社会和认知心理现象

曼德拉效应

• 曼德拉效应是指人们群体有时会对某一事件出现与事实不符的虚假记忆的现象。
• 曼德拉效应（Mandela Effect），指大量人群共享同一段与客观史实不符的集体错误记忆，不是个人记错，而是群体性、一致性的记忆偏差。
• 曼德拉效应(Mandela Effect)是一个社会和认知心理现象，指的是一群人错误地记忆了一个事件或事物的细节。这种现象通常涉及到集体记忆的偏差，许多人坚信他们的记忆是正确的，即使这些记忆与历史事实或现实情况不符，包括对书籍标题、电影台词、历史事件、名人的死亡日期等的错误记忆。

名字起源:

2009 年，超自然研究者菲奥娜・布鲁姆（Fiona Broome）发现：她和很多人都清晰 “记得” 南非反种族隔离领袖纳尔逊・曼德拉，在 1980 年代死于监狱，甚至能描述新闻报道、葬礼画面。
但史实：曼德拉 1990 年出狱、1994–1999 任南非总统，2013 年才去世。
她将这种集体记忆错位命名为曼德拉效应。

• 曼德拉效应不是平行宇宙、时空穿越，而是大脑记忆机制 + 群体传播的正常认知偏差。

• 曼德拉效应本质是人类记忆的不完美 + 群体信息传播放大的认知现象，揭示了我们的记忆远没自己以为的可靠，很容易被重构、混淆和误导。

• 曼德拉效应案例

  • 皮卡丘尾巴：绝大多数人记得尾巴末端有黑色条纹，实际纯黄色、无黑纹（仅耳朵尖黑）
  • 米老鼠：很多人记得穿背带裤，经典形象只有红色短裤、无背带
  • 五十六个民族：歌词常记成 “五十六个民族，五十六枝花”，原版是“五十六个星座，五十六枝花”

墨菲定律

• 心理越害怕什么，就越会发生什么。
• 任何可能出错的事情都会出错。

  Murphy’s law 墨菲法则
  定义：

  美国工程师墨菲(Edward A. Murphy)对发端于1949年美国空军爱德华兹基地一次实验失败的讽刺性总结：“凡是有可能出错的地方，就肯定会出错。” 促使管理学界对低概率事件和潜在问题分析展开重新认识。

如果事情有变坏的可能，不管这种可能性有多小，它总会发生。

• 墨菲定律是一种启发性原则，常被表述为：任何可能出错的事情最终都会出错。其含义是说，无论是因为存在一个错误的方法，或是存在发生某种错误的潜在可能性，只要重复进行某项行动，错误在某个时刻就会发生。
• “墨菲定律”、“帕金森定律”和“彼德原理”并称为二十世纪西方文化三大发现。

具体内容

• 墨菲定律（Murphy’s Law）主要内容有四个方面：

  • 一、任何事都没有表面看起来那么简单；
  • 二、所有的事都会比你预计的时间长；
  • 三、会出错的事总会出错；
  • 四、如果你担心某种情况发生，那么它就更有可能发生。

• “墨菲定律”的根本内容是“凡是可能出错的事有很大几率会出错”，指的是任何一个事件，只要具有大于零的机率，就不能够假设它不会发生。

  越怕什么 越来什么
  倒霉的事 一件接一件
  更为简洁的方式表述就是：凡事可能出岔子，就一定会出岔子。

• “墨菲定律”忠告人们：面对人类的自身缺陷，我们最好还是想得更周到、全面一些，采取多种保险措施，防止偶然发生的人为失误导致的灾难和损失。

邓巴数（150定律）

• Dunbar’s number
• 定义：又称“150定律”。个体能维持稳定社交关系的最多人数不超过150人。英国牛津大学的人类学家罗宾·邓巴(Robin Dunbar)在对灵长类动物的大脑容量与其群体规模的关系研究中推断，根据人类的大脑容量，人类社会群体的理想规模在150人左右。

塔西佗陷阱

• 社会政治概念和现象

• 塔西佗陷阱，得名于古罗马时代的历史学家塔西佗，最初来自塔西佗所著的《塔西佗历史》。 后被引申为一种社会现象，指当政府部门或某一组织失去公信力时，无论说真话还是假话，做好事还是坏事，都会被认为是说假话、做坏事。

• 塔西佗陷阱，是塔西佗在评价一位罗马皇帝时所说的话：“一旦皇帝成了人们憎恨的对象，他做的好事和坏事就同样会引起人们对他的厌恶。”

