例如：

所有人都会死亡。
苏格拉底是人。
所以苏格拉底会死亡。

这里的重点不只是三个句子分别说了什么，而是前两个判断与结论之间存在怎样的关系。

逻辑的核心对象不是孤立观点，而是前提、结论以及它们之间的后承关系。

本文集中解释推导关系、有效性与健全性，以及逻辑能做和不能做的事。若问题是“不确定证据提供多强支持”，可接着读逻辑与概率；概率的解释与更新机制另见概率与贝叶斯。

因此，逻辑会追问：前提是什么？结论是什么？是否存在前提都为真而结论为假的情况？哪一步只是猜测，哪一步确实受到推导规则约束？

“逻辑”这个名称来自哪里？

英文 logic 经拉丁语 logica 追溯到古希腊语 logos。Logos 的意义范围包括言说、说明、理由、比例、秩序和理性。但现代逻辑不能被简单等同于“理性”“规律”或“宇宙秩序”。

现代汉语“逻辑”主要是 logic 的音译。近代中国还使用过“名学”“辨学”“论理学”和“理则学”等译名。严复选择“名学”翻译相关著作，后来“逻辑”逐渐成为通行术语。不同译名分别突出了名称与实在、论辩、论理和推理规则等侧面。《逻辑学研究》：政治、知识和学术——严复翻译 Logic 的三重维度

中国先秦名辩、古印度因明和古希腊逻辑形成了不同的推理传统。现代形式逻辑主要沿着古希腊逻辑、近代数学和分析哲学的发展路径建立，但不能因此把一切文化中的论辩和推理都说成同一个历史体系。

日常所说的“逻辑”有多种含义

日常表达中的“逻辑”可能指：

• 一段话是否有条理；
• 一个人解决问题的思路；
• 某种制度的运行机制；
• 一套利益结构；
• 事情发展的规律；
• 一个论证是否成立。

“平台的商业逻辑是增加用户停留时间”，这里的逻辑接近运行机制和激励结构。“他说话没有逻辑”，可能是说表达混乱、前后矛盾或缺少依据。

这些用法有实际意义，但不等同于逻辑学的全部内容。分析时需要先说明，当前讨论的是推导有效性、解释机制，还是一般条理。

逻辑处理什么基本单位？

传统教材常用“概念—判断—推理”的层次：

概念提供思考对象
→ 判断对对象有所断定
→ 推理由已有判断产生新判断

“产品”本身只是一个概念，不能直接判断真假。“这个软件是产品”构成命题，才可以讨论真假。

现代逻辑通常进一步区分：

• 形式语言中的符号和公式；
• 能够为真或为假的命题；
• 作为出发点的前提；
• 作为推导目标的结论；
• 许可推导步骤的规则；
• 解释公式如何获得真值的模型或语义。

一个逻辑系统通常包含某种语言，并配有演绎系统、模型论语义或两者。逻辑学还会研究语法上的可推导性与语义上的有效性怎样对应。Stanford Encyclopedia of Philosophy: Classical Logic

真与有效不是一回事

看下面的论证：

所有鱼都会飞。
鲤鱼是鱼。
所以鲤鱼会飞。

第一个前提是假的，结论也是假的，但推理形式仍然有效：

所有 A 都是 B。
C 是 A。
所以 C 是 B。

逻辑有效性保证的是：

如果前提都为真，结论就不可能为假。

它不保证现实中的前提确实为真。因此必须区分：

一个论证要提供可靠知识，既需要推导有效，也需要前提真实或得到充分支持。

逻辑后承是什么？

当结论 C 是前提集合 P 的逻辑后承时，可以粗略理解为：不存在一种相关解释，使 P 中所有前提为真而 C 为假。

P ⊨ C

这个定义表达了逻辑后承的保真性。但“哪些解释算相关”“什么只依赖逻辑形式”“逻辑常项是什么”等问题，仍然构成逻辑哲学中的争论。Stanford Encyclopedia of Philosophy: Logical Consequence

