你生命中最大的挑战是什么？”
埃隆·马斯克面对这个问题，足足想了30秒，给出了一个非常精彩的回答：确保你有一个可纠错的反馈闭环。
1、接受不确定性，用概率思维来预测和决策；
2、快速行动和迭代，打造“知行一体”的反馈飞轮；
3、用贝叶斯公式实现“有系统”的复利效应；
4、重视基础概率，基于整体资产滚雪球；
5、对新信息保持“敏感”，又有独立判断的“钝感”；
6、别太完美，降低自己被证伪的概率；
7、成为学习机器，在适应中快速进化；
8、探索未知 & 利用已知，在攻和守之间进行权衡；
9、理解贝叶斯的局限，小心应对黑天鹅事件。
01 接受不确定性 用概率思维来预测和决策
“确保成功”，似乎是很多人做决定的前提。但这个世界上并没有什么事情是确定的。
残酷的一面是，越是追求“确保成功”的人，反而越脆弱，越容易掉入决策的陷阱。例如，市面上的种种骗术都是以“确保成功”为吸引点的。
不光骗子如此，流行文化，甚至主流文化也因为实用主义的偏好，而形成了“要么成功要么失败”的黑白分明价值观。
于是，面对不确定性，黑白分明的世界观容易产生两种极端的行为：要么“不见兔子不撒鹰”，追求不存在的“确保成功”；要么“人生就是赌一把”，见一个热点就“All in”一个。
对于贝叶斯主义者，世界是灰度的。原因如下：
1、没有人能给这个复杂的世界算命；
2、随着时间的变化，一切都在变化；
3、即使存在如上不确定性，世界也很难精确预测，但我们仍然可以用概率来描述世界；
4、从世俗成败的角度看，赢家只需要在局部获得相对优势，就能够领先于对手。所以，很多赢家只要获胜的概率比赢家多几个百分点，就能够成功；
5、基于概率的认知和判断，是一个不断逼近、不断进化的过程。
对不确定性的接受和理解，是贝叶斯思维的核心。我们需要接受事物的不确定性，并利用概率来描述和理解它。
面对不确定性，贝叶斯思维鼓励我们不怕犯错误，尝试新的事物，从失败中学习，调整策略，这与实现个人成长的过程非常匹配。
概率不仅用于量化现实世界的不确定性，也用于评估我们自己的决策质量。
在面临选择时，贝叶斯思维鼓励我们基于概率来做决策，而非绝对肯定或否定。这能够帮助年轻人更好地处理复杂的决策问题。
贝叶斯主义认为，概率是一个假设的信念。例如：某只股票明天上涨的概率是多大？你可以说：我认为上涨的概率是30%。这是一种主观的信念，并且你会根据更多的信息随时更新自己的信念。
所以，面对不确定性，对于某件你感兴趣的事情，你可以大概有一个评估，然后先干起来再说。贝叶斯更新的关键思想是：我们的信念不是固定不变的，而是可以根据新的数据进行更新的。
而贝叶斯公式提供了一个理论框架，指导我们如何根据新的数据更新我们的信念。概括而言，就是：
1、保持开放；
2、灰度思考；
3、先干为敬。
02 快速行动和迭代 打造“知行一体”的反馈飞轮
贝叶斯思想强调快速迭代、快速行动。只有通过实践，我们才能得到反馈，从而不断学习和进步。
我们总是说“知行合一”，但这个词到底啥意思呢？
知行合一，简称知行，是明朝政治家、哲学家王守仁阐述的一种哲学与世界观的方法。
在知与行的关系上，王守仁从“天地万物本吾一体”出发，强调要知，更要行，知中有行，行中有知，所谓“知行合一”，二者互为表里，不可分离。知必然要表现为行，不行则不能算真知。
在人工智能中，智能体通常通过从经验中学习来变得更加“聪明”。这种学习通常涉及到对环境的观察，通过这些观察来改变智能体的行为。这种改变可能是通过改变智能体对世界的理解（即它的模型），或者是通过改变智能体决定采取什么样的行动（即它的策略）。
