第12期_1.mp4

…

我们之前呢啊基础呢总计讲了六节课啊，定义分类比较因果，然后是决策和流程。 呃，第二部分进军呢讲了四节课啊，关系维度未知和曙光。 那我们现在呢进入第三部分啊，就叫返璞返璞归真的返璞。 。

前面我们讲到说哈，当我们终于看到了曙光的时候，马上呢又沮丧的发现了另外一个事实。 那是什么呢？ 就是我们自己的大脑啊，压根就不够用，那从来都不够用。 那事实上呢，无论是在一维因果世界，还是在二维因果网络世界，还是在三维因果系统世界，一或是什么形式逻辑，非形式逻辑统计概率复杂系统等各个领域，普通人的大脑呢，他一直就都不够用，那从来就没够用过，那怎么办呢 ？ 啊，反普可能是一个优势策略，就是在面对越来越复杂的世界，及其理解的时候，反过来去找更简单更容易理解的东西作为工具。 。

那我们第三部分的第一节课呢叫类比啊，约等于呢也是事物与事物之间的关系之一。 进而类比就是基于约等于的一个神奇的思考工具。 极为神奇的思考工具。 类比呢嗯常常用来跨越已知和未知之间，那原本不可逾越的鸿勾，类比的本质就是为了理解陌生的X，我们去找了一个格外熟悉的A，然后呢，在X和A之间呢画一个约等号，及X约等于A，而后呢，借助A的种种与X类似的属性去理解X 。

类比这个东西呢基本上是内建于我们大脑的一个神奇的功能。 其实呢我们从小就使用类比学习的。 小时候呢老师为了帮助我们理解地球的结构，你想啊地球太大了，我们在地球上站着，根本就看不清整个地球嘛。 那老师呢就会提醒我们现在脑子里想想煮熟的鸡蛋，那煮熟的鸡蛋是什么样子，大家都知道吗？ 然后说这地球的结构吧，它分三层，就和鸡蛋是一样的。 最外面的地壳呢就好像是蛋壳，而后再向那一层是地幔，那就好像是蛋清，而这个地壳呢就好像是其实不用说小朋友的脑子们脑子里面哈已经想到了，甚至喊了出来，就好像是蛋黄，。

又过了几年呢，老师要帮助小朋友去理解原子内部的结构。 那上一次呢用鸡蛋结构类比地球结构的时候，是因为相对于我们来说，地球实在是太大了，所以我们没有办法直接用肉眼去观测地球，对吧？ 那这一次呢相对于我们那原子太小了嘛，于是呢我们还是没有办法直接用肉眼观测到原子内部的结构，那怎么办呢？

第一个呢说这教育呢就好像是一副眼镜，你看教育和眼镜约等于对？ 然后呢，他说戴上眼镜之前和戴上眼镜之后呢，我们其实身处同一个世界。 可是戴上眼镜之后呢，我们就可以将同样的世界看得更清楚。 受教育之前和受教育之后呢，我们同样还是身处于同一个世界。 可是通过教育的透镜呢，我们就可以把同样的世界看得更清楚更透彻。 。

在现实生活当中呢，精彩的类比事实上并不是很多。 乃至于呢他们都值得收藏的，我就有个专门的文件来记录哈。 我遇到过的精彩的类比。 若干年来呢，我最喜欢的类比有两个。

第一个呢说这教育呢就好像是一副眼镜，你看教育和眼镜约等于对？ 然后呢，他说戴上眼镜之前和戴上眼镜之后呢，我们其实身处同一个世界。 可是戴上眼镜之后呢，我们就可以将同样的世界看得更清楚。 受教育之前和受教育之后呢，我们同样还是身处于同一个世界。 可是通过教育的透镜呢，我们就可以把同样的世界看得更清楚更透彻。 。

另外一个类比说哈这科学呢是由事实构成的，正如房子是由砖头构成的一样。 可是呢仅仅事实的罗列却并不构成科学。 正如我们不可能直接把一堆砖头成为房子一样。 你看这个类比就非常的精彩。

