1. 人类思考的核心目标：探索未知

人类的思考从原始时期的巫术，到中世纪的宗教，再到现代的科学，始终围绕着探索未知，其中预测未来是核心内容。预测未来的重要性在于：

• 过去可以回顾和总结；
• 现在是未知的、不确定的；
• 未来则是最未知、最重要的部分。

这段文字提出，“无关未来的思考不是真正的思考”，强调了对未来的预测在认知和决策中的重要性。

2. 形式逻辑的局限性

亚里士多德的三段论是形式逻辑的基础，形式逻辑的核心问题在于：

• 只能从已知推导已知：三段论仅适用于推导过去或当前已知的事实，无法应对新的、不确定的信息或未来的未知事件。
• 无法处理不确定性：例如，“政客都会说谎”和“丘吉尔是政客”得出结论“丘吉尔也会说谎”是逻辑上有效的，但实际无法帮助我们判断丘吉尔是否在此时说谎。

在很长一段时间内，形式逻辑是唯一的思考工具，但它并不能帮助我们应对实际生活中的不确定性。

3. 概率论的兴起

随着科学和数学的发展，概率论成为了应对不确定性和预测未来的工具：

• 17世纪，帕斯卡和费马开始系统研究概率论，提供了应对不确定性的数学方法。
• 然而，概率论的普及和在社会中的应用直到19世纪才开始，尤其是中国直到20世纪才广泛认识到概率的重要性。

虽然概率论相比形式逻辑能够更好地处理不确定性，但它仍然是基于过去的数据来推断未来，成功概率可能低于50%，因此它在一些情况下仍然不够可靠。

4. 非形式逻辑的出现

• 非形式逻辑在20世纪70年代作为独立学科出现，补充了形式逻辑的不足。它能处理复杂的推理过程，特别是在面对不确定性和多重假设时。
• 尽管非形式逻辑能帮助我们批判性地思考，但它存在无法数学化的局限，这限制了其在规模化分析中的应用。

5. 贝叶斯定理的突破

• 贝叶斯定理提供了一个新的推理工具，通过对新证据的不断更新，使我们能够逐步提高对未来的预测准确性。贝叶斯推理的关键在于它的递归和迭代性，即每获得一个新的证据，我们就可以更新之前的假设，并提高预测的正确性。
• 贝叶斯定理的应用突破了传统统计的限制，它面向未来，能够不断通过新证据更新假设，提高预测准确性。这使得它在人工智能、机器学习等领域成为核心算法。

6. 统计概率与日常生活的关联

统计概率的应用不仅仅限于理科领域，实际上它是所有领域（如历史、经济学、政治学等）都必需的工具。统计概率帮助我们通过分析大量数据来做出决策，尽管这些决策的成功概率可能不会超过50%。然而，这种数据驱动的思维方式依然比没有任何分析的决策更加有效。

7. 人脑与计算机的局限

• 人脑的计算能力有限，尤其在面对复杂、多变量的贝叶斯推理时，计算量大到人脑无法承受。
• 然而，随着计算机技术的发展，计算机的硬件和软件持续进步，能够快速进行大规模的计算和推理。特别是分布式计算和集群工作使得计算能力进一步提升，人工智能因此得以爆发。

8. 进入智能时代

• 人类通过计算机克服了许多思维和计算的局限，使得贝叶斯定理等工具得以广泛应用，推动了智能时代的到来。
• 人工智能的崛起让我们进入了一个依靠计算机暴力破解宇宙秘密的时代，贝叶斯推理和大数据分析成为解决问题的核心工具。