塔勒布的作品早有耳闻，因为有些播客也会提到（比如翻转电台），在金融圈也经常听到“黑天鹅”的说法。于是就上了待看书单，最先是看了《肥尾效应》，emm….如果你也看过应该明白，全是数学模型和概念，虽然大概能看懂，但是很不容易看进去。于是转头看《黑天鹅》和《反脆弱》这几本。

后来在某本书的前言里，按作者自述，才知道出版的几本书并不是针对各类主题写的独立文章，而是从一个核心概念延伸出的章节，像是一系列的文集，包括不确定性、随机性、混乱和概率，以及如何生活在一个我们看不明白的世界，即如何在不透明的情况下做出决策。

《黑天鹅》主要讲什么？

它在努力说服我们看到一种可怕的情况，即我们生活在极端斯坦，受发生概率低、影响剧烈的事件影响。而受限于认知模式（叙述谬误、系统1支配、喜欢故事和脑补细节）让我们认为自己“几乎”可以预测这些黑天鹅事件，似乎可以进行回溯性解释。

同时，由于存在可预测性错觉，我们也无法意识到这些黑天鹅事件对生活的影响。一旦看到随机事件，就会心生无限畏惧并反应过度，几乎得不到任何收益。而我们的头脑又倾向于相信事后解释—把一系列事件以更平稳和线形的、可解释的状态呈现出来，从而进一步低估随机性（好像是可预测的）。然后黑天鹅又来，我们又手足无措，然后慢慢消化，周而复始。

实际上，黑天鹅事件的发生概率根本是不可计算的，所以不要轻易相信专家的话。例如我们对百年一遇洪水的了解远低于五年一遇的洪水，但是专家们说起来却是预测、建模样样俱全，看起来更有信心。

所以本书第一部分是让我们看到这样的情况：我们生活在极端斯坦，受认知模式（忽略和脑补细节、叙述谬误、幸存者偏差、游戏谬误）限制，导致的认知失调，习惯低估随机事件的概率和影响。

书中有几个概念反复提及，我略有疑惑，提前解释：

柏拉图化

为纪念哲学家柏拉图的思想（和个性），我把只关注那些纯粹而有明确定义的“形式”而导致的错误称为“柏拉图化”，这些形式包括物体（如三角形）、社会概念（如乌托邦，即根据某种“理性”蓝图建立的社会），还包括国家。这些美好的形式有一个副作用，就是当它们占据你的思想时，你会把它们具体化，并开始忽视其他那些不那么美好的事物和那些更为混乱和不可捉摸的事物（对这一点的逐步阐述会贯穿本书始末）。

或：用简单且具体化的主观思维看待复杂的世界，并坚定的认为世界应该如此。

正是柏拉图化使我们以为我们懂得的比实际上要多，但事实并非始终如此。我并不是说柏拉图式的形式不存在。模型和结构并不永远是错的，它们只错在一些具体的运用上。困难在于你不可能事前知道哪里会出错（而只能事后知道），也不可能知道错误会导致严重后果。这些模型就像某些可能有效，但同时也可能具有非常严重的副作用的药品。

极端斯坦和平均斯坦

作者抽象出的两个模型：在理想的平均斯坦，特定事件的单独影响很小，只有群体影响财大；在极端斯坦，个体能够对整体产生不成比例的影响。极端斯坦能制造黑天鹅，正如改变历史的少数事件。

后见之明

历史事件中的信息：在一个历史事件发生之前，存在无数个事实，其中只有相当少的部分会在你后来对历史事件的理解有帮助。因为你的记忆是有限的，所以你倾向于要记住哪些事后看起来与事实相符的信息，其他会被过滤和遗忘掉。

所以，我们以为我们生活的世界比它实际上更可理解、可解释、可预测。因为我们只能在事后评价事物，当出现一个超出想象的复杂事件时，人们都以为自己知道其中正在发生着什么。

我想到两个例子：

恰好我之前刚看完一本考古相关的书，内容丰富翔猜测也实令人咂舌。在书的最后部分，作者猜测周公定是颁布了什么法令，销毁了所有关于人祭的记录，并且禁止后世谈论相关内容。这样才能让整本书的记录变得可理解和解释。合理推测，作者的素材也必然是经过精挑细选的，好让这个“事后解释“变得合理。也许更多的信息可能被忽略和遗忘掉了。

