。

確認偏誤：

把焦點放在預設的已知區間，以此對未知事件做泛化推論。人類有一種尋求事例，以確認我們的故事或世界觀的自然傾向。
雙程謬誤round-trip fallacy：把「沒有證據證明黑天鵝事件有發生的可能」當作「證據證明沒有黑天鵝事件」。我們的統計直覺和推理，並不是為了這種微妙變化的差異演化而來的。
領域攸關性domain specificity：我們的反應、思考模式和直覺，與事物所呈現的背景有關，所以課堂上的理論很難轉成實務，即使是非常精確的知識也常常不能導致適當的行動(反之亦然)，甚至專家也是如此。
陰性經驗論：用反例來逼近真相，而非確認的證據。知識的不對稱性在於你知道什麼是錯的，遠比你知道什麼是對的，更有信心。
我們與生俱來的天賦具有特定而精巧的歸納本能，能對各種事件和經驗做選擇性泛化(generalization，從某些領域裡選擇性地取得歸納知識，其他保持懷疑)，但這些本能無法適應現在複雜倍增的環境。

敘事謬誤：

我覺得教育制度最大的問題，就在於強迫學生對客觀事物強加解釋，而當學生說「我不知道」以保留判斷時，就會遭到羞辱。

以故事迎合我們把特殊型態柏拉圖化的渴望來愚弄自己。
對「原因」的過度解釋和重視，把一連串事實編織故事，強加邏輯連結，加上關係箭頭。我們對事物強加意義和觀念(理論、敘事、偏見)的傾向，妨礙我們觀察物件本身以及對構成該觀念之細節的認知。
因果認知的生物基礎：大腦常在我們的意識之外運作，不做成理論not theorizing是一種刻意的行動，我們要非常努力才能在看到和記住事實的同時，不做判斷與解釋。
敘事謬誤的資訊層面：資訊有被縮減的需求，因為資訊的取得和儲存代價高昂，一則資訊的規律越高、隨機性越小、型態越明顯、越故事化，也就越容易儲存。因此我們也就認為世界並沒有向實際狀況那樣隨機，簡化中遺漏的東西就是黑天鵝事件。藝術和科學都是因應如此需求的產物，只是科學宣稱的目的是取得真相。
我們從重複中學習，代價是以前未曾發生的事件。不可重複事件在發生之前會被低估，但發生之後則會被高估(一陣子)
敘事謬誤來自於我們錯誤地使用第一系統，還以為自己是用第二系統在思考。
平庸世界裡敘事性似乎很管用，但在極端世界則不然，避免謬誤的方法，是重實驗輕故事、重經驗輕歷史、重臨床知識輕理論。原因不是大膽的猜測(做預測並記錄下來)，就是實驗的結果，而不是故事。

在行為上把黑天鵝事件當作不存在，人性並非針對黑天鵝事件做設計

瞭解到成功只集中於少數的這種特性，卻還是付諸行動去追求，造成我們的雙重折磨；在我們的社會裡，報酬機制建立在規律的幻覺上。

原始的環境中過程和成果緊密連結，關聯性來自感官(生物本能)和可見的持續回饋上，因此我們的直覺並不適合用來處理非線性事物。現代生活中線性進步是柏拉圖式的想法，我們很難再享有線性和正向進步的成就感。
我們的快樂建立在小而頻繁的報酬流量上，也就是正面效果出現的次數比發生的強度重要，但在分配集中產業之中，可能終其一生沒辦法等到想要的成果。
如果你具有人格和智慧上的魄力和信念，忍耐周圍的人的侮辱，可以嘗試去冒著經常小輸的風險去賭黑天鵝事件的發生。

