第2章 謎題與疑團
在現實世界或政治世界中，難道任何事物真的都是隨機的嗎？愛因斯坦曾道：「上帝不擲骰子。」他相信這世界基本上已經注定了。而且，在某個難以想像的深度理解層面上，這可能是真的。但是，無論宇宙編劇的意圖是什麼，我們這些行動者（演員）都面臨著不確定性，那可能是因為我們的無知，不然便是因為根本的流程不斷地在改變。
金融機構與情報機構的機率學家認為，那種極端不確定的情況非常罕見，他們自認多數重要偶發事件的機率都可以估計。十七世紀以來，以機率術語表達不確定性的情形日益普遍。二十世紀「機率派」加速崛起。在過去的二十年間，機率推理幾乎完全主導了不確定性下的決策描述與分析。
其他作家也做過像倫斯斐那樣的區分，把未知分成「已知的」未知與「未知的」未知。歐巴馬總統任內的國家情報會議主席、美國情報界長年來的資深人物葛列格・屈佛頓（Greg Treverton）曾強調「謎題與疑團」（puzzles and mysteries）之間的區別。
「謎題」有明確定義的規則以及唯一的答案，我們會知道自己何時找到了解答。謎題可以給人明確任務與正確答案的滿足感。就算你找不到正確的答案，你也知道答案一定存在。謎題是可以破解的、是有答案的，只是答案可能很難找到。經濟學家擅長解開複雜經濟模型的難題，正是因為他們所受的訓練就是為了解開定義明確又有答案的問題。諾貝爾獎就會頒給那些解開最難謎題的人。
「疑團」則沒有如此清晰的定義，也沒有客觀正確的答案：它們充滿模稜兩可與不確定性。當我們想破解疑團時，問的是「究竟發生了什麼事？」而且我們知道，即便是事後，我們對疑團的了解可能也相當片面。疑團不會給人「答對」的放心感與愉悅感。哥倫布以為他登陸了亞洲。即便是今天，大家仍在激辯全球金融危機期間或賓拉登躲在巴基斯坦的期間「究竟發生了什麼事？」。中東的未來會怎麼樣？或者，行動運算或汽車業的未來發展會如何？我們熟知的銀行能生存下來嗎？資本主義或民主的未來會是什麼樣子？疑團無法像填字遊戲那樣解開；我們只能找出關鍵的因素，並應用這些因素、以過去互動的方式來估算現在或將來的互動。
謎題可能比較有趣，但是現實世界給我們的是愈來愈多的疑團——那可能是因為結果不可知，也有可能是因為議題本身定義不清。
在需要實際決策的地方，就得像屈佛頓那樣清清楚楚區別「謎題」與「疑團」。一九七三年，城市規劃者霍斯特・瑞特爾（Horst Rittel）與梅爾文・韋伯（Melvin Webber）指出，雖然他們客戶的社區在道路、衛生等方面的明確需求獲得了滿足，但客戶依然不滿意。客戶需要更多的東西，但規劃者並不知道客戶需要什麼，居民也無法清楚表達自己的需求。因此，瑞特爾與韋伯把問題區分成「順手」（tamed）與「棘手」（wicked）兩類：順手的問題是已經解決的問題，棘手的問題是可能永遠無法解決的問題。如今這些術語常常用於社會政策與醫療上。 摔斷腿屬於順手的問題；但許多患者的症狀難以診斷出病因、需要接受治療，但治療結果又不確定，他們的醫生就必須解決棘手的問題。工程師也會區分謎題與疑團，並為二者各自取了專業術語：「隨機不確定性」（aleatory uncertainty）與「認知不確定性」（epistemic uncertainty）。氣象記錄會描述橋梁可能會接觸的一般潮汐與風（隨機不確定性），但由於每座橋梁不同、橋梁的位置也迥異，潮汐與風對這些結構的影響是永遠無法完全知道的（認知不確定性）。潮汐與風是已知頻率分配的主題（有圖表顯示特定的潮汐大小與風速的發生頻率），但不確定性依然存在，因為每個複雜的結構必然是獨特的。區分「可用機率描述的不確定性」與「圍繞著每個獨特專案或事件的不確定性」對於各種實務知識的運用至關重要，也是本書論述的核心。

