Capgras 是种很奇怪的症状。这种病人智力，意识正常，但是会固执的认为自己的母亲是他人伪装。即便母亲用各种方法证明自己的身份 (比如说出只有他们母子间才知道的秘密)。病人仍然坚信这是个经过详细调查和准备的人在伪装自己的母亲 [1] 。

实际上， 这个病人的理论虽然荒谬， 但却无法从逻辑的角度去推翻他的。 任何证明母亲身份的论点论据， 都只能够更加让他坚信这是一个精心准备的圈套。 换句话说， 他的这套解释， 虽然在我们看来匪夷所思， 但是却是有极大的解释能力， 自成体系， 没有什么证据和逻辑可以推翻他。

我想要通过这个例子来说明的是， 有时候逻辑分析本身是不够的。 逻辑的推理告诉我们某个理论的解释能力：它是否符合现有的证据和数据。 但就像 Capgras 症患者的错误那样， 仅仅是解释能力还不足以说明这就是一个正确的， 或者说更可能正确的理论。

举一个更加极端的例子， 我们所观察到的一切都可以被解释成为神的旨意和安排。 这是一个具有无限解释能力， 和无法被驳倒的理论。 但大多数人并不会仅仅因为该解释能力就去皈依宗教。

我一直很纠结于逻辑思维到底能够多有用 [2] 。 你可能也有过类似的观察， 就是越是聪明的， 受过良好教育的人， 越容易犯 Capgras 症患者这样的错误。 当然他们不是针对自己的母亲幻想阴谋论， 但是他们会编织出一套复杂的理论， 并且无法被说服。 因为他们实在太聪明了， 他们的理论具有强大的解释能力。 仅仅从逻辑分析看来， 是无懈可击的。

除了那些基础科学， 如物理化学， 可以通过实验来验证自己理论外， 其他领域里， 从创业者到经济学家， 人们多多少少都有点 Capgras 倾向。 以我还算熟悉的互联网创业来说， 从事创业的是一帮聪明的工程师， 产品经理， 甚至偶尔还有一两个像我这样的 MBA 。 当遇到一个问题， 比如网站流量不见增长， 大家各执一词。 有人认为是网页设计没做好， 有人认为是推广力度不够， 也有人认为是商业模式有根本的问题。 总之就每个人都给编出一个能够自圆其说的故事。

对于同一个情况， 每个人有自己的故事， 公说公有理， 婆说婆有理。 回到那个Capgras病人， 你告诉他说， 他是因为疾病而产生幻觉。 他自己却认为是有人冒充他妈妈。 你的故事也说得通， 他的故事也说得通。 反正都是故事， 你的故事凭什么就比他的故事更正确呢?

我想说明的是， 这些我们编出来的故事还的确不是”人人平等”的。 这后面有一套统计学的理论叫做 Bayesian statistics （贝叶斯统计）。 这听起来陌生， 但是离我们的生活并不遥远。 大家用过 iPhone Siri 的功能么? Siri 语音识别的能力， 就来自Bayesian statistics。 还有 Gmail 垃圾邮件的识别， 也是得力于Bayesian 的神奇功能 [3] 。

我们不用理解复杂的统计学， 也能够理解Bayesian statistics 如何能够帮助我们不犯 Capgras病人的错误。

Capgras 病人由于神经系统的毛病， 虽然能够认出妈妈的相貌， 但是却认为她不是妈妈。 解释这个情况可以有很多种理论: 比如意识到自己可能患有致幻的疾病， 或者认为有人伪装成自己妈妈。 这些理论都能够解释该患者经历的情况， 但是这些事件发生的概率是不同的(这被称为 a priori probability)， 换句话说， 这些具有解释力的故事并不是平等的， 其中一些故事比另一些故事更有可能是真实的。

一般人大概都会觉得生病的可能性远高于有人来冒充自己妈妈。 这也是为什么我们大多数人都会觉得 Capgras 病人的冒充妈妈阴谋论有点诡异。 一种解释Capgras病症的理论是， 病人大脑中负责处理 a priori probability 的组织受损， 导致他们在选择一个合适的故事的时候， 只是注意到了该故事的解释能力， 而忽略了它真实发生的可能性。

科学研究中， 有一个原则叫做 Occam’s razor: 当不同的理论都能够解释同一个现象的时候， 选择那个最简单的理论。 科学家们发现， 越是简单的理论， 往往越是最可能是正确的。 Capgras 病人运用这个原则， 可以发现， 自己生病是个更简单的解释， 而别人冒充老妈， 则还要说明冒充的动机， 为何相貌酷似老妈， 如何知道那些母子间的小秘密， 等等。 或许由此那病人能够摆脱这诡异的幻觉?

我们中能够像Capgras 那样奇葩的人还是少数， 但我们固执己见的时候却估计不少。 这种时候，我们当然都自信自己是对的，并且有一大套逻辑来证明。可是我在开始向@简里里 老师学习心理学后， 越来越体会到，我们选择去坚持某个立场，往往不是在经过逻辑分析之后作出的理智判断。而是源于心中的渴望或是恐惧，在作出决定之后，才动用我们逻辑思维的功能给出一个自圆其说的故事。越是聪明的人，越能够讲出来一个天衣无缝的故事，说服了别人，也说服了自己。(来源：壹理网www.xinli001.com)

在我们选择某一个故事去理解这个世界的时候， 不妨想想 Bayesian statistics， 考量一下这个故事成真的可能性到底是几何。

注：

1、有关 Capgras 症，我在另一篇日志  “为什么我们相亲却不想爱(2)”  中有所介绍。

2、有关逻辑分析到底能够对思维有多大帮助, 是我很喜欢的一个话题。见旧文 “逻辑思维值得信任么” 。

3、Bayesian statistics 如何识别垃圾邮件? 见 Paul Graham 文章 “A Plan for Spam” 。