逻辑后承也不同于心理上的确信。一个人可以非常相信一个无效结论，也可能不愿接受一个确实由其前提推出的结论。

演绎、归纳和溯因

现实中的推理不只有演绎。

演绎推理

演绎研究结论是否受到前提的必然约束：

所有注册用户都有用户编号。
小王是注册用户。
所以小王有用户编号。

如果形式有效且前提为真，结论就不能为假。

归纳推理

归纳从有限观察推广出更一般的结论：

多轮调查中，大部分目标用户都关注价格。
所以目标用户总体可能较为关注价格。

结论受到证据支持，却没有被前提必然蕴涵。新的样本可能改变支持程度。

溯因推理

溯因从观察结果出发，寻找当前最好的解释：

用户在付款页大量退出。
错误日志集中于一个支付渠道。
支付故障暂时是最好的解释。

溯因提出候选解释，不能自动证明原因。还需要比较替代解释，并通过新数据、干预或实验检验。

广义推理研究会讨论三者，但不能把归纳和溯因伪装成必然演绎。

形式逻辑与非形式逻辑

形式逻辑把部分表达转换成明确符号，研究结构在不同内容替换下是否仍然成立。它擅长暴露量词、否定、条件句和关系结构中的错误。

非形式逻辑研究自然语言中的真实论证。它还要处理：

• 省略的前提；
• 语境和含混；
• 来源可信度；
• 类比的相关性；
• 举证责任；
• 修辞对判断的影响；
• 对手论证是否被公平重述。

形式化能够提高精确性，却可能舍弃语境。自然语言保留语境，却容易隐藏歧义。二者解决不同层次的问题。

逻辑与事实、概率、因果的区别

逻辑关系

逻辑关系讨论：

如果这些前提成立，这个结论是否必须或可以成立？

事实关系

事实关系讨论：

现实中究竟发生了什么？

概率关系

概率关系讨论：

在现有信息和模型下，各种可能结果得到多大支持？

因果关系

因果关系讨论：

改变什么因素，会使结果随之发生变化？

例如：

如果下雨，地面通常会湿。
现在地面湿了。
所以刚才下过雨。

这个结论没有被前提演绎保证。洒水车、漏水和人工清洗都可能使地面变湿。地面湿可以提高“下过雨”的概率，也可以成为寻找原因的线索，却不能单独证明下雨。

所以：

可推导 ≠ 现实为真
统计相关 ≠ 因果成立
高概率 ≠ 逻辑必然
解释得通 ≠ 已经得到证明

条件句为什么容易产生错误？

假设：

如果系统断电，那么服务器停止运行。

从“系统断电”推出“服务器停止”，是肯定前件。

从“服务器没有停止”推出“系统没有断电”，是否定后件。

但从“服务器停止”推出“系统断电”，是肯定后件，通常无效，因为服务器还可能因为故障、维护或网络问题停止。

从“系统没有断电”推出“服务器没有停止”，是否定前件，也通常无效。

许多因果误判和诊断错误，正是把充分条件、必要条件和相关线索混为一谈。

矛盾、一致与真理

逻辑能够检查一组命题是否相互一致。若一个系统同时接受 P 和 非 P，在经典逻辑中可能产生严重后果。

但“一致”不等于“真实”。一套虚构世界设定可以高度一致，却不描述现实。多个错误信念也可能彼此兼容。

同样，“没有发现矛盾”也不等于论证完整。前提可能遗漏关键信息，概念可能模糊，证据也可能不足。

逻辑提供最低限度的结构约束，事实检验、概率判断和因果研究仍然不可替代。

逻辑是不是正确思考的全部？

不是。

一个人可以使用有效形式，却从错误前提出发；也可以拥有真实信息，却忽略价值冲突、风险分布和行动成本。

完整思考还需要：

• 概念澄清；
• 事实观察；
• 来源评价；
• 概率更新；
• 因果分析；
• 价值判断；
• 目标选择；
• 决策和行动反馈。

逻辑主要约束从已有判断走向其他判断的过程。它不能独自决定应该选择哪些前提、追求什么目标或承担什么风险。

逻辑是描述性的，还是规范性的？

现实中的人经常违反逻辑。如果逻辑只是记录人实际上怎样想，它就很难解释为什么某些推理应该被纠正。

因此，逻辑通常具有规范性：当一个推理者接受某些前提时，逻辑说明他还应当接受哪些结论，或者不能同时坚持哪些判断。

但逻辑规范的来源仍有争议。它可能被理解为：

• 世界最一般结构的反映；
• 语言意义和真值条件的结果；
• 理性信念应保持一致的规范；
• 形式系统内部的规则；
• 不同推理实践所建立的多种后承关系。

是否只有一种逻辑？

现代逻辑包含经典逻辑和多种非经典逻辑，例如：

• 模态逻辑研究必然与可能；
• 时态逻辑研究时间结构；
• 道义逻辑研究允许、义务和禁止；
• 直觉主义逻辑强调构造性证明；
• 多值与模糊逻辑处理不同真值结构；
• 次协调逻辑研究如何在局部矛盾下避免任意结论。

这不意味着推理规则可以随意挑选。选择逻辑系统需要说明表达对象、语义解释和推理目的，并检验系统是否完成它声称完成的工作。

逻辑的实际价值

逻辑迫使一个论证公开自己的结构：

1. 结论究竟是什么；
2. 前提有哪些；
3. 哪些前提来自事实，哪些来自定义或价值；
4. 哪一步是真正的推导；
5. 是否存在反例；
6. 结论有没有超出前提；
7. 不确定性是否被伪装成必然性。

它把“听起来有道理”转化为能够被他人检查的前提和推导关系。

结论

逻辑不是事实数据库，也不是发现原因的机器。它研究判断之间怎样连接，尤其研究前提对结论形成什么约束。

逻辑能够保证有效推导保持真，却不能替我们保证前提为真，也不能单独决定什么值得追求。

清楚的概念、可靠的事实、适当的概率模型、可检验的因果解释和明确的价值判断，需要与逻辑共同工作。

逻辑研究：接受某些前提以后，哪些结论必须成立、可能成立或不能成立。

概率研究：当结果尚未确定或信息不完整时，应当给不同事件或命题分配多大权重。

逻辑约束“什么能够从什么推出”，概率度量“在当前信息下应当多大程度相信什么”。

两者不是互相竞争的解释。概率计算需要逻辑帮助它确定命题、事件、条件和相互关系；逻辑推导进入现实问题时，也经常需要概率处理不完整证据和不确定前提。

本文只聚焦两者的接口：逻辑蕴含为何不同于条件概率，确定推导怎样与程度化的证据支持相接。需要单独了解推导体系，可读逻辑；需要深入概率解释与贝叶斯更新，可读概率与贝叶斯。

本文所说的“逻辑”是什么？

“逻辑”是一个比日常使用更宽的学科概念。它可以研究演绎推理、归纳推理、模态、时间、义务、多值系统以及可撤销推理等不同形式。

为了说明逻辑与概率最基本的区别，本文首先以经典演绎逻辑为参照。

经典逻辑关心命题、真值以及前提和结论之间的有效推导关系。一个论证在逻辑上有效，意味着不存在这样一种解释：所有前提都是真的，而结论是假的。Stanford Encyclopedia of Philosophy: Classical Logic

