[閱讀筆記] The Most Human Human - 第三章 遊走的靈魂

 第三章  遊走的靈魂 (The migratory soul)

1. 身處 21 世紀的我們，覺得大腦是一切行動的主宰；心智 (mind) 在大腦裡，如果非給靈魂一個位置，八九不離十應該會標在大腦。17 世紀時，笛卡爾 (Descartes) 努力找出靈魂在身體的確切位置，最後認定靈魂位在大腦中央的松果體。

2. 笛卡爾 (Descartes) 證明了真實世界的存在，他認為宇宙中共有2個不同的實體，即思考 (心靈) 和外在世界 (物質) ，兩者本體都來自於上帝，而上帝是獨立存在的。他認為，只有人才有靈魂，人是一種二元的存在物，既會思考，也會占空間。而動物只屬於物質世界。(https://reurl.cc/9r6znn)

3. 在《斐多篇》(Phaedo) 中，蘇格拉底認為靈魂是不滅的，並且是人類知識、技能和記憶的載體。在他看來，靈魂居住於肉體，並主宰著它，賦予身體生命力的正是靈魂。在死亡時，靈魂會與肉體相分離，這會導致肉身的腐朽。而靈魂卻能不斷遷移，在此過程中，靈魂會與不同的肉體相結合。也正是因為如此，對死亡的恐懼是毫無必要的，因為死亡僅僅意味著當前軀體的毀壞，而人類的本質，即其靈魂，是永遠完好無損的。蘇格拉底認為，人死亡後，靈魂的命運取決於他生前的行為，最好的狀態就是他實踐著的哲學式的生活方式。

4. 對於靈魂的解釋，柏拉圖 (Plátōn) 提出了著名的「靈魂三分說」：慾望 (appetite)、意志 (spirit)、理性 (reason)。前兩者較低下，處理飢餓、恐懼等出自身體的需求。柏拉圖堅信在靈魂的三分法中，理智應該扮演最高的領導地位，慾望及意志應該服從理性。只有這樣靈魂才是純潔高尚的，才能有真正的愛，並且意識到美和善本身。這種靈魂發展的學說不僅在他的「理型」概念中得以發展，更影響了柏拉圖的美學、倫理及國家政治學說。(https://reurl.cc/4a6RzX)

靈魂三分說	說明
理性 (reason)	理智能令人進行思考和推理，代表了靈魂純粹的理性部分； 理智應該扮演最高的領導地位，慾望及激情應該服從理性。
意志 (spirit)	意志是介乎理智與慾望之間的角色，柏拉圖稱其為「理智的天然輔助者」。
慾望 (appetite)	慾望的本性是非理性的貪婪，人類以其感受愛、恨等物慾。

5. 亞里斯多德 (Aristotélēs) 也提出靈魂三分法，但與柏拉圖不太相同

靈魂三分說	說明
生魂  (nutritive soul)	是生存與繁殖，相當於植物與動物所具有的功能 植物與動物都有生魂，起於 (arise from) 生物生長與營養攝取。
覺魂  (appetitive soul)	是感性功能，包括感官知覺、想像、欲求、行動等 動物還有覺魂，起於動作和行為。
理魂  (rational soul)	理魂是人類獨有，是理智與意志的功能。理智的功能在於思辨理解等，意志的功能在於做選擇、設定目標與指揮整個人要如何行動。

6. 為什麼思想家要討論靈魂？是為了探究生命之源的目的，為了要釐清我們的本質，認識我們在宇宙的位置，了解人生該怎麼活。亞里斯多德在《尼各馬科倫理學》(Nicomachean Ethics) 的論點是，生命裡有手段與目的，我們做 X 可以得到 Y，但大多數的目的，其實是另個目的的手段。例如，去加油站加油是要去書局；去書局是為了買印表紙；買印表紙是為了印履歷；印履歷是為了找工作；找工作是為了要賺錢；賺錢是為了填飽肚子；填飽肚子是為了活下去。但是，活著的目的是什麼？

7. 亞里斯多德認為，只有一個目的不是為了其他目的，英文是 eudaimonia (充實)，字面的意義是心神康泰 (well-being of spirit)。充實與幸福是不一樣的，大啖美食是幸福，但無法感受到充實。充實有植物欣欣向榮、結石累累的意味，重點是過程而非結果。