分类总会造成复杂性的降低，我们对于周遭世界的任何简化都可能产生爆炸性后果，因为它不考虑不确定性的来源，使我们错误理解世界构成。

之前说过“贴标签”的处事方式，例如把不解风情的理工男生划分为“直男”（没错就是在下），但是即使是不解风情，也有多层含义，从心直口快、木讷内向、自私到缺乏情商，都可以理解为不解风情。注意即使是“心直口快、木讷内向、自私到缺乏情商”这样的描述，也对行为本身做了许多信息上的过滤，更多的可能是一个转身、一个眼神。

另外一个例子就是二分法（或者三分法、四分法、n分法），非此即彼。“文科还是理科？”、“人性本善还是本恶？”、“要集体主义还是个人主义？”，似乎我们的价值观总是非黑即白，因为最省脑子，可以把复杂理论简化到没有任何中间线路。但是这种极简的概念，能指导实际生活吗？不能。

这种绝对化的分界，对于人类认知来说是必要的。但是这也是黑天鹅事件的发生器，这一点后面再说。

我们并非活在平均斯坦

如何理解平均斯坦和极端斯坦？

体重为例，如果样本是1000人，即使挑选了地球上最重的人，对总量的增加也微乎其微。

但是如果是净资产，同样1000人的样本，如果把比尔盖茨加入其中，他可能占到总量的99.9%。

所以和体重一样，身高、卡路里等都来自平均斯坦，而财富、知名度、google搜索量、城市人口、地震造成的损失、战争死亡人数、公司规模、金融市场、通货膨胀率等，则来自极端斯坦。

几乎所有重要的社会问题，都来自极端斯坦。因为社会变量是信息化的，不是物理的。例如钱固然是重要的东西，但是不是物理的。它可以是多的几个0，却不消耗能量。

极端斯坦中，个体能轻易以不成比例的方式影响整体。你会对自己从数据中获得的知识表示怀疑。但是从平均斯坦的数据中获取的知识，能随着信息供给的增加而迅速增加。

大部分的黑天鹅现象发生在极端斯坦。

注意这里的极端斯坦和平均斯坦，也是粗略的近似概括，不要过度简化（柏拉图化）。

当心报酬”具有突破性“的职业

“具有突破性”是个值得警惕的信号。

作者举了个例子，“报酬具有突破性的职业”，也就是，报酬不受时间或者付出劳动数量的限制。不用付出很多，就能得到不成比例的收入，不劳而获，正是我向往的啊！

但是他接着说这条是“最糟糕的建议”。

举例来说，有些职业，比如牙医、糕点师的收入是不可能具有突破性的：他们受到在既定的时间内服务的客户的最大数量的限制。最多是扩大生意规模，或者成为网红，但是收入是有上限的，你不可能靠烘培赚到卖波音飞机的收入，这既是“没有突破性”的职业。

还有一些职业，如果干得好，能让你的收入（产出）十倍、百倍地增长，同时又不用额外付出努力。例如，对于脑力劳动着，不用太卖力，只需要多想，产出是100和1000时，做的工作是一样的：打同样的电话，做同样的计算，确认同样的工作计划。

录音师和电影演员也是一样，只需要把机器设置好，而不必在每次播放电影时都出现。作家吸引一位读者和吸引数亿读者，需要花费的努力（写作）也是一样的。

所以这么看起来，投机者与体力劳动者的区别是看待行为世界的有用方式。为什么这个职业建议是糟糕的？

收入具有突破性的职业，只有在你成功的时候对你是有益的。这样的职业竞争更激烈，在努力和回报之间存在巨大差异，少数人获得蛋糕的大部分，就是我们说的—赢家通吃，其他人可能什么也得不到。

这一条建议只是帮助我们建立了一个不确定性和知识的思想分支，在职业选择上是错的。

想想今天的直播带货，头部的李佳琦、罗永浩们夺走了几乎一切，剩下的人几乎什么也得不到。而还有无数人趋之若鹜，网络带给人们的界限的坍缩感，让很多人有了“我也可以”的错觉。