例如：

所有人都会死。
苏格拉底是人。
所以苏格拉底会死。

只要两个前提为真，结论就不可能为假。这里检查的是推导结构，而不是统计频率。

可以写成：

前提集合 D ⊨ 结论 C

符号 ⊨ 表示：在所有使前提 D 为真的解释中，结论 C 也为真。

有效推理不等于真实结论

逻辑首先评价推理形式，不能替代对前提的事实检验。

所有鱼都会飞。
鲤鱼是鱼。
所以鲤鱼会飞。

这个论证的形式有效，但第一个前提不符合事实。因此，需要区分：

• 有效性：如果前提为真，结论是否必然为真；
• 前提真实性：前提是否符合实际情况；
• 可靠论证：推理有效，而且前提为真。

所以，一个完整判断至少要经过：

概念是否清楚
→ 前提是否得到事实或证据支持
→ 推导是否有效

概率经常进入第二步：现有证据为一个前提或假设提供多大支持。

概率是什么？

概率是定义在事件或命题之上的量，通常位于 0 和 1 之间。但“概率是什么”并没有唯一的哲学解释。

它可能表示：

• 可重复事件的长期频率；
• 物理系统产生某种结果的机会或倾向；
• 现有证据对一个命题的支持程度；
• 一个主体对命题为真的置信程度；
• 统计模型给出的预测分布。

这些解释共同使用概率演算，却不一定在谈同一种现实对象。Stanford Encyclopedia of Philosophy: Interpretations of Probability

例如：

明天下雨的概率是 70%。

这句话可能表示气象模型在相似条件下的频率预测，也可能表示根据现有证据形成的置信度。无论采用哪一种解释，它都没有断言明天必然下雨。

逻辑与概率分别回答什么？

可以把这种分工概括为：

逻辑：约束推理结构
概率：表达不确定程度

真值不是概率值

在经典逻辑中，一个明确命题在给定解释下为真或为假。

真
假

概率则可以表达程度：

P(A) = 0.2
P(A) = 0.7
P(A) = 0.99

这不意味着命题的真值变成了连续数值。

“明天下雨的概率是 70%”描述的是结果确定以前的不确定状态。到了明天，在地点、时间和降雨标准已经明确的情况下，“下雨”这个命题仍然要么符合事实，要么不符合事实。

因此至少要区分三个层次：

证据支持和主体置信度可能用概率表示，但它们都不等于命题本身已经“部分为真”。

概率为 1 不一定是逻辑必然

逻辑必然表示：在所有满足前提的可能解释中，命题都成立。

概率为 1 则表示：在某个概率模型中，该事件拥有全部概率质量。

两者不能直接等同。

在标准概率模型中，如果 D 在逻辑上蕴含 C，并且 P(D) > 0，那么：

D ⊨ C
→ P(C | D) = 1

但反过来不成立：

P(C | D) = 1
⇏ D ⊨ C

概率为 1 的事件仍然可能不是逻辑真理。在连续概率分布中，一个单点可以具有概率 0，但仍然属于可能取值。概率 0 因而不自动表示逻辑矛盾，概率 1 也不自动表示逻辑必然。

可以谨慎地概括为：

逻辑不可能 → 在尊重该逻辑关系的概率模型中概率为 0
概率为 0 ⇏ 逻辑不可能

逻辑必然 → 在尊重该逻辑关系的概率模型中概率为 1
概率为 1 ⇏ 逻辑必然

逻辑蕴含不等于条件概率

逻辑蕴含可以写成：

A ⊨ B

它表示，只要 A 为真，B 就不可能为假。

条件概率可以写成：

P(B | A) = 0.9

它表示，在 A 条件下，B 获得 90% 的概率。这里仍然允许 A 成立而 B 不成立。

因此，高条件概率表示强概率联系，不表示必然推出。

这个区别也解释了为什么下面的推理在演绎逻辑中无效，却可能在概率上提供支持：

如果下雨，地面会湿。
地面湿了。
所以刚才下雨了。

这是“肯定后件”的形式。地面还可能因为洒水、漏水或者清洁而变湿，所以“地面湿”不能逻辑证明“下雨”。

但如果：

• 下雨时地面几乎总会湿；
• 没下雨时地面很少变湿；
• 下雨本身并非极端罕见；

那么观察到地面湿，可以提高“刚才下雨”的概率。

同一条证据可以做到：

不能演绎证明假设
但可以提高假设的概率

演绎推理与概率归纳

演绎推理追求必然的真值保持：

前提为真
→ 结论必然为真

概率归纳表达证据对结论的支持程度：

证据 D
→ 结论 C 获得程度为 r 的支持

可以写成：

P(C | D) = r

归纳逻辑研究的正是这种关系：前提不必保证结论，却可以使结论变得更可信。现代概率归纳经常使用条件概率和贝叶斯关系表示证据怎样支持相互竞争的假设。Stanford Encyclopedia of Philosophy: Inductive Logic

因此，“逻辑处理确定性，概率处理不确定性”只是第一层概括。更准确地说：

• 经典演绎逻辑处理必然推导；
• 概率演算约束不确定程度；
• 归纳逻辑研究证据如何以不同强度支持结论。

概率为什么需要逻辑？

概率计算以前，必须先确定事件和命题的结构：

• 哪些事件互相排斥；
• 哪些事件可以同时发生；
• 哪个事件包含另一个；
• 条件究竟是什么；
• 一个命题的否定是什么；
• 所有可能结果是否已经覆盖。

例如：

A = 用户点击广告
B = 用户通过该广告完成购买

如果业务定义规定，通过该广告购买必须经过被记录的点击，那么：

B → A

概率也必须满足：

P(B) ≤ P(A)

如果数据报告显示广告购买人数高于广告点击人数，首先需要检查事件定义、归因窗口、数据来源和采集遗漏，而不是立即寻找一个新的概率公式。

逻辑先检查事件结构是否自洽，概率才在这个结构中分配数值。

贝叶斯公式怎样连接逻辑与概率？

贝叶斯公式可以写成：

P(H | E) = P(E | H) × P(H) / P(E)