第7章 機率與最適化

▍風險的意義
《牛津詞典》把風險一詞定義為「不愉快或不好的事情發生的可能性」，這也是摩根大通（J.P. Morgan）的董事會、典型的家庭、賽車手或登山者所理解的風險。 風險的一般意義指的是不利事件，而不是有利事件。
風險是不對稱的。我們不會聽到有人說「我有中頭彩的風險」，因為他們並不會把中頭彩視為風險。他們甚至不可能說「我有槓龜的風險」，因為他們其實沒有預期自己中彩券。風險的日常意義是指危及個別家庭或機構的現實期望的不利事件。所以，風險的意義是家庭或機構計劃與期望的產物。風險必然會因人而異。風險對摩根大通的意義，異於對滑翔傘運動員或登山者的意義，也異於想為退休或孩子教育而儲蓄的家庭所想的意義。
很多時候，我們擔心的風險不是對現狀有風險，而是對我們改變現狀的計劃有風險。我們制定商業策略及退休計劃。我們把積蓄拿去投資或從事新規劃，例如度假或建築工程。我們做那些事情時，都對結果有所期望——那些期望是一種敘事形式，而不是機率形式。我們從來沒聽說過「今年度假的價值有七○％的可能性比實際付出的金額多一百英鎊」這種話，我們常聽到的說法是，他們預期今年的假期是有史以來最棒的，或是在假期結束後才說他們大失所望。

▍參考敘事
我們認為透過「表達實際期望的故事」，即「參考敘事」（reference narrative）的概念來了解對風險的態度才是最好的方法。對摩根大通而言，最重要的參考敘事是銀行持續獲利成長。一家大企業有很多策略可以在其營業領域中實現那個最重要的目標，旗下每個事業單位也有一個相關的參考敘事。有些事業單位的參考敘事可能風險很大，但只要那個事業單位的參考敘事不危及整個組織的參考敘事，公司就有可能會包容那種風險。
家庭同樣也有最高層級的幸福與安全目標，以及許多附屬的敘事——例如買房、支付孩子的教育費用、享受舒適的退休生活。對一級方程式賽車的世界冠軍來說，風險可能是阻止他贏得比賽的因素；但是對比較沒那麼優秀的賽車手來說，風險是沒達到一個好看的名次；對觀眾來說，風險可能是賽車在第一個拐彎處偏離車道。登山者面臨的風險是那些阻止他到達頂峰的事件。風險的意義因個人、家庭或機構而異。
在歐巴馬下令海豹突擊隊突襲阿伯塔巴德的那場會議上，有一段參考敘事支配了那場會議。直升機會降落在那個基地，突襲隊衝進大樓。我們假設（但不知道）這裡有個不言而喻的前提：賓拉登將在這場突襲中遭到擊斃。無論他是死是活，他都會在美國的羈押下，由飛機運離巴基斯坦。那段參考敘事或多或少描述了實際發生的事情。
但許多事情可能會打亂那種敘事。那次行動可能遇到設備或後勤問題（一九七九年營救德黑蘭人質的行動，就是因為遇到突發問題而失敗）。賓拉登可能不在那個基地裡，因為美國的情報有誤，或突襲時他剛好不在。總統與顧問針對這些風險進行辯論，並討論適當的因應措施。最棘手的問題是，萬一巴基斯坦軍方迅速察覺這次美軍行動並動武回應，美方該如何處理。首要目標是確保參考敘事是穩健且有韌性的。風險管理的關鍵，就是辨識參考敘事是否有穩健又有韌性等特質。
由於不同的人有不同的參考敘事，不同的人可能以不同的方式評估同樣的風險。在一家公司工作的員工所面臨的風險，可能與該公司股東所面臨的風險不同。對一九七○年代抗拒開發小電腦的IBM高管來說，他們的風險在於：個人參考敘事是以公司既有的商業模式為基礎，開發小電腦可能導致他們的個人參考敘事貶值，連帶他們的公司地位與專業也會跟著貶值。
風險是指預測敘事（projected narrative）的發展不如預期，而預測敘事是從現實的預期推估出來的。快樂的父親滿心期待著女兒的婚禮，他心裡想的參考敘事是一切按照計劃順利進行。他知道有很多種風險存在，例如新郎臨陣退縮、傾盆大雨淋濕客人等等。那種評估中隱含著一種風險的衡量——結果可能與預期相差不大，也可能相差很大。該風險的規模也許可以量化，也許無法量化；可能發生在事件之前或之後。但這種詮釋方式跟後來主導計量金融及許多經濟學與決策理論的觀點（亦即風險可以視同結果的波動性）截然不同。