艺术领域更糟糕，我们通常在人们取的成功之后才称他们为“天才”。如果一个电影演员没有一部成名作，不会有人说“他是为电影而生的”。

领域特殊性

遗憾的是，我们没有生活在平均斯坦里。我们在日常生活中运用的推理机制也不适用于复杂的环境。

举例，你所生活的城市有两家医院，一家大，一家小。某一天，其中一家医院出生的婴儿中60%是男孩，有可能是哪家医院？

我的直觉是大医院，我不知道为什么，硬找原因，可能是婴儿基数更大，或者大家更信任大医院？

但是我们知道，1:1的男女比例是正常的。而统计学上，大样本更稳定，对长期平均值（50%）的偏离更小。

“领域特殊性”的意思是，我们的行为反应、思维模式和直觉取决于事物的背景，进化心理学家称之为事物或者事件的“领域”。

医学上有个首字母缩写词NED（Not Evidence of Disease），没有证据表明存在疾病。但是没有END（Evidence of No Disease），这是我们，甚至医生也会犯的脑回路错误。

扁桃体的问题，我小时候扁桃体经常发炎，许多医生建议切除，医生从不怀疑这一“无用”的器官可能有着他们没发现的功能，后来医学证明切除扁桃体可能导致更高的喉癌风险。

即使在检验一项假设时，我们也习惯于寻找证明假设正确的事例。当然，我们很容易找到证据——我们只需要去找，或者让研究者为我们找。

证伪与证实

和没有证据存在疾病（NED）一样，我们可以推出来，发现一处恶性肿瘤证明有癌症；但是没有发现肿瘤，不能得出没有癌症的结论。

这里有点像逻辑中的取反，或者数学中的逆反定理。我们马上说他的用处：我们可以通过负面例子接近真相，而不需要确凿的正面证据！

什么意思呢？

对一些事情，我可以持怀疑态度（可能是通过归纳法得出的结论），但是对于另外一些事情我是确定的，因为我有反例。如果你需要确定病人是否健康，可能做一系列常规或非常规的检查，并且对结论持谨慎态度；但是要确定病人有癌症，只需要在他身上找出恶性肿瘤即可。

所以，有时候大量信息会变得毫无意义，但是少量信息却意义非凡。

这是卡尔波普尔（Karl Popper）提出的单边半怀疑主义。

昨天在听一档博客《得意忘形》的时候，主理人张潇雨偶然说起来做自己（be yourself），说觉得做自己就是要“不要不做自己”。和这个说的其实是一个道理。比如你今天突然想穿一件不是自己风格的衣服，会忍不住想，这不对吧，这不是我（not myself）。但是你其实去做就是了，你自己就是此刻想穿这件衣服的自己，不要不做自己。探索和扩张是有益的。

回到卡尔波普尔，他为这种不对称性提出了一项重大理论（《科学发现的逻辑（Logik der Forschung）》—1934年），基础是“证伪”的方法，旨在区分科学与伪科学。

在这种不对称性之下，不存在确定真理，我们处在“开放”社会。

卡尔波普尔提出证伪的重要的方法是猜想和反驳：提出一个大胆的猜想，寻找证明该猜想错误的事例。我们可以直接检验某个规律，着眼于该规律奏效的事例，也可以间接证明，着眼于它不奏效的地方。

这其实是很难的。因为我们天生就有特别和微妙的归纳直觉。我想到孩子确实通过几次在大人面前摔玩具的行为，得出了摔东西不对的结论，因为大人每次都生气。他可能是在第一次就意识到这个行为不对，朦胧中有这个想法，然后用多次“实验”来验证了这个猜想。

我们天生喜欢自己提出一个理论，然后通过无数次“脑补“、完善，以证明”它是对的“。尤其在需要迅速决策的时候，这种迅速推理的特征表现的尤为明显。想想自己在十字路口绿灯倒数的几秒中，是不是想了“每次大家都冲了没人管的，行人傻到抢这几秒的概率太低了，这不算闯红灯因为经历好几次了”云云，直到真的碰到了“黑天鹅”—车祸之前，一直会有“这座城市的人开车都很规矩”、“行人都很遵守交通规则”的理论，而忽略媒体上罕见的本市车祸报道。

我们当然不会傻到没有看到某个人死，就相信他长生不老。因为“一般”来说，人都会死。这个“一般”是经验，也是我们从对祖先的学习成果中，归纳出的结论。

但是环境比我们本能意识到的更为复杂。存在许多无法被“一般”化的事物，即极端斯坦。我们无法断定一名作家的作品能不能大卖，市场会不会崩盘，俄罗斯的军事政变会不会导致世界大战的爆发。这些问题远比远古人类遇到“人会不会死”的问题，所处的环境要复杂的多。我们习惯于迅速推理并找出看似合理的解释，并有犯“过滤性错误”的习惯。这正是我们的困境所在。