吉德林法则

• 把问题清楚地写下来，问题就已经解决了一半。

吉尔伯特定律

• 工作中最大的问题就是没人跟你说该如何去做。

洪尔森法则

• 把信息和金钱排在第一位，金钱自然就会到来。

福克兰定律

• 没必要做决定时就不要去做决定。

彼得原理

• 在一个等级制度中能否晋升到更高的位置，与现在的工作好坏，没有直接关系。

破窗理论

• 一件事物的破损，如果不及时补救，就会滋生更多的负面事件。

华盛顿合作定律

• 人多不一定高效，要想防止窝里斗，就要制定合适的制度。

Poe’s Law（坡氏定律）

• Poe’s Law（坡氏定律），互联网文化第一公理，核心一句话： 网上不谈明是开玩笑 / 反讽，极端言论的模仿恶搞，一定会被人当成真心实意的极端观点。
• 互联网文化、反讽与真假混淆。
• Poe’s Law = 网络无表情，反讽即真实；极端无真假，全看你信谁。

  原版（2005，Nathan Poe）

  Without a winking smiley or other blatant display of humor, it is utterly impossible to parody a Creationist in such a way that someone won’t mistake for the genuine article.
  没有眨眼表情或明显幽默标记，你再怎么恶搞神创论者，都会有人信以为真。

  背景：基督教论坛辩论进化论 / 神创论时提出，后泛化到所有极化、极端化话题。

• 通俗中文版（一句话记牢）: 无表情不反讽，无声明不恶搞；网上极端言论，真假永远分不清。
• 为什么成立（网络传播本质）

  缺语境：看不到表情、语气、肢体语言，反讽极易被读成真话。
  极端无下限：现实里已经够极端，恶搞只能更极端，边界彻底模糊。
  动机不可证：你说是玩笑，他说是真心；作者意图在网上无法被强制验证。

• 典型场景（每天都在发生）

  政治：恶搞极端党派言论，被路人当真实主张。
  性别 / 身份：反讽歧视言论，被当成真歧视。
  宗教 / 玄学：恶搞神棍 / 极端信徒，被信以为真。
  网暴甩锅：发表极端言论被骂后，改口 “我只是开玩笑”——典型 Poe 滥用。

• Poe’s Law 三定律（实操版）

  默认真定律：网上看到极端言论，默认是真心的，除非有明确反讽标记（如 “/s”、“开玩笑”、表情）。
  无标记必误解：你发反讽不加标记，一定会有人当真，且人数随传播扩大。
  极端无解药：话题越极端、对立越强，Poe 效应越明显，解释成本越高。

• 串子

  在当下的互联网舆论场中，出现了一个令观察者颇感困惑的现象：极端的“反串”行为与真实的“极端观点”正在变得越来越难以区分。
  这就是“坡氏定律”（Poe’s Law）所描述的困境：如果没有明确的滑稽表情或声明，你很难分辨一个人到底是在对某种极端立场进行讽刺性的模仿（即所谓的“串子”），还是他真心实意地信仰那套逻辑（即我们常说的“真魔怔”）。
  如何分辨串子？ https://www.fxzhihu.com/question/665970250/answer/2003080257515849114

---

重要认知

第一性原理

• “第一性原理”（First Principles Thinking）是一种思考方法，意思是：不要直接接受现成结论，而是回到最基本、最不可再分解的事实和规律，从头推导答案。

  principles /ˈprɪnsəp(ə)lz/ n.道德原则，行为准则，规范；原则，原理，法则；观念，信条；起源，本原（principle 的复数）； v.向……灌输原则（principle 的第三人称单数）
  principle /ˈprɪnsəp(ə)l/ n.（行为）准则，（道德）原则；道义，正直；基本原则，基本法则；（机器等或自然界的）原理，定律；（宗教或政治的）主义，信条；起源，本原；本质，实质；（化）成分，要素；
  Reasoning from First Principles
  reasoning /ˈriːzənɪŋ/ n.推理，推论；推断力，逻辑推理能力； v.推理，逻辑思考；推论出，推断出（reason sth. out）；对（某人）以理相劝，劝告（reason with）（reason 的现在分词）；
  Ex: Instead of copying existing solutions, try reasoning from first principles. 与其照搬现有方案，不如从第一性原理出发思考问题。
  Ex: We solve problems via first-principles thinking. 我们用第一性原理思维解决问题。

• 第一性原理（the First Principle Thinking）是指从系统中最基本的命题或原理出发进行逻辑推理的方法，其核心在于打破知识壁垒，回归事物本源寻求本质性解答。广义上，该原理强调每个领域都存在无需证明的底层真理，并主张通过演绎法进行思维推演，而非依赖经验归纳。

  该原理在物理学中体现为基于量子力学的基本假设推导物质性质，如通过薛定谔方程求解电子运动特性；在数学领域则以欧几里得几何的公设与公理为基石构建推导体系。它已拓展至法学、化学、经济学、教育学等多个学科，例如法学中以占有转移的本质特征区分侵财犯罪类型，化学中应用”相似相溶”原理。

