人不喜欢混乱。

事情发生后,我们总想找一条线:因为 A,所以 B,后来 C,最后 D。这样讲起来舒服,听起来完整,也容易记住。问题是,现实往往不是这么整齐。许多结果来自运气、复杂反馈、不可见变量、样本偏差和事后筛选。

这就是叙事谬误,也叫叙述谬误。

人会把复杂、偶然、断裂的现实,
整理成一个过度连贯、过度因果、过度可解释的故事。

一、故事为什么有力量

故事能压缩信息。

它把大量事实组织成因果链,让人更容易记忆和传播。没有故事,世界太散;有了故事,事件变得像是“必然如此”。

但故事的代价,是会删除噪声、弱化偶然、夸大主角、补全缺口。

一个企业成功后,人们会回头讲创始人远见、文化、战略和关键抉择。许多同时代失败者也有类似远见和努力,只是没有进入故事。一个投资者赚了大钱,后来每一步都被解释成天才布局;同样风格但失败的人,被市场忘掉。

故事越好听,越要小心。

二、黑天鹅里的叙事谬误

《黑天鹅》特别警惕叙事谬误。

人在面对随机性和极端事件时,会事后编出解释,把不可预测事件讲成可预测事件。危机发生后,人们说“早有迹象”;泡沫破裂后,人们说“明显不合理”;成功出现后,人们说“路径清晰”。

这些说法有时包含真相,但常常高估了当时可见性。

真正的问题是:如果在事件发生前,你能不能用同样信息做出判断?如果不能,事后故事就是在偷借结果的光。

三、叙事谬误的常见形态

第一,主角化。

把复杂系统结果归因于少数人物的性格和决策,忽略环境、周期和运气。

第二,因果直线化。

把多个并行因素整理成单线因果,好像每一步都自然推出下一步。

第三,删除失败样本。

只讲成功者的路径,不讲走同样路径却失败的人。

第四,过度道德化。

成功者被写成更勤奋、更勇敢、更正确;失败者被写成更懒惰、更傲慢、更错误。现实常常没这么整齐。

四、如何防御

第一,保留不确定性。

写结论时保留“可能”“部分原因”“当时不可见”的空间,不要把概率事件写成命运。

第二,找基准率。

同类事情通常成功率如何?如果只看一个动人故事,就会忽略背景概率。

第三,寻找失败对照。

有没有做了同样事情却失败的人?如果有,这个故事里的“成功原因”可能只是幸存者叙事。

第四,区分解释和预测。

能解释过去,不代表能预测未来。很多叙事只有事后解释力,没有事前预测力。

第五,记录当时判断。

在决策前写下假设、证据和概率,事后复盘才不会被新故事改写记忆。

五、边界与误用

故事不是敌人。

好的故事能帮助理解、记忆和传播。问题不是讲故事,而是把故事当成证据,把连贯当成真实,把好听当成正确。

叙事谬误也不能让人拒绝所有解释。我们仍然需要因果分析,只是要承认复杂性、样本和不确定性。

六、和其他模型的关系

叙事谬误和相关不等于因果相连。故事常常把相关包装成因果。

它和幸存者偏差相连。很多成功故事只来自幸存样本。

它和受简单联想影响的倾向相连。故事把松散联想串成因果链。

它和概率思维与期望值相连。概率思维能抵消“结果既然发生就必然发生”的叙事冲动。

一句话总结

叙事谬误训练的是一种对连贯性的怀疑:

一个故事越顺滑,
越要问它删掉了哪些偶然、失败样本和不可见变量。

不要让好故事替代好证据。真正成熟的理解,是既能讲清楚机制,也能保留现实的复杂和不确定。

来源说明

  • 《查理·芒格的思维模型·完整版》:将 叙事谬误 (Narrative Fallacy) 列入心理与人性类 high 置信模型。
  • 《黑天鹅:如何应对不可预知的未来》:提供叙事谬误和事后解释随机事件的核心语境,是本文主要来源之一。
  • 本文覆盖并合并了 TODO 中的 叙事谬误 / 叙述谬误。二者为同一概念的不同译法,正文以“过度连贯故事替代复杂现实”为核心机制消化。
  • 本文与资料库中“相关不等于因果”“幸存者偏差”“受简单联想影响的倾向”“概率思维与期望值”等模型互相连接。