奥卡姆剃刀

速览

1. 快速总结

当面临相互竞争的解释时，我们的大脑会自然而然地倾向于最简单的那一个，也就是需要最少假设或原因的解释。虽然这种心理捷径通常能帮我们节省认知资源，但在多个因素共同起作用的真正复杂情况下，它会把我们引向歧途。对简单的偏好在人类认知中根深蒂固，以至于我们常常为了一个优美却不完整的解释，而把有效却复杂的解释弃置一旁。

用大白话说

你的大脑特别喜欢简单的答案。每当发生了一件事，你的大脑就会一把抓住那个解释起来最快的原因，然后不再继续琢磨。很多时候这样做挺管用的。但有的时候，事情的真相其实包含好几个原因，而那个简单的答案把大部分原因都漏掉了。

假如你所在的足球队输掉了一场关键比赛。大家都说：“这全是守门员的错。”这个单一的原因让人觉得干脆又完整。但也许半个队的人都累了，后防线漏洞百出，而且对手的实力本来就很强。只怪守门员确实很省事，可这也意味着没人去解决其他问题，下一场比赛可能还是同样的结果。

这里有一个简单的好习惯。每当你为某件事找到一个原因时，不妨问问自己：“还有什么也是其中的一部分？”在做决定之前，试着至少说出三种可能的原因。有时候，简单的答案确实就是对的。这样一来，你就能确定这一点，而不是光靠猜。

2. 背后的科学

2.1. 发现与历史

简约原则又称奥卡姆剃刀，是思想史上最持久的启发法之一。它通常被归于14世纪的英国修士奥卡姆的威廉（约1287–1347年），但这个概念比他早了将近两千年。

亚里士多德（公元前384–322年）在他的《后分析篇》中阐述了一个早期版本，指出“自然界以可能的最短方式运作”，把认识论上对简单性的偏好与本体论上关于现实的主张联系了起来。托勒密（约公元90–168年）支持类似的观点：“我们认为用尽可能简单的假设来解释现象是一个好原则。”

中世纪的经院哲学传统提炼了这些观点。罗伯特·格罗斯泰斯特（约1175–1253年）指出，当需要较少前提时科学是最好的。托马斯·阿奎那（1225–1274年）写道：“如果一件事情可以通过一种方式充分完成，那么通过多种方式去完成它是多余的。”约翰·邓斯·司各脱（1265–1308年）把这一原则确立为神学辩论中的标准工具。

有趣的是，奥卡姆的威廉从未写过那句归功于他的著名拉丁语格言 “Entia non sunt multiplicanda praeter necessitatem”（如无必要，勿增实体）。研究者 W.M. Thorburn 把这一精确表述追溯到1639年的约翰·庞奇。奥卡姆表达这层意思时使用的是不同的表述：“Numquam ponenda est pluralitas sine necessitate”（若无必要，绝不应设定复多）。

根据传统说法，“奥卡姆剃刀”一词于1852年首次出现在英语中，由威廉·汉密尔顿爵士创造；更早的1746年，法国哲学家埃蒂安·博诺·德·孔狄亚克已使用过“唯名论者的剃刀”一语。有文献记载的最早拉丁语形式 novacula occami，见于利贝尔·弗鲁瓦蒙1649年的《基督教灵魂哲学》。

在20世纪，这一原则通过 Ray Solomonoff 的归纳推理理论（1960年）、柯尔莫哥洛夫复杂度以及 Jorma Rissanen 的最小描述长度原则（1978年）在数学上被形式化。2025年，Gabriel Leuenberger 在一篇尚未经同行评审的预印本中，提出了模型选择中简约原则的一般数学证明。

2.2. 主要研究者

2.3. 标志性研究

因果推理中的简单性偏差（Lombrozo，2007）

普林斯顿大学和加州大学伯克利分校的 Tania Lombrozo 进行的实验揭示，成年人和儿童都表现出对简单解释的强烈心理偏好。在涉及“外星”生物系统或机械装置的实验中，参与者始终倾向于单一原因的解释（例如，“疾病A引起症状X和Y”），而不是多原因的解释（例如，“疾病B引起X而疾病C引起Y”），即使单一原因在统计上很罕见，且概率证据支持复杂的解释。