类比呢也是这个作者与读者讲者与听众之间互动的最佳手段，他显然并不需要形式上的一问一答。 但呢他会引发读者或者听众在脑子里主动思考，以及相互对话，甚至暗示惊喜，然后最后慨台说，果然如此，在作品里使用类比最频凡的人。 我见过的可能就是钱钟书老先生了。 从这个层面望过去哈，围城这本小说其实可以算作是我成长过程当中遇到的最好的语文教材，就是在这本书里，每一段都有精彩精致的类比。 。

当然了，这个类比的运用啊也有需要格外注意的地方。 那关键在于说X和A之间它是约等号，而非等号。 如果把约等于混同于等于。 那思考呢就会出现漏洞。 因为通过拿已知的事情去类比并理解未知的事情，通常只能用来理解X的某个属性，而不是X本身或者全部，毕竟它只是局部类似嘛，而非全部相同，对吧？ 也不大可能全部类似。 物把约等于理解为等于会直接毁掉，那原本神奇的可以从已知跨越到未知的桥梁，使自己永远站在已知的这一侧，永远无法去探寻未知的另一侧。 。

…

上一节课呢讲到未知结束的时候，我们说其实呢在此之前相当长一段时间里是长长的暗黑时代。 到所为止呢，我们顶多走到了后半夜，离哪怕黎明还有相当长一段时间的距离。 。

让我们从一个专门的词开始说起，叫算法。 大家可能都听说过哈。 所谓的算法通俗的讲呢就是计算的方法。 那再进一步通俗化的话呢，就是一步一步怎样算而已。 其实呢这也是一种流程而已。 人类史上迄今为止最重要最具价值的算法很可能是200多年前一位牧师提出来的。 后来呢人们以他的名字将其命名为贝叶斯定理。

贝叶斯定理 https://zh.wikipedia.org/?curid=1504219

说实话，仔细想想的话呢，这个贝耶斯本人呢可能并不同意这个以他名字命名的定理名称。 因为严格意义上来看呢，贝耶斯只是证明了贝叶斯定理的一个特例。 而另外一位数学家叫拉普拉斯，证明的是贝叶斯定理的一个更为普遍的版本，并将其应用于天体力学医学统计甚至法律学之中，但是比较遗憾的是什么呢？ 这个拉普拉斯啊被称为数学界的牛顿的泰斗哈拉普拉斯认为这个定理呢几乎无关紧要，遗憾的是什么呢？ 当时啊贝叶斯只是个小神父。 而拉普拉斯呢是个大神，啊数学泰斗。 于是呢拉普拉斯的看法影响了随后100多年时间里几乎所有的统计学家。

要直到20世纪50年代快要结束的时候，那啊从现在往回看的话呢，就是70多年的时间。 70多年前啊，贝耶斯定理呢才被重新发现，就好像当初亚里士多德的呃言论在消失之后，1000多年之后重新发现一样啊，而后逐步变成了今天所谓人工智能的终极算法。 。

“人工智能” 的 “终极算法”（The Master Algorithm）

说实话，仔细想想的话呢，这个贝耶斯本人呢可能并不同意这个以他名字命名的定理名称。 因为严格意义上来看呢，贝叶斯只是证明了贝叶斯定理的一个特例。 而另外一位数学家叫拉普拉斯。 证明的是贝叶斯定理的一个更为普遍的版本，并将其应用于天体力学医学统计甚至法律学之中，但是比较遗憾的是什么呢？ 这个拉普拉斯啊被称为数学界的牛顿的泰斗哈拉普拉斯认为这个定理呢几乎无关紧要。 遗憾的是什么呢？ 当时啊贝叶斯只是个小神父。 而拉普拉斯呢是个大神，数学泰斗。 于是呢拉普拉斯的看法影响了随后100多年时间里几乎所有的统计学家。

在人群当中，对这个当下正在对人类影响最大的数学公式或者所谓的算法不了解之比例之高啊，实在是令人惊讶。 啊，那中国为例的话呢，大家可能听说过在中国呢哈本科学历以上人口仅占人群的4%都不到啊。 研究生学历以上人口仅占整个人口的0. 6%都不到啊。 然后呢，你要知道的就是说不管是本科学历还是研究生学历，其中绝大多数学科啊，可能都不会在自己的啊专业领域里应用到这个公式。 于是呢在人群当中真正理解它，并且真正应用他的啊人啊仅占万分之1不到都不见得是错误的估计。