8. 「我思故我在」其實是笛卡兒對以下這個知識論問題的回應：在我們相信的東西裏，有沒有一些是絕對肯定為真的？他用所謂「懷疑的方法 (the Method of Doubt) 」定下了一些最嚴格的測試標準，結果只有「我思」通過了測試；既然「我思」是絕對肯定為真的，而「我思」蕴涵「我在」，因此，「我在」也是絕對肯定為真的了。(https://reurl.cc/W30EeO)

9. 組成電腦的基本邏輯閘包含 AND、OR、NOT、XOR 等四種，其中 AND、OR、NOT 三種就可以組成所有電路，包含 XOR，但加上 XOR 時會比較方便，因在有些電路上用 XOR 可以大量減少邏輯閘的數量。(https://reurl.cc/eEMQ0L)

類型	ANSI 及 IEEE 標準	邏輯函數表示	真值表
NOT			Input Output A Not A 0 1 1 0
AND			Input Output A B A AND B 0 0 0 0 1 0 1 0 0 1 1 1
OR			Input Output A B A OR B 0 0 0 0 1 1 1 0 1 1 1 1
XOR			Input Output A B A OXR B 0 0 0 0 1 1 1 0 1 1 1 0

10. 基本歸因謬誤 (Fundamental Attribution Error)

說明

又稱為錯誤歸因，是指人們在評估他人的行為時，即使有充分的證據支持，但仍總是傾向於高估內部或個人因素的影響（一定是他有這樣的人格，才做出這樣的行為），而非外在情境因素（也許是情勢所迫，或這個場所有特殊的潛規則）。(https://reurl.cc/O0Yz5y) 1977年，史丹佛大學的Lee Rose教授依據歸因理論提出了「基本歸因謬誤」的概念，他發現人在解釋他人的負向的結果時，常常不是透過理性的分析，而是受到自身經驗與情感所左右，進而將他人失敗歸因於他自己的問題、忽略外在情境因素。 這樣的事件，在我們生活情境中時常發生，例如當孩子考不好，父母很容易覺得他「不認真準備考試」，而不會想到「考試太難」。

避免基本歸因謬誤的兩種方法

① 瞭解「機率」的重要性：在這麼多我們完全無法控制的外在事物中，需要多少天時地利人和的巧妙搭配，才能讓我們幸運的存在；光是這一點，就值得我們心存感謝；如果我們能用同樣的態度來看待周遭的人們，明瞭「機率」在我們的存在之中扮演多麼關鍵的角色，或許就能讓我們培養出更客觀公允的處世態度。 ② 更多同理心：有研究結果顯示，當我們不假思索評判別人的時候，更容易落入基本歸因謬誤的陷阱。當你下一次想評判別人的行為、把問題歸咎於「他是這種人」而非「他做了什麼事」的時候，不妨多用點同理心。

11. 不帶情感的分析決策方式，相當符合經濟理論中「理性人」的標準。理性人模式預設消費者或投資人見多識廣，通曉當前市場一切資訊，有辦法明快分析利弊並做出完美決策。問題是，現實世界裡的市場、消費者和投資人偏偏就是沒這麼理性。Richard H. Thaler 曾於《展望理論》(prospect theory) 提到許多人類不理性決策的例子：

確定效應	處於收益 (gains) 狀態時，多數人是風險厭惡者 (risk aversion)。例如，如果你可以選擇直接拿走 100 萬元，或賭一把，有 50% 機率得到 400 萬元，大多數人選擇前者。理性的選擇是後者，期望值是 200 萬元。
反射效應	有兩種情境會降低常人的風險規避傾向，甚至變得主動尋求風險 (risk seeking)。第一種情境是當他們手風正順，玩的是「莊家的錢」；另一種情境則是當他們落居下方，確有機會扳回一城時。「一擲千金」的參賽者表現出主動尋求風險的傾向，而且是當他們面對損失鉅額金錢的高風險時。
損失規避	大致來說，損失帶來的痛苦，是獲得所帶來快樂程度的兩倍。在損失與獲得的等量條件下，人類對損失比獲得更加敏感的現實，就叫做「損失規避」。
參照依賴	多數人對得失的判斷往往由參照點（reference points）決定。簡言之，人在面臨獲利時，不願冒風險；而在面臨損失時，人人都成了冒險家。而損失和獲利是相對於參照點而言的，改變評價事物時的參照點，就會改變對風險的態度。