Felsenstein 区研究（Felsenstein，1978）

Joe Felsenstein 证明，系统发育学中的最大简约法在统计上可能是不一致的。当分支之间的进化速率差异很大时（一种称为“长枝吸引”的现象），随着更多数据的加入，简约法会越来越确信地收敛到错误的进化树上。这项具有里程碑意义的发现表明，在复杂的随机系统中，最简单的解释（最少的演化步骤）并不总是正确的。

不可知解释研究（Vrantsidis 与 Lombrozo，2025）

这项由 Thalia Vrantsidis 和 Tania Lombrozo 发表在 Memory & Cognition 上的研究，揭示了简单性偏差背后的认知机制：人们使用“不可知”的解释进行推理。在评估一个简单的假设时，他们会忽略缺失原因的状态，而不是明确将它们标记为缺失。这种“心理经济性”降低了认知负荷，但导致了系统性错误，在医学、经济学和政策分析中，人们会忽视相关的缺失因素，从而导致过度简化的推理。

2.4. 神经学基础

• 降低认知负荷：大脑对简单性的偏好与其需要保存代谢资源有关。复杂的解释需要同时维持多个假设，这会增加工作记忆的负担。

• 系统 1 与系统 2 处理：简单性偏差主要通过系统 1（快速、直觉处理）运作。系统 2（缓慢、分析处理）能够认识到复杂性的需要，但很容易被简单解释毫不费力的吸引力所压倒。

• 模式识别回路：大脑倾向于寻找模式并将信息压缩成易于管理的组块，这自然而然地偏好更简单的心理模型。

• 前额叶皮层参与：不确定情况下的决策涉及前额叶皮层，它倾向于通过消除替代方案来降低复杂性，而这一过程可能导致过早在简单解释上形成闭合。

3. 进化起源

对简单解释的偏好很可能为我们的祖先带来了重要的生存优势：

威胁评估的速度：当灌木丛发出的沙沙声可能预示着捕食者时，那些迅速得出“危险动物”的结论并采取行动的祖先，比那些仔细考虑多种可能原因的祖先幸存下来的频率更高。

认知效率：大脑消耗身体大约20%的能量。减少认知负荷的心理捷径在代谢上是有利的，尤其是在热量稀缺的情况下。

行动导向：简单的解释能带来明确的行动计划。“因为不下雨，水坑干涸了”会导致转移寻找水源的明确行动，而考虑多种相互作用的因素可能会延误挽救生命的决策。

特性，而非缺陷：简单性偏差最好被理解为一种优化过的特性，用于在速度比精确度更重要的环境中生存。在祖先的环境中，思考太久的代价往往超过了偶尔犯错的代价。

适应性背景：这种偏差在因果结构相对简单的环境（捕食者-猎物关系、天气模式、部落社会动态）中具有高度的适应性。但在涉及复杂系统的现代背景下，它就会成为一个问题，包括全球经济、医学共病、气候科学以及技术故障。

