每日读书精华 – Factfulness（事实）

Factfulness（事实）

Hans Rosling（汉斯·罗斯林）、Ola Rosling、Anna Rosling Rönnlund · Sceptre / Hodder & Stoughton（Hachette UK），2018 年首版

💡 核心洞见（5条）

📌 值得注意的是，以下洞见提炼自本书核心章节，兼顾理论框架与可执行方法，供日常决策参考。

1. 书里那套 13 道「事实测验」最狠——全球 14 国 1.2 万人平均只答对 2.2 道（满分 12，四舍五入算 2 道），连黑猩猩随机蒙都能对 4 道。世卫、联合国顾问都答不过猩猩，说明「世界正在变糟」不是事实，是本能。
2. 极端贫困率从 1993 年的 34% 跌到 2013 年的 10.7%（世界银行，按每天 1.9 美元线）；全球预期寿命已到约 70 岁（2016 年出生者平均 72.48 岁）。但 76% 的人住在「中等收入国家」——不是我们想象里的「穷国 vs 富国」两极。
3. 自然灾害年均死亡人数过去百年降了 75%：1907–1916 年年均 32.5 万，2007–2016 年降到 8 万。我们觉得世界更危险，是因为新闻只报坏的、且报道能力更强了（more news ≠ more suffering）。
4. 书的核心方法论是「10 个本能」：gap / negativity / straight-line / fear / size / generalization / destiny / single-perspective / blame / urgency。每条都给了一套「控制开关」，比如 fear 本能用 Risk = danger × exposure 拆解，urgency 本能用「take a breath + insist on data」。
5. 最反直觉的是 straight-line（直线）本能：联合国预测到 2100 年儿童数量不会比今天更多（仍是约 20 亿），人口增量 69% 来自 15–74 岁成年人、30% 来自 75 岁以上老人——人口增长不是因为「生更多小孩」。

💥 最震撼案例

作者 Hans 在莫桑比克 Nacala 当地区医官时，发现一种此前未被记录的瘫痪病，后来命名为 konzo（木薯中毒）；他的调查拿了 Uppsala 博士。更动人的是——他 1974–1984 年间累计在家带娃 18 个月，边做医生边育儿。一个发现怪病、又认真带孩子的公共卫生教授，最后用「马戏团吞剑者的 X 光片」开场讲数据，这种人设本身就在拆解「专家高高在上」的本能。

读完你会发现自己连黑猩猩都不如——但好消息是，只要记住「多数人在中间、坏消息不是全貌、直线很少真的直」，你就能比 90% 的财经评论员更清醒。

🎓 对 AI for Business 课程的可借鉴点

覆盖《Generative AI for Business》多个章节：
– AI 商业理解（破冰）：用书中「13 道事实测验」改造成「AI 认知测验」——测学员对 AI 能力/风险/就业影响的本能偏见，开场就能戳破「AI 会瞬间取代所有人」的直线本能。一句话切入点：先测再讲，让管理者亲眼看自己被哪个本能带偏。
– 数据分析 / AI 输出可信度：迁移「better and bad（区分水平与方向）」与「good news is not news」——教非技术学员批判看待 AI 生成的数据报告：趋势是变好了还是本来就高？正面信号为什么没上新闻？
– 行业案例 / 市场定位：用「4 个收入层级 + Dollar Street」框架讲下沉市场与出海——全球 76% 人口住在中收入区间，AI 产品别只盯着「两极」用户。
– 实战工作流（多模型）：用 single-perspective 本能（锤子与钉子）提醒——别用一种模型/工具解决所有问题，复杂任务要换视角、多模型交叉验证。
– 决策心态：urgency 本能（「现在或永不」）→ AI 项目别被 FOMO 推着做激进行动，先要数据、小步试、看副作用。

factfulness-instinct-auditor —— 把一段观点或决策映射到 Factfulness 的 10 个本能之一，给出事实检查清单
触发词: 帮我看看这个判断/结论有没有认知偏差、我是不是被本能带偏了、这个观点靠谱吗
输入: 用户的一段观点、决策或结论（可含一个数据断言）
输出: 命中的本能名称 + 2–3 个针对性检验问题（如「你比较的是平均值还是极端值？」「这是水平还是趋势方向？」）+ 建议核对的客观数据源

risk-exposure-calculator —— 按 Risk = danger × exposure 把「被恐惧放大的风险」拆回真实量级
触发词: 我好怕XX风险、这个事风险大不大、AI 会不会导致XX
输入: 一个被担忧的风险事件 + （可选）危险度与暴露度的粗略估计
输出: 该风险的真实量级评估 + 与其他常见风险（如车祸、溺水）的相对排序 + 「先冷静再决策」的具体动作