《數學大觀念》作者亞瑟‧班傑明與
《數學教你不犯錯》作者喬丹・艾倫伯格，專業力挺！
▎《勝算：賭的科學與決策智慧》
從「賽局理論」約翰・馮紐曼到《他是賭神，更是股神》愛德華．索普，
博奕的魔力吸引了古往今來各領域的頂尖腦袋，
他們的研究成果，對於理解運氣和決策有何啟發？
又點出我們解讀事物的哪些常見盲點？
長久以來，各領域的頂尖頭腦都深受博奕吸引，他們不斷挑戰預測的極限，探究秩序與混沌的界限，以揭曉「機會」背後的學問。從賽局理論、混沌理論、統計學、心理學、物理學、經濟學乃至人工智慧，都因「賭」而拓展了探索的疆界。
我們常用「運氣」和「技巧」截然劃分事情的成因，問題是兩者的界線沒有那麼分明。了解賭的科學，你將學會洞察普遍存在的判斷盲點，更睿智地權衡風險與報酬，從而做出優質決策，控制運氣的影響。
●懂博奕，你會更洞察盲點
○輪盤贏錢策略的演進，反映出機率科學近一世紀來的發展……
○賭場改用多達六副牌擾亂算牌客，為何效果適得其反？
○研究放射性衰變與大腦神經元活動的「卜瓦松過程」與足球比賽何干？
○為何有些投注公司反其道而行，樂於吸引精明賭客來投注？
○投注業者改變賠率不是為了符合結果的真實機率，那是為啥？
●懂博奕，你會更了解投資
○為何股票市場「大變化後面往往還會出現大變化」，反之亦然？
○交易機器人崛起後，金融市場的哪些現象你尤其該審慎解讀？
○教人拿捏投資資金比例的「凱利準則」，用於賽馬時有何弱點？
○購買不同產業多家公司的股票，投資組合多樣性為何仍然不夠？
○投資領域的「基本分析法」，要注意什麼盲點？
○購買擔保債券憑證時，要避免什麼錯誤假設？
●懂博奕，你會更善於決策
○機會賽局中常見的「馬可夫鏈」，如何有助於尋找隱含資訊？
○撲克牌是許多生活實際狀況的完美縮影，因為它試圖處理缺漏的資訊。
○賽局未達到最佳結果時，參與者的決定不會趨向平衡，而會大幅震盪。
○參與者易失誤或得在賽局中學習時，賽局理論不是找出最佳策略的好方法……
●懂博奕，你會更過好人生
○為什麼選擇最簡單的解釋，往往反而明智？
○為何最快的解決方法，有時像在走回頭路？
○人性偏誤會導致我們誤判賽事的哪些方面？
○優秀的機器人程式不能只有蠻力，還要懂心理學才行。
▎《傳染力法則：網紅、股災到疾病，趨勢如何崛起與消長》
最符合現今時局需求的著作，讀者異口同聲：「好看到讓你想『傳』給別人」！
一種致命病毒蟄伏多年，於人群中突然其來地爆發。一場政治運動迅雷不急掩耳地展開，隨後快速銷聲匿跡。金融體系網絡中藏著「超級傳播者」，致使乍見小小的危機擴及為全球市場崩盤。一個想法如野火燎原般傳播開來，自此改變世界的樣貌……
說到「傳染力」，我們往往聯想到疾病傳播，然而本書並非僅僅探討疾病擴散的生物學，更是一本談趨勢變化軌跡的著作。數學家亞當・庫查司基長年從事流行病學研究，他擅長從統計、模型、演算法、因果論乃至大數據等角度著手，探究疾病於何時發源於何處、散播開來的熱點又是什麼（哪個人或事件、地點），從而預測事態的後續發展，並且建議妥適的因應之道。
由於流行病學探究傳染力所得的成果，已廣泛應用至諸多領域，因此本書內容雖以疾病傳播起頭，以疫情控制做結，然而書中頭尾之間的篇幅，則切入相當廣泛的領域，像是：