4. 这种偏差如何表现

4.1. 在日常生活中

• 关系冲突：将伴侣的情绪归咎于单一原因（“他们因为工作生气”），而不是认识到多种促成因素（压力、健康、关系动态）。

• 自我诊断：认为疲劳是由于睡眠不佳，而不是考虑饮食、运动、压力和潜在医疗状况的相互作用。

• 归咎责任：当事情出错时，寻找单一的罪魁祸首，而不是认识到系统性故障。

• 政治观点：将复杂的社会问题简化为单因解释（“犯罪是由贫困引起的”或“犯罪是由不良价值观引起的”），而不是承认多因素现实。

4.2. 在工作场所

• 项目失败：将失败的举措归因于单一因素（糟糕的领导力、预算不足），而不是进行全面的事后复盘，找出多个相互作用的原因。

• 招聘决策：基于一个单一的突出特征而不是整体评估来评估候选人。

• 绩效评估：通过一个视角（动机、技能或环境）来解释员工的表现不佳，而不是认识到其中的相互作用。

• 战略制定：为复杂的业务挑战寻找“灵丹妙药”式的解决方案。

4.3. 在商业和营销中

• 品牌定位：公司利用简单性偏差，提供单一且令人难忘的品牌承诺（“Just Do It”），以浓缩复杂的价值主张。

• 产品设计：宣传单一明确优点的产品，表现优于传达多项特性的产品，即使后者能提供更多价值。

• 广告宣传：具有单一因果关系的简单叙事（“使用此产品 → 达到此结果”）比复杂的信息更能打动人。

• 客户反馈：企业经常执着于对客户行为的简单解释，忽略了驱动购买决策的多重因素的复杂相互作用。

4.4. 在政治和媒体中

• 政治传播：政治人物利用简单性偏差，对复杂问题给出简化的口号和单因解释（移民导致失业；监管导致经济放缓）。

• 媒体报道：新闻媒体偏好简单的叙事而非复杂的分析，因为它们更容易传播，也更能吸引受众。

• 阴谋论：阴谋论的吸引力部分在于它们为复杂且令人困惑的事件提供了简单、统一的解释。

• 两极分化：复杂的政策问题被简化为二元对立的立场，每一方都给出迎合简单性偏差的简单解释。

4.5. 在医疗保健中

• 诊断简约：医学教育传统上教导“当你听到马蹄声时，想马，而不是斑马”（寻求能够解释所有症状的单一诊断）。

• 希卡姆的现实：在老年医学和复杂医疗中，患者通常患有多种疾病。约翰·希卡姆医生的反向原则指出：“一个病人想得多少种病，就可以得多少种病。”

• 圣徒三联征：食管裂孔疝、胆结石和憩室病的同时存在，这三者在机制上并不相关但经常同时发生，说明了强行寻找单一解释可能出错。

• 过早闭合：医生在找到一个合理的诊断后可能会停止进一步排查，从而遗漏共病。

4.6. 在金融和投资中

• 市场解释：财经媒体总是为市场动态提供简单的解释（“股市因通胀担忧而下跌”），而市场实际上对无数相互作用的因素做出反应。

• 投资论点：投资者经常基于单因素分析建立头寸，而不是考虑影响公司前景的复杂生态系统。

• 经济预测：专家常常为经济现象提供简单的因果模型，而这些现象实际上是无数相互作用的主体的涌现属性。

• 风险评估：通过将系统建模得比实际更简单，从而低估了尾部风险。

5. 真实世界案例研究

案例研究 1：日心说革命

• 背景： 超过一千年的时间里，托勒密的宇宙地心说模型主导了天文学。为了解释观测到的行星逆行运动，该模型需要一个由均轮、本轮和偏心匀速点组成的复杂系统。

• 发生情况： 尼古拉·哥白尼提出了一个将太阳置于中心的日心说模型。虽然最初在数学上并不简单（哥白尼仍然使用本轮），但在概念上更简单，逆行运动成了地球经过其他行星时一种自然的视差效应。