困局

农场主与火鸡

看了前段时间热门的《三体》，可能都对反复唠叨的农场主与火鸡的隐喻印象深刻。

这个隐喻是大哲学家罗素在阐述他同行所谓的归纳问题时举的例子。抛出的问题是，我们如何知道我们通过已知事物与时间，便足以使我们推断出他们的其他特性的？我们如何在逻辑上从特定的个例走向概括性的结论？我们如何知道我们已经知道？

从观察中获取的任何知识中，都有陷阱。我们如何从（有限的）已知推测出（无限的）未知？

火鸡问题可以推广，“喂你的那只手，也可能是拧断你脖子的那只手”。

进一步讨论归纳法最令人不安的一面：反向学习。假设这种经验并不是没有价值，而是“负价值”，随着喂食的次数增加，信心也增加了，虽然被屠杀的危险越来越近，但是感觉却越来越安全，即危险最大时，安全感却达到最大值！

银行总是盈利的，并且当出现问题时，总是政府背锅。当“具有风险意识和安全策略”的的大银行面临财务压力或者濒临破产时，政府总会站出来保护它们，花的是纳税人的钱：当“保守的”银行家盈利时，他们拿走利益；当受伤时，纳税人支付成本。

叙述谬误

我们喜欢脑补细节，让事实看起来更合理，无论这些脑补是否是编造的。举个例子：如果我问你美国有可能发生多少例肺癌，你会提供一个数字，比如50万。但是，假如问的是多少例肺癌是“由于”吸烟发生的，你可能给出大得多的数字，比如150万。

可以看到，加上“由于”一词，使得问题变得容易理解，也更有可能发生：我们脑补了抽烟者的肺（几乎全黑）、抽烟人数和比例，以及电视、地铁上闪回的戒烟广告。我们拿到了吸烟必定高度致癌的结论，这显然比毫无理由的癌症更容易发生。

叙述谬误来自于过度解释，即简洁的故事、过度归纳。它指的是我们无法在不编造理由或者强加一种逻辑关系的情况下，观察一系列事实。解释和事实混在了一起，让事实更容易被记住，更符合道理。让我们以为自己对事物有了更好的理解。

有几个特征：脑补细节（故事性），歪曲顺序。导致叙述和事实有偏差。

作者认为，另外一个原因是信息在大脑里的存储和提取顺序。这有点类似于关系型数据库。

人有大约1000亿个脑细胞，巨量的信息存储和提取，需要索引。文字或者符号的表述越有条理，越不具有随机性，越符合固定模式，越容易在大脑中存储和提取。这是关系型数据库的特征：固定的表结构，固定的关联模式，方便建立的索引。

一旦找到了模式，找到一系列事物的逻辑，就再也不需要记住所有的事情，你只需要保存这个模式。这个模式是精简的原始事实（我们喜欢找规律）。我们总是想预测接下来要发生什么，因为当下的事物必然或者看起来符合我存储的某种模式。

另外一个更麻烦的事情是，我们会按自己的理性，去重整一系列事件顺序（而不是他们真正的顺序），以让他们复合我们的某个模式，使历史事件看上去比实际更可解释。

逻辑学家W·O·奎因（W. O. Quine）在一个著名论点中指出，对于特定的事实，存在逻辑上一致的多种解释和理论。这一观点警告我们，某件事不显得不合理，或许并不足以证明它合理（负负不一定得正）。

我们讨厌抽象的东西。一个死于骑摩托车的亲戚，比大量统计分析更能影响你对摩托车的态度。你可以毫不费力地在网络上查看事故统计数据，但它们进入你的大脑并不容易。

叙述谬误的危害

叙述谬误会很大程度上影响我们对黑天鹅事件对理解。由于脑补了很多细节，导致充满了情感事实而显得合理，这意味着以为的概率变大。

然后我们的决策错误发生了。

在911之前，没人担心此种恐怖事件（至少是在美国），我们从历史中学习，但是会忽略从未发生过的事。和伊斯兰世界的文化和军事冲突一直存在，但是从未在美国本土发生如此大规模的事件，也没人预测此种事件。