所以呢如果你见过这个公式，不一定理解这个公式，你也别着急啊，实在是没办法的事情。 这是当下教育的结构造成的啊，等到下一代的下一代很可能在中学的时候或者小学的时候，就有人在课堂上讲解这个东西了，到那个时候呢，可能知识的普及率就真的提高了。 但是现在呢智商啊积累呀、教育呀、生产资料都相对有限的普通人啊，比如说你和我常常可以选择捷径。 这个捷径是什么呢？ 就所谓的四个字叫囫囵吞枣，。

也就是说，虽然那证明过程我看不大懂，可如果那结论的确严肃且靠谱，那么我总可以把它直接拿过来用吧，事实上，我自己翻阅很多领域的科学论文的时候，也的确经常这么干。 反正呢也理解不了证明过程。 看完之后呢啊看完概要之后呢，就直接跳到末尾去看结论，然后拿着结论去解决问题，你还别说就这样轻松解决了不少问题呢。 。

你仔细想想就明白了，哪怕字面意义上的囫囵吞枣，你拿了一个枣直接吞了下去。 虽然缺了咀嚼的过程，少了品尝的滋味，甚至可能吞下了原本就应该吐出来那个枣核。 但是呢从冲饥的角度来看，也的确相当管用。 。

…

那上一节课呢我们讲的是维度哈。 那这一节课呢我们讲未知人类思考的核心目标呢，从一开始就没有变过的。 过去现在将来都一样的，都是为了探索未知，而其中一大部分就是预测未来，外部的宇宙当然充满了未知。 内部的精神世界也同样充满了未知，但是最大的未知来自于未来，从愚昧时期的巫术到启蒙时期的宗教到现在的科学，最主要的应用场景，其实全都是一样的，那就是预测未来。 。

这个三段论的核心局限呢有两个。 首先呢它仅能从已知推导出已知，他不可能推导出此前未知的结论。 因此呢，其结论也常常被人们戏学的称之为逻辑严谨的废话，更要命的另外一个局限是什么呢？ 它无法处理不确定性。

2000多年前呢，亚里士多德提出了三段论，奠定了形式逻辑的基础和地位。 那历史上呢形式逻辑曾经消失过千年以上，然后呢才被重新发现。 然后呢要一直等到19世纪，才被数理逻辑取代，。

在亚里士多德主导逻辑的时代里，人们仅有的推断工具呢就是就是三段论。 这个三段论呢是压根就不考虑时间的。 时间在三段论里是不被考虑的因素。 大前提就是。

这个三段论的核心局限呢有两个。 首先呢它仅能从已知推导出已知，他不可能推导出此前未知的结论。 因此呢其结论也常常被人们吸以。

你看如果大前提是大多数政客都会说谎，小前提是丘吉尔是政客。 那么请问结论能是什么呢？ 丘吉尔也会说谎，这显然是百分之百符合三段论的结论，可问题在于说，他有意义吗？ 对于那些想知道就想知道这一次丘吉尔到底有没有说谎的人来说，这样的结论，那有什么意义呢？ 。

你看如果大前提是大多数政客都会说谎，小前提是丘吉尔是政客。 那么请问结论能是什么呢？ 丘吉尔也会说谎，这显然是百分之百符合三段论的结论，可问题在于说，他有意义吗？ 对于那些想知道就想知道这一次丘吉尔到底有没有说谎的人来说，这样的结论，那有什么意义呢？ 。

那至于概率论普及嘛，那还需要更久啊。 比如说传入中国需要再过200年，大约是19世纪30年代，等到统一使用概率这个翻译的时候呢，都已经是1964年了。 你想想看离现在多近对？ 那个时候呢，中科院编写了数学名词补编。 然后呢。