• 起作用的偏差： 追求简约的动力促使天文学家寻找更简单的解释。约翰内斯·开普勒后来应用了剃刀原则，用椭圆代替了圆形轨道，大大降低了数学复杂性。

• 后果： 日心说模型最终促成了牛顿的统一万有引力理论，这是科学界简约原则最伟大的胜利之一。

• 经验教训： 简单性偏差在严格应用并经过证据检验时，可以推动科学进步。然而，这一转变花了一个多世纪，表明复杂的解释可以变得多么根深蒂固。

案例研究 2：医疗误诊

• 背景： 一名患者出现心力衰竭症状、肾脏问题和意识模糊。医学培训强调寻找统一的诊断。

• 发生情况： 遵循奥卡姆剃刀，医生寻找能够解释所有症状的单一综合征。咨询了多位专家，测试了各种罕见疾病，并延误了治疗。

• 起作用的偏差： 对诊断简约性的追求导致尽管证据指向多种情况，但依然锚定在单一原因的解释上。

• 后果： 该患者实际上患有三种截然不同且常见的疾病，即高血压引起的心力衰竭、糖尿病肾病和早期痴呆。寻求统一诊断推迟了适当的多管齐下治疗。

• 经验教训： 对于复杂患者，特别是老年人和免疫功能低下的患者，希卡姆格言应优先于奥卡姆剃刀。多种常见疾病通常比一种罕见的统一诊断更有可能。

历史案例：以太与相对论

在19世纪后期，物理学家假设“光以太”是光波传播的介质。当迈克尔逊-莫雷实验未能探测到这种以太时，洛伦兹提出了复杂的变换方程来解释为什么它是不可探测的。

阿尔伯特·爱因斯坦应用了奥卡姆剃刀，他意识到如果以太无法被探测到，那它就是多余的。他的狭义相对论仅通过两个简单的假设就推导出了相同的数学结果，而无需引入不可观测的以太。这成为本体论简约原则的典范：移除不可探测的实体，从而建立一个更强大的理论。

这一案例表明，简单性偏差如果得到恰当运用并经过严格检验，可以彻底改变科学认知。爱因斯坦对简单性的偏好并不只是出于审美，他认识到不可探测的实体无法带来任何解释力。

6. 这种偏差的代价

6.1. 个人代价

• 误解人际关系：将人际关系问题归因于单一原因，会阻碍全面应对人际动态的复杂性。

• 健康管理不善：寻求健康问题的简单解释可能会推迟对复杂的、相互作用的疾病的识别。

• 自我认知偏差：将自身的行为简化为单一动机，会阻碍真正的自我认知和个人成长。

• 习得性无助：当简单的解决方案不起作用时，人们可能会直接放弃，而不是认识到需要多管齐下的方法。

6.2. 职业代价

• 战略失败：对问题进行简单化诊断的组织会推行不完整的解决方案。

• 调查中的隧道视野：紧咬最简单嫌疑人不放的刑事调查人员可能会酿成冤假错案，而真正的罪犯却逍遥法外。

• 科学研究走进死胡同：执着于简单理论的研究人员可能会忽略指向必要复杂性的数据。

• 职业发展停滞：将职业挑战简化为单一原因，会阻碍能力的全面提升。

6.3. 社会代价

• 政策失败：用简单解决方案应对复杂的社会问题（贫困、犯罪、教育），总是表现不佳。

• 冤假错案：“无罪计划”记录了多起因简单性驱动的“隧道视野”导致无辜者入狱的案例。

• 经济危机：金融系统的失灵通常源于过度简化复杂相互依赖关系的模型。

• 公共卫生：当复杂的传播动态被简化为单一的干预措施时，大流行应对就会受损。

6.4. 统计影响

• 系统发育错误：Felsenstein 1978年的研究证明，简约方法在统计上可能变得不一致，在某些条件下，随着数据的增多反而会收敛于错误答案。

• 诊断准确性：老年医学研究显示，预设单一诊断会导致相当高比例的共病漏诊。

• 机器学习：研究表明，当底层函数真正复杂时，神经网络的“简单性偏差”会阻碍其学习正确的解决方案。

7. 隐藏的益处

并非简单性偏差的所有方面都是负面的：这种偏好之所以进化出来，是因为它常常很好地服务于我们

• 认知效率：简单的心理模型可以释放认知资源以完成其他任务。我们无法对每一个现象进行全复杂度的调查。

• 沟通：简单的解释更容易沟通、教授和记忆。它们为实际目的提供了有用的近似。

• 科学进步：对简约性的追求推动了科学界的一些最伟大的进步，从哥白尼一直到爱因斯坦。正如牛顿所写，“自然界乐于简单，而不喜欢多余原因的浮华。”

• 统计有效性：贝叶斯推断提示，更简单的理论具有更高的先验概率，因为它们较少“脆弱”（需要更少的特定条件才能成立）。

• 防止过拟合：在统计学和机器学习中，最小描述长度原则表明，简约性可以防止对噪声而非信号进行过拟合。

• 一项拟议的2025年证明：在一篇尚未经同行评审的预印本中，Gabriel Leuenberger 认为，如果所有可能的模型对预测进行“投票”，结果会收敛于最简单的模型；若果真如此，简单性偏差在预测上可能是数学上最优的。