然后它发生了，突然人们开始预测此类事件会再度发生，恐慌导致人们更倾向于购买恐怖袭击保险而不是一般保险，很多人震惊害怕而不敢投资。

此时人们的担忧，针对的是错误的“不可能”事件，我们以为在谈论的黑天鹅，其实已经不是真正的黑天鹅。

系统1和系统2

在《思考，快与慢》中，卡尼曼认为我们的大脑有快与慢两种作决定的方式：无意识的“系统1”，依赖情感、记忆和经验迅速作出判断，它见闻广博，使我们能够迅速对眼前的情况作出反应；有意识的“系统2”，通过调动注意力来分析和解决问题，并作出决定，它比较慢，不容易出错，但它很懒惰，经常走捷径，直接采纳系统1的直觉型判断结果。

想一下回路错误：当我们混淆”无法证明有黑天鹅“和”证明没有黑天鹅“的时候，表明系统1在工作。

我们对黑天鹅现象的误解，大部分归因于我们对系统1（叙述）以及情感（包括情绪）的运用，这使我们对事件发生的可能性产生了错误的判断。

我们还习惯于在一个黑天鹅现象发生之后立即忘记所有黑天鹅现象的存在，因为它们太抽象了，相反，我们只注意到容易进入我们思维的精确而生动的具体事件。我们确实担心黑天鹅现象，但弄错了担心的对象。

总结一下这一部分：

我们喜欢故事，同时我们的情感功能也是为线性因果关系设定的，所谓线性因果，就是我们的稳定投入总会对另一个变量的产出产生影响。我们喜欢这种“一分耕耘，一分收获”的感觉，例如健身，这个人生中极少的“只要付出，必定会有收获”的事情，不管你动作多么不标准，组间休息多长，只是进步慢一点，但是肯定会有。

同时更多的情况下，我们极少能获得令人满意的正面进展，可能一年思考一个问题，最终毫无收获。但是可能在准备放弃的时候，某种成果又突然冒出来了。这就是非线形的，即我们常说的“这不公平”—科学家经年累月的严谨钻研却毫无头绪，却在某次失误中得到结果，这种例子我们能举出很多。

世界上真的有人就是在等待让别人大吃一惊的黑天鹅事件。有点像我们所谓的“一年不开张，开张吃三年”。他举了一个证券交易员罗尼，在近20年的交易生涯中，只有4年业绩是好的。事实上，他只需要在100年当中有一年好就足够了。他采取了一种“流血”策略：很长一段时间里每天损失一点点，直到某个事件发生，获得不成比例的回报。策略的详情属于商业机密。

黑天鹅事件的等待者，经常因为努力而感到或者被迫感到羞耻，产生负罪感，“你辜负了那些对你高度期望的人”。这些人包括风险投资人、艺术经纪人等等。

如果你从事一项依赖于黑天鹅的职业，加入一个群体是更好的选择。因为出于很多原因，我们需要别人来得到尊严和尊重。

沉默的证据（幸存者偏差）

历史既向我们隐藏了黑天鹅现象，又隐藏了它制造黑天鹅现象的能力。投射到我们生活的世界，通常叫做“幸存者偏差”。之所以叫“偏差”，就是在提醒我们，应该同时考虑死去和活着的人，而不是只考虑活着的人，这样才能评估扭曲程度并修正它。

警惕赢家通吃效应影响的行业

前面说过报酬”具有突破性“的职业，事实上几乎所有的成功故事都来自于这些行业，因为投入和产出比是戏剧性的，足够博眼球，我们也隐约知道太把他们当回事是不应该的。原因就是我们没有看到全部事实。

回顾历史，我们称之为“文学遗产”的东西其实只占积累文学产出的很小一部分。例如，传说亚里士多德的著作保存下来的只有大概三分之一，而苏格拉底全靠聊天，没有直接文本存世。

失败者就更别提了，他们失败者根本不写回忆录，或者是从大起到大落（自传如溥仪算一个）。读者买书，也不是为了他如何失败的，即使它包含着比成功故事更多的实用技巧。自传作品中人们也是更关注成功故事。当然，他们的吸引人的原因还在于，武断地把某些品质和事件连接成因果关系，这和我们对待一系列历史事件的模式是相似的。是的，我们都喜欢听故事。

失败者和成功者完全不同吗？不是，他们也有勇气、冒险精神、乐观，同那些百万富翁意义。不同的只是运气，没错，只是运气。

通过事后决定论的机制，我们会找到“原因”，我们需要找到原因。有原因才能让事件变得可认识，可分析。

我们回到赢家通吃效应，现实中，挨饿的演员比挨饿的程序员多，赚不到钱的互联网创作者比毫无收入的会计师多。这种偏差有个特点：在它造成的影响最大时，隐藏的最好。不赚钱底部群体，不在我们的视线里。也就是我们看到的：网红一场直播好几亿好赚钱，演员一部戏几百万好赚钱。更大的样本其实已经从证据中剔除了，这种收入差距越大，你在所谓的加强效应上所受的愚弄也越大。