面对以三段论为代表的形式逻辑的主要局限，即他无法处理不确定性。 那人类呢一直就在挣扎。 但是呢，千百年来就是无可奈何。 那作为形式逻辑的补充非形式逻辑。 那要到20世纪70年代才出现呢。 1978年的时候呢，在加拿大温莎大学举行的首届国际非形式逻辑研讨会，被看成是标志着非形式逻辑。 作为一门哲学学科的正式诞生的时刻，KP地生呢有个专门的页面叫谬物列表，值得关注，值得研究，可以算作是非形式逻辑这个思考类别的一扇大门。

非形式逻辑 https://zh.wikipedia.org/?curid=167926

谬误列表 https://zh.wikipedia.org/?curid=3040997

非形式逻辑啊当然非常有用。 但是呢今天呢它只是西方几乎所有大学里的新生必修课。 那不是中学的或者是小学的或者是义务教育的主要内容，即便在西方都是如此。 而我们今天听到的常常听到的所谓的批判性思维，就是c thinking，实际上就是根源于非形式逻辑。 那在我们国家呢嗯大学里也不教这个。

…

上一节课呢我们研究的是定义分类比较因果这些啊要素对不同的概念之间啊关联之后形成的关系。 ，那么这节课呢啊在进阶的第二部分里面的第二节课呢，我们要讲一下哈维度啊，那这个维度是针对因果分析而去考虑的啊维度就是啊三维的维啊，然后呢度数就酒精度的度的满意度的度啊，就是维度，那是因果关系的维度。

现在呢我们要继续深入审视一下因果关系。 这研究因果关系呢事实上是很难的，仅靠感觉是绝对不够用的，肯定不够用的。 于是呢这方面的研究从来是耗时费力伤财的。 你看看科学史就知道了。 在现代科学启蒙阶段，大体上他只有教堂里的神父和社会上的富二代才有足够的生产资料去参与研究。 啊，研究什么呢？ 研究因果关系。 绝大多数人呢？ 其实是没有足够的资源去做因果关系研究的。

在人类哈开始思考起步之后的漫长的时间里，相当长相当大的一部分时间里。 人们其实关注的只有一对一的因果关系，即一个原因造成的一个结果，或者反过来看到一个结果的时候，就想办法找出造成这一个结果的那一个原因，。

事实上呢，这也可能是目定义分类比较因果。 这些啊要素对不同的概念之间啊关联之后形成的关系。 ，那么这节课呢啊在进阶的第二部分里面的第二节课呢，我们要讲一下哈维度啊，那这个维度是针对因果分析而去考虑的啊维度就是啊三维的维啊，然后呢度数就酒精度的度对满意度的度啊，就是维度。 那是因果关系的维度。

于是呢当我们去学习因果关系的时候，你还记得吗？ 最初的时候，老师就会告诉你说，时间上的先后顺序并不保证因果关系的存在啊，鸡是先叫了太阳事后升起来了，但是鸡叫并不导致太阳升起。 在这种啊观念下呢，时间呢它只是一个干扰因素。 。

由于长期以来，几乎人们只关注一对一的因果关系，最终呢发展成了一种观念，就是很多人以为只有一对一的因果关系。 乃至于今天以及过去相当长一段时间里，或者说在整个人历史上，很多人不知不觉的只相信什么呢？ 叫有因必有果有果必有因。 进而呢又基于这个普遍且固执的所谓理解，你仔细想想看，各种形式的宗教，在世界各地不约而同的崛起，并且越来越流行，其原因就在于此，甚至呢很多人的迷信根基其实也是相信有因必有果有果必有因，且一对一对应，。

那上一节课呢我们就提到一个关系啊，除了因果关系之外呢，还有个叫相关关系啊，于是呢你可以看到的，就是说整个世界啊和我们实际上的生活，其实呢远比我们自己长期以来想象的复杂的多。 这世界呢有太多一个原因造成的很多个结果，反过来呢，也有太多一个结果其实是有很多个原因造成的情况。 那天热了呢会导致冰淇淋销量上升，以及溺水人数增加，以及社会耗电量增加等等等等等等。 那反过来呢，溺水人数增加的原因，可能不只是天热了，所以去游泳的人多了。 这一个那比如说哈当年可能有海啸爆发，也是原因呢，在以及说前一年。