沉默證據偏誤

我們因意外而有今天的成就，這並不表示我們應該繼續冒同樣的險。

歷史把黑天鵝事件掩藏起來，讓我們對該機率產生誤解。我們在每個領域裡建構樣本和收集證據時，都會碰上這個問題。
極端世界的巨星出現所帶來的結果是，我們所謂的「天才」，只占具有同樣天分者的極小部分，許多具有同樣天分的人在歷史中消失了。並非巨星沒有天分，而是他的天分並非如我們所想的那樣獨一無二。
傳記就是在為特定性格和後續事件這兩者之間，獨斷地找出因果關係。
簡單的思想實驗：用電腦模擬純粹隨機的投資人大軍，能證實單靠運氣就可以產生投資天才不是不可能的事。
越具有致命風險的衝擊，偏誤的能見度就越低，因為受害者的證據都被消滅了。事件帶來真正的效果(弱化所有物種)，和觀察到的效果(看似強化某些物種，因為其他的都死掉了)產生差異。舉例：賭客的新手運(因為一開始輸的人就不賭了)；政府的作為和政績帶來的事不為人知的替代選項消失(決策的正面結果讓行為人受益，負面結果卻發生在其他人身上而不可見)。
安定的幻覺：幸運存活下來的人事後回想時，會低估該狀況的實際風險。社會習慣只看結果和鼓勵樂觀冒險，但不代表帶著對機率的忽視和盲目的冒險是正確的。一個人越不熟悉黑天鵝事件的隨機性，忽略沉默證據，就會越加相信演化的正面功效和成就。
我們都在存活的條件下尋求解釋，而我們的存在原本就訴諸於某種程度的隨機性，在你懷疑有沉默證據的狀況下，要慎用你的「因為」，盡量將其限制在由實驗所導出的「因為」。
沉默證據的出現扭曲了黑天鵝事件的角色和重要性，可能會嚴重地高估(例如文學成就)或低估(如歷史的穩定性)。

戲局謬誤：

機率屬於文科；是懷疑論的後代，而不是一種工具，用來滿足那些隨身攜帶計算機者想要產生神奇計算和確定結果的欲望。

把機率研究的基礎建立在擲骰子遊戲(馴化過的不確定性、鐘形曲線)的狹隘世界，然而在現實生活中，我們並不知道機率，而且不確定性的來源沒有限定範圍。
鑽牛角尖，把焦點放在不確定性的少數幾個定義完善的來源上，將想法封閉在平庸世界和柏拉圖式知識。
賭場花數億美元在機率論和高科技監視系統上，而其風險的主要衝擊，卻來自於他們的模型之外(主秀演員被老虎咬傷、員工漏報文件逃稅、老闆女兒被綁架等等)。賭場，還有全世界，都是從賭博的案例中，學習不確定性和機率。

總結：

裝飾用和柏拉圖式的東西會自然而然地浮上表面。這是知識問題的一個簡單延伸。圖書館的另一面(我們沒讀過的書)，具有被忽略的特質。這也是一種沉默證據問題。
我們擔心那些已發生之事，而非那些可能發生但還沒發生過的事，這就是為什麼我們看不見黑天鵝事件。這就是為什麼我們要柏拉圖化，喜歡已知的概要和整理良好的知識，其喜歡程度到了讓我們看不到現實。我們最喜歡的是「確認」和「敘事故事」。
訓練自己去除敘事，少看報紙新聞部落格。在重要的決策上啟動第一系統(自由新法系統或是經驗系統)。訓練自己找出感官和實證之間的差異。記住我們對機率的認識很膚淺，而機率是所有抽像想法(隨機性、不確定性)之母。

預測問題

電腦，網際網路和雷射，這三項都不是事先即預測到的東西，而且在發現時，還不受重視，連開始用了之後，也還不太受重視。……它們是黑天鵝事件。當然，我們有事後的幻覺，以為它們是某個偉大計劃的一部份。

未來和以前的未來不一樣。-- Yogi Berra

知識的傲慢來自對我們自我知識的評估，對我們知識極限的驕傲態度。專家可能確實擁有技能，但問題在於他們對其知識範圍的衡量能力。透過對不確定狀態之範圍的壓縮(縮減未知數的空間)，我們高估我們之所知，並低估不確定性。與未來有關的決策也都隨之扭曲，我們會長期低估未來脫離最初所見景象的可能性，例如兩人要結婚時，雖然知道離婚率在1/2~1/3之間，但沒人會做這樣的預測，因為「不會是我們」。

知識的害處：越多不一定越好。我們的想法具有固著性，一旦產生了一個理論很可能就無法改變自己的想法。因此資訊越多(或細節越多)，我們就越早建構越多的假設，看到更多的隨機雜訊和錯誤，也越不願因為後面正確的新資訊逆轉既有的想法。