第17章　金融界

▍更多金融敘事
第12章提過，經濟學家席勒主張，想了解經濟行為為什麼會出現又大又有破壞性的變化（無論是股市泡沫與崩盤，還是經濟蕭條期間的產出驟減），就得了解情緒的波動。
但席勒對敘事的關注是片面的。他用敘事的概念來解釋世人稱為「風潮」的行為；換句話說，儘管敘事可用來解釋行為，但他認為敘事偏離了「理性」的最適化行為，所以是非理性且情緒化的。套句他的說法，「在一般人之中，敘事往往有些不誠實，帶有操縱性」，「因此經濟敘事所涉及的行為，往往是因為聽到別人說自己做了哪些事情而跟著去做。」
但敘事之所以重要，不是因為人類行為的弱點，而是因為我們需要在極端不確定的世界中做決策。的確，在某些金融市場中，敘事有時「不誠實、帶有操縱性」，但一般人是誠實地使用敘事來了解環境，並在極端不確定性下用敘事來指引他們的決策。我們需要一個敘事才能回答「究竟發生了什麼事？」
一些真實事件確實改變了經濟的基本面以後，有感染力的敘事往往會影響金融市場。由於敘事的傳播一定是循序漸進的，隨著後來的人跟風抬轎，最先相信那個敘事的人可能會獲得豐厚的報酬，而且評論者往往誇大了經濟發展的速度與規模。大家普遍認為，世人容易高估一項新技術短期的影響，而低估其長期的影響。
關於金融泡沫的開創性著作，首推查爾斯・麥凱（Charles Mackay）的《異常流行幻象與群眾瘋狂》（Extraordinary Popular Delusions and The Madness of Crowds）。這本書寫於一八四○年代的鐵路狂熱時期，追溯了早年充滿感染力的金融愚行，從一六三○年代的荷蘭鬱金香狂熱，一直談到一個世紀後的南海泡沫。最近有學者對荷蘭鬱金香狂熱的性質和規模提出質疑，那個風潮看起來似乎特別愚蠢；然而，把那些風潮歸因於妄想，並未點出那些敘事中常見的真理核心。沒有人會懷疑，十八世紀開始的國際貿易成長、十九世紀的鐵路建設，或一九二○年代無線電與商業航空的發展等等，都是讓經濟脫胎換骨的轉型事件。
同樣地，投資者肯定以下的事實也是正確的：一九七○年代與一九八○年代日本製造商的成功，不僅使日本崛起為主要經濟大國，也是新興市場經濟體更廣泛成長的前兆。不過，隨著資產價格泡沫的膨脹，這個事實也無法證明日本股票及房地產的價值是合理的。後續十年，在其他的新興市場中，幾乎立即重複了同樣的過度擴張與反應——比方說一九九九年的「新經濟」泡沫，以及歐元上路後，歐陸各地的利率趨同期間。在這些例子中，隨著更現實的情況終於出現，投資者都損失了大量的資金。敘事的崩解是比敘事的傳播更迅速的流程。我們寫這篇文章的時候，金融媒體上充斥著鬱金香狂熱引發泡沫以來最薄弱空洞的故事——想像加密貨幣在未來將接掌全球貨幣系統。像流行小說一樣，比特幣現象結合了幾個經久不衰的敘事——自由意志主義者想像一個沒有國家干預的世界，神奇科技的力量，以及「創造貨幣」的謎。

