读《事实》：4 个本能，4 个配方实验室里的修正

打开 Hans Rosling 的《事实》之前，我先做了书前面那 13 道判断题。书上写"如果你都能做对，那你对世界的认知大概就对了"。

我做对了 3 道，剩下 10 道全错。

错得连随机都不如——按瞎猜也有 33% 正确率，我比瞎猜还差。

这种感觉让人不太舒服。书里的每一道题都在说：你以为你以为的世界，大部分是不对的。

但读完整本书之后，我意识到这种"被戳穿"的体验比读完爽文值钱多了。一个配方科学家每天要在不确定性里做判断，如果对"真实世界长什么样"的底层直觉都是错的——那我看数据、预测稳定性、评估工艺路线的根基，可能就建立在一堆错觉上。

这篇文章是我读完《事实》之后想记下来的东西：4 个本能（笔记里已经列出前 4 个，但第 4 个我只列了伤害分类、没写完，本文补完整）、它们的修正手段，最后再加一节——作为一个配方科学家，我把这 4 个本能放到我的日常决策里，发现它们比"知识"值钱得多。

视频讲解

1. 那个 13 题测试，到底测了什么

13 题我没有全记下来，但有几道印象很深：

"今天全世界有多少 1 岁儿童接种过疫苗？" 我选了 60%。答案是 80%。
"全世界最贫困的人口，生活在哪个区域？" 我没多想就选了"南亚/非洲"。答案是非洲撒哈拉以南，但占比低于大多数人的直觉印象。
"过去 20 年，全球极端贫困人口比例怎么变？" 我选的是"基本没变"。答案是几乎减半（从 1997 年 ~29% 到 2017 年 ~9%）。

第二道题，我没有任何信息、就是凭"地图+颜色"在猜——这就是 Rosling 说的"一分为二的本能"在起作用：非洲和南亚在我脑子里一直是"落后国家"的标签，但只要数据一摊开，那种"标签驱动判断"的直觉就立刻破产。

更重要：每一道题背后，作者都放了 Gapminder 网站的真实数据（人均收入、儿童生存率、能源使用、疫苗覆盖率）。Rosling 是公共卫生学者，他的所有结论都不是道德说教，是可以直接被验证的图表。

一个科学家最喜欢的"被说服"方式就是：给我数据、给我方法、让我自己重复出来。

2. 4 个本能，4 个配方实验室里的修正

2.1 避免一分为二观念

一分为二的本能会误导我们，把平滑过渡当作两极化，把和而不同当作分道扬镳，把求同存异当作矛盾对立。

Rosling 提的一个最简单的修正：用四分级代替二分级。

第一级：每天收入 1-2 美元
第二级：每天收入 2-8 美元
第三级：每天收入 8-32 美元
第四级：每天收入超过 32 美元

1965-2017 年全球 GDP 数据一摊开，多数人口"挤"在第二和第三级的中间地带，根本不存在一个"发达国家 vs 发展中国家"的鸿沟。绝大多数所谓的"发展中国家"，其实早在 80 年代就走进了第三级。

Rosling 用了 1965–2017 的全球 GDP 和生育数数据来证伪这种二分直觉。但这里有个他反复提醒的关键：注意平均数陷阱——一旦你只看平均数，就会掉进另一种错觉。

比较平均数的做法：注意"平均"，但更要注意实际分布。例如人均 GDP 看起来差异巨大，但全球大多数人的人均 GDP 高度集中在中位数附近，不是平均数告诉你的那种"两极化"。
比较极端情况：如果你只看最高和最低，会觉得世界越来越分裂；但如果你把 80% 的人口的实际分布画出来，分布的"中间地带"远比想象厚。
俯视不仰视：很多误解来自"从上往下看"——先看总量再下结论。正确的姿势是先看分布，再下结论。

2.2 避免负面思维

"世界正在变得更坏"是个重大误解——这就是负面思维本能。

它来自三个我们都意识不到的机制：

我们天生对坏事的反应更强（演化遗留，坏事会要命）。
过去的事情会被记忆美化，"过去的好时光"滤镜下遗忘掉过去的坏事。
新闻天然选择负面——"循序渐进的进步不是新闻"。