前一年的安全教育培训减少了也是个原因。 或者说前一年政府有关支出削减了等等等等，可能都是原因。

现在呢我们要继续深入审视一下因果。

前一年的安全教育培训减少了也是个原因。 或者说前一年政府有关支出削减了等等等等，可能都是原因。

当科学家们哈最近才注意到互为因果关系的时候，并且有能力对其进行系统化研究的时候，其实呢已经是上个世纪下半夜了，啊，就是最近的几十年而已。 什么叫互为因果关系呢？ 就是这两件事物啊，一会儿这个是原因，那个是结果。 另外一会呢是那个是原因，这个是结果。 比如说啊这科技发展和经济发展，就是一对互为因果关系的事物。

你看科技发展呢会促进经济发展。 这个时候呢，经济发展就是科技发展的结果。 科技发展就是原因。 那反过来呢，经济发展呢也会促进科学发展。 那这个时候呢，科学发展却变成了结果，而经济发展呢又变成了原因。 。

…

如果说两个集合概念同属一个集合概念，那么这两个集合概念可能是相交，也可能是不相交啊，就是同属关系的概念当中可能产生的关系是相交或者不相交。 而相交的两个集合概念呢，可以进行或与非的计算啊，或与非的关系呢是指概念之间的逻辑关系啊，或就是 or啊，与就是and非就是not这种关系呢可以帮助我们更好的组织和理解概念与概念之间的关系。

那么第一部分讲完之后呢，我们现在进入第二部分啊，第一部分呢是基础。 那第二部分呢叫进阶。 可是呢这个进阶呢并不意味着高级啊，多个简单的东西叠加在一起之后呢，就可能不那么简单了，啊，可能会被称之为复杂，即便是简单的东西组合在一起，若要想能够运用自如。 那么原本简单就不一定意味着容易。 那现在呢可能就更不容易了。 。

那第二部分进阶的第一课呢叫关系啊事物呢是由定义去描述清楚的，而分类与比较以及因果分析这三个动作完成，会确定事物与事物之间的联系。 首先呢分类完成之后呢，能够确定的关系有以下的几种。

当可被分类的事物啊被分类之后呢，能够产生两种关系。 一种关系呢叫重属关系，另外一种关系呢叫同属关系。 对？ 比如说苹果呢属于水果，香蕉呢也属于水果。

如果说两个集合概念同属一个集合概念，那么这两个集合概念可能是相交，也可能是不相交啊，就是同属关系的概念当中可能产生的关系是相交或者不相交。 而相交的两个集合概念呢，可以进行或与非的计算啊，或与非的关系呢是指概念之间的逻辑关系啊，或就是or啊，与就是and非就是not这种关系呢可以帮助我们更好的组织和理解概念与概念之间的关系。 。

所谓的与 and就是要满足两个或者多个条件的情况。 例如去寻找既喜欢苹果又喜欢香蕉的人啊，这里的关系是鱼啊因为需要同时满足两个条件。 那在这张示意图里呢，那个橙色的部分啊，就是既喜欢香蕉，又喜欢苹果的人啊，那黄色的部分呢就是喜欢苹果的人，黄色部分的呢是喜欢香蕉的人啊，然后呢，这两种人呢有香蕉关系啊，于是呢既喜欢苹果，又喜欢香蕉的人呢是在那个橙色的部分当中 。

W就是只需要满足其中一个条件即可的情况。 例如寻找喜欢苹果的或。

而所谓的非 not就是排除某个条件的情况啊，比如说我们要寻找不喜欢苹果的人，那么就是外面那个大圈里面除了那个红色的圈啊，嗯圈起来人之外，就是不喜欢苹果的人。

这个呢就是比较之后哈能够形成的关系，要么是从属，要么是同属，而同属之间呢有相交和不相交，对呀？ 然后呢可以进行或与非的计算。

如果两个概念进行比较，那比较之后哈能够确定的关系，要么是约等于，要么是大于。 这里呢只列出了大于，没有列出小于的原因在于说那小于只不过是大于的镜像嘛。 我们说A小于B，同样可以用B大于A来表达，对吧？ 所以呢有一个大于啊，就最简化了，而等于呢之所以可以基本忽略，是因为既然等于就无需比较嘛，对啊，而不等于呢，就可以干脆忽略了。 因为既然不等于，那要么大于要么约等于即反正都属于以上两种关系之一。