8. 自我评估：你是否有这种偏差？

8.1. 警告信号清单

• 你经常发现自己被感觉令人满意的“优雅”解释所吸引
• 当问题出现时，你会迅速锁定一个原因
• 你对复杂的或多因素的解释感到不耐烦
• 你经常使用诸如“归根结底就是……”或“真正的原因是……”之类的短语
• 当你的简单解决方案不起作用时，你会尝试另一个简单的解决方案，而不是考虑复杂性
• 你将复杂的解释斥为“想太多”
• 你对同时持有多种可能的解释感到不舒服
• 你偏好提供清晰、简单叙事的新闻来源
• 你倾向于将他人的行为归因于单一的人格特质
• 当获得新信息时，你很少重新审视最初的解释

评分：

• 勾选 0-2 项：易感性低
• 勾选 3-5 项：易感性中等
• 勾选 6-8 项：易感性高
• 勾选 9-10 项：易感性极高

8.2. 自我反思问题

1. 回想一下你最近快速诊断出的一个问题。你驳回了哪些替代解释，为什么？

2. 你什么时候因为解释太简单而犯错？更完整的解释会是什么样子？

3. 当有人提出比你更复杂的解释时，你通常如何反应？

4. 在哪些领域（健康、人际关系、工作、政治）你最容易寻求简单的解释？

5. 有没有人告诉过你把事情过分简单化了？你是如何回应的？

8.3. 快速诊断场景

场景： 工作上的一个项目失败了。早期调查显示项目经理做出了几个糟糕的决定。一位同事建议我们也应该检查可能促成失败的组织文化、资源限制和沟通系统。

你会如何回应？

• A) “我们不要把问题复杂化了。显然是项目经理搞砸了。我们需要解决追责问题。” → 易感性高
• B) “项目经理的决定显然很重要，但我想我们也可以简要地看看其他因素。” → 易感性中等
• C) “你说得很对。项目失败通常有多个原因。在追责或实施解决方案之前，让我们列出所有促成因素。” → 易感性低

9. 识别他人身上的这种偏差

9.1. 行为指标

• 面对复杂情况时迅速得出结论
• 引入复杂性时表现出沮丧或不屑一顾
• 使用还原性语言（“这实际上只关乎X”）
• 抵制使其当前解释复杂化的信息
• 反复尝试简单解决方案的变体，而不是重新思考问题

9.2. 对话危险信号

人们在处于这种偏差时会说的话：

• “这一切归根结底就是一件事……”
• “真正的原因很简单……”
• “你把问题想得太复杂了。”
• “如果我们只是解决X，其他一切都会迎刃而解。”
• “别想太多。”

他们提出的论点类型：

• 在不进行调查的情况下将其他因素作为“噪音”驳回
• 将时间上的巧合视为单一因果关系的证据

他们避免提出的问题：

• “可能还涉及哪些其他因素？”
• “这些原因可能如何相互作用？”

9.3. 情境触发因素

• 时间压力：截止日期驱使人们得出快速、简单的结论
• 认知负荷：当精神疲惫时，人们更加依赖简单的启发法
• 情绪压力：焦虑增加了清晰、简单解释的吸引力
• 社会压力：简单解释获得共识势头的群体环境
• 陌生领域：当面对陌生领域时，人们容易抓住简单的框架

10. 认知去偏差策略

10.1. 即时技巧

• “还有什么？”法则：在得出初步解释后，强迫自己问至少三次“还可能涉及什么？”。

• 查顿检验：援引沃尔特·查顿的反剃刀原理，“如果三件事不足以验证一个命题，就必须加上第四件事。”问问自己你的解释是否充分，而不仅仅是简单。

• 希卡姆停顿：在接受单一解释之前，不妨自问“这种情况可能有多个独立的原因吗？”

• 概率校准：不妨问问自己，“这真的是最有可能的解释，还是仅仅在认知上最令人感到舒适的解释？”