第21章　實用知識

▍經濟學家與極端不確定性
社會學家的公共角色是提供必要的資訊，讓必須在極端不確定下行動的政治人物、公務員、企業家與一般家庭能夠做決策。為了達成這個使命，社會學家可以藉由解釋「究竟發生了什麼事？」來從旁協助，也就是提供一個連貫、可信的敘事，並建立決策的背景脈絡。這些敘事可能包括故事（文學虛構內容），或數字（由大資料集或小資料集建構，比如經濟的統計資料或社會調查結果），或模型（那些看似有精確解方的小世界描述）。在經濟學、商業、金融學中，這些類型的推理通常是相關的。
經濟學家無法告訴政策制定者該做什麼決定，但他們可以幫助政策制訂者思考問題，並提供相關的資訊。社會學家的敘事就像專業從業者的敘事——例如醫生的診斷、工程師的專案說明、律師的案例陳述。相關敘事的挑選取決於問題與情境脈絡而定，所以小說、數字、模型的選擇，需要針對問題與情境脈絡進行判斷。我們試圖建構的敘事既不是真的，也不是假的，只有實用或不實用的區別。 在挑選敘事時，判斷需要兼容並蓄且務實去華。身為經濟學家，我們既不是新古典經濟學派，也不是新凱因斯學派或奧地利經濟學派、社會主義派、行為學派。但是，如果這些思想學派能在特定問題的情境脈絡中提供相關的見解，我們願意採納任一或所有的學派。有些學派聲稱他們根據一種對世界的通用先驗主張，為問題提供廣泛的答案——我們對這種學派都抱持懷疑的態度。
疑團無法像謎題一樣解開。在疑團中推理需要承認疑團的模糊性，並充分化解模糊性好澄清思緒。然而，即使是擬定一個問題，也需要具備技巧與判斷力。這是經濟學家能做的最重要貢獻之一。首先必須擬定一個疑團（無論好壞）來幫助大家在極端不確定下做出必要的決定。擬定要從找出關鍵因素及組合相關資料開始做起，這需要應用這些因素過去如何互動的經驗，並評估它們未來可能如何互動。決策流程需要了解問題所在的廣泛情境脈絡，多數判斷需要傳達給他人，且實施時也需要他人的協助。

第22章　適應極端不確定性

▍質疑敘事
在不確定性下做出成功的決策，是一個協作的流程。得出最佳解釋之後，應該讓那個解釋訴諸公評，並準備好在新的資訊出現時，改變指引的敘事。喜歡奉承的人所犯的錯誤（例如小布希規劃伊拉克戰爭，或雷曼執行長富爾德導致公司的毀滅），與不怕誠實批評的人所締造的成就（史隆打造出全球最成功的公司通用汽車，甘迺迪因應古巴導彈危機的挑戰）形成了鮮明的對比。小布希政府中的共和黨思想家認為，在伊拉克迅速建立證券交易所是穩定與民主的核心構件，但這是從先驗主張所構建出來的敘事，而不是因為他們對伊拉克的政治與文化有具體的了解。我們應當特別注意來自「通泛」的解釋、意識形態、宏大理論，或根據抽象推理的形式公理所衍生的刺蝟敘事。在日常生活中，我們經常得面對獨特的情況，需要多元化的方法與模型因應。

