精准理解世界，你需要练就贝叶斯大脑

你有考虑过你是如何对一件事情产生认知升级的吗？ 一般来说，你首先应该是从某一个地方听到过这件事情，然后对它有了一个基本的认识，这个认识程度和你的经验，背景，信息来源等因素都是有关系的。但初步的认知可能停留在很浅的层面上，你对它的认知升级来自于不断获得的与此事件相关的新信息，也就是说，你会根据与此事相关的新信息来更新你的认知。

以上的过程如果用一个数学公式表示的话，那就非贝叶斯推论莫属了。如果要用一句话概括贝叶斯推论，那就是根据新信息来更新已有的认知。人的认知过程天然符合贝叶斯推论，我们都是好的贝叶斯思考者，但贝叶斯推论不仅仅反映在过程上，更重要的是要计算出每一个新信息出现后，当前认知的置信度是多少，在这个方面，大部分人都算不清楚，这导致的问题是，当一个新信息出现后，我们完全根据感觉在评估，如果这件事情符合预期，让你很兴奋，你也许一下就觉得自己完全了解这件事情了，当这件事情和预期不够相符，又很有可能把你置于谷底。

为了说明上述观点，让我们来举一个例子。有一种疾病，它总体的发病率是千分之一，针对这种病的检查，准确率已经相当高了，例如如果某人得了这个病，他测出来阳性的概率是99.5%，没有得这种病，被测出来阴性的概率也是99.5%。现在假设测出来的结果是阳性，请问他得病的概率是多少？ 很多人会简单的以为是99.5%，或者一顿乱猜，但这些都不是正确答案。正确的答案是概率不到六分之一，计算过程是这样的：由于发病率是千分之一，所以一千人之中，可能发病的人数是一人，这一个人被检测出阳性的概率是99.5%，但重要是在另外999人中，他们被检测出假阳性的概率也是0.5%，所以有将近5个人被误诊为阳性。因此真正得病的人的概率就是六分之一了。

如果实在不理解上面这个答案也没关系，据说这道题目给哈佛大学医学院的学生做，很多也做不出来。所以我们每天都在使用着贝叶斯的方法论，但从来没有量化的把它真正使用好，这个结论太让人灰心了，是否有什么好的办法可以依据贝叶斯推论，把它很好的应用起来，从而有效的对工作生活进行评估呢？

大家之所以没能很好的利用贝叶斯公式，主要是因为对于一般人来说，它太复杂了，如果能够有简单的办法对贝叶斯进行计算，那将很容易用在生活的方方面面。学者格尔德·吉仁泽给我们提供了一种使用频次进行贝叶斯推论的方法，极大的简化了贝叶斯的计算，甚至连小学生都可以有效的进行计算。这里给出一个实践版本的贝叶斯推论，你可以在任何事情上使用这套公式。

这个公式的具体操作办法是这样的。任何一件事情可能的变化都有三种：不变，变好和变差。你根据对这件事情的判断分别针对这三种可能打一个初始分数，如果实在不好判断，那就各打33分，算是平均分配了。当获得任何与这件事情相关的信息时，你把这个新信息量化成数据，例如可以量化成1-5分，然后看这件事情对这三个方向都产生怎样的影响，把这个分数加在对应的方向上。有了这样的纪录后，你可以随时计算出你对这件事情的信心，计算方法就是把某个方向的分数除以三个方向的总分数，就得到了此方向的概率。

另外，贝叶斯推论还可以提供一种快速提升认知的方法论。当你希望尽快推进一件事情的时候，你可以考虑下，下一步要获得哪些信息才能大幅度的提升对这件事情的置信度，这些信息就是你应该尽自己最大能力去获取的资源，它们可以帮助你快速提升认知。

最后，让我来为你总结一下。贝叶斯推论是提升认知的很重要的方法论，他天然符合我们的认知过程，但由于缺少量化的计算，因此我们得到的很多结论并不正确，这些结论更多的受到了感性的支配。其实，做到有据可依很简单，文中介绍的简化贝叶斯计算方法希望你能尝试使用起来。另外，贝叶斯推论也给了我们另外一些启示，当你想要快速提升对某个知识的认知时，可以考虑下哪些事情能够让你对这件事情的置信度增加，选择优先级最高的几件事情，尽快实施并获取反馈，这样就能加速认知过程，希望我们每个人都能练就一个贝叶斯大脑，从而更精准的理解这个世界。