12. Andy and Bill’s Law：「新軟體總將耗盡新硬體所提高的任何計算能力。」原話是Andy gives, Bill takes away。Andy 指英特爾前CEO Andy Grove，Bill 指微軟前任CEO Bill Gates，這句話的意思是，硬體提高的性能，很快被軟體消耗掉了。使用者每次買新機都得面對龜速與當機，新的運算能力雖大幅進展，但這些進展都被新功能吞沒，使用者經驗無人理睬。

13. 左右腦的差異

左腦	右腦
邏輯、推理、線性分析 數學 (科學頭腦) 強調真實主義 強調規劃與秩序 喜歡非科幻的事物 聚焦事實	情緒 藝術 (創造性) 強調想像力 偶爾容易分心 喜歡科幻的事物 喜歡講故事

1. 左腦主管著人類的邏輯分析思考，而電腦的設計剛好就是幫人類進行此功能，未來，甚至它們會做得比人類好(其實目前已經有部分是了)，當電腦取代了我們的左腦，當 AI 開啟了新的紀元，我們或許該思考如何恢復平衡，稍微不那麼偏向左側，試著讓孩子多接觸一些音樂、藝術、律動等，開啟屬於感性與創造的「右腦人生」。(https://reurl.cc/eEk1LL)

[閱讀筆記] The Most Human Human - 第二章 認證

 第二章  認證 (Authenticating)

1. 了解一個人 (having a sense of a person) 跟知道這個人 (knowing about him) 並不一樣

「了解」一個人 (having a sense of a person)	「知道」這個人 (knowing about him)
著重於「形式」	著重於「內容」
知道一個人的脾氣、行格及相處之道	知道他們在哪成長、幾個兄弟姊妹、大學主修什麼、在哪工作

2. 某種程度來說，圖靈測試 (Reverse Turing test) 也算某種快速約會 (speed dating) 💑 ，你有五分鐘讓別人知道你是怎麼樣的人，表現的具體、真實、獨特、栩栩如生、與眾不同、有血有肉。如何做自己？表現出自己的樣子，而不是描述自己？這對對話雙方都不是件容易的事情。

3. 齊夫定律 (Zipf's law)，是語言的統計學，是由哈佛大學的語言學家喬治·金斯利·齊夫（George Kingsley Zipf）於1949年發表的實驗定律。在自然語言的語料庫裡，一個單詞出現的頻率與它在頻率表里的排名成反比。所以，頻率最高的單詞出現的頻率大約是出現頻率第二位的單詞的2倍，而出現頻率第二位的單詞則是出現頻率第四位的單詞的2倍。。(https://reurl.cc/XWRxdj)

例子 - Brown 語料庫 (Brown Corpus)

在布朗語料庫中，「the」、「of」、「and」是出現頻率最前的三個單詞，其出現的頻數分別為69971次、36411次、28852次，大約佔整個語料庫100萬個單詞中的7%、3.6%、2.9%，其比例約為6：3：2。大約佔整個語料庫的7%（100萬單詞中出現69971次）。滿足齊夫定律中的描述。僅僅前135個字彙就佔了Brown語料庫的一半。

遵循該定律的現象

單詞的出現頻率、網頁訪問頻率、城市人口、收入前3%的人的收入、地震震級。

4. Cleverbot 的做法是大量地拾人牙慧，不斷地記錄真人的回應。何以 Cleverbot 可以對基本事實 (ex. 法國首都) 及流行文化 (ex. 八卦、笑話、歌詞) 都聊若指掌，這是因為這些問題都有標準答案，只要資料庫夠大，就不怕真人來踢館。但是若是你問 Cleverbot 住哪裡？多問幾次，它可能每次答案都不一樣，這時就露出馬腳。