其中：

• H 是假设；
• E 是证据；
• P(H) 是看到证据以前对假设的判断；
• P(E | H) 是假设成立时出现该证据的概率；
• P(H | E) 是观察证据以后对假设的更新判断。

贝叶斯推理不是：

观察到 E
→ H 必然为真

它表达的是：

观察到 E
→ 比较 E 在不同假设下有多容易出现
→ 重新分配对各个假设的相信程度

逻辑帮助我们定义假设、证据、互斥关系和推导条件；概率帮助我们表示更新前后的置信程度。贝叶斯认识论进一步把条件化理解为新证据出现后调整置信度的一种理性规范。Stanford Encyclopedia of Philosophy: Bayesian Epistemology

概率关系也不等于因果关系

逻辑、概率和因果分别回答不同问题：

例如：

• “正方形必然有四条边”主要是概念和逻辑关系；
• “下雨时地面变湿的概率较高”是概率关系；
• “降雨使地面获得水分，从而导致地面变湿”是因果解释。

高概率联系不自动证明因果。共同原因、选择偏差、测量方式和反向作用都可能产生统计关联。因果判断还需要时间顺序、反事实、干预、机制或其他识别条件。关于这些方法的完整讨论，参见《因果是什么？从原因、推理到理由》。

从概率到行动还缺什么？

即使概率已经计算正确，它也不能单独决定行动。

逻辑：推理是否成立
概率：结果有多可能
价值：不同结果有多重要
风险：最坏结果是否能够承受
权限：谁有权作出这个决定
决策：最终选择哪种行动

成功概率更高的方案不一定值得执行。它可能收益很小、成本过高、最坏结果不可承受，或者把风险转嫁给没有授权的其他人。

概率提供决策输入，不替代价值和责任。

在 AI 中怎样理解逻辑与概率？

大语言模型通常根据上下文为后续 token 分配概率，再按照解码策略生成输出：

已有上下文
→ 后续 token 的概率分布
→ 选择 token
→ 形成文本

一个句子被高概率生成，只说明它在模型和当前上下文中更容易出现。它不直接证明句子：

• 符合事实；
• 推导有效；
• 与前文没有矛盾；
• 正确理解了用户意图；
• 获得了执行授权。

完整 AI 系统还需要使用逻辑、规则和验证程序检查：

• 输入是否满足前置条件；
• 数据结构是否有效；
• 多个陈述能否同时成立；
• 工具调用是否符合权限；
• 结果是否通过外部验证。

因此：

概率模型在多个可能输出之间分配权重；逻辑与规则约束哪些推导和行动可以被接受。

一个回答可能语言概率很高，却在逻辑上矛盾；也可能推导形式有效，却建立在错误事实或错误概率输入之上。

如何检查一段不确定推理？

可以按以下顺序分析：

1. 明确命题。 每个关键词究竟指什么？
2. 列出前提。 哪些内容被当作已经接受？
3. 检查逻辑。 结论是否必然推出，还是只得到一定程度支持？
4. 检查事实。 前提来自观察、数据、定义还是假设？
5. 检查概率含义。 数字表示频率、物理机会、证据支持还是主观置信度？
6. 检查条件。 P(B|A) 中的 A 是否被正确说明？
7. 寻找替代解释。 同一证据是否也容易由其他假设产生？
8. 检查因果跳跃。 是否把相关或预测直接写成了原因？
9. 检查行动标准。 概率之外还需要考虑什么价值、风险和权限？
10. 说明更新条件。 什么新证据会改变当前判断？

对逻辑与概率关系的最终解释

可以分别定义：

逻辑研究命题、概念和推理之间的形式约束，说明在接受某些前提时，哪些结论必然成立、可能成立或不能成立。

概率是在结果尚未确定或信息不完整时，对事件可能性、证据支持程度或主体置信程度进行量化的体系。

两者的关系可以整理为：

逻辑建立命题和推理结构
→ 概率在结构中表达不确定性
→ 证据用于更新概率
→ 因果解释变化怎样产生
→ 价值和风险进入决策
→ 行动产生新的证据

逻辑不能替代概率，因为现实中的信息经常不完整；概率也不能替代逻辑，因为数字不能修复矛盾的定义、遗漏的可能性和无效的推导。

更准确的认识不是在逻辑与概率之间二选一，而是在确定推导与不确定判断之间保持清楚的边界。

参考

• Stanford Encyclopedia of Philosophy: Classical Logic
• Stanford Encyclopedia of Philosophy: Logical Consequence
• Stanford Encyclopedia of Philosophy: Interpretations of Probability
• Stanford Encyclopedia of Philosophy: Inductive Logic
• Stanford Encyclopedia of Philosophy: Bayesian Epistemology

它回答的不是“下一次一定会发生什么”，而是：

如果把各种可能结果及其概率一起考虑，这个分布的概率加权中心在哪里？

从随机变量开始

期望值不直接属于一个模糊的“事件”，而是属于随机变量。

随机变量是把随机结果映射为数值的函数。例如，抛一枚硬币后，可以定义：

正面 → X = 1
反面 → X = 0

如果硬币是公平的，那么：

P(X = 1) = 0.5
P(X = 0) = 0.5

对离散随机变量，期望值定义为：

E[X] = Σ xᵢ P(X = xᵢ)

