寓言 · 2026

她從不猜對

奶奶留下了七十三本日記,一個從城裡回來的數學系孫女花了一個夏天讀完它們。

奶奶去世的那個夏天,村子裡的老人說她「從未猜錯過」。

小玲不這樣認為。

她剛從城裡讀完數學學位回來,手裡提著一只舊木箱——裡頭是奶奶留下的七十三本日記。字跡密密麻麻,全是關於村裡每一個人、每一件事的「估算」。

「我不是猜對了。我只是每次都更新了一次。」

第一本日記寫於奶奶三十二歲那年。

「阿義說他今年種的玉米會大豐收。但他喝酒喝到下午三點了,這已經是這個月第四次。去年他也是這樣,最後割傷了手,少收了三成。今年我認為他的收成不樂觀。大概七成機率欠收。」

小玲翻到下一頁,日期晚了兩週。

「阿義的妻子秀蘭開始來幫忙了。秀蘭是個勤快的人。我修正了,欠收機率大概降到五成。」

再翻幾頁——三週後。

「八月的雨水剛好,土地濕潤但沒有水災。這是罕見的好天氣。我修正了,欠收機率大概三成。」

最後一頁寫著:

「阿義今年收成比去年好兩成。我最初估計錯了。但我每一次修正都是對的。我輸得起這種錯誤。」


小玲放下第一本,拿起第三十七本。

日記換了人——這次是鎮長的女兒嫁人那年。

「阿靜嫁給了從北邊來的陌生人阿德。村裡的人都說好事,但沒有人問過那個陌生人是從什麼地方來的、為什麼要往南走。像這樣的情況,我見過十一次,其中七次都有問題。初步估算,這段婚姻有麻煩的機率大約六成。」

下一頁,三個月後:

「阿德在田裡幹活,從不偷懶。有幾個村裡的老人說他人品好。我修正了,有麻煩的機率降到四成。」

再翻幾頁——半年後:

「阿靜昨天來找我,說她很幸福。我不輕易相信一個人說自己幸福,但阿靜不是愛說謊的人。我修正了,有麻煩的機率大概兩成。」

最後一頁,結婚滿五年後:

「阿靜和阿德今年生了第三個孩子。我的初步判斷是錯的。不過我每一次修正都讓我更接近事實,而不是離它更遠。這樣就夠了。」


小玲讀到日記的第五十本,天已經黑了。

她的大學同學阿遠打電話來:「你奶奶的事我聽說了。她真的很厲害,聽說她從來都是對的。」

小玲想了很久,才說:「不是的。她不是從來都對。」

「那為什麼大家說她從來都對?」

「因為大家記住的是結果,她自己記住的是過程。」

小玲花了整個夏天讀完七十三本日記。

她發現奶奶猜錯的次數比她想像的多。阿義的玉米、阿靜的婚姻、颱風的方向、孩子的病情——奶奶的初步估算,有一半以上都是錯的。

但奶奶每次都沒有堅持原來的判斷。

每一次新的消息、新的事實、新的觀察,她都會翻回日記,重新計算,重新修正,毫不留情地拋棄昨天的自己。

最後一本日記的第一頁,只有一句話:

「我從不猜對。我只是從不停止更新。」

小玲把日記放回木箱,箱子輕輕關上了。

窗外,鄰居家的燈一盞一盞亮起來。

她想起數學課上學過的一個定理,說人在面對不確定性時,應該怎麼正確地持有信念——不是死抱著第一個答案,也不是每次都從頭開始,而是在已知的基礎上,把新的證據納入,讓信念朝著真相一點一點靠近。

她想,奶奶從來沒讀過那個定理。

但她一輩子都在用它。

這個故事藏的是:貝氏定理(Bayes' Theorem)

湯瑪斯·貝葉斯(Thomas Bayes)是18世紀英國牧師兼數學家。他在1763年去世後,由友人整理發表了他的核心思想:

面對不確定性,正確的方法不是猜測,而是系統性地更新信念。

貝氏定理的核心公式是:

P(A|B) = P(B|A) × P(A) / P(B)

但比公式更重要的是它的哲學:

  1. 先驗(Prior):在看到新證據之前,你對某件事的初始信念
  2. 似然度(Likelihood):新的證據,在假設某事為真時,發生的機率
  3. 後驗(Posterior):把先驗和新證據結合後,更新過的信念

奶奶從來不從零開始猜——她有七十三本先驗知識的累積。每一次新消息來了,她不是換一個新答案,而是把新資訊和舊認識融合,得出更精準的估算。

這就是貝氏推論:用新證據更新舊信念,而不是取代它。

故事元素 貝氏定理的對應概念
奶奶對阿義收成的初步估算(七成欠收) 先驗機率(Prior Probability)
秀蘭來幫忙、雨水剛好等新消息 觀測到的新證據(New Evidence)
每次修正後的估算(五成、三成) 後驗機率(Posterior Probability)
日記裡的「修正了」 貝氏更新(Bayesian Update)
奶奶的七十三本日記 先驗知識庫(Accumulated Prior)
村人記住的「從不猜錯」 倖存者偏差 + 最終結果偏誤
奶奶說「輸得起這種錯誤」 有校準的不確定性(Calibrated Uncertainty)
🔍Truth Check — 常見誤讀