当然了，你可以回去啊复习一下，就两样东西之所以可以比较是有前提的。 那个前提是什么来着？ 回去样啊，这个看一下，听一下第三节课的内容。

那么我们刚才看到了，就是当两个概念呢进行嗯分类之后呢，可能会产生什么样的关系。 进行比较之后呢，可能会产生什么样的关系。 那我们再来看看因果分析之后确定的关系都有哪些。

两个15放在一起之后呢，可能会有因果关系，当然可能是完全无关的对那关于因果关系呢，目前我们已经无需进一步解释。 我们先着重一下哈，那个相关关系。 因为无关呢嗯就不用解释了嘛。 因果呢，我们前面解释过了嘛，我们现在说一下相关关系。

…

做事的本质啊，无论干什么都是一样的，无非是对流程的规划和管理，而把事做好或者提高效率，无非就是对流程的。

但凡做事呢就需要时间。 这无论是大事还是小事啊，都需要时间。 并且呢时间呢它不可压缩，不可跨越，且呢不受任何人或者事物的影响。

小事呢有可能一步就做完，但那也同样需要时间。 大事呢可能要被拆分成若干件小事，又由于时间的客观存在，那就得对完成的步骤及完成由大事拆分出来的每件小事这些过程的步骤要进行什么呢？ 统筹规划。 所有的统筹规划，无非是去决定先干什么后干什么，或者可以同时干什么，又或者在什么样的情况下做什么。

天下所有的程序本质上都是以完成任务为目标的流程管理啊，不管是计算机程序，还是我们工作程序，都是一样的。 而天下所有的流程啊，都由以下三个模块构成啊，他们分别是什么呢？ 顺序循环判断与分支就是顺序是第一个循环是第二个判断与分支是第三个。

（这是科拉多·博姆 Corrado Böhm 和朱塞佩·雅各比尼 Giuseppe Jacopini 在 1966 年写的一篇论文中提出的结论，被计算机科学家们称为 “结构化程序定理” Structured program theorem）

这个呢被称之为结构化程序定理啊，这是计算机科学领域当中相当著名的一篇论文，也是计算机啊编程领域的一个基础理论啊，四处都用的非常的普遍啊，这竟然是一篇1966年的论文啊，提出来的理论叫做结构化程序定理。

这个结构化程序定理呢其实是在我的人生当中发挥作用最大的学术定理啊，我我个人呢运气比较好哈，很小就接触到计算机。 12岁呢就有机会哈跑到当地的少年宫去学习basic编程语言。 虽然后来呢并没有成为程序员，也没有成为计算机科学家，但是呢从那个时候开始，我竟然就对做事有了相对于他人不太一样的看法。 。

这么来看哈，这世界实在是太美了，如此简单啊如此极致，美到什么程度呢？ 美到炫目啊，甚至有时会因此感到眩晕啊，不敢相信这是真的这么美，这么简单，太美了，所以太简。

所谓的流程啊，如果只由确定先后顺序的步骤构成的话呢，那就显得非常机械嘛。 即便是加上重复，也只不过是机械自动化而已。 可如果在流程执行的过程当中可以做出判断。 还能根据不同的判断执行不同的步骤，那就非常的智能。 我们今天说的啊智能手机啊啊这个人工智能啊，其实这里的智能核心就是这么一件事情，能够根据不同的判断执行不同的步骤。 在计算机出现之前呢，所有的机器都是机械的。 因为它只能够按部就班的做事，只能够重复做事。

