Open sidebar
每日文摘
搜索
趣图
名言
人物
标签
搜索
热点人物
戴尔·卡耐基
查理·芒格
卢梭
罗翔
史铁生
张爱玲
佚名
周希陶
罗曼·罗兰
维克多·雨果
约翰·洛克
简·奥斯汀
杰夫·贝索斯
爱默生
鲁迅
歌德
陈继儒
马云
钱钟书
稻盛和夫
人气标签
我
你
自己
事
爱
生活
世界
人生
死
路
时间
梦
生命
幸福
永远
善
快乐
恶
成功
希望
爱情
人类
社会
努力
教育
精神
自由
女人
朋友
心灵
由于采取了一小部分措施，你便能够降低个人发生意外的大部分风险。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
纳西姆·尼古拉斯·塔勒布（Nassim Nicholas Taleb），男，安皮里卡资本公司的创办人，也是纽约大学库朗数学研究所的研究员。
与害怕尝试新事物的研究员不同，每当大自然看到不对称性，它就看到了选择的机会。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
愚蠢的人总是力图赢得辩论，而聪明人则寻求获利。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
愚蠢的人有一个核心特征，那就是他们永远不会知道，他们之所以容易上当是因为他们的思维局限。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
有些事情能从冲击中受益，当暴露在波动性、随机性、混乱和压力、风险和不确定性下时，它们反而能茁壮成长和壮大。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
由于有了反脆弱性，我们做的要比我们想象的更好。我宁愿做愚钝但具有反脆弱性的人，也不做极其聪明但脆弱的人。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
由于一个小小的例外便可以推翻一个论断，因此，虽然我们不能确定某个事物就是什么，但证伪总是比证实更容易找到依据。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
由于一个领域内的技能无法移植到另一个领域，这促使我对课堂上学习的任何技能，或者任何以非生态形式掌握的东西普遍心存怀疑，我更相信从街头斗殴和现实生活中学到的东西。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
由于事后扭曲，有些人当然没事先看到事件来临，却记得他们想过那件事产生的影响，而且会设法说服自己，是他们预测到了这些事件，随后还要说服别人相信这一点。每个事件发生后，事后预测者的人数总是多于真正的预测者。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
由于你无法预测合作，也不能指导合作，你就无法看到世界的发展方向。你所能做的就是创造一种有利于合作的环境，为繁荣奠定基础。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
由于反脆弱性的存在，他攻击或诋毁你的努力反而使你出了名。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
由于采取了一小部分措施，你便能够降低个人发生意外的大部分风险。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
用我的生态学推理来说，一个人做事拖拖拉拉不是因为他不理性，而是他身处的环境不合理。称这个人不理性的经济学家和心理学家，其实才是不理性的。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
用他的话来说：“我们不是为了生活而学习，只是为了学习而学习”。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
永远不要相信一个没有自由的人所说的话。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
因为在极端斯坦下，在某个创意上有少量投资总好过错过这个创意。正如一个风险投资家告诉我的：“回报收益是如此之大，你简直不能错过任何一个可能的创意。”
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
因为赌的是愚蠢的人们的脆弱性，所以胖子托尼和尼罗赢得了反脆弱性。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
因此我们说，伤害来源于否认反脆弱性——我们总有这样的错觉，即认为人类总是有必要做些什么才能让万物正常运转。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
因此，再说一遍，概率（即真/假）在现实世界中并不重要，重要的是事件带来的影响。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
因此，一个系统内部的某些部分可能必须是脆弱的，这样才能使整个系统具有反脆弱性。或者有机体本身是脆弱的，但它遗传给新生命的基因编码却具有反脆弱性。这一点千万不能小觑，因为这正是生命进化背后的逻辑。这一理论同样适用于创业家和个体科研人员。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
因此，读者可以看到，古人是如何看待天真的理性主义的：天真的理性主义削弱而非促进了思想，因此只会带来脆弱性。他们了解，一知半解一定有危险。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
因此，当决定选择一种燃料来源或另一种燃料来源，或进行类似的比较时，我们可能没有认识到，模型的误差对一边的影响是否可能大于另一边。
纳西姆·尼古拉斯·塔勒布
纽约大学库朗数学研究所的研究员
