贝叶斯推理

这几天在复习认知训练营2018的课。突然间重新读到了训练贝叶斯大脑的文章，有了一个新的感悟。这个感悟就是塑造出来的贝叶斯推理能从极为简单的好和坏来判定一件事情倒底是如何的。

王烁老师在文章中说从贝叶斯推理的概率计算换成推导为频次计算，这频次计算对于大脑认知来说就很轻松了。方法就是无论什么问题，设定未来有三种情况：变好、不变、变坏。然后用已有判断来调整基线，如果没有基线，那就给这三种情况一样的基数。然后从新信息带来的情况下给这三种情况加分，根据信息的强弱来判断是加1-5分之间。这样你就能判断这些事情的推论了，这绝对是比临时拍脑袋要靠谱多的事情。

但是贝叶斯推理有两大要求：一、要厘清你已有的判断；二、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。

举例来说：一个病有千分之一几率得病，然后误诊率有千分之五，那一千人中就会有差不多6个人被诊断出得病，但其中实际上的病人只有一个，也就是说只有六分之一。这就是从概率的角度转换成贝叶斯的频次角度来解读信息好坏的方法了。

遗憾的是贝叶斯推理是无法对抗黑天鹅的，这只是一副地图，帮我们在未知地形当中摸索而已。