《黑天鹅》的原文摘录
-
如果你用线性方式解释过去，你只能朝一个趋势继续，但未来对过去的偏离有无数重可能。 (查看原文)
-
世界不存在伟大的设计者，而是通过小的随机变化前进的 (查看原文)
-
运气甚至比智慧更公平。如果人们严格根据能力获得报酬，有可能仍然不公平，因为人们无法选择自己能力。随机性能够对社会进行重新洗牌，把那些大人物拉下马 (查看原文)
-
所以你对辱骂要变得麻木，尤其在你学会想象那个辱骂你的人是某种缺乏自制力的吵闹的猴子的变种的时候。只要保持镇定和微笑，专心致志地分析那个说话者而不是他说的话，你就会赢得这次争论。针对智者本人而不是针对思想的情绪化攻击，是一种很高的风奉承，它说明那个人对你的观点根本讲不出有见地的话来 (查看原文)
-
你凌驾于争斗与名利思想之上，而不是之外，只要你愿意这样选择。 (查看原文)
-
本书的中心思想是揭示我们对随机事件的无视，尤其是具有很大离差的随机事件
综上所述，在这本（个人化的）书中，我冒天下之大不韪，提出了一个观点，一个与我们的许多思维相反的观点，那就是我们的世界是由极端、未知和非常不可能发生的（以我们现有的知识而言非常不可能发生的）事物主导的，而我们却一直把时间花在讨论琐碎的事情上，只关注已知和重复发生的事物。 (查看原文)
-
同样，投机家乔治·索罗斯在进行金融赌博时，会不断寻找证明他最初看法错误的事例。这大概才是真正的自信：冷观世界而不需要找理由满足自我膨胀的欲望。 (查看原文)
-
避免叙述谬误的办法就是强调实验而非故事，强调体验而非历史，强调客观知识而非理论。 (查看原文)
-
如果两个变量是具有因果关系的，那么多一个变量的稳定投入总会对另一个变量的产出产生影响。我们的情感功能是为线性因果关系设计的。例如，如果你每天学习，你会预期学到与你的学习行为成比例的东西。如果你感到什么进展也没有，你的情感就会使你丧失士气。但在现代的现实下，我们很少获得令人满意的、线性的正面进展。你可能花一年思考一个问题，却什么收获也没有。然而，只要你不对这种徒劳无功的状况感到失望，某种成果就会突然冒出来。
把书当成商品的人不可能真正喜欢书，就像交友过多的人对友情的理解是肤浅的一样。 (查看原文)
-
你不能忽视自我欺骗。专家的问题在于他们不知道自己不知道什么。知识的缺乏与对你掌握的知识的错觉是相伴而行的，你在知识减少的同时也变得对自己的知识更加满意。 (查看原文)
-
为了开会，经理们满世界飞：巴塞罗那、香港，等等。他们千里迢迢只为了一大堆空话。毫无疑问，他们通常没法睡觉。当一名管理者不需要非常发达的头脑，而是需要同时拥有人格魅力、忍受无聊的能力和草草执行匆匆制定的时间表的能力。除了这些“任务”之外，他们还有出席歌剧表演的“职责”。
想一想一个开始学一种新语言的书呆子，比如他要通过掌握语法来学习塞尔维亚-克罗地亚语。他会有一种感觉，那就是某个更高的语法权威设定了这些语言规范，帮助无知的普通人之后学会说这门语言。而实际情况是，先有语言，语法知识某些无事可做的人整理成书的东西。具有学术思维的人会记住各种词格变化，一个非柏拉图化的非愚人却会通过在萨拉热窝附近的酒吧里找一个女朋友，或者同出租车司机交谈来学习萨尔维亚-克罗地亚语，然后（如果有必要的话）把语法规则与他已经掌握的语言相对应。 (查看原文)
-
人们需要被知识蒙蔽。我们天生就要追随那些有能力把人们聚在一起的领导者，因为身处集体当中的优势能够战胜孤军奋战的劣势。绑在一起走向错误的方向比独自走向正确的方向更有利。追随武断的白痴而不是内省的智者的人把这一基因还给了我们。这在一种社会病态中表现明显：精神病态者能够吸引追随者。 (查看原文)
-
同样，投机家乔治索罗斯在进行金融赌博时，会不断寻找证明他最初看法错误的事例。这大概才是真正的自信：冷眼看世界而不需要找理由满足自我膨胀的欲望。 (查看原文)
-
我的存在是低概率事件的重大结果，而我经常忘记这一点 (查看原文)
-
穿着非传统的衣服，仅仅在装扮上公然反叛是一回事—社会科学家和经济学家称之为＂廉价的标签＂—证明有意志把信念变成行动则是另一回事 (查看原文)
-
类似地，让某人告诉你他的社保账号的最后四位数，然后让他估计曼哈顿牙医的数量。你会发现，通过提醒他一个4位数的数字，你会诱导出一个与之相关的估计结果。
我们在头脑中形成参照点，比如销售预测，然后开始基于它构造信念，因为把一个观点与一个参照点进行比较比在绝对的环境下对它进行评价所需的思维努力更小 (查看原文)
-
分形 (查看原文)
-
历史和社会不会爬行，只会跳跃。它们从一个断层跃上另一个断层，中间只有很少的摇摆。而我们（以及历史学家）喜欢相信那些我们能够预测的小的逐步演变。 (查看原文)
-
诚实意味着不惧怕特立独行，也不惧怕特立独行的结果。 (查看原文)
-
由于理想的平均斯坦，特定事件的单独影响很小，只有群体影响才大。可以这样陈述平均斯坦的最高法则：当你的样本量足够大时，任何个例都不会对整体产生重大影响。最大的观察值虽然令人吃惊，但对整体而言最终微不足道。 (查看原文)
