人们希望活在一个公平的世界里，这个世界讲究正义，如果违背道德，世界终将他陷入孤立。人们希望这个世界维护平等自由，向所有人开放机会之门。

纵观人类历史，世界似乎在朝着公平的方向步履不停。封建时代失道寡助的君王被无情推翻，有志青年立鸿鹄之志，举起反抗的旗帜，开辟惊人伟业。渐渐地，真理不再由一人掌握，人权不再横遭践踏，世界开始实行一夫一妻制，底层百姓拥有了生存空间。科技繁荣，文化繁茂，城市繁华，现代文明的成果被层层打开，人们可以尽情的享用。

新旧交锋的激烈撞击下，历史的车轮滚滚向前，世界在进步，人们对公平的追求愈加强烈。然而环顾现实，不公平的现象依旧明显。

在文化艺术、金融投资领域，我们看到畅销书霸占榜单，1%的书籍占据了90%以上的销量，那些优秀的书目，因为得不到关注黯然退出市场。

再看一看我们手机上越来越集中使用的APP，移动支付只有支付宝和微信，点外卖全在美团和饿了么，少数赢家掌控了一切，后来者迅速被抛弃，我们不得不发出这样的感慨，强者更强了。它们夺取了议价权，我们只有接受的份儿。

说到底，不公平的世界战争实时在拉响，只不过我们看不到硝烟、看不到武器罢了。

世界是不公平的

一个学者的评价主要看他们的成果被人引用的次数，而这居然来自随机性！为什么呢？塔勒布写道：许多学者在不读原著的情况下列举参考文献。他们会读一篇论文，从这篇论文的参考文献中摘取一些作为自己的参考文献。于是阅读第二篇论文的第三名研究者又把前面提及的文献作者作为自己的参考来源。胜出的文献作者与原来其他人的区别在于运气。最后，不被经常引用的人退出游戏，那些在学术生涯一开始就很幸运的人将在一生中不断累积优势。

富人容易变得越富有，名人容易变得越有名，这种累积优势叫做马太效应。

《黑天鹅》一书中，还列举了跟马太效应相似的偏好依附现象，它解释了为什么城市规模大的越来越大（幂律），为什么词汇表中少数单词被集中使用（齐普夫定律）。

任何一种看上去占优势的物种都能够立即吸引大量人群。例如一个城市聚集的人越多，陌生人就越有可能把这个城市当作目的地。于是大的越大，小的仍然很小。

不过塔勒布认为，马太效应和偏好依附现象都忽略了随机性，因为在极端斯坦，没有人是安全的。所有失败者可能一直是失败者，但胜者可能被某个凭空冒出来的人取代。因此我们看到了罗马文明的没落、底特律城市的衰退，还有曾经红极一时的国内品牌，小霸王学习机、波导手机、太子奶等等，伴随着它们的消逝，新的创造又在不断涌现。

塔勒布认为，一切都是暂时的，随机性能够对社会进行重新洗牌，把那些大人物拉下马。比如说，1957年美国最大的500家公司中，只有74家在40年后仍然位列标准普尔500强。只有少数因为合并而消失，其他的要么衰败了，要么破产了。

极端斯坦的副产品就是长尾，它在某种程度上减少了不公平：世界对小人物而言没有变得更不公平，但对大人物而言变得极为不公平。从社会上的草根逆袭神话到身家过亿的富翁变负翁，在极端斯坦，没有谁的地位是牢不可破的，小人物非常具有颠覆性。

长尾意味着大量小人物和极少数超级巨人一起代表世界文化的一部分，一些小人物偶尔崛起打败胜者。

高斯钟形曲线掩饰了不公平

世界是不公平的，这种不公平具有突破性，即不公平的程度保持不变。这句话揭示了世界的不对称性。比如，我们将年收入为100万至1000万的群体划分为中等富人，将1000万至1亿的群体划分为超级富人，假定中等富人中，年收入100万与1000万的人数比率为9:1，那么超级富人中，年收入1000万与1亿的人数也近乎遵循9:1这样的比率。

因此在极端斯坦，两个年收入加起来1亿的人，最有可能的情况不是平均5000万，而是一个500万，另一个9500万。

这样的分布被称作曼德尔布罗特分布，但是我们经常忽略了世界不连续变化的可能性，误将它看作是按高斯钟形曲线分布。

所谓高斯钟形曲线分布，即从生活中抹去随机性，对极端变量视而不见。用高斯钟形曲线看世界的人会认为，投硬币连续正面投赢40次的结果只有百万亿分之一，黑天鹅事件不可能发生。而曼德尔布罗特分布并没有对意外置之不理，我们更有可能看到连续赢40次的结果。

如果用高斯钟形曲线看待图书销量、财富、投资收益，那么是有大麻烦的。因为一个数字就能瓦解你所有的平均值，一次亏损就能抹平一个世纪的利润。

分形随机性是模型化的灰天鹅

曼德尔布罗特分布是比率不变或相似的，如果用几何图形来描述的话，会显示越来越小的自相似图形，永无止境。对应到财富、投资回报等方面，它可以淡化黑天鹅问题，因为分形模型使大事件更容易理解了。

分形随机性模型至少可以在以下三方面让我们意识到黑天鹅的影响。

首先，我们面对无数个数据点，即使100万个数据点也不能让我们看清事情的全貌，但是我们知道，全部数据点一定有一个分形的比率。这个比率不可估计，一旦估计，就陷入了证实谬误的陷阱。

其次，数据点到底是多大，我们也不可能知道，但是因为分形的影响，一定会产生很大的值。我们不能截取一段数据点，将最大的数值当作终值。从现象中剥离出数字，试图去预测未来，是行不通的。

最后，黑天鹅事件从某个临界值开始产生变化，但是我们不能知道临界值在哪里。既然我们知道了临界值的存在，所以我们能意识到一旦突破临界值，黑天鹅就会展现它的冲击力。所以，我们要将自己置于正面黑天鹅的影响之下，对于负面黑天鹅则采取谨慎态度。

简而言之，如果某个机制是分形的，它就能产生很大的值，因此有可能出现很大的离差，但可能性有多大，频率有多高，很难准确知道。塔勒布认为，这与一滩水问题相似，很多形状的冰融化后都可能形成一滩水。

比如，战争的本质是分形的，有可能发生死亡人数超过第二次世界大战的战争，尽管这样的战争历史上没发生过，但并不表示没有可能性。

分形随机性模型是减少意外事件的一种方式，它使有些黑天鹅变得更明显，使我们意识到它们的影响，把它们变成灰色。

塔勒布认为，曼德尔布罗特分形模型，为我们展现了一丝希望，一种思考不确定性问题的方式。如果你知道黑天鹅在哪里，你真的会安全许多。

灰天鹅是可以模型化的极端事件，而黑天鹅是未知的未知。