赌博中有个说法“新手都运气好”。经验上看好像是对的：研究者证实赌徒确实一开始有运气（股市投机者也一样），后来运气会慢慢变差。这其实是错觉，刚开始赌博的嗯要么走运，要么不走运，走运的人感觉自己受到命运的垂青，继续赌；其他的感觉失望，会停止赌博，被剔除了样本。这就是新手的运气（失败者不会说自己坏运气）。

人们所说的“游泳运动员的身材”也是类似的情况。

当问别人不同运动员的身材有什么差别时，得到的答案是跑步运动员很瘦，自行车运动员屁股大，举重运动员下盘低腿粗壮。

我们先把因果解释放在一遍，假设个人基因的差异使他具有特定的身材，那些天生有可能成为游泳运动员身材的人，会成为更好的游泳运动员，他们就是你看到的“头部运动员”。不是特定运动员有特定的身材，而是特定的身材被定向发展成了特定的运动员。更多的“身材不佳”的人，根本没机会被看到。

再看911事件，大约2500人直接死于世贸中心的双子塔袭击。遇难者的家属得到了各种机构和慈善团体的捐赠。但是，根据研究结果，在余下3个月，将近1000人成为“沉默的受害者”，因为害怕做飞机而转开车的人，面临了更高的死亡风险。

我们对沉默的证据的忽视每天都在致人死亡。假设一种药物可以治愈许多人所患的致死疾病，不过有可能导致少数人死亡。这对社会总体上是有益的，医生会开这种药物吗？不会，他没有这样做的理由。被副作用伤害的病人的律师会像打狗一样缠着这名医生，而被救的病人或许从此再也看不见踪影。

放大到城市的体量也是如此。想想人们通常说的“韧性十足的纽约”，出于某些似乎超越现实的原因，每次濒临灾难的时候，它都成功地摆脱困境并东山再起。被描述成纽约的“内在品质”。这也是幸存者偏差，总有些城市是要在严酷环境中生存下来的，基于事后分析，他们总能描述出类似的叙事：我们的敌人多次试图毁灭我们，单我们总能重整旗鼓，变得更强大。

灭亡才是常态，地球的存在就是巧合，没错这很《三体》。地球、人类、包括我们，都是非常幸运的，进化的随机的，并不存在什么最优选择。进化是一系列侥幸的成功。我们只能看到好的，那些不好的可能很快就灭亡了，也无法再诉说自己的不同之处。

所以，一个成功的人，会努力让你相信他的成功不是偶然的，即使在俄罗斯转盘连赢7次的赌徒（百万分之一？），也会说服你他有独特的幸运数字和厉害的洞察力。于是似乎这种非同寻常的事件，看起来就可以解释了，真的是这样吗？

不要被因果观念洗脑，我们以为说“因为”比接受随机性看上去更聪明。谨慎使用“所以”，努力只在由实验而不是分析得出结论才使用这个词。

游戏谬误

我们经常说，为什么那么多人在校成绩好最后一事无成，而学习差的最后赚大钱、买钻石？作者有个独特的观点：除了运气，学校知识的简化与反启蒙特性，阻碍了人们对现实生活的理解。虽然学习好，硕士、博士更讲究科学性，但是从社会意义上不一定。简化的知识，在原生态、现实生活中不一定有用。

说到风险，我会想到赌博。人们通常认为，赌场的风险在于走运的赌徒在胜局中赢走大量的钱，还有作弊者通过欺诈手段拿走钱。赌场管理者也这么想，所以配备了高科技监视系统来监控投机取巧的人。

赌博是被简化和驯养的不确定性。赌场里我们知道规则，能计算概率，我们遇到的不确定性是温和的，属于平均斯坦。

但是实际生活中是不知道概率的，需要取发现它，而不确定的来源，也是不确定的。

如果不作弊，大部分单个的赌徒，输赢对于赌场来说都微不足道，因为总体看来，情况非常稳定。而不确定大多来源于天灾（飓风、大规模停电）、人祸（火灾、老板女儿被绑架）等。