5. 尼采認為，「做自己」最重要的一點，就是做獨一無二的自己，不論是好是壞。人就像藝術品一樣，價值高低在於雅致 (concinnity) 與否：「在作品完成時，一切昭然若揭；各部分無分大小，都是由那一丁點的獨特品味所主導與形塑。」

6. 聊天機器人不會在意自身身分的一貫性，也不會在意對方的身分，內容也常會前後矛盾；大多數聊天機器人的閒聊都是沒頭沒腦 (stateless)，每次回答只根據最新提問，就算完全不曉得之前的對談脈絡 (context) 都能回答。

7. 把人與人的互動燴成一鍋，並無法建立人際關係。例如，50 次 ONS 無法建立關係、50 次快速約會無法建立關係。大樹不是一天長大的，把一車樹苗捆起來或許很壯觀，但終究不是大樹，片段的人性不是人性。

8. 對友誼、愛情和親密關係感興趣的哲學家，把喜歡的對象分成兩種

喜歡的類型	喜歡特定的、有生命連結的人
或者說是我們喜歡的特質	擁有共同經歷、默契、經驗的人
是容易被取代的，滿街都是的	人數不多、難以取代

9. 人類吵架就是沒頭沒尾、毫無邏輯、無脈絡可循。如果人與機器人間的對話只是謾罵，就是做球給機器人；相反地，如果問的是需要深入說明的 (ex. 這代表什麼意義呢？為什麼會這樣呢？)，多數機器人就難以招架。因為聊天機器人需要預先寫好的劇本，而細心解釋的回答並不在劇本中。要回應這類問題，必須理解對話的前後脈絡 (context) 及相關內容，不是抓上句話找答案而已。

[閱讀筆記] The Most Human Human - 第一章 最人模人樣人類獎

 第一章  最人模人樣人類獎 (Introduction: The most human human)

1. 圖靈測試 (Turing Test)

發明者

Alan Mathison Turing 是來自英國的計算機科學家、數學家、邏輯學家、密碼分析學家和理論生物學家，更被視為計算機科學與人工智慧之父。(https://reurl.cc/5rvbAz)

說明

Turing 於1950年提出的「圖靈測試」（Turing Machine），為現正發展的人工智慧科學（Artificial Intelligence, AI）提供了開創性的構想。我們以第三者對於人類與電腦的反應達到真假難辨的程度，來做為對人工智慧發展的一個判斷。 這是用來判斷機器是否能夠思考的測試。圖靈測試的前提很簡單：如果人類在五分鐘的對話中都未發現對象是機器，電腦就通過測試。(https://reurl.cc/Q9RVkO)

目的

Turing Test 的目的是為了衡量科技的進展程度。但反過來說，也能用來衡量我們自己的進步程度。 英國哲學家 John Lucas 曾說：「要是我們無法擋下機器通過 Turing Test，並非機器太聰明，是我們太呆版。」 Turing Test 強調的是「溝通問題」。在語言與時間受限的情況下，我們該如何盡可能有有意義地彼此溝通？這是 Turing Test 最核心問題，也是人之所以為人最核心的問題。 💬 無法通過 Turing Test 的對話，也稱不上人與人之間的對話。

2. 反向圖靈測試 (Reverse Turing test)：驗證碼 (CAPTCHA) 是一種反向圖靈測試。在網站上執行一些操作前，使用者被給予一個扭曲的圖形，並要求使用者輸入圖中的字母或數字。這是為了防止網站被自動化系統濫用。理由是能夠精細地閱讀和準確地重現扭曲的形象的系統並不存在（或不提供給普通使用者），所以能夠做到這一點的任何系統可能是個人類。

3. Douglas Hofstadter (美國認知科學學者) 曾說：雖然我們不斷在開發人工智慧，但每次在 AI 領域往前一步，不但沒有逐漸形成何謂真正智能的共識，反而一再揭露真正的智能不是什麼。這代表著，我們總以為某些東西必須經過「思考」，但若研究發現其實它們都不需要思考，到底什麼是思考？還是思考是大腦的副產品 (某種可割捨的廢物)？思考是幻覺？