而今天计算机我们之所以把它称之为智能机器，它之所以智能，就是因为它可以通过布林代数去做判断，而后再根据不同的判断结果去决定下一步究竟应该做什么。 于是呢我们就得到一个结论，就是再进一步来看的话呢，所谓的智能核心只不过就是判断。 而判断的核心，无非是恰当的比较和合理的分类。 前提就是清楚且必要的定义。 对吧？ 清楚且必要就是无歧义嘛。 对？ 然后呢，有必要的定义啊，。

这么来看哈，这世界实在是太美了，如此简单啊如此极致。 美到什么程度呢？ 美到炫目啊，甚至有时会因此感到眩晕啊，不敢相信这是真的这么美这么简单，太美了，所以太简简单太简单了，所以它太美了，。

…

我们呢已经讲过了定义分类比较和因果。 那么这一节课呢，我们来讲决策。 在生活当中呢，我们做的每一个决策，无论是重要与否，它背后的所谓思考，其实呢全部都是定义分类比较因果这四个要素的组合应用。 。

比如说呢当一个人在选择职业的时候，他就需要根据自己的兴趣、能力和期望收入等各种因素来做出决定。 首先呢他需要定义自己的兴趣和长处。 然后呢，他需要分类可能的职业领域啊，例如科学艺术教育等等。 接下来呢他需要在这些领域当中进行比较。 看看哪个职业更适合自己的需求和期望。 最后呢他需要考虑因果关系啊，例如在某个职业中工作是否会带来满足感、收入是否足够多等等等等。 在经过这四个要素的组合应用之后，一个人呢他能够做出一个明智的职业选择。

再比如一个人呢在决定自己饮食习惯的时候呢，也需要考虑到这四个因素，也是这四个因素的组合应用。 首先呢他需要定义健康饮食的标准啊，比如说低热量、高营养价值等等等等。 接着呢他需要分类各种食物，将他们分为健康的和不健康的两个类别起码。 然后呢，他需要在那些健康的食物当中啊，各个种类进行比较，挑选出最符合健康饮食标准，且符合自己喜好的食物。 最后呢，他需要考虑因果关系。 例如选择某种食物，对他的身体健康会产生什么样的影响，等等等等。 通过这四个要素的组合应用。 一个人呢可以做出更健康的饮食选择。

再举两个哈我自己生活当中的例子。 比如说我呢是购买了特斯拉作为代步工具的那这个所谓的决策之后的行动啊，是基于之前的思考的那我如此决策的根据究竟是什么呢？ 那就是因果关系嘛，在此之前啊，我肯定根据自己的情况分析过，得出过自己的结论，为什么呢？ 因为我比较过特斯拉和其他可能的选择啊，这就是比较和因果的组合。 然后在比较之后呢啊我肯定在油车和电车之间做出了一个选择啊，这就是分类之后再进行比较，对吧？ 而后呢，在电车中继续进行比较。 最后呢，根据比较的结果，我做出了购买特斯拉的决定啊，这就是比较和因果的组合。 。

再比如说我不仅购买了特斯拉作为代捕工具，我还买了特斯拉的股票。 那为什么呢？ 理由之一是因为在我眼里，特斯拉从一开始就是一家机器人制造公司，而不是大多数人以为的汽车制造公司。 你看这就是定义上的不同。 而我每天上路时开的特斯拉其实是我这一生当中的第一个机器人，只不过它不是人形机器人，而是车型机器人而已。 你看再一次这就是因为定义的不同，进而理解不同。 而后呢分类和比较都随之不同，于是呢决策就自然不同的一个重要例子啊，这里面分别使用了定义分类比较和因果。

那其实呢肯定不是我一个人如此思考啊。 那对于同样的东西，有些人总是有着他独特的定义啊，比如说同样是汽车，这个吉利控股集团的董事长李书福就有非常不一样的定义。 他说汽车是什么呀？ 那不就是两张沙发配四个轮子，再加上一个铁壳吗？ 你先别管这个定义，对你来说感觉如何。 但是呢他有着如此非同一般的定义，就很能解释他的一些非同一般的决策，不是吗？