10.2. 长期策略

• 练习包容复杂性：刻意让自己接触系统生物学、气候科学或经济学等领域的复杂解释，以建立对多因素思维的适应度。

• 学习系统思维：学习理解多种因素在复杂系统中如何相互作用的框架。

• 保留复杂性日记：记录简单解释辜负你的实例，以及完整的图景是什么样子。

• 培养知识上的谦逊：认识到宇宙的实际复杂性常常超出我们的认知模型。

10.3. 环境设计

• 结构化决策过程：实施需要在得出结论前考虑多重原因的核对清单。

• 多样化的建议输入：让自己身边围绕着思维方式不同、能够挑战过度简化的人。

• 魔鬼代言人角色：在团队环境中，指派某人为额外的复杂性辩护。

• 决策日志：记录你的解释并重新审视它们，看看是否遗漏了复杂性。

10.4. 何时寻求外部输入

• 风险很高时（医疗决定、重大投资、刑事调查）
• 你最初的简单解释“感觉太好了”时
• 你反复尝试简单解决方案却未成功时
• 处理已知很复杂的系统时（健康、组织、市场）
• 具有相关专业知识的其他人建议考虑额外因素时

11. 实践练习

练习 1：因果图

• 目标： 培养可视化多个相互作用的原因的能力
• 所需时间： 20分钟
• 所需材料： 纸、彩色笔，或电子思维导图工具
• 难度等级： 初学者
• 说明：
  1. 选择一个你最近归因于单一原因的问题或结果
  2. 将该原因写在页面中心
  3. 在其周围画出至少五个其他潜在的促成因素
  4. 画箭头以显示因素之间可能的相互作用
  5. 确定你之前忽略了哪些联系
• 反思问题：
  • 更完整的图景如何改变了你的理解？
  • 你最初摒弃了哪些因素，为什么？
  • 多因素方法将如何改变你的应对？
• 频率： 每周一次，特别是在重大事件之后

练习 2：历史重新分析

• 目标： 在既定叙事中认识到简单性偏差
• 所需时间： 30分钟
• 所需材料： 可查阅的历史记录或新闻档案
• 难度等级： 中级
• 说明：
  1. 选择一个通常由单一原因解释的历史事件（例如，战争、经济崩溃或革命）
  2. 研究至少五个其他促成因素
  3. 用一段话写出对该事件的复杂解释
  4. 比较简单解释和复杂解释的情感满足度
  5. 反思为什么简单的叙事在历史记忆中占主导地位
• 反思问题：
  • 为什么简单的历史叙事会持续存在？
  • 当我们过度简化历史时，我们失去了什么？
  • 这种模式如何影响你对时事的理解？
• 频率： 每月一次

练习 3：事前验尸分析

• 目标： 预先识别多种故障模式
• 所需时间： 15分钟
• 所需材料： 纸或数字文档
• 难度等级： 高级
• 说明：
  1. 在开始项目或决策之前，假设它已经失败了
  2. 生成至少七个导致失败的不同原因
  3. 针对每个原因，确定会出现哪些警告信号
  4. 为三个最可能的故障模式创建缓解策略
  5. 抵制专注于单一“最可能”故障的冲动
• 反思问题：
  • 你最初忽略了哪些故障模式？
  • 这如何改变了你对该项目的处理方法？
  • 什么样的监控有助于及早发现多种故障模式？
• 频率： 在任何重大项目或决定之前

日常实践

三因法则：对于你遇到的任何问题或事件，在确定一种解释之前，强迫自己识别出至少三个潜在的促成原因。把它们写下来。即使你断定其中一个是主要的，这个练习也能培养对复杂性包容的习惯。

• 建议时长：5分钟
• 每天最佳时间：晚上反思
• 如何追踪进度：保留一份简单的日志，记录你是否成功找出了多种原因

每周挑战

复杂性深潜：选择一个你持有强烈、简单意见的话题。花30分钟研究引入复杂性或额外因素的观点。写一篇结合了这种复杂性的总结。

• 4周后的预期结果：对模糊性更加适应，拥有更周全的意见，识别媒体中的过度简化
• 用于反思的日志提示：
  • 我的理解在加入额外复杂性后发生了什么变化？
  • 是什么让我最初抗拒这种复杂性？
  • 在类似尚未仔细审视的观点中，我可能在哪里错了？