在硬币例子中：

E[X] = 1 × 0.5 + 0 × 0.5 = 0.5

一次抛币不可能得到 0.5 个正面。期望值是分布的均值，不必是随机变量真正能取到的值。

期望值不是最可能的结果

假设一个游戏有两种结果：

期望收益是：

E[X] = 0.1 × 100 + 0.9 × 0 = 10

但是：

• 一次的实际结果只会是 100 元或 0 元；
• 最可能的结果是 0 元；
• 10 元不是任何一次必然出现的收益；
• 期望值不承诺单次结果会接近它。

因此需要区分：

一个分布的期望值可以很好，但最常出现的结果仍然可能很差。

期望值等于长期平均吗？

教材常把期望值解释为“长期平均”。这是有用的直观，但需要补充条件。

期望值首先是根据概率分布定义的数学量。在满足相应条件时，如果同类试验被大量重复，观测平均才可以趋近期望值。

这个语境通常默认：

• 试验能够重复；
• 概率机制没有在重复过程中改变；
• 各次观测具有合适的独立性或稳定性；
• 相关期望存在且是有限的。

人生选择、重大手术、一次性投资和不可逆决策，往往不能被同一个人在同样条件下无限重复。这时，期望值仍然可以描述概率分布，但“长期一定能回到平均”不再是个人决策的充分理由。

期望值为什么有用？

期望值把多个不确定结果压缩成一个可比较的数。它尤其适合：

• 重复次数较多的决策；
• 多个彼此分散的项目组合；
• 保险、库存、排队和实验设计；
• 需要把概率与金额、数量或损失结合的问题；
• 对不同方案进行第一层筛选。

期望还具有线性。对适当的随机变量：

E[aX + bY] = aE[X] + bE[Y]

这意味着可以先分别计算多个部分的期望，再把它们组合起来。线性本身不要求这些随机变量彼此独立。

为什么不能只看期望值？

考虑两个方案：

两个方案的期望值相同，但风险结构完全不同。

一个完整决策还需要检查：

1. 波动：结果会离期望值多远？
2. 尾部风险：小概率下会不会出现极大损失？
3. 破产风险：一次失败会不会使主体无法继续参与？
4. 时间：收益何时出现，期间是否需要承担成本？
5. 可逆性：决策失败后能否撤回或重试？
6. 机会次数：这是否是能够分散的多次决策？
7. 概率误差：概率是已知的，还是从有限数据中估计出来的？

期望值只保留了分布的一个特征。两个形状完全不同的分布可以拥有相同的期望值。

从期望值到期望效用

金钱和结果对人的实际价值不一定线性增长。

对一个资源充足的人，损失 1 万元可能只是普通波动；对一个现金流已经断裂的人，同样的损失可能意味着无法继续生活或经营。

决策理论因此不只计算结果的期望值，还可以对每个结果赋予效用：

E[U(X)] = Σ P(X = xᵢ)U(xᵢ)

这里的 U(x) 表示结果对特定主体的价值，而不只是结果的名义数额。

期望效用理论是不确定决策的规范性模型：它说明在一组偏好和信念满足相应条件时，如何使选择保持一致。它不是人类心理的完整描述。

卡尼曼和特沃斯基的前景理论就是对期望效用作为实际选择描述模型的批评和替代。他们的实验工作表明，人对获得、损失、确定结果和仅有概率的结果，并不总是按照简单的期望效用方式处理。

概率从哪里来？

任何期望值都依赖于一个更基础的问题：用来加权的概率是什么？

概率可能表示：

• 可重复机制的长期频率；
• 物理系统的倾向或机会；
• 证据对某个判断的支持程度；
• 一个主体的信念程度；
• 由统计模型估计得到的预测分布。

这些解释并不完全相同。数学公式可以是正确的，输入的概率却可能来自错误模型、过少样本或过时数据。

因此：

期望值的精确度不会超过结果划分、数值估计和概率输入的可信度。

现实决策中怎样使用期望值？

可以按下面的顺序分析：

1. 列出选项。 当前真正可以选择的行动是什么？
2. 列出结果。 每个选项可能导致哪些结果？
3. 检查遗漏。 是否把重要的间接后果排除在外？
4. 估计概率。 概率来自机制、数据、经验还是主观判断？
5. 为结果赋值。 计算的是金额、时间、生命、满意度，还是其他价值？
6. 计算期望值。 把结果按概率加权求和。
7. 检查分布。 不只看均值，还看波动、分位数和尾部。
8. 检查承受力。 主体能否活着等到长期平均？
9. 做敏感性分析。 如果概率或价值估计改变，结论是否立即反转？
10. 按新证据更新。 期望值是当前模型的输出，不是永久答案。

对“期望值”的最终定义

可以把期望值定义为：

期望值是随机变量各个可能取值按其概率加权得到的均值，用来表示概率分布的中心位置。

它不是：

• 下一次的保证；
• 最可能的结果；
• 一定能被实际取到的数值；
• 对风险的完整描述；
• 自动正确的决策答案。

期望值的力量在于，它把概率与结果放进同一个计算。它的边界也在这里：一个加权平均无法单独告诉我们，一次失败有多严重、主体能否承受，以及用来计算的概率是否值得信任。

参考

• OpenStax: Mean or Expected Value and Standard Deviation
• Stanford Encyclopedia of Philosophy: Interpretations of Probability
• Stanford Encyclopedia of Philosophy: Decision Theory
• Stanford Encyclopedia of Philosophy: Normative Theories of Rational Choice: Expected Utility
• Kahneman and Tversky: Prospect Theory: An Analysis of Decision under Risk

人会感知问题、判断事实、想象未来，也会形成愿望和目标。但这些活动不会自动产生行动。一个人只有在若干可能方向之间作出取舍，使其中一个方向获得行动优先权，才进入决策。

