真正的挑战不是是否做对了，而是知道自己走错到什么程度了。
我深入地探索了理性的领域：事实证明，这里有一场日益壮大的理性运动，有着自己的精神、思想风格和知识体系，大量来自心理学和经济学。和 Greg 一样，我阅读了一系列理性博客——Marginal Revolution、Farnam Street、Interfluidity、Crooked Timber。
近几十年来，理性主义者纷纷支持 18 世纪数学家兼大臣托马斯·贝叶斯 (Thomas Bayes) 的工作。所谓的贝叶斯推理——一种特殊的思维技巧，有着自己独特的行话——已经成为惯例。
有很多方法可以解释贝叶斯推理——医生以一种方式学习，统计学家以另一种方式学习——但基本思想很简单：
当新信息进来时，您不希望它以批发方式取代旧信息。相反，您希望它在适当的程度上修改您已经知道的内容。修改的程度取决于您对现有知识的信心和新数据的价值。
贝叶斯推理者从他们所谓的某事为真的“先验”概率开始，然后找出他们是否需要调整它。
贝叶斯推理是一种统计方法，但您可以使用它来解释各种新信息：1983年9月26日凌晨，苏联预警系统探测到美国发射洲际弹道导弹。44 岁的值班军官斯坦尼斯拉夫·彼得罗夫 (Stanislav Petrov) 看到了警告，很可能从未听说过贝叶斯的彼得罗夫仍然使用了贝叶斯推理。他没有让新信息完全决定他的反应，他推断在任何指定的夜晚发生攻击的可能性都很低：这可能与设备故障的可能性相当。同时，在判断警报的质量时，他注意到这在某些方面并不能令人信服。（发现了五枚核导弹，第一次打击肯定会全力以赴这么狠吗？）他决定不向上司报告这个警报，他拯救了世界。
贝叶斯推理意味着一些“最佳实践”。从大局开始（上下文为王），牢牢记住它。在整合新信息时要谨慎，不要急于下结论。请注意新数据点何时改变和没有改变您的基线假设前提（大多数情况下，它们不会改变），但要跟踪这些假设前提与新数据相矛盾的频率。当心令人震惊的新闻的力量，并将其置于更广泛的现实环境上下文中。
贝叶斯方法的真正力量不是程序性的。是它用概率代替了我们脑海中的事实。在其他人可能完全相信转基因生物不好等情况下，贝叶斯主义者会为这些命题分配概率。她没有建立一成不变的世界观；相反，通过不断更新她的概率，她离对现实更有用的解释更近了一步。