處理未來，並把研究建立在不具重複性之過去的行業，有專家問題。會移動的東西就需要知識，容易發生黑天鵝事件，通常沒有專家(如情報分析人員、經濟學家、風險專家)。多數人從不檢驗專家或知識的預測品質，就相信他們的說法。

預測者的事後解釋機制：保護自尊心(對了歸功於自己的專業，錯了就怪罪情境)、告訴自己所玩的是不同的遊戲(事件來自其他領域)、訴諸(意外的)離群值、回顧時調整數據覺得自己幾乎對了。

意外對計畫具有一種單邊效應，會因為我們鑽牛角尖忽略計畫外部的不確定性來源(抽象的黑天鵝)而失敗。計畫通常具規模可變性，也就是等得越久，預測要繼續等待的時間就越長。

如果一條河平均有四英尺深，千萬別渡這條河。

錯誤對待不確定性的謬誤：忽視預測的錯誤率、當預測期間拉長時沒有將預測降級、誤解黑天鵝事件的隨機特質和重要性。即使你認同某個預測，還是要擔心真的出現顯著偏差的可能性，估計值的下限(最壞狀況)遠比預測值本身更重要，尤其是壞情境令人無法接受時。

大多數重要的進步來自無法預測的事物，我們一般所看到的發明，幾乎都是不經意發現的產物。漸進式的變化其實普遍比預測者的預期還要慢，因此當一項新科技出現時，我們不是嚴重低估，就是嚴重高估其重要性。

對未來之瞭解，若要達到能夠預測未來的程度，則你就必須具備來自該未來本身的元素。預測需要知道未來將會發現的技術。但這樣的知識，幾乎自動讓我們可以馬上開始開發這些技術。因此，我們不知道我們將會知道什麼。

當我們在想明天時，我們並不是用我們昨天或前天的看法來構想明天，所以我們學不到我們先前的預測和後來結果之間的差異。我們想明天時，我們只是把它當成另一個昨天去預測，然而未來雜有機會，機會本身就是很模糊的東西。我們嘲笑祖先，而沒想到在不久的將來，也會有人同樣公平地嘲笑我們。

蒙田瞭解若不能考慮吾人根深蒂固的不完美和理性上的限制，以及讓我們成為人類的缺點，就沒有一種哲學有效。

柏拉圖化的經濟學家忽略了，人們可能比較喜歡做一些並非理性且不是讓他們的經濟利益極大化的行為。物理學不應該應用到社會科學，由龐加萊的三體問題可以推論出數學的限制，動態系統和變動的變數是無法計算預測的，我們只可以討論系統的某些特質，「最適化optimization」是一種無效的模型處理。實證心理學家已經證實，理性行為的模型在不確定性之下，不只不夠準確，對現實的描述完全錯誤。

即使歷史是由某個方程式所產生的非隨機數列，只要方程式的逆向工程非人類能力所及，就應該被視為隨機，而且不該用定態混沌deterministic chaos這個名稱。雖然理論上隨機性是個內在性質，但在實務上，隨機性是不完全資訊，也就是不透明性，也就是說真正的隨機和我們無法解釋的定態混沌，在實務上是沒有差異的。學著去讀歷史，不要做任何因果連結和嘗試逆向工程，吸收所有知識和軼事。

不能預測該怎麼辦

投注在準備上，而不是預測上。

我們的腦袋是不可能保持沒有偏誤的狀況，我們無法根除對確定性的需求和保留判斷。

在正確的地方當個傻瓜：小事不要老是保留判斷，該預測時不要逃避。要避免的是不必要地依賴大型而有傷害的預測。按照可能造成的傷害之大小，而非可信度，來排列相信的次序。

要準備好：為所有終將發生的相關事務做好準備。

盡量接觸機會，擴大你周遭的不經意事物：美國的專長是為其他地區承受許多小風險和小失敗(試錯法)，這解釋了何以美國在創新上所占的比率遠高於其他地區。人們通常以損失為恥，於是採取波動性非常小、但肯定會有大損失之風險的策略。

