一切始于十八世纪二十年代的Bayes。
一位长老会牧师穿着他的圣职服装，踉踉跄跄地走在回家的路上，思维沿着直线延伸。
我们对Thomas所知甚少。他相信自己最重要的工作将道德与数学融为一体。在《神圣的仁慈》中，他论证说幸福的存在本身便是上帝可能确实存在的证据。
在他的数学笔记里，他处理了许多艰深的实际问题，包括古典几何学家测量地球的挑战。关于他的估算与现代数值误差不超过千分之一的说法引人入胜，但尚未得到证实。我们确实知道的是，Bayes因其在流数法及测定地球大小方法方面的工作而获得皇家学会的认可。仅凭这一点，便足以说明我们面对的是怎样一种心智。
Thomas最深远的影响，来自他身后。1761年Bayes去世后，他的朋友Richard Price整理了他的论文，发现了一个针对逆概率问题的精妙解答，经过编辑后于1763年以《关于解决机会论中一个问题的论文》为题发表。这一逆向推断——从数据推导出信念——构成了从今日医学检验到机器学习的一切基础。
这是Mozart的父亲带着一个神童走遍欧洲的同一个十年，也是Abu Dhabi建立、Watt改进蒸汽机、James Cook出发观测金星凌日的年代。殖民主义刚刚起步。那真是一个激动人心的时代。
这里是核心所在：
P(H | D) = P(D | H) × P(H) / P(D)
后验概率等于似然度乘以先验概率，再除以证据。对于偏好直觉数学的人来说，它所编码的是：我们预先知道的越多，新证据与之契合得越好，我们下一次的判断就越准确。
Bayes在启蒙运动中如一声清亮的钟声落地。Laplace听见了它，将其推进得更远，并构想出他那著名的思想实验：一个知晓所有力量与位置的智识体，对它来说无一事不确定，未来与过去皆一览无余。这既美妙，也是一个早期警示，警告人们不要将计算等同于智慧。
为什么现在值得关注？
因为当今世界最前沿的思想，正站在那条由Bayes开辟的道路的终点。
大型语言模型令人感觉像大脑，是因为它们极擅长从上下文中检索最可能的延续。它们并非字面上运行Bayes定理，但其行为深刻地具有贝叶斯特征。它们根据各种可能性与当前叙述的契合程度来分配权重。它们在将注意力引导至正确任务上仍然力不从心。那仍然是我们的工作。
从一个有理有据的论点出发
Bayes会厌恶那种急于宣判的本能。他的方法从一个假设出发，然后等待数据。提出有理有据的论点，意味着以证据来检验信念。这能让营销更有力、政治更清晰、产品会议更理智。论点由此成为一个校准的过程，而非征服的过程。
与其在一段38分钟的语音提示上反复雕琢，不如请机器提出一系列问题，帮助建构有理有据的论点，并提升结果的质量。随着平台开放协作环境，让多位参与者和智能体能够共同定义问题，这种习惯将比任何单一指令都更加重要。
提供更好的上下文
每一个预测都依赖于其先验。你对问题的描述越精准，系统产出有意义而非无意义内容的可能性就越大。提示词的运作方式如出一辙。具体、充分权衡的上下文能带来相关的结果；模糊的问题只会孕育出自信满满的废话。无论你在向AI还是向人发出提示，你得到的反馈质量，取决于你投入的上下文质量。
这也解释了为什么简短的提示词大多只能产出平庸的结果。手头已有充分精炼感的有才之人，眼下尚且不会落后。
带来证据
如果Thomas没有留下论文，他的老友Richard Price就无从翻找。如果你有论文，那便是优势。如果你有数据，就用上它。未来已经充斥着自信满满的臆测。证据是让你保持诚实的无声力量，也是让概率学习成为创造性行为而非虚张声势的关键。模型接触到的真实世界锚点越多，产生幻觉的可能性就越小。人类的运作逻辑也是如此。
如果你写过博客、Substack或书籍，你便占据了优势。这些内容成为先验，让模型能够以你的声音写作。坐拥多年新闻稿或视频内容的企业，将能够生成与品牌感觉和框架相符的合成材料。让品牌的头脑保持在劣质内容之上，将成为一个核心挑战。
持有多元视角
Bayes定理并非关于一次正确，而是关于每次少错一点。持有多元视角能加速这一过程。提出问题，然后追问：你的客户、批评者和竞争对手各自会如何回答？以意识形态框架或精心筛选的内容语料库来设置模型，能让答案更智慧，让团队减少部落性。这也是打破回音室的解药，无论是算法性质的还是其他类型的。
我目前正在读Clive James的《文化失忆》，因此自然而然地深入研究了他所引用的那些人的作品，每天在与历史幽灵的对话中开启新的一天。Camus对一切都有看法。请求从客户视角或一位令人不安的挑剔者角度来审视你的思考，可以帮助你填补盲区，也能在与机器协作时锻造出更好的思维。
警惕注意力陷阱
为参与度优化，几乎是毁掉信任的完美路径。这也是Silicon Valley数十年来主导的变现模式，而来自那个世界的大型模型共享着同样的基因。
最具粘性的内容赢得了划屏，却往往输掉了论辩。缺乏深度的注意力会演变为成瘾。Bayes会告诉我们：证据必须压过情绪，少数强有力的先验胜过一千个热议观点。为结果而优化，而非为愤怒而优化。
这些模型已经在测试你对奉承的反应。与其说技术会进化成Skynet，这个风险感觉更加真实，至少目前如此。
指数级的奔跑尚未结束
人类总有一种倾向，相信自己正生活在历史的顶峰附近。感觉永远像是在文明游戏的末尾，科技树上只剩几个分支待解锁。
AI似乎是一股巨大的经济推动力，而我们才刚刚开始理解它究竟改变了什么。在用户层面，这些技术的界面超越命令行的方式——当机器围绕提示词的软件容器构建用户界面，在我们与世界的互动中形成全新的星座图景——是最值得持续关注的发展之一。
我们不会知道Laplace的恶魔何时进入房间，直到为时已晚。这换一种说法就是：方向、目的和谦逊，依然是稀缺的资产。Bayes给了我们一种从经验中学习、而不假装确定性的方式。这正是我们所需要的。
他的定理最强大之处在于，它能从宇宙的尺度缩放至一封普通邮件。它同样适用于物理学与产品设计，适用于招聘、政治与创意领导力。每一天，我们都根据世界反馈给我们的信息更新我们的先验认知。这才是真正的学习。