可以先给出一个定义：

决策，是主体面对一个需要回应的处境，在多个可能行动、价值冲突或不确定后果之间，形成并承诺一条行动方向的过程及其结果。

决策最关键的变化是：

多个仍然开放的可能
→ 判断、比较与取舍
→ 一个方向获得行动优先权
→ 进入计划和执行

这里的承诺不表示决定永远不能修改，而是主体暂时结束部分犹豫，开始按照这个方向配置注意力、时间、资源和行动。新证据、环境变化和执行失败，都可能要求重新决策。

决策不等于什么？

很多与决策相邻的概念会在同一过程中出现，但它们回答的问题不同。

其中最容易被混淆的是判断与决策。

这个方案成功的概率较高。

这是判断。

在现有证据和风险限制下，选择执行这个方案。

这是决策。

从前一句不能直接推出后一句。即使成功概率已经知道，行动者仍要考虑收益、损失、替代方案、风险承受能力以及伦理边界。

一个完整决策包含什么？

需要回应的处境

为什么现在需要作出回应？如果没有需要改变的状态、冲突或分岔，就没有明确的决策问题。

问题框架

同一现实可以被表达成不同问题：

• 要不要继续这个项目？
• 怎样降低项目失败的概率？
• 哪个目标值得优先保留？
• 是否应该把资源转移到其他项目？

框架决定哪些选项和证据会进入分析。后续计算即使精确，也无法补救一个被错误定义的问题。

主体与权限

谁能够让决定生效？谁只提供建议？谁承担后果？个人、家庭和组织的决策结构不同。讨论形成共识并不自动等于形成有效决定，还需要授权、程序和责任机制。

目标、价值与约束

目标说明希望达到什么状态，价值说明它为什么值得，约束说明哪些手段、风险和代价不可接受。

困难决策经常不是缺少数据，而是多个价值无法同时满足，例如收益、安全、自由、公平、速度和关系之间发生冲突。

可行选项

“成功”和“失败”是可能结果，不是行动选项。“继续”“停止”“缩小范围”“先试验”“延期并获取信息”才可能是选项。

不行动、延迟、委托和维持现状也会产生后果，因此也应进入选项集合。

后果、因果与概率

决策需要判断：如果采取行动 A，哪些结果会因此改变？这需要因果模型，而不只是相关性。

概率表示结果有多可能，却不能说明结果有多值得。把概率与价值混为一谈，是决策中最常见的错误之一。

取舍规则

行动者可能选择：

• 最大化期望收益；
• 避免无法承受的损失；
• 保护不可替代的价值；
• 选择最坏情况下仍可接受的方案；
• 先进行低成本、可逆的试验；
• 达到“足够好”的门槛后停止搜索。

不同规则可能产生不同答案。规则本身也需要理由，不能把公式当作没有价值前提的结论。

承诺、执行与反馈

决定使一个选项获得行动优先权，但还要转化成计划、资源、权限和实际执行。现实结果随后进入下一轮：

决定
→ 执行
→ 观察结果
→ 比较预期
→ 修正信念、目标或规则
→ 新的决定

决策理论研究什么？

决策研究至少有三个不同目标。

描述性决策理论

心理学研究注意力、记忆、情绪、默认项、框架、社会影响和启发式怎样塑造实际选择。APA 将 decision making 概括为在两个或更多方案之间进行选择的认知过程。APA Dictionary of Psychology

描述一种行为常见，不能证明它合理。

规范性决策理论

规范理论研究信念、偏好和选择应当满足哪些一致性要求。经典的期望效用模型是：

EU(A) = Σ P(Oᵢ | A) × U(Oᵢ)

其中，P(Oᵢ | A) 表示采取行动 A 后结果 Oᵢ 的概率，U(Oᵢ) 表示结果的效用。规则要求比较不同行动的期望效用。Stanford Encyclopedia of Philosophy：Expected Utility

效用在现代决策理论中常表示偏好结构，不必等于金钱或快乐。模型也不会自动告诉我们有哪些选项、概率是否可信、价值能否统一换算，以及谁承担代价。

处方性决策方法

处方性方法把规范标准与人的现实限制连接起来，例如：

• 把事实、推断、概率、价值和未知分开；
• 寻找被当前框架遗漏的选项；
• 设置停止、退出和复查条件；
• 使用外部基准而不只依赖内部感觉；
• 通过小规模试验降低关键不确定性；
• 记录决策时的信息，避免事后只按结果评价。

有限理性：为什么不能永远寻找最优？

现实中的人没有无限信息、时间、注意力和计算能力。有限理性不是简单地说“人不理性”，而是研究有限主体怎样在具体环境中使用可承受的程序。

Herbert Simon 提出的“满意化”思路，不要求遍历所有可能方案并找到绝对最优，而是在搜索成本与结果质量之间取舍，达到足够好的门槛后停止。Stanford Encyclopedia of Philosophy：Bounded Rationality

所以，还要评价：

继续获得信息的预期价值
是否高于
搜索、等待与错失机会的成本

花无限时间寻找最优答案，本身可能成为一个糟糕决定。

人实际怎样偏离形式模型？

人的风险选择会受到参照点、损失感受、表述方式和概率权重影响。Kahneman 与 Tversky 的前景理论用这些因素解释了部分系统性选择模式。2002 年诺贝尔经济学奖材料将这项贡献概括为把心理学研究引入不确定条件下的经济判断和决策。Nobel Prize 2002

不过，“偏差”不能成为给所有不同于公式的决定贴标签的工具。必须先确认所采用的规范标准适用于当前问题，并考虑信息成本、环境结构和行动者的真实目标。

决策为什么不只是计算技术？

事实不能单独推出行动

事实和概率描述世界可能怎样，却不能单独说明什么值得追求。决定必然引入目标、价值或规范前提。

价值不一定可以统一换算

一个选项可能更赚钱，另一个更自由；一个更安全，另一个更符合承诺。把所有价值压缩成一个数字能够帮助比较，也可能掩盖无法替代的差异。

真实选择不只取决于选项数量

表面上存在多个选项，不代表主体具有同等能力选择。贫困、信息控制、权力关系、成瘾、习惯和制度设计都会改变可行选项和责任条件。

程序本身可能具有价值

在集体决策中，即使结果有效，程序也可能不公正。谁能发言、谁有否决权、信息是否公开、受影响者是否参与，都可能成为决定正当性的一部分。

好决策与好结果必须分开

一个合理决定可能因低概率事件产生坏结果；一个草率决定也可能因为运气获得好结果。复盘必须回到作出决定时能够获得的信息，而不能用后来发生的事情重写过去。

怎样检查一个决定？

1. 真正需要决定的问题是什么？
2. 是否因为错误框架而解决了错误问题？
3. 不行动、延迟和先试验是否也是选项？
4. 哪些是事实，哪些是推断、概率、价值和未知？
5. 行动与结果之间是否有合理的因果解释？
6. 优化什么、保护什么、愿意放弃什么？
7. 最坏结果能否承受，决定能否逆转？
8. 谁获得收益、承担风险并拥有决定权？
9. 决定是否已经进入计划、资源和行动？
10. 什么新证据会触发重新决策？