• 用最简单的话解释：

  普通思维： 别人都是这么做的 -> 我也这么做
  第一性原理： 这件事最本质是什么？ -> 有哪些不可改变的事实？ -> 从这些事实重新推导

• 一个简单例子

  假设有人说：“电动车一定很贵。” 这是经验思维。
  用第一性原理分析：
  电动车成本主要来自：电池、电机、车身、软件
  然后问：电池材料本身到底值多少钱？
  如果发现：原材料成本远低于市场售价，制造技术持续进步。
  那么可以推导出：电动车未必必须昂贵。
  这种思考方式常被用于创新。

• 为什么叫“第一性原理” ，这个概念最早可以追溯到古希腊哲学家 Aristotle(亚里士多德)。他认为： 任何知识体系都应该建立在最基础、最不可再证明的原理之上。 这些最基础的原理，就是“第一性原理”。

• 一个生活中的例子

  很多人学英语会想： “别人背单词书，我也背。”
  第一性原理会问：学语言的本质是什么？
  答案可能是：理解输入、形成记忆、反复使用
  于是你会发现： 阅读、听力、对话， 可能比机械背诵更符合语言学习规律。

• 商业领域的著名案例

  Elon Musk 经常提到第一性原理。
  例如火箭：很多人认为：火箭太贵，因为市场上就是这么贵。
  他会拆解：铝、钛、铜、碳纤维，这些材料成本到底是多少？
  然后发现： 火箭价格远高于材料本身。 于是推动了 SpaceX 通过自主制造来降低成本。
  当然，现实中火箭成本远不只是材料成本，但这种拆解问题的方法体现了第一性原理思维。

• 第一性原理 vs 类比思维

  类比思维（Analogy）: 别人怎么做 -> 我模仿； 优点：快、成本低； 缺点：容易受传统限制
  第一性原理： 回到本质 -> 重新推导； 优点：更容易创新、能发现旧方法的问题； 缺点：耗时、对知识要求高。

• 一个公式化理解

  面对任何问题，可以连续问： 这件事是真的吗？ 为什么是真的？ 还能继续拆解吗？ 哪些事实是无法再拆的？
  当你找到最基础的事实后： 从这些事实重新构建解决方案。
  这就是第一性原理。

• 一句话概括：第一性原理，就是把问题拆到最基本的事实和规律，再从这些事实出发重新思考，而不是依赖惯例、权威或经验。

哲学思维

• 通用思维：第一性原理思考（First-principles thinking）

  定义：剥离经验、类比、行业惯例，拆到不可再分的底层公理 / 事实，再用演绎法从头推导答案。

  起源：亚里士多德《形而上学》：第一原理是无法被推导、不能推翻的基础假设（等同数学公理）。

物理计算

• 理工科（物化 / 材料）：第一性原理计算（ab initio，从头算）

  First-principle calculation
  含义：只用 量子力学基础方程（薛定谔方程）+ 基础物理常数，不靠实验拟合参数，直接算材料电子、结构、性能。
  用途：新材料研发、催化、半导体、电池材料仿真（你之前 F 范数常用在仿真误差）。

各行各业底层第一性原理举例

• 商业：企业本质 = 创造用户价值（德鲁克）；亚马逊底层：低价、多选、快配送
• 互联网内容：信息匹配效率（抖音算法推荐）
• 经济学：稀缺性是底层公理

贝叶斯思维

• 贝叶斯思维（Bayesian Thinking）是一种根据新证据不断更新自己判断的思维方式。

  最简单地说： 不要把观点看成“对”或“错”，而是看成“有多大概率是对的”，然后随着新信息出现不断调整这个概率。

• 核心一句话： 先用原有经验（先验），结合新证据，不断更新自己的判断（后验）。

  公式简写：后验概率 ∝ 先验概率 × 新证据

• 一个最简单的例子

  假设你听到外面有敲门声。 第一反应： 有人来找我：50%； 风吹门响：30%； 快递到了：20% 。 这叫初始判断（先验概率）。
  然后你收到手机短信： “您的快递已到达。” 这是一条新证据。 于是更新： 快递到了：80%； 有人来找我：15%； 风吹门响：5% 。 这就是贝叶斯思维：根据新证据修正原来的看法。

  你一开始觉得这人靠谱（先验），发现他屡次失信（新证据），慢慢改成：这人不靠谱（后验更新）。 → 全程就是贝叶斯思维。

• 贝叶斯思维的核心

  很多人习惯这样想： 我认为A是对的 -> 寻找支持A的证据 。 这容易产生确认偏误（Confirmation Bias）。
  贝叶斯思维则是： A有70%可能； B有20%可能； C有10%可能； –> 新证据出现 –> 重新计算 –> A变成40%；B变成50%；C变成10%
  观点不是身份，而是暂时的概率估计。