抓住任何看起來像機會的東西，因為機會很稀有。

槓鈴策略：把大部分的錢放到極為安全的工具上，不讓黑天鵝事件(風險管理錯誤)影響你，另一部分放到極為投機的賭注，最好是創投風格的投資組合，對黑天鵝事件做正面暴露而不必對其不確定性有所瞭解。正面黑天鵝產業包括電影票房、某些出版業、科學研究、創投業、生技業。而由於這種成功事件並沒有出現在過去的資料裡，所以這類投資的報酬會比依照過去資料所得出的統計結論好。

不對稱性：帕斯卡的賭注。我們可以把焦點放在一個事件如果發生的話，其報酬和好處，而消除對稀有事件之機率的瞭解之需求。機率無法計算，而影響非常容易確定。做決策必須把焦點放在結果上(可知)，而非放在機率(未知)上，所需要做的事就是減輕結果所帶來的傷害。

黑天鵝的技術性部份

世界更加隨機：

馬太效應和偏好連結可以讓一個人基於完全隨機的理由，獲得些微的領先而成功。極端世界長尾(大多數的小傢伙)的部份則可能改變成功動態，隨時取代目前的贏家。全球化減少了波動性，創造出毀滅性的黑天鵝事件，過去我們從未生活在全球瓦解的威脅中。知識分配不均比財富不均更令人不安，因為沒有任何政策可以消除之。

鐘型曲線的騙局：

高斯工具帶給他們數字，看起來好像總比沒有好。

高斯分配的要點在於大多數的觀察點都在平均值附近，對越遠的離群值(越稀有的事件)估計誤差越大。鐘型曲線離開平均值時，機率會掉得越來越快，規模可變性或曼德伯模式，則沒有這樣的限制。在高斯模式下，當差異變大時，不均性會減少，規模可變性的不均則保持不變，超級富豪間的不均和普通人之間一樣，不會趨緩。
80/20法則是冪分布的共通特徵，但如果不均現象持續存在於這百分之二十的群體中，不斷計算下去可得大約百分之一的人就做出略高於百分之五十的貢獻。使用高斯模式思考極端世界的錯誤在於一開始就專注在普通事件上，而把無法預測的大偏異當成稀少的離群值而忽略。
離開高斯模式，標準差就不復存在，標準差只是把現象對應到高斯模式的工具，把68.2%的觀察值設定在平均值正負一個標準差之內。還有其他觀念，離開了高斯模式就沒有多少意義：相關性correlation或更等而下之的迴歸regression。和敘事謬誤一樣，當你檢視過去資料的相關係數或標準差時，並沒有注意到因為計算區間不同而來的不穩定性。
如果你處理的是質的推論，例如心理學或醫學，尋求是或不是的答案，而沒有計量的問題，就可以用平庸世界的假設，否則單單一個數字就可以把所有的平均數破壞掉。
高斯模式有問題的假設，第一是每次事件相互獨立，但極端世界中有累積優勢。第二是每一步大小為固定且已知。
複雜世界的元素之間有較大的相關性，使得其機制受到正向強化的回饋影響，防止了中央極限定理的作用，無法收斂到高斯分配。
我們需要資料來告訴我們那是何種機率分配，還要機率分配來告訴我們需要多少的資料才夠，這構成了嚴重的回溯論證。
專業用語裡瀰漫著sigma、變異數、標準差、相關、R平方係數、夏普比率等等，全都和高斯模式有直接關聯，這個理論是用來遮醜的好方法。

如果金融世界為高斯模式，像1987年超過二十個標準差的崩盤，每數十億個宇宙史才會發生一次。

曼德伯隨機性：

碎形fractal：幾何形狀以不同大小的方式重複，小部份和整體相類似(self-affinity)。如果你從飛機上看海岸，其形狀就和你拿著放大鏡去看海岸差不多。可以用一個極簡單的重複法則，建造出極為複雜的形狀。許多大自然裡的東西、繪畫、音樂都包含碎形。碎形的數值或統計值，在不同的刻度下，維持某種程度的不變，其比例依然相同，不像高斯隨機性，波動會互相抵消。

變成灰(代表不確定)天鵝

碎形不能解決或預測黑天鵝事件，但能讓我們理解且緩和黑天鵝問題，察覺其重要性，理解某些黑天鵝是可能發生的。

冪指數：因為碎形指數的使用具有未知的門檻和上限，所以極端的偏異可能會被掩蓋起來。我們無法求得準確的數字，但可以了解它的意義做為決策之用。如字彙的使用頻率指數約為1.2，表示前20%貢獻比率為76%；公司規模指數約為1.5，表示前20%貢獻比率為58%。