更好和不好是同时存在的；好消息不是新闻；循序渐进的进步不是新闻；更多的坏消息并不意味着更多的坏事情；警惕过分美化的历史。

理解这一条以后，看新闻的方式可以具体到三种操作：

看到一个负面新闻，强制自己问一句"对应的正面数据是什么"——Gapminder、Our World in Data 上几乎每条负面新闻都有相反对面的曲线。
看到 "过去 5 年/10 年变好了/变坏了" 的判断，先去查 过去 50–100 年 的曲线——多数指标在百年尺度上都是稳步上升的，被新闻选中播报的只是最近的抖动。
警惕 "我们小时候全是好的" 怀旧——这是被美化了的记忆错觉。

2.3 避免凡事都直线思维

直线思维本能来自祖先狩猎采集时代的生存压力——看到草丛动就往反方向跑，是有用的简化判断。但这个本能放到今天的世界，会犯一堆错。

Rosling 举的几个反例：

埃博拉病毒的蔓延速度是指数式的——开始看像没什么，明天就是数量级跳跃。直线预测会被指数打脸。
世界人口增长在最近放缓，未来儿童总数几乎无增长——不是无限上升，是趋近一个平台。
女性受教育年限与生育数——不是线性，是 S 形。

更具体地说，自然界和人类社会里至少有 4 种曲线形状：

S 形曲线：从 0 起步，加速，逼近上限（如技术普及、女性受教育率）
滑梯曲线：先快后慢，再平（如新药销售曲线，过了前期快速扩张后平稳）
驼峰曲线：先升后降（如创新扩散中的早期采用者、配方产品的市场生命周期）
指数曲线：从慢到极快（如流行病传播、复利）

预测之前，先看这条曲线是什么形状的——不是假装所有东西都是直线。

2.4 恐怖本能

恐怖本能驱动我们对三类风险过度反应：

1. 人身伤害：人、动物、尖锐物体、自然环境带来的暴力破坏
2. 受困：失去控制、失去自由、被压制
3. 传染：被不可见物质感染或毒害

Rosling 的修正方式很直接——不要被风险的可视性误导，要被数据校准：

风险的可视性越高，记忆越深，但实际发生率不一定高。
现代世界死于暴力（战争、凶杀、恐袭）的比例在下降，但人们对暴力的恐惧感因为新闻而上升。
死于"看不见的危险"（慢性病、空气污染）的人远多于死于"看得见的危险"（车祸、暴力），但前者几乎没有新闻价值。

具体操作：拿到一个"让人恐惧"的事件，先问三个问题——

这件事的发生概率是多少（每年/每万人）？
它的伤害规模在历史尺度上是大是小？
在所有死亡/伤害原因里，它排第几？（如果是前 5，才值得真正担心）

这是 4 个本能里最反直觉的一个，因为它意味着很多时候你以为的恐惧是错的，而且你越是不停地"刷新闻查恐怖"，你对世界的判断就越偏离真实风险分布。

3. 这 4 个本能怎么进到配方实验室

到这里我把书讲完了，接下来是我作为配方科学家最有共鸣的部分——这 4 个本能几乎每天都在配方实验室里以更隐蔽的形式出现。

3.1 一分为二 = 「这配方成功 vs 失败」

配方实验室最大的"一分为二"陷阱，是把配方分成"work vs don't work"两类。

但真实的分布远不是这样——大多数配方都"基本能用，但有几个指标差一点"。用一个标准看是失败，换另一个标准看可能是局部胜利。

一个更安全的框架，是把"success / fail"替换成"多指标分布"：

任何一个配方实验都至少应该列出 6 个正交指标（温度稳定性、泡沫、流变、储存稳定性、pH 漂移、感官评估），不要只看 pass/fail。
这 6 个指标的真实分布通常是参差不齐——某些指标达标、某些不达标、某些意外超预期。整体不是"一分为二"，是多维图谱。
真正的判读，是看哪些指标超预期（意外的成功）、哪些不及预期（需要修正）、哪些完全在意料之中（巩固基线）。这 3 种情况对配方开发各有不同价值。