贝叶斯公式在这个过程中起到了关键的作用。这是因为贝叶斯公式提供了一种方法，可以将新的数据（或观察）与我们现有的信念结合起来，从而得到更新的信念。
通过贝叶斯更新，智能体可以从每一次的观察和交互中学习，不断地更新它对世界的理解。这样，智能体就可以不断地改进它的模型和策略，从而变得更加“聪明”。
贝叶斯公式描述的是一个观念更新的过程：初始信念（先验概率）-大胆行动（获得新信息）-更新信念（后验概率）。
由此，我们可以觉察到：“知行合一”这个词可能被误用了。事实上，按照贝叶斯主义的哲学，“知行合一”绝非“知”与“行”的一致性，知和行是彼此为踏脚石，互相推动更新。
我们的“知”，包括旧知（经验）和新知（根据新信息更新后的经验）。但从事后看，我们经常会混淆“新信息”和“新知”。
例如，人们经常会懊恼地说，我早就知道股票A会大涨100%，一月份的时候我就观察到一些新信息来证明这一点了。人们喜欢将此解释为“我行动力不够强”，又或是“我太懒了”，但事实也许并非如此。
人对自己是诚实的，你有一个“证明该股票能涨100%的新信息”，但这个新信息并没有战胜你的旧知（经验），即使是在该信息的更新下，你的后验概率依然没有给你足够的信心去买入该股票。所以，没什么可后悔的。
03 用贝叶斯公式 实现“有系统”的复利效应
真正的高手，有自己的内核，自己的系统，过的是一种“有算法的人生”。
1、贝叶斯公式需要基于一个系统；
2、数字化和AI可以令其自动化，并以更大规模自我复制和进化。
04 重视基础概率 基于整体资产滚雪球
基础概率是老生常谈的话题。例如：去鱼多的地方捕鱼。这里面的基础概率，大约包含“空间、时间、可能性”这三种。
有句话说：近处很难预测，远处反而容易预测。这里所说的远期预测，更像是相对稳定的基础概率。
好的基础概率，像是说“很长的坡和很厚很湿的雪”。对于滚雪球者，要有自己的内核（先验概率），才能滚起雪球。并且，每一次新滚一圈，都是以整体雪球作为基数。
基础概率（Base Rate）：基础概率是关于一个类别、事件或条件的总体频率。例如，假设你想知道一个随机选中的人是否有某种罕见疾病，那么这种疾病在总体中的发病率就是基础概率。基础概率是没有任何额外信息的情况下的默认概率。
先验概率（Prior Probability）：在贝叶斯统计中，先验概率是在观察到新证据之前，我们对某一假设成立的信念。例如，你可能已经知道在一个特定的地方，人们患某种疾病的概率比总体的基础概率要高。这就形成了你对这个人是否患有这种疾病的先验概率。
一般来说，当我们获得新的证据时，我们会利用贝叶斯定理更新我们的先验概率，得到后验概率。基础概率可以被看作是一种特殊的先验概率，即没有任何特定证据的先验概率。
我们做决策的时候，要眼观全局，基于整体资产来选择，并以整体资产的增长率来评判决策与行动的质量。
05 对新信息保持“敏感” 又有独立判断的“钝感”
好的思想都是基于某种看似对抗的张力，仿佛是一把弓箭。
对新信息保持“敏感”，又要考虑基础概率和先验概率，保持独立判断的“钝感”。用句俗话说，就是：听人劝、吃饱饭，但又不能听风就是雨。
这大概是“控制情绪”之重要性的本质吧，假如你很容易因为某个鲜活的信息过于兴奋或者过于恼怒，过于重视一些短期的或者偶发的事件，忽视了长期的趋势或者基础的概率，就很难成为一名贝叶斯主义的高手。
我们在接收新信息时需要权衡重要性，避免被某一次的信息或者事件左右，而是要看看更大的数据和更长的时间线。