結論

我們的天性是非常理智，除了碰上黑天鵝事件的時候。

我對確認感到懷疑──但只有在錯誤的代價非常昂貴時──而不懷疑否證。擁有豐富的資料並不能提供確認，但一個單一事件就能否證。當我認為隨機性為狂野時，我會持懷疑態度；當我認為隨機性為溫和時，我會輕易相信。

我不太擔心小挫折，比較擔心大失敗，決定性的失敗。我非常擔心「前景樂觀」的股市，尤其是「安全的」藍籌股，遠超過我對投機性創投的憂慮──前者呈現看不見的風險，後者卻不會出現意外，你可以小額投資以限制你的下檔損失。

我對恐怖主義的擔心少於糖尿病，比較不擔心大家所經常擔心的事物，因為那是明顯的憂慮；比較擔心我們的意識和一般話題以外的事物。我還承認，我不會擔心太多事──我試著只擔心我能夠有所做為的事。我對難堪的擔心少於對失去機會的擔心。

錯過火車，只有在你追著它跑時，才會覺得痛苦！同理，達不到別人對你所要求的成功，只有當這就是你所追求的之時，才會讓你感到痛苦。

我們很快就忘了，光是活著就是天大的萬幸、一個遙不可及的事件、一個極大數分之一的機會。……所以，不要再為小事煩惱了。……記住，你就是個黑天鵝事件。

後記

沒有多餘，進步和生存就無法發生。你今天並不知道明天可能需要什麼。

大自然存活的時間最長，表示它可能掌握了許多我們看不見的生存技能。大自然喜歡保險的多餘，如備用的器官，和超越一般狀況所需的器官功能。多餘的相反就是天真的最適化，經濟學家會認為維持兩顆腎是無效率。大自然不喜歡過度專業化，因為這會限制演化，並讓動物變弱。同樣的觀念也適用於負債，債務讓你脆弱，在擾動之下是非常脆弱。幾乎每個經濟學的重要概念在修改一些假設後都會變成錯誤，商學院要我們從事借貸，這違反了所有的傳統。負債意味著知識傲慢，對未來有一個強烈的主張，而且對預測有高度的依賴。大自然也不喜歡太大的東西，太多的連結和全球化。

古典熱力學產生高斯變異性，而資訊的變異性則是來自極端世界。人和社會都是複雜系統，食物和運動都把環境裡的壓力因子提供給你的身體，只把它們想成簡單的能量不足和多餘，是錯把這個系統當成簡單因果和機械式關聯的網路。

市儈之人(和聯準會主席)錯把由穩定政策所造成的低波動性期間當成低風險期間，而沒把它當成進入極端世界的開關。

人類思想史上有一個惱人的問題，在如何相信與如何不相信之間，找到自己的定位。還有如何根據所相信的去做決策，因為只有相信而沒有決策，也是徒然。我們實務上所欠缺的，就是結果的嚴重性，也就是決策的報酬。在考慮黑天鵝事件下，你的行動是保護自己不受負面影響(或暴露在正面影響中)，縱使你沒有證據證明它們可能會發生。把焦點放在「證據」或是「嚴謹」的方法證明，在黑天鵝世界裡問題會更加嚴重。思考一下，稀有事件的頻率不能從實證的觀察中估計出來(因為它們很稀有)，於是我們為它弄一個模型來表示，但事件越稀有歸納法所得到的估計誤差就越大，我們就越加依賴模型的表示式，更需要以外插法來推估，誤差就更大。

我們在現實生活中並不在乎簡單而原始的機率；我們擔心的是結果(事件的規模)。由於事件越不經常發生，結果便越嚴重，我們對稀有事件之貢獻的估計，將會有嚴重的錯誤(貢獻等於機率乘上效果再乘上估計誤差)，但沒有補救方法。

對於傾向只產生負面黑天鵝的環境(如流行病)，小機率的問題更為糟糕，因為巨災事件必然沒有出現在資料哩，因為變數本身的存活與否，就取決於這種效應。於是使觀察者容易高估安全性而低估風險。

斯多噶主義就是在講如何面對損失，如何變得比較不依賴你目前所擁有的一切