4. 人類「自我」的最後防線在哪？電腦擁有超快運算能力，究竟是剝奪人類表現，還是免除人類工作負擔？若「人類活動」被「免除」到所剩無幾，我們是更自由、還是更失落？
   

5. 人為群居動物，我們必定要與社會上其他人互動，如何真誠的交流，是人生的課題，藉由一場圖靈測試 (Reverse Turing test)競賽，作者重新認識了自我，科技進步並非是剝奪人性與失去靈魂，相反的，我們更深刻體會身為人的重要，也更能展露人性。

[閱讀筆記] HOW NOT TO BE WRONG - 結語：如何做才能正確

 

1. 老羅斯福總統於 1910 年在巴黎演講提到：並非會批評的才算數；只會指出差強人意，或行動有成者哪裡可以做得更好，這類人都不能算數。功勞應歸給真正在競技場上的人，他們臉上布滿灰塵、汗水與血跡；他們會犯錯，會有不足之處，因為任何努力不可能沒有錯誤與缺陷。那些充滿熱誠奉獻的人、那些投身有價值目標的人，最佳狀況就是終於抵達成就勝利的高峰，最差的狀況就是在勇往直前中不幸失敗。他們的地位永遠不會與那些又冷漠、又膽怯、既不知勝利、也不知失敗的人為伍。老羅斯福總統對於那些又冷漠又膽怯，坐在邊線當事後諸葛的人嗤之以鼻。

2. 當氣象報告說有 40% 的機會下雨，而且確實下雨了，你會對預測失去信心嗎？不會的，因為你知道天氣本質上就有不確定性，一口咬定明天 100% 不會下雨的預報，通常是錯誤的服務。氣象預報給你不確定的答案，但是是嚴謹的不確定。

3. 期望值不是你期望的數字，而是對各個結果的機率性妥協。Laplace’s Law (拉普拉斯定律) 計算期望值：假設買 n 張彩券有 w 張中獎，期望值= w+1n+2。想算出公車遲到機率嗎？你參加的壘球隊的贏球機率？只要算一下過往發生次數 + 1，再除以機會數 + 2 即可。拉普拉斯定律的優點在於，無論只有一個資料點或是有數百萬個資料點，它一樣有效。例如，地球上已經連續看見太陽約 1.6 億次，明天太陽還是會升起的機率與 100% 無差別。

4. 美國哲學家、邏輯學家 Willard Van Orman Quine 曾說：相信某件事就是相信某事為真，因此合乎理性的人相信他自己每一個信念均為真；然而經驗告訴他，可以預期某些信念結果為偽，只是他還不知道哪些信念最後不為真。簡單地說，合乎理性的人相信，自己每個信念均為真，並且其中有些會為偽。

5. 中國有位年輕人呂超，他能正確背誦圓周率 π 到小數點後 67,890 位，那真是了不起的記憶力。但那會有趣嗎？不會的，因為 π 後面的小數點一點都不有趣。就任何人所知，那就跟一長串亂數一樣。不過 π 本身是有趣的，π 並不是它的各項展開數字，它只是由那串數字寫出來罷了。就如同 La Tour Eiffel 可以標示在北緯 48.8586 度、東經 2.2942 度一樣，就算你在多加幾位數，也無法告訴你，La Tour Eiffel 何以是 La Tour Eiffel。

6. 第一等的智力測驗，就是看能不能同時在心理容納兩種衝突的觀念，並還有能力維持正常機能。使用歸謬法時，這種能力是不可或缺的，你需要在心中持有一個你相信是錯誤的命題，但推理過程假裝它是對的：假設 2 的平方根是有理數，雖然我想證明它不是。這是非常有系統地做一場清醒的夢，我們有能力做且不至於短路。

7. 不只是在做數學要白天證明、晚上反證。對於你所持有的信念，不管是社會、政治、科學、哲學等，以反證來施加壓力是一種好習慣。在白天相信你所願意相信的，但是到夜晚，與你最珍愛的命題打對台。用盡你的力氣去思考，就像你相信你原本不相信的事。如果無法說服你放棄現有的理念，你就會知道更多為什麼你會相信所相信的事，你就已經更接近證明了。