贝叶斯理论强调对不确定性的认识，鼓励对新信息、新知识、新观念保持开放，这有助于我们认识到自己的知识或能力可能存在的局限，防止过度自信。
更进一步，贝叶斯主义者有自己的内核，有自己的系统，也就有更多的数据。所以，当遇到新信息时，应该让数据说话。
06 别太完美降低自己被证伪的概率
1、降低自己被证伪的风险，不要追求完美；
2、少点儿人设，少点儿标签，否则更易被证伪，装逼被雷劈；
3、阴谋论绝大多数都是假的，因为有太多假设，太容易被证伪。
07 成为学习机器 在适应中快速进化
1、学习和适应性：贝叶斯公式是基于新的数据更新我们的观念和信念，这种动态调整和学习的过程与生物的适应性有很强的相似性。
生物在环境中通过进化来适应环境，而贝叶斯公式则提供了一种在不断变化的数据环境中更新理解和决策的方式。
2、不确定性和进化理性：贝叶斯方法是一种处理不确定性的方法，它接受并积极地使用不确定性，而不是尝试消除它。这种对不确定性的认识与进化理性的概念相吻合。
进化理性是一种认识到我们的决策可能并不总是理性的，但是在进化的过程中，它们为我们的祖先提供了生存的优势。
3、动态更新和适应环境：生物在自然界中要生存，需要根据环境变化做出适应性变化，而贝叶斯公式则提供了一种思维模式，让我们能够根据新的信息动态更新我们的观点和决策，以最好的方式适应我们所在的环境。
4、淘汰错误的假设：贝叶斯公式中，一种假设（或模型）的概率会根据观察到的数据进行更新。如果一个假设持续得到的数据支持较少，它的概率就会变小，这就像自然选择过程中适应度较低的物种被淘汰一样。这种思想与进化论中的"适者生存"原则相一致。
概括而言，作为学习机器的高手有如下特征：
1、你要有自己的机器。
“知识集邮者”，他们只是收集知识。高手有自己的知识花园，有自己的实践系统，有某个细分领域之内的基于数据、经验和专业的滚雪球人生，而非掰苞米人生。
2、你的机器必须可证伪、可纠错。
3、你的机器每天都比之前聪明一点点。
08 探索未知 & 利用已知 在攻和守之间进行权衡
你的目标是：通过一定次数的尝试，找出赢钱概率最高的那台机器，然后将剩下的押注全部放在这台机器上，以此最大化收益。
1、持续学习：贝叶斯思维鼓励我们积累经验，并根据新信息更新我们的认知。这意味着我们应该不断尝试新的方法，技能和机会，以便获取更多的信息，提高我们做出正确决策的概率。
2、决策平衡：在生活、工作或者投资等多个领域，我们常常需要在已知的有限资源和未知的可能性之间做出权衡。
例如，你是应该留在现在的工作，还是去尝试一份看起来有更多机会的新工作？是应该投资已经稳定盈利的公司，还是冒险投资一个有巨大增长潜力的创业公司？这都是需要权衡探索与开发的问题。
3、风险管理：多臂赌博机模型还提示我们不能完全忽视任何一个可能的选择，即使它们现在看起来不如其他的选择。这种思维方式有助于我们管理风险，因为我们始终保留了一些资源来对可能性进行探索。
4、灵活适应：当环境变化时，我们需要更新我们的预期和决策。这是一种灵活的思维方式，有助于我们在不断变化的世界中保持适应性。
概括而言，我们需要一个攻守兼备的灵活人生。我们应有一些自由探索，一些随机漫步，一些闲暇时光。
09 理解贝叶斯的局限 小心应对黑天鹅事件
如果旧有的信念是全世界的天鹅都是白的，这时候观察到一只天鹅是黑色的，那么我们难道不应该彻底推翻所有的天鹅都是白的这一信念吗？
贝叶斯主义告诉我们：