12. 针对特定受众

致领导和管理者

• 组织诊断：抵制针对团队失败的单因解释。实施事后分析，系统地审查多重因素，包括领导力、资源、沟通、培训、外部压力和系统。

• 战略制定：警惕针对复杂组织挑战的“万灵丹”式解决方案。构建能够同时撬动多个维度的战略。

• 决策过程：实施结构化决策流程，要求在得出结论之前书面记录多种假设。

• 文化建设：为团队成员营造心理安全感，让他们能够坦言“事情比那更复杂”，而不必担心被当作推诿阻挠者。

致父母和教育工作者

• 教授复杂性：帮助孩子理解大多数事件都有多个原因。在讨论事情为何发生时，引导探索多种因素，而不是给出单一解释。

• 因龄施教的框架：对于年幼的孩子可以告诉他们“可能不止一个原因”；对于大一点的孩子，引入相互作用原因的概念。

• 展现兼顾细节的榜样：当孩子给出简单的解释时，在予以肯定的同时温和地引入其他因素，“那是一个原因，还有什么可能也起到了作用？”

• 历史与科学教育：告诉孩子，尽管教科书进行了简化，但历史事件和科学现象通常有多个相互作用的原因。

致医疗保健专业人员

• 老年医学：在65岁以上的患者中，默认采用希卡姆格言。多种常见病症往往比单一罕见综合征更有可能。

• 诊断方案：实施核对清单，要求在结束调查前明确排查并考虑共病。

• 与患者的沟通：帮助患者了解他们的症状可能有多个促成因素，从而为治疗建立切合实际的预期。

• 医学教育：平衡传统诊断简约原则的教学与在何种情况下应预期复杂性的明确指导。

致金融专业人士

• 市场分析：抵制将市场波动归因于单一因素的冲动。建立融合了多个相互作用变量的模型。

• 客户沟通：帮助客户认识到投资结果取决于众多因素，为预测与把控建立切合实际的期望。

• 风险评估：将风险建模为源自多个相互作用的源头，而非单一故障点。

• 尽职调查：在评估投资时，系统性地审查多种潜在的失败模式，而非仅仅锚定主要担忧。

13. 与其他偏差的相互作用

放大此偏差的偏差

抵消此偏差的偏差

常见偏差链

简单性偏差 → 确认偏误 → 过度自信效应 → 行动失败

例子：你简单地诊断问题（简单性偏差） → 你寻找支持该诊断的证据（确认偏误） → 你的信心增加（过度自信效应） → 你的简单解决方案失败，因为问题实际上是多因素的。

通过以下方式打断这一连串的反应：在任何干预之前强制考虑替代解释，并实施反馈循环以揭示简单的解决方案何时失败。

14. 文化视角

简单性偏差体现在各种文化中，尽管它的表达方式各不相同：

• 西方科学文化：作为科学美德对简约性的强烈推崇，从奥卡姆经由牛顿追溯到现代物理学。“优雅”的理论受到赞誉。

• 印度哲学传统：正理-胜论逻辑学派承认 Laghava（轻/简约）为美德，与 Gaurava（重/复杂）这种缺点形成对比。然而，弥曼差学派以不同的方式使用这一原则，援引简约原则来反对上帝的存在，反而假设了一种名为 Apurva 的非人格力量。

• 系统文化：一些传统强调互连性而不是还原性。例如，传统中医倾向于整体的、多因果的解释。

15. 迷思与误解

16. 专家洞见

“自然乐于简单，不喜欢多余原因的铺张。” — 艾萨克·牛顿，《自然哲学的数学原理》（Principia）(1687)，第三卷，哲学中的推理规则一，Andrew Motte 译 (1729)

沃尔特·查顿反驳奥卡姆，认为当两件事不足以验证一个关于事物的肯定命题时，就必须设定第三件，并依证据的需要依次类推。 — 概述自 Walter Chatton，Lectura I, d. 3, q. 1, a. 1 (c. 1323)

医学教学中常把一条反向格言归于医生 John Hickam：病人想得多少种病就可以得多少种病，因此并不保证存在一个统一的诊断。 — 概述自 Wallace T. Miller，“Occam versus Hickam,” Seminars in Roentgenology 33(3) (1998)，p. 213 所讨论的这一传统 https://doi.org/10.1016/S0037-198X(98)80001-1