（更多精彩內容：請詳見《極端不確定性：為不可知的未來做決策》）

第2章 謎題與疑團
在現實世界或政治世界中，難道任何事物真的都是隨機的嗎？愛因斯坦曾道：「上帝不擲骰子。」他相信這世界基本上已經注定了。而且，在某個難以想像的深度理解層面上，這可能是真的。但是，無論宇宙編劇的意圖是什麼，我們這些行動者（演員）都面臨著不確定性，那可能是因為我們的無知，不然便是因為根本的流程不斷地在改變。
金融機構與情報機構的機率學家認為，那種極端不確定的情況非常罕見，他們自認多數重要偶發事件的機率都可以估計。十七世紀以來，以機率術語表達不確定性的情形日益普遍。二十世紀「機率派」加...

前言　追求效益最大化的神話

四十年前，我們寫了一本廣受好評的書，名為《英國稅制》（The British Tax System），書中描述英國稅制在知識與實務上的失敗。我們既不是從零開始發明稅制的學術文人，也不是沉浸雞毛蒜皮細節的稅務會計師。當時我們只是年輕的學者，試圖探究英國稅制在實務上是如何運作的，然後再根據少數幾個深思熟慮的原則來設計改進方案。四十年後我們各自發現，經濟學本身也面臨類似的挑戰，需要重新檢視。因此我們決定再度攜手合作，而這本《極端不確定性》就是我們合作的成果。
《英國稅制》的銷量很好，改版好幾次，在那次合作之後，我們的職涯朝向不同的方向發展。約翰・凱（John Kay）成為英國財政研究機構（Institute for Fiscal Studies）的所長，創立了一家著重商業經濟的顧問公司，出任牛津大學賽德商學院的首任院長，並為《金融時報》撰寫專欄長達二十年。莫文・金恩（Mervyn King）先在英美多所大學擔任教授，後來加入英國央行擔任首席經濟學家，並於二○○三年到二○一三年間成為英國央行總裁。
在這四十年間，我們看到經濟學變成一種解決實務問題的方法，也目睹其局限性。身為研究者，我們採用了傳統的方法，透過傳統假設（家庭、企業，乃至於政府採取行動時，是為了追求最佳結果）去了解經濟行為。我們學到，想要解決經濟問題，應該要先問理性的個人正在追求什麼的最大化。企業在追求股東價值的最大化，政策制定者在追求社會福利的最大化，家庭則在追求幸福或「效用」的最大化。如果企業沒在追求股東價值的最大化，我們便可推斷，它們肯定是在追求其他東西的最大化，例如企業成長或高階管理者的薪酬。
他們最佳化的能力畢竟有限，從一些限制可以看得出來，例如：企業的限制是投入與產出之間的關係，政府的限制是不同政策的可行性，家庭的限制則是預算多寡。由於社會學運用的數學技巧愈來愈多，這種行為的「最佳化」很適合套用在社會學上。如果企業、政府、家庭面臨的問題可以用定義明確的模型來表示，那麼只要評估問題的「最佳」解方，就能預測他們的行為。
儘管以這種方式來思考可以學到很多東西，但實務經驗顯示，這些經濟行為者根本沒有在追求任何東西的最大化。這不是因為他們笨（雖然有時他們確實很蠢），也不是因為他們不理性（雖然有時他們確實不理性），而是因為下令追求股東價值、社會福利或家庭效用的最大化，並不是合理的行動指示。商務人士、政策制定者、家庭甚至無法想像應該具備哪些必要資訊，才能決定該採用哪些行動來追求股東價值、社會福利或家庭效用的最大化。他們也不會知道，採取那些行動後，是否真的能達到最大化。所以有相當多誠實又能幹的高管與政治人物，是在做他們認為能改善事業或世界的漸進決策。所謂幸福的家庭，是指家庭成員共同努力確保明天至少跟今天一樣美好。
大多數經濟學家會欣然承認，沒有人真的在做經濟模型那種運算。然而，自美國經濟學泰斗保羅・薩繆森（Paul Samuelson）發表研究成果以來，經濟學家就堅稱，只要世人遵守「理性」的公理，他們就會在不知不覺中追求最佳化，就好像法國作家莫里哀（Molière）筆下的儒爾丹先生（M. Jourdain）不知不覺談論散文長達四十年一樣。而且，像薩繆森那樣把這種不證自明的公理套用在消費者行為時，成效比懷疑者預期的還要好。
但我們會在這本書中證明，把這種「理性」套用在企業、政府或家庭對不確定的未來所做的決策上，完全行不通。行不通的原因，並不在於這些經濟行為者不理性，而是因為他們的確算理性，而且他們大多不會假裝知道他們不知道、也不可能知道的東西。他們常常不知道將會發生什麼事，也說不準可能發生的事情範圍，更不可能知道各種可能事件的相對機率。
二○○七—二○○八年的金融危機讓大家明白，最適化模型無法掌握因面對不可知未來而導致的破壞性行為。但本書並不是要談論那場金融危機，也不是另一本經濟學著作，雖然這本書的確深受經濟學研究的影響。本書要談的是，一般人在極端不確定的世界中該如何做決策。畢竟，在極端不確定的情況下，考慮其他可能未來的發生機率毫無意義。
在撰寫此書並與朋友、同仁討論想法時，我們發現，普通讀者與專家的反應截然不同。很明顯，多數人覺得極端不確定性的概念很自然。對他們而言，挑戰並不在於接受極端不確定性的存在，而是找到因應它的方法。我們希望他們能在後面的章節中找到答案。相較之下，許多受過經濟學、統計學或決策理論訓練的人，反而很難接受極端不確定性的重要，就連那些從事電腦業以及研究人工智慧的人也是如此（有些人可能只是因為讀了許多這方面資訊，而對電腦擅長的推理方式感興趣）。
當我們試圖在說服這兩種不同的受眾相信極端不確定性的重要性時，一派可能會認為我們是在白費力氣，另一派可能會覺得我倆批評那些轉變我們經濟學、統計學、決策、人工智慧等思維的技巧，是在指桑罵槐。我們希望一般讀者依然喜歡看我們鞭辟入裡的見解，也希望專家至少能夠感受到，我們有些批評實則正中要害。