所以呢所谓的决策，其实无非就是定义分类比较因果的组合应用啊，这就是个关键。 到此为止呢，它就已经是一个非常简单且实用的思考框架了。 凡事呢你都可以从这四个要素出发。 考虑每个要素的时候呢，都有需要注意的地方。 我们前面都讲过，并且呢将来你会发现也会有一些常见的套路。 。

而事实上呢，到最后你就会发现说所有所谓复杂的问题，其实都是由这些简单的要素组合或者叠加构成的。 然后呢，你逐一突破就可以了。

…

今天呢我们来讲讲基础的四个要素当中的最后一个啊，就是定义分类比较最后的这个因果。 当一个原因产生一个结果的时候，那原因呢总是在前结果呢总是在后，可是呢我们从小就被教育过，这时间上的先后顺序并不保证因果关系的存在。 。

学术上来看呢，因果关系的探究呢从来都不容易的。 甚至呢因果分析几乎是整个科学的核心。 所谓的科学方法的实施过程基本上都相当耗时费力伤财。 那至于方法嘛，理解上呢都不太难，但操作上呢都相当的吃力，。

除了常见的观察法试验法统计分析之外，在不同的科学领域呀，为了确定因果关系呢，科学家们各自努力发展出了许多的方法。 比如说在医药学里普遍使用的双盲验证和回溯研究。 再比如说在法律领域里普遍认同的谁主张谁举证的原则。 在经济学里啊嗯普遍应用的回归分析啊，社会科学领域里的随机对照试验和差分法啊，还有计算机领域里的蒙特卡罗模拟等等等等。 那这就是绝大多数普通人可能无法做到一一掌握的东西了。 。

除了常见的 “观察法”、“实验法”、“统计分析” 之外，在不同的领域，为了确定因果关系，科学家们各自努力发展出了许多方法。比如，在药学里普遍使用的 “双盲验证” 和 “回溯研究”，在法律领域里普遍认同的 “谁主张谁举证” 原则，经济学的 “回归分析”，社会科学领域的 “随机对照试验”、“差分法”，计算机领域里的 “蒙特卡洛模拟”，等等等等…… 绝大多数普通人可能无法做到一一掌握。

第二个问题是什么呢？ 如果我们现在确定A的确是B的原因，那么请问A是B的唯一原因吗？ 上一个问题问的是是原因吗？ 当然有的时候干脆就不是对？ 然后呢，如果是的话呢，那请问他是唯一的原因吗？ 假设哈继续上面那个例子。 我们经过分析之后呢，投资者万先生确认某公司的盈利增长财报确实是推动股价上涨的原因之一，但是我们不能仅仅认为财报是唯一的原因，那就还需要考虑其他可能的因素啊，例如市场情绪呀，其他公司的业绩呀，行业趋势啊等等等等 。 ？

1. 请问，A 真的是 B 的原因吗？

就是当我们分析A和B之间啊的因果关系的时候呢，第一个问题是这样子的。 请问A真的是B的原因吗？ 我们举例来说，这个投资者万先生呢发现某公司的股价最近大幅度上涨。 他认为这是因为某公司的最新财报呈现盈利增长，所以才产生的那在这个例子当中呢，我们需要确认的是，某公司盈利增长的财报是否真的是股价上涨的原因呢？ 这需要观察某公司的股价与其他信息啊，相关的信息以确保没有其他重大事件导致了股价的变动。 。

2. 如果 A 的确是 B 的原因，那么请问，A 是 B 的唯一原因吗？

第二个问题是什么呢？ 如果我们现在确定A的确是B的原因，那么请问A是B的唯一原因吗？ 上一个问题问的是是原因吗？ 当然有的时候干脆就不是对？ 然后呢，如果是的话呢，那请问他是唯一的原因吗？ 假设哈继续上面那个例子。 我们经过分析之后呢，投资者万先生确认某公司的盈利增长财报确实是推动股价上涨的原因之一，但是我们不能仅仅认为财报是唯一的原因，那就还需要考虑其他可能的因素啊，例如市场情绪呀，其他公司的业绩呀，行业趋势啊等等等等 。 ？

3. 如果 A 不是 B 的唯一原因，那么请问，还有哪些原因？

…

第11集_1.mp4

…