决策在思维与行动之间的位置

处境与需求
→ 认知和思维形成表征
→ 判断事实、因果与概率
→ 价值和立场规定什么重要
→ 目标与意图形成行动方向
→ 决策处理具体分岔和取舍
→ 计划与战术组织行动
→ 行动产生结果
→ 反馈修正下一轮决策

这不是固定的单向流水线。决策可以形成意图，既有意图也会约束后续决策；行动结果还可能改变原来的目标。

好决策不是保证得到好结果，而是在当时可获得的信息、价值和限制下，形成可解释、可执行、可承担并且能够修正的行动承诺。

延伸阅读

• 思维模型是什么？人怎样简化现实并指导行动
• 思维是什么？人如何形成理解、判断与行动

参考资料

• APA Dictionary of Psychology：Decision Making
• Stanford Encyclopedia of Philosophy：Normative Theories of Rational Choice—Expected Utility
• Stanford Encyclopedia of Philosophy：Descriptive Decision Theory
• Stanford Encyclopedia of Philosophy：Bounded Rationality
• Nobel Prize 2002：Psychological and Experimental Economics

它最关键的特征是：

我的选择会影响你的结果，你的选择也会影响我的结果。因此，我在行动时必须考虑你会怎么行动。

“博弈”描述这种相互依赖的处境，“博弈论”则把参与者、规则、信息、策略和结果写成明确模型，研究人们会怎样相互回应。

一、博弈是什么？

两家公司决定是否降价。任何一家公司都不能只计算自己的成本和利润，还要判断：

• 对方会不会跟着降价；
• 对方能够承受多久；
• 自己降价以后，对方会退出、反击还是维持原价；
• 对方是否正在故意释放错误信号。

双方的选择互相构成条件，这就是博弈。

博弈不一定是你死我活的竞争。谈判、合作、分工、交通规则、公共资源治理和团队协作同样存在博弈。判断一个问题是不是博弈，关键不在于有没有冲突，而在于参与者的选择是否相互依赖。

“博弈”也是一个中文旧词。“博”可以指古代的赌戏或掷骰活动，“弈”通常指下棋。《论语·阳货》中已经出现“不有博弈者乎”的说法。教育部《重编国语辞典修订本》：博弈

古代的“博弈”主要表示具体的棋戏、赌戏。今天这个词的含义已经扩展，可以泛指参与者之间相互判断、相互影响的策略互动。

二、什么情况不属于博弈？

假设你准备出门，正在判断是否带伞。

天气会影响你的结果，但天气不会观察你有没有带伞，然后故意改变自己的行动。这主要是一个人在不确定环境中作决策的问题。

但在谈判中，对方会观察你的行为、推测你的目标、隐藏自己的底线，并根据你的选择调整策略。你面对的不只是环境的不确定性，还包括另一个会思考、预测和回应你的行动者。

因此，可以把两者简单地区分为：

决策问题是“我面对不确定环境怎么选择”；博弈问题是“其他会回应我的行动者存在时，我怎么选择”。

三、博弈论是什么？

博弈论的英文是 game theory。

Game 可追溯到中古英语 game/gamen 和古英语 gamen/gomen，早期包含娱乐、游戏和竞赛等含义。在 game theory 中，game 被抽象为一种有参与者、规则、行动和结果的策略情境。Merriam-Webster: game

Theory 经拉丁语 theoria 来自希腊语 theōria，有观看、考察和思考之义。在这里，它表示对一类策略互动进行系统研究。Merriam-Webster: theory

中文使用原有的“博弈”一词承接了这门外来的现代学科。不过，game theory 从何时开始被译为“博弈论”，以及它和“对策论”等译名之间经历了怎样的变化，目前还缺少足够的早期中文书目证据。

现代博弈论通常以冯·诺依曼和奥斯卡·摩根斯坦 1944 年出版的《博弈论与经济行为》为系统化标志。此后，纳什把均衡分析推广到更一般的多人和非零和博弈。斯坦福哲学百科：Game Theory

四、一个博弈由什么组成？

一个基本博弈通常包含以下要素：

行动与策略并不完全相同。“这次降价”是一个行动；“如果对方降价，我就跟进，否则维持原价”才是一套策略。

收益也不一定是金钱，更不等于自私。安全、公平、名誉、承诺、关系和他人的利益，都可能进入一个人的结果排序。

博弈还可以按照不同条件分类：零和或非零和、合作或非合作、同时或序贯、完全或不完全信息、一次或重复、纯策略或混合策略。分类的意义不在于增加术语，而在于说明：只要信息、时序、协议或者未来关系发生变化，人们面对的就可能已经是另一个博弈。