前言　追求效益最大化的神話

四十年前，我們寫了一本廣受好評的書，名為《英國稅制》（The British Tax System），書中描述英國稅制在知識與實務上的失敗。我們既不是從零開始發明稅制的學術文人，也不是沉浸雞毛蒜皮細節的稅務會計師。當時我們只是年輕的學者，試圖探究英國稅制在實務上是如何運作的，然後再根據少數幾個深思熟慮的原則來設計改進方案。四十年後我們各自發現，經濟學本身也面臨類似的挑戰，需要重新檢視。因此我們決定再度攜手合作，而這本《極端不確定性》就是我們合作的成果。
《英國稅制》的銷量很好，改版好幾...

前言　

PARTⅠ　找出不確定性

01 不可知的未來
決策者也不確定
誰來承擔風險？
二十五標準差事件
美國總統的決定
你的退休計劃
智識失靈
本書三大命題

02 謎題與疑團
謎題vs. 疑團
解決「未知的未知」問題
邱吉爾知道答案嗎？
等待下一個大爆點
從「未知的未知」到「已知的未知」

03 極端不確定性隨處可見
機率推理的範圍
發現黑天鵝
對著鏡子觀看，模糊不清
解釋不確定性
實際的決策
加州的建立

PARTⅡ 機率的誘惑

04 用機率思考
生命表與壽險
機率作為頻率
點數問題
貝氏定理值得一試
無差異原則
診療室裡的貝氏定理

05 一個遭到遺忘的爭論
主觀機率的勝利
世貿雙塔遭到攻擊的可能性
第二個孩子的性別？
你從來不需要被迫揮棒

06 模棱兩可與含糊不清
哈里斯堡、還是費城？
無意詩
數學的濫用
表達不確定性
含糊不清與模棱兩可
降雨機率vs. 經濟預測

07 機率與最適化
期望值的問題
美國學派的勝利
從「期望值」到「期望效用」
教室裡的貝葉斯錶盤
白宮的貝葉斯錶盤
風險與參考敘事
保險的動機
風險規避
預期風險