8. 你會觀察到，好東西多了並不見得總是更好；只要給予足夠機會，不太可能發生的事情，也有可能會發生；做決策時，不要只關注最可能的未來，應該看到所有可能未來興起的雲霧，注意到哪些比較可能、哪些比較不可能；對於群體信念與個體信念的規則應該相同的想法，不再堅持；或者，你找到一個甜蜜點，在此可以放任直覺奔放在形式推理造就的軌道網。這些事發生時，即使沒有寫下任何方程式，但你就是在做數學，你正以額外手段擴充嘗試。你什麼時候在用到數學？你打從出生就開始用數學，也不停在用數學，你要好好的運用數學。

[閱讀筆記] HOW NOT TO BE WRONG - 第18章：「我從虛空中創造出一個新奇宇宙」(Out Of Nothing I Have Created A Strange New Universe)

 

1. 法律的條文如同定理的公設 (axioms)，可以用邏輯演繹的方式，導出判決。法律上的形式主義，表現在堅守程序與法條條文，特別是在與常識發生干戈之時。大法官史卡利爾是司法形式主義最強的支持者，他很直接地說：「形式主義讓國家有法治，而非人治。」

2. 首席大法官 John Robert 在 2005 年任命聽證會上，有一段流傳甚廣，以棒球比喻自己職責的發言：法官與司法都是法律的僕人，而非顛倒過來。法官就像棒球比賽裡的裁判，裁判不制定規則，而是執行規則。裁判與法官的角色極為關鍵，他們要確定每個人都按照規則走。然而他們的角色是很有限的，沒有人去看球比賽是去看裁判的。 

3. 皮亞諾公設 (Peano axioms)

人類開始注意到數學的「可加性」

早在遠古時代，我們的老祖先就在儲藏獵物、分配食物時，逐漸產生對數的感覺。當  2 隻 牛、 3 隻 羊、 5 隻 豬擺在一塊，只有這些東西可過冬時，強烈的求生欲使老祖先朦朧地意識到這其中有一種共性，並開始擺弄著自己僅有的  10 隻 手指計數。 因此，當某位古代先祖第一個意識到「 1+1=2」，從而認識到兩個數相加得到另一個確定的數時 ，就發現了「數學」一個非常重要的性質 ——可加性，這是人類文明史上一個極其偉大的時刻 。

皮亞諾公設 (Peano axioms)

皮亞諾的這五條公理用非形式化的方法敘述如下： ① 0 是自然數； ② 每一個確定的自然數 a，都有一個確定的後繼數 a' ，a' 也是自然數； ③ 對於每個自然數b、c，b=c若且唯若b的後繼數=c的後繼數； ④ 0不是任何自然數的後繼數； ⑤ 任意關於自然數的命題，如果證明：它對自然數0是真的，且假定它對自然數a為真時，可以證明對a' 也真。那麼，命題對所有自然數都真。 其中，一個數的後繼數指緊接在這個數後面的數，例如，0的後繼數是1，1的後繼數是2等等；公理5保證了數學歸納法的正確性，從而被稱為歸納法原理。 根據這五條公理可以建立起一階算術系統，也稱皮亞諾算術系統。

1. 數學是群體的事業，雖然我們會對放上最後一塊磚的人給予特別的榮譽，但是每次一次的增長，其實是巨大心智網路朝共同目標努力的結果。Mark Twain 曾說：需要上千人力才能發明電報、蒸汽機、留聲機、電話、或任何其他重要東西，最後都是一個人記上功勞，其他人都遭遺忘。

[閱讀筆記] HOW NOT TO BE WRONG - 第17章：沒有民意這種東西 (There Is No Such Thing As Public Opinion)

 

1. 政府都希望透過民調來了解民意，但你會發現民調結果充滿矛盾。例如，多數人同意，透過削減支出與增加稅收來平衡州政府預算；但是當問到是否要砍教育、健保、交通、年金的經費？是否要增加所得稅、營業稅？沒有一個項目獲得支持。多數美國人認為，自己能受益的計畫，才是最該不計成本該保留的 (我沒說過我們不自私，只說過我們不愚蠢)。

2. 民意根本不存在，更精確地說，民意只是有時候會存在，在多數人對某項事務有清楚見解時，才能講民意。

3. 如果沒有民意這件事，民選代表如何做事？最簡單的答案是：如果人民沒有給你一致的訊息，就照你的意思去做。如果你是優秀的政治家，你就會說：「人民選我是要我來領導，而不是來看民調臉色。」