我现在养成的具体动作：任何一个失败的配方实验，强制列出 3 个不预设的指标，重新看一次。多数时候会发现"一分为二"压掉了一些 signal——而且是 signal 本身被压掉了，不只是结论被压掉。

3.2 负面思维 = 「失败经验比成功经验更有传播价值」

配方实验室有一个反直觉现象："配方失败了" 比 "配方成功了" 更值得讲。

原因是负面思维本能的镜像——成功会被归因到"理所当然"，失败会被认真分析。所以真正有价值的知识，往往藏在负面经验里。

我写实验室周报的时候有个规则：如果一周只写一个"为什么这配方好"，那是新闻稿；如果一周写 3 个"为什么这配方差"，这才是技术积累。

这也是为什么 Gapminder 类工具在配方实验室里可以反向用——与其看"成功配方"的时间曲线，不如看"被替换掉的旧配方"为什么会被替换。被替换掉的东西才暴露了真实工艺约束。

3.3 直线思维 = 「放大曲线的形状比放大倍数更重要」

配方放大（lab → pilot → plant）是配方科学家每天要面对的工程问题，最容易被直线思维误导的环节。

我见过最常见的失败：

搅拌转速从 200 rpm 放大到 1500 rpm：你以为是 7.5× 放大，实际是非线性的，剪切速率对某些工艺是 S 形或对数曲线。
加料时间从 30 min 放大到 8 h：你以为是 16× 延长，但中间涉及的反应/结晶动力学可能是指数敏感。

我现在的默认动作：任何"线性放大"假设，强制画 2 条曲线——一条是真实曲线（数据点 + 拟合），一条是直线预测（虚线）。两条线一旦分叉，就说明这条曲线不是直线的，必须重新评估。

这是 4 个本能里给我最直接、最值钱的工具，能立刻在工艺评审会上拦住"按线性放大" 的提议。

3.4 恐怖本能 = 「最危险的配方风险，往往是看起来不危险的那个」

配方实验室里最典型的恐怖本能陷阱：

已知的急性毒性：人人警惕，所有 SOP 都写明白。真正导致事故和召回的，是慢性、低剂量、不可见的风险——例如某种原料在长期储存下的降解产物、某种助剂在湿度变异下的副反应、某种溶剂残留的累积效应。
"奇怪但罕见"的现象会被报得很响：例如某批次的颜色异常，但长期看，颜色异常和性能问题的相关系数很低。
**"可控但看不见"**的过程：例如某步微量氧化的累计效应，反而是大多数批次变异的真实来源。

具体操作：任何一个工艺变更，先问三个问题——

这个变更有没有被任何可测指标捕获？（颜色、气味、pH、流变、储存后指标漂移...）
如果没有正交可测指标，它就是"看不见的危险"——优先评估而不是延后评估。
它的影响是累积的还是单次的？（累积的远比单次的更危险，因为恐怖本能对单次事件敏感、对累积事件不敏感。）

这一条是我读完恐怖本能章节之后，立刻修正了我的 SOP 优先级：以前我把"看得见的急性风险"排在最前，现在我把"看不见的累积风险"提前到与急性风险并列。

4. 4 个本能，拧成一个"每日提示"

读完之后我给自己留了一个非常简单的提示（贴在实验室笔记本第一页）：

事实 4 提示（每日 1 次，对任何数据判断）：

1. 一分为二了吗？——有没有看真实分布而不是平均值？
2. 负面思维了吗？——更好和不好同时存在；查 50 年曲线。
3. 直线思维了吗？——画 2 条曲线，假设曲线是 S/滑梯/驼峰/指数之一。
4. 恐怖本能了吗？——查"看不见的危险"是不是更重要。

读到一段判断里，只要问完这 4 句——往往一个看起来直觉成立的结论，就塌了。

这就是《事实》这本书最反主流的地方：它不教你新知识，它让你少犯错。

参考资料

Hans Rosling, Factfulness: Ten Reasons We're Wrong About the World—and Why Things Are Better Than You Think (2018)
Gapminder.org（Rosling 创办的数据可视化网站，所有 13 题和全球趋势数据都可查）
Our World in Data（长尺度全球数据，免费开放，对应"50 年曲线"那一节）