五、囚徒困境说明了什么？

假设 A 和 B 都可以选择合作或背叛，数字越大表示参与者越喜欢该结果：

对于 A 来说：

• 如果 B 合作，A 背叛得到 5，合作得到 3；
• 如果 B 背叛，A 背叛得到 1，合作得到 0。

无论 B 如何选择，A 都会选择背叛。B 也面对相同的结构。最终双方都背叛，各自得到 1；但如果双方都合作，本来可以各自得到 3。

这个模型说明：

每个人分别作出对自己最有利的选择，不保证共同结果对任何人都好。

它不能证明人性必然自私，也不能证明合作不理性。它只能说明，在当前收益、信息和规则之下，背叛是个人更有利的选择。

如果双方会重复相遇，背叛会损害声誉，合作能够产生长期收益，或者协议能够被强制执行，参与者面对的就已经是另一个博弈。

博弈论因此不只研究“一个人该怎么选择”，还会追问：为什么现有规则会让每个人走向共同不喜欢的结果？

六、纳什均衡是什么？

纳什均衡是指：

在其他人的策略保持不变时，没有任何参与者能够仅靠单方面改变自己的策略而获得更好的结果。

在囚徒困境中，“双方都背叛”就是一个纳什均衡。如果 B 继续背叛，A 单独改成合作会从 1 降到 0；B 也一样。因此，任何一方都没有单独改变策略的动力。

但纳什均衡只表示一种单方偏离下的稳定性。它不代表：

• 所有人得到了最好的结果；
• 结果是公平或者正义的；
• 参与者协商同意了这个结果；
• 均衡一定只有一个；
• 现实中的人一定能够到达均衡。

纳什在 1950 年的论文中使用混合策略，也就是按照概率在多个纯策略之间随机化，并证明有限博弈在允许混合策略时存在均衡点。John F. Nash Jr., “Equilibrium Points in N-Person Games”

七、博弈论中的理性是什么？

博弈论通常讨论的是工具理性：在目标已经给定的情况下，怎样选择更有可能实现目标。

这种理性不能单独回答目标是否正确。一个人可以非常理性地执行一个残酷计划，也可以因为重视公平、承诺和他人的利益而选择合作。博弈论里的收益只表示参与者如何排列结果，并没有预先规定人只能追求金钱或者个人利益。

因此：

理性地实现一个目标，不等于这个目标本身具有正当性。

八、博弈为什么与意图、概率和贝叶斯有关？

博弈中的参与者不仅需要行动，还需要理解他人的行动：

• 对方真正想要什么？
• 对方是在合作，还是在拖延？
• 对方的承诺有多可信？
• 新信息是否意味着对方改变了策略？
• 对方又会怎样理解我的行为？

这使博弈论与几个相邻概念发生联系：

• 意图：参与者想实现什么；
• 概率：参与者怎样表达对未知行动和类型的不确定性；
• 贝叶斯公式：新证据怎样改变对他人的判断；
• 策略：参与者怎样根据目标和信念选择行动；
• 均衡：多方策略怎样形成相互稳定的结构。

但一个人的真实意图不能仅凭一次行为被确定。博弈模型只能在给定假设下比较不同解释，不能直接进入他人的内心。

九、个体选择为什么会产生无人想要的结果？

社会结果不一定来自某个中心意志。

每个人都可能拥有自己的行动理由，但这些行动合起来，可以造成所有人都不喜欢的结果：

• 每个司机都选择自己认为最快的路线，最后形成交通拥堵；
• 每个国家都以安全为理由扩充军备，最后所有国家都变得更不安全；
• 每家公司都通过降价争夺市场，最后整个行业失去利润；
• 每个人都想多使用一点公共资源，最后资源被共同耗尽。

所以，一个结果长期存在，不代表一定有人希望它存在。博弈论在这里连接了个体行动与社会秩序：它解释一个个局部合理的选择，怎样共同产生宏观上不理想的结果。

十、自由为什么有时需要自我约束？

在策略互动中，随时可以反悔有时会削弱一个人的行动能力。

无法兑现的威胁不会被相信，可以随时撤回的承诺也很难建立合作。合同、押金、声誉和公开承诺都会限制未来的一部分选择，但这种限制能够提高当前承诺的可信度。

于是出现一个看似矛盾的现象：

限制自己未来的一部分自由，可能增加自己现在采取有效行动的能力。

自由不只是保留最多的选择，也包括形成可信承诺、长期合作和稳定关系的能力。

十一、均衡为什么不等于正义？

一种制度可以非常稳定，却非常不公平。一种规范可能被所有人遵守，只是因为任何个体都没有能力单独改变它。

博弈论可以解释一种制度为什么能够维持，却不能仅凭“它是均衡”证明“它是正当的”。伦理判断还需要讨论谁承担伤害、利益如何分配、规则由谁制定、参与者能否退出，以及程序是否公平。斯坦福哲学百科：Game Theory and Ethics

税制、拍卖方式、平台推荐机制、违约成本和信息披露制度都会改变参与者的策略。面对反复出现的坏结果，只要求参与者提高道德水平可能不够，真正的问题也许存在于收益结构、信息结构或执行机制中。

但制度设计者同样拥有自己的利益和权力。“谁来制定规则”，本身又构成了更高一层的博弈。

十二、博弈论的边界

博弈论是一种分析工具，不是现实本身。

使用它时，需要注意：

1. 不是所有关系都是零和竞争；
2. 参与者、策略和收益都包含建模者的选择；
3. 一个博弈可能同时存在多个均衡；
4. 人的偏好会学习和改变；
5. 情绪、身份和社会规范会影响行动；
6. 权力决定谁能制定规则、隐藏信息和承担长期损失；
7. 能够理解他人的策略，不代表欺骗和操纵因此获得正当性。

博弈论最有价值的地方，不是教人怎样算计，而是帮助我们区分：一个人想要什么，他相信什么，他在现有规则下能够做什么，所有人的行动合起来产生了什么，以及这个结果虽然稳定，却是否值得接受。

博弈，是多个行动者相互判断、相互选择并共同产生结果的过程。

博弈论，是研究这种策略性相互依赖的形式化学科。