怎样训练贝叶斯脑？

什么是贝叶斯推算？

一句话，就是我们根据新的信息、证据、数据来更新看法、判断、信念。

贝叶斯推理本质上是条件概率的变形：已知如果A则B，那么反过来求解如果B则A的概率。举个栗子：

艾滋病感染者在中国男性青壮年中所占比例是千分之一，HIV试纸检测的准确率是99.5%。现在，检查测出是阳性，请问当事人得这病的概率是多少？

先揭晓答案：如果你是个普通人，即使检查出阳性，感染艾滋病的概率也只有不到六分之一。

千分之一的发病率意味着一千个人当中有一个感染艾滋病，而这个人测出阳性的概率是99.5%，约等于1个。同时，剩下999个没有感染艾滋病的人中，因为检查结果有千分之五的假阳性，会检测出4.995个阳性，约等于5个。加起来，1000人检查会有接近6个人检出阳性，但其中只有1个是真的感染者。

在这里面，我们已有的认识是艾滋病在中国男性青壮年当中的它的发病率是千分之一，同时，检测出假阳性的概率是个新的信息。这两者合起来，我们得到的新的认知是：检出阳性的这个人他得艾滋病的概率，从你以为的99.5%变成了六分之一。这就是贝叶斯推算。

贝叶斯推算的关键就在于要改变算法。人们一遇到概率就晕，但很擅长计算频次，不要用概率，而是换算成频次

推荐阅读学者格尔德·吉仁泽（Gerd Gigerenzer）的《风险与好的决策》（ Risk Savvy: How to Make Good Decisions）

贝叶斯推理有两大要求：第一是要厘清你已有的判断，第二是诚实对待新的证据，两者缺一不可。前者是判断的出发点，后者是更新判断的依据。

但是在使用贝叶斯推理时需要意识到3点：

1. 由于认知偏差的存在，往往人们不思而应，贸然而对。

2. 贝叶斯推理无法对抗黑天鹅

3. 尊重先入之见，因为它是一切新知的出发点，但又随时准备清空存量，以避免掉入这一陷阱。

再进一步，人与人的靠谱程度不同，判断的靠谱程度亦不同，根据各自表现，动态调整其权重，靠谱的人权重逐渐增加，不靠谱的人权重逐渐下降，加权平均形成新的判断，准确度会更高。最终你将获得两样东西：一个是相当有效的判断系统，一个是相当有效的对判断者的评价系统。两者互相反馈，继续提升精度。

接近靠谱的人，远离不靠谱的人，重视权威，轻视妄人。

贝叶斯推理也是撬动群体智慧的一种有效方式，参考：《【12】怎样用逻辑和算法，撬动群体智慧？》。

版权说明

该文章灵感来源于得到课程《30天认知训练营-2018》第13篇，经作者重新整理思考后输出，主要用于更好的消化课程内容，文中存在摘录内容，如有侵权，请联系作者删除！