PARTⅢ 理解不確定性

08 大世界的理性
理性行為
推理風格
看不見的大猩猩
脈絡中的偏誤
助推
有限理性

09 演化與決策
演化比經濟學家更聰明
利他主義、親屬關係、相互關係
演化選擇的多層次
損失厭惡
信心與樂觀
雙系統
人類智慧 vs. 人工智慧

10 敘事典範
策略週末
診斷
歷史敘事
人類學
互惠與交易
獨特事件與多種解釋

11 不確定性、機率與法律
克拉克與辛普森
法律推理
複合機率
檢察官的謬論
機率推理vs. 法律推理
統計推理的限制
最佳解釋

12 好故事／壞故事
對敘事的強烈需求
目的不是要預測未來
文本之外，別無他物
敘事與情感
敘事與金融市場

13 用數字說故事
冪次律
為什麼民調無效
虛假的故事與偽造的統計數字

14 透過模型講故事
真假難辨
不是只有瑕疵品
有關方法論的唯一文章
數字不是政策

15 理性與溝通
運氣
推理和溝通
行動不是解釋，解釋不是行動
溝通型理性
人類智慧是集體智慧

16 質疑敘事
如何產生好決策？
商業敘事
林肯與柴契爾
艾森豪與麥克阿瑟
保護參考敘事
麥納馬拉和他的懺悔

PARTⅣ 經濟學與不確定性

17 金融界
風險的意義與風險規避
大世界中的小世界模型
金融監管
退休金模式
更多金融敘事
傑克森霍爾的全球央行年會
金融理論的局限

18 保險、投資與極端不確定性
保險共擔
退休年金
確定性不是安全感
懷疑的金融經濟學家
波動是投資者的朋友

19 了解／誤解總體經濟學
總體經濟中的「風洞」模型
理性預期革命
完整與大拍賣
在小世界裡制定政策
預測失靈
管理經濟
工程vs.經濟

20 模型的使用與誤用
運輸模型
風險價值
把數學套用到漁業上
移民的錯誤資訊
濫用模型
NASA與WHO的建模
適當使用模型

PARTⅤ　接納不確定性

21 實用知識
經濟學作為實用知識
模型是工具
經濟學需要資料
地圖不是領土
經濟學作為導航
經濟學家與極端不確定性

22 適應極端不確定性
非平穩性
人是社群動物
敘事的重要
質疑敘事
集體智慧和溝通型理性

23 擁抱不確定性
風險與不確定性
穩健性與韌性
頂尖強國
不確定性與演化
冒險進取精神
重回博羅金諾

附錄　不確定下的選擇公理

參考書目
延伸閱讀
謝辭

前言　

PARTⅠ　找出不確定性

01 不可知的未來
決策者也不確定
誰來承擔風險？
二十五標準差事件
美國總統的決定
你的退休計劃
智識失靈
本書三大命題

02 謎題與疑團
謎題vs. 疑團
解決「未知的未知」問題
邱吉爾知道答案嗎？
等待下一個大爆點
從「未知的未知」到「已知的未知」

03 極端不確定性隨處可見
機率推理的範圍
發現黑天鵝
對著鏡子觀看，模糊不清
解釋不確定性
實際的決策
加州的建立

PARTⅡ 機率的誘惑

04 用機率思考
生命表與壽險
機率作為頻率
點數問題
貝氏定理值得一試
無...