4. 人並非完全理性的個體，我們日常生活常會出現矛盾與不協調的行為。個體之所以看起來不理性，有可能他們不是個體。我們每個人都是一個小小的民主國家，內部有驅動我們的各種辯論的聲音，我們盡量努力去平息爭議以及取得妥協。結果並非永遠合乎理性，它們好歹讓我們蹣跚前進，不會犯太多可怕錯誤。民主確實亂糟糟，然而它就是能發揮功效。

5. 假設一開始 Amy 有兩個擇偶對象 Adam 與 Bill，Amy 需做出困難選擇；但是當 Clause 出現後，局面開始改觀，Clause 是個「無關的選擇」，魅力與可靠度與 Adam 高度雷同，但智力有差異，是個 Adam 略傻版，使 Adam 看起來更棒。經研究，有 ⅔ 的女性選擇 Adam。所以，如果你是正在追尋愛侶的單身漢，你就該選擇跟你一位跟你很像，卻又稍稍缺乏那麼點吸引力的人來當你的電燈泡。

6. 排序複選制 (IRV, Instant-runoff Voting) 是一種排序投票制度。在候選人超過兩名的情況下，選民在選票上按喜好排列其支持的候選者。計票時，首先依照選票上的第一選擇來計算候選人的得票，得票最少的候選人將被淘汰，然後將其得票依第二選擇重新分配給其他候選人，按票數再排序後，再將最少票的候選者排除，並將其選票分配給餘下的候選人，如此類推，直至有候選人取得過半數選票為止。(https://reurl.cc/MAZ2VK, https://reurl.cc/mLqp2l) 例如：

7. Condorcet 的投票悖論 (The Condorcet Voting Paradox)

Voting Paradox

當談論「個人選擇」時，如果一個人喜歡 A > B，同時喜歡B  >  C，那麼他就應該喜歡A  > C； 但當我們談論「集體選擇」時，一個群體喜歡 A  >  B，同時喜歡B  >  C，卻不一定等於他們會喜歡A > C。

以美國總統大選為例

就算談論同一群人，這群人喜歡 Donald Trump > Hillary Clinton，喜歡 Hillary Clinton > Bernie Sanders，他們仍有可能喜歡 Bernie Sanders >  Donald Trump。 如果 Sanders 參選，很可能可以搶回一些因求變或不喜歡 Hillary而投給 Trump 的人，也可能令一些因不喜歡 Hillary 而沒有出來投票的民主黨人出來投票。但 Hillary 能拿到的一些主流民主黨選票和中間游離票，會否嫌桑德斯「太左」，的確是個問號。 將 Condorcet's paradox 和今次大選的結果合併來思考，可以提醒我們，Trump 勝出，不一定代表他是最受美國民眾支持的政治人物，因為制度安排加上現實狀況，可以碰巧將一個不是真的那麼大受歡迎的人推上台。(https://reurl.cc/a95po3)

8. 孔多塞陪審團定理 (Condorcet Jury Theorem, CJT)

Condorcet Jury Theorem

如果開會的時候，與會者在一個對、一個錯的二選一的選項中投票，越多人做出正確決定的機率超過50%，越多人一起開會，就越可能得出好的結論。投票得出結果的正確性由 p 是否大於或小於 1/2 決定： 如果 p > 1/2 （即每個投票人有更大的投出正確選項的可能），則投票人數的增加將會增大群體得出正確結論的可能。當投票人數趨近於無限大時，群體投票得出正確結論的可能性無限接近於一。 然而如果 p < 1/2  （即每個投票人有更大的投出錯誤選項的可能），則投票人數的增加會增大群體犯錯誤的可能：此時最適當的陪審團人數應為一人。

9. 根據「最適多數決」理論 (Optimal majority)，如果把太多人湊在一起，每個人平均發言的時間就會被縮短，討論品質也會下降；因此，在這樣的會議上，要盡可能湊到相對多元的多方利害關係人，但人數又不能太多（亦即，這個過程恐怕無法真的做到「全民參與」），這樣才能有好的討論品質，也才能幫助大家在這個過程中得到相對好的結果。(https://reurl.cc/mLL65G)