“我们认为，用尽可能简单的假设来解释现象，是一条好原则。” — 托勒密，Almagest（《天文学大成》），第三卷，G. J. Toomer 译 (1984)

Gabriel Leuenberger 认为，偏好更简单的假设可以在数学上得到论证：它可由柯尔莫哥洛夫复杂度的链式法则推导出来，而不只是趣味问题。 — 概述自 Gabriel Leuenberger，“General Mathematical Proof of Occam's Razor,” arXiv:2506.23194 (2025)

17. 关键要点

1. 普遍但并非万无一失：简单性偏差深深植根于人类认知中，发挥着重要功能，但在真正复杂的情况下可能会严重误导我们。

2. 经济性与充分性：奥卡姆（简单性）和查顿（充分性）之间的历史张力至今依然适用。良好的推理应当平衡两者。

3. 领域很重要：简单性偏差在物理学中效果很好，但在医学、生物学和社会系统中效果不佳，在这些系统中，多个相互作用的原因才是常态。

4. 有数学基础：现代信息论为简约原则提供了严谨的基础，但也揭示了其局限性（例如 Felsenstein 的不一致性结果）。

5. 希卡姆的世界：在复杂领域中，特别是在涉及人类健康和行为的领域，默认应当预期存在多个原因，而不是寻求单一解释。

6. 去偏差是可能的：通过刻意练习和结构化的决策流程，在适当时机可以抵消简单性偏差。

7. 剃刀具有双面性：虽然它能剔除不必要的复杂性，但被误用的简约原则也会削去必要的复杂性。这把刀必须凭智慧来挥舞。

18. 延伸阅读资源

学术论文

• Solomonoff, R. (1960). A preliminary report on a general theory of inductive inference. Report V-131, Zator Co.
• Felsenstein, J. (1978). Cases in which parsimony or compatibility methods will be positively misleading. Systematic Zoology, 27(4), 401-410. https://doi.org/10.2307/2412923
• Lombrozo, T. (2007). Simplicity and probability in causal explanation. Cognitive Psychology, 55(3), 232-257. https://doi.org/10.1016/j.cogpsych.2006.09.006
• Rissanen, J. (1978). Modeling by shortest data description. Automatica, 14(5), 465-471. https://doi.org/10.1016/0005-1098(78)90005-5
• Vrantsidis, T. H., & Lombrozo, T. (2025). Inside Ockham's razor: A mechanism driving preferences for simpler explanations. Memory & Cognition, 53(3), 746-774. https://doi.org/10.3758/s13421-024-01604-w
• Leuenberger, G. (2025). General mathematical proof of Occam's Razor; Upgrading theoretical physicists' methodology. arXiv preprint arXiv:2506.23194 (not peer reviewed).

书籍

• Sober, E. (2015). Ockham's Razors: A User's Manual. Cambridge University Press.
• Grünwald, P. (2007). The Minimum Description Length Principle. MIT Press. https://doi.org/10.7551/mitpress/4643.001.0001
• Thorburn, W.M. (1918). "The Myth of Occam's Razor." Mind, 27(107), 345-353.

书籍章节

• Quine, W.V.O. (1966). On simple theories of a complex world. In The Ways of Paradox and Other Essays (pp. 103-109). Harvard University Press.

19. 总结卡片

适合打印或快速参考的单页视觉总结

20. 术语表

21. 讨论问题

供读书会、课堂或自我反思使用：

1. 在你生活的哪些领域中，你曾因对复杂情况寻求简单解释而犯错？那次经历教会了你什么？

2. 你如何平衡对简单心理模型的实际需求，与真相往往很复杂这一现实？

3. 媒体持续为复杂事件提供简单的解释。受众应当如何应对这种情况，记者又承担着怎样的责任？

4. 科学探索中的简单性偏差（在科学中往往带来突破）与日常生活中的简单性偏差（在日常生活中往往更有问题），两者之间是否存在区别？

5. 应如何重新设计组织和机构，以更好地兼顾简单性偏差导致我们忽略的复杂性？

最后更新：7 十一月 2026