你看到一只黑天鹅后，贝叶斯推理将你原先的信念"所有的天鹅都是白的"调整为"天鹅可以是白的也可以是黑的"或"大多数天鹅是白色的，但也有一些天鹅是黑色的"。
因此，从这个角度来看，你是在用新的证据来调整，而不是完全放弃你的旧信念。
如果我们的决策，我们的下注，建立在类似于"所有的天鹅都是白的"这类信念之上，那么新信息可能就不只是“更新原有信念”，而是彻底摧毁原有信念了。
所以芒格说，假如你不能比反对者更高明地证伪你的某个观点，你就不配拥有那个观点。
由此，我们可以看到，贝叶斯理论虽然强大且实用，但也有其局限性和缺点：
1、依赖于先验知识：贝叶斯理论的一个主要缺点是它依赖于先验知识。在许多情况下，这些先验信息可能不准确或者难以获得。
例如，一位投资者可能基于错误的信息，或者对市场的错误理解，形成了一个错误的先验信念，这可能导致他们的投资决策出错。
2、过于理想化的假设：贝叶斯方法往往假设各个特征是独立的，这在现实中往往不成立。
例如，当我们在评估一家公司的股票时，我们可能会考虑这家公司的许多特征，如财务健康状况、市场定位、管理团队等。这些特征之间可能存在着复杂的相互影响关系，而不能简单地视为独立的。
3、计算复杂性高：对于复杂的问题，贝叶斯更新可能涉及到大量的计算。如果参数很多或者模型很复杂，那么计算后验概率可能会非常复杂和计算密集。
例如，在机器学习中，训练一个贝叶斯网络可能需要大量的计算资源和时间。
4、结果可能过于保守：因为贝叶斯更新融合了先验信念和新的观察，所以如果先验信念过于强烈，那么新的观察可能不足以显著改变结果，这可能导致决策过于保守。
例如，一个坚定的理想主义者，即使面对了新的证据，也可能坚持他的信念，这可能导致他错过新的机会或者持续在错误的道路上。
结局可能就是：一路优秀，99%的时候成功，但却只能是平庸的优秀；又或者，一直很好，但遭遇了极小概率的黑天鹅事件，一击即倒，无法翻身。
1、合理选择和更新先验概率：先验概率是贝叶斯推理的关键组成部分，一定要尽可能准确和有信息量。如果先验概率选择不当，可能会导致结果偏离实际。此外，我们必须时刻准备根据新的数据来更新我们的先验概率。
2、采用蒙特卡洛模拟法：蒙特卡洛模拟能够帮助我们更好地理解概率分布的全貌，包括那些罕见的事件。通过模拟大量可能的情况，我们可以获得更全面的视角，以期望在遇到“黑天鹅”时，能做出更有准备的响应。
3、压力测试和情景分析：尽管贝叶斯推理能够给出一个可能的结果，但我们还需要进行压力测试和情景分析，以确定我们的系统或决策是否能够抵御极端事件的影响。
4、注意模型的假设和局限性：任何模型都是基于某些假设的，贝叶斯模型也不例外。我们必须清楚这些假设，并了解在什么情况下，这些假设可能不再适用。当我们注意到模型可能不再适用时，我们就需要寻找其他的方法。
5、维持谦逊和开放的心态：面对不确定性，尤其是在面对可能会改变我们的知识或观念的新信息时，保持谦逊和开放的态度是至关重要的。我们需要理解我们的知识和理解都是有限的，永远有学习和改进的空间。
这些方法都需要我们理解和接受，无论我们使用什么模型或方法，都不能完全消除不确定性。我们的目标应该是：
管理和减轻不确定性，而不是试图消除它。这个世界上不存在一个万能的公式，给你以所谓100%的确定性。
反馈闭环基本上是一种连续的过程，包括以下步骤：执行一个动作、观察结果、理解反馈、更新策略、再执行新的动作。
所谓有算法的人生，就是以“可纠错的反馈闭环”为珍珠，串起不断更新、有复利效应的一生。