• 天气预报就是贝叶斯思维

  今天：明天下雨概率 40%； 晚上看到：气压下降、乌云增多；
  于是更新： 明天下雨概率 80%
  并不是：原来40%，现在必须坚持40%
  而是： 有了新信息，就更新判断

• 医学中的应用

  例如 某疾病患病率：1% ； 检测准确率： 99% ；
  很多人会以为： 检测阳性 = 99%患病 ， 实际上不一定。
  因为： 疾病本来就很少见、 假阳性也会出现
  贝叶斯方法会把： 1、疾病原本概率； 2、检测结果； 结合起来计算真实概率。
  这也是现代医学和统计学的重要工具。

• 数学表达

  贝叶斯思维来源于 Thomas Bayes 的贝叶斯定理。
  不必记公式，重要的是理解： 新判断 = 原判断 + 新证据。

• 贝叶斯思维 vs 非黑即白思维

  非黑即白： 我认为他是好人 –> 永远是好人
  贝叶斯思维： 我认为他是好人：80% –> 出现新证据 -> 调整为60% –> 再出现新证据 –> 调整为30%
  贝叶斯思维判断是连续更新的，而不是一次定终身。

• 为什么贝叶斯思维重要

  它能帮助我们： 避免固执己见、更理性看待不确定性、根据事实修正观点、做出更好的决策
  在科学、投资、医学、人工智能、侦查推理等领域都非常重要。

• 面对不确定世界，如何根据新证据不断更新判断。

奥卡姆剃刀

• 奥卡姆剃刀（Occam’s Razor）是一条非常著名的思维原则： 当多个解释都能说明同一现象时，优先选择假设最少、最简单的那个解释。

  注意： 奥卡姆剃刀说的是“优先选择简单解释”，而不是“简单解释一定正确”。
  Occam’s Razor /ˈɒkəmz ˈreɪzə(r)/

• 核心准则 （原理内容）

  如无必要，勿增实体。 Entities should not be multiplied unnecessarily.
  大白话： 能简单解释的，绝不复杂化；两个假说都能解释现象，优先选更简单的那个。

• 奥卡姆剃刀原理

  简单性原则
  奥卡姆剃刀原理（Occam’s Razor）是由14世纪英格兰逻辑学家、圣方济各会修士威廉·奥卡姆（William Ockham，约1285-1349年）提出的思维原则，别称奥康的剃刀、简单性原则。其核心内容为“如无必要，勿增实体”，主张在解释现象时应选择假设最少的理论。该原理最初以拉丁文表述为“Numquam ponenda est pluralitas sine necessitate”，强调用最简洁的方式把握事物本质。
  原理的社会作用体现为剔除多余假设，促进思维经济性，其跨学科价值在计算机科学、医学诊断等领域持续展现新的实践意义。

• 用最简单的话解释

  晚上回家发现客厅地上有水。 有两种解释：
  解释A： 窗户没关，下雨飘进来了
  解释B： 外星人降落，穿墙进入房间，做实验，留下液体，又飞走
  两种解释都“理论上可能”。
  但奥卡姆剃刀会说： 先考虑A。
  因为A需要的额外假设更少。

• 一个生活中的例子

  朋友突然没回微信。你可能想到：
  简单解释： 在忙、手机没电、没看见
  复杂解释： 故意针对我、讨厌我、联合别人孤立我
  奥卡姆剃刀提醒： 在没有更多证据前，先考虑普通原因。

• 为什么叫“剃刀”

  “剃刀”（Razor）在哲学里是： 用来剃掉不必要假设的工具。
  意思是： 事实 –> 各种猜测 –> 剃掉多余部分 –> 保留最精简解释

• 来源

  这个原则通常与中世纪哲学家William of Ockham（威廉·奥卡姆）相关。
  经典表述是： “如无必要，勿增实体。” （Entities should not be multiplied beyond necessity.）
  意思就是： 不要引入多余假设。

• 奥卡姆剃刀 ≠ 越简单越真

  这是最常见误解。
  例如：
  问题：为什么苹果会掉下来？
  最简单解释： 苹果喜欢地面
  更复杂解释： 万有引力作用
  这里显然第二个更正确。
  所以奥卡姆剃刀不是： 选择最简单的故事。
  而是： 在解释能力相同的情况下，优先选择假设更少的理论。

• 科学中的应用

  很多科学发现都遵循这个原则。
  例如：
  如果两个理论都能解释实验结果：

  理论A需要10个额外假设
  理论B只需要2个额外假设
  

  科学家通常更倾向理论B。

• “奥卡姆剃刀”三法

  1. 精兵简政，不断简化组织结构。
  2. 关注组织的核心价值，始终将组织资源集中于自己的专长。
  3. 简化流程，避免不必要的文书作业。