●金融界普遍相信分散投資能降低風險，然而已有多項研究發現，隨著「金融傳染途徑」形成，分散投資可能會破壞大型金融網絡的穩定性。
●從健康、生活風格，一路到政治觀點等，我們與熟人往往具備共同特徵，科學家如何釐清這是基於同質性或共有環境？還是社會傳染所致？
●從疾病流行到恐怖主義與暴力犯罪，科學家發展出預測模型，除了能協助機構擬定防治對策並妥善分配資源，亦可說服民眾配合甚至協力。
●網際網路創造了新形態的互動，本書探究網紅崛起、情緒感染與輿情操縱等現象，也探討網路如何成為我們研究事物傳播方式的新方法。
●惡意軟體鑽漏洞潛入私人電腦、駭客藉電腦系統控制科技設備，乃至程式碼共享難溯源等情形，一旦出現「疫情」可能會怎麼樣發展？
……舉凡網紅現象、政治風向、創新傳播、金融趨勢、罪案偵察，乃至暴力事件等等，作者皆以引人入勝的故事解讀各類型「擴散現象」從出現、發展到消亡的種種線索。現今的世界比以往更加環環相扣，許多現象牽一髮動全身，「傳染力法則」能夠解釋這些具備傳播特質的事物之更迭，想要解讀眾多現象與趨勢，擬出因應之道，你不能不知道！
名人推薦
各界推薦
▎《勝算：賭的科學與決策智慧》
●庫查斯基以風趣的寫作，介紹必勝投注法的歷史和最新進展，讓我們了解數學和電腦如何成為強大的博奕、運動比賽、虛張聲勢和投資的輔助工具。——《數學大觀念》作者亞瑟‧班傑明
●這本書闡述博奕、科學與數學間的交互作用，寫得趣味橫生……記敘輕鬆連貫，而且將背後的原理寫得淺顯易懂。——英國《展望》雜誌
●賭客和數學迷都會喜歡本書探討真實世界問題的切入角度。——《柯克斯書評》
●作者將博奕如何影響科學、科學又如何影響博奕的故事，寫得相當成功。本書淺顯易讀，但同時具備深厚的學術底蘊。——牛津大學教授J・杜恩‧法馬
●這本書用許許多多的故事，敘述這些鬼才如何運用數學、統計學和科學嘗試超越機率。讀過這本書後，我開始有那麼點想賭兩把了。——劍橋大學教授大衛‧史匹格赫爾特
▎《傳染力法則：網紅、股災到疾病，趨勢如何崛起與消長》
►自古至今，從聖經中的瘟疫，到當前攻占新聞頭條的新冠病毒：疾病、想法、情緒……萬事萬物都能傳播。《傳染力法則》以迷人、細膩的敘事，探索「傳染」這一門學問。讀了之後，保證你會想「傳」給你的朋友。──《數學教你不犯錯》作者喬丹・艾倫伯格（Jordan Ellenberg）
►本書充分展現科普魅力：筆法趣味橫生、清楚明確；主題引人入勝、緊扣脈絡。作者亞當・庫查司基為傳染病學家，涉獵心理學、醫學、網路理論以及數學，以精采權威的論據，帶領讀者從人的想法、網路迷因梗圖、暴力事件與致命病毒，了解事物傳播的潛藏法則。本書也為自身主題下了很好的註腳——內容深具感染力，所以你看完後會想要別人也讀一下。──《數字奇航》作者艾利克斯‧貝洛斯（Alex Bellos）
►例證豐富，以務實角度切入，說明如何以數學幫助了解傳染，進而以更好的方式應對千變萬化的傳染形式。作者處理議題廣泛，既談疾病大流行，亦論槍枝暴力、金融危機與不實訊息。他啟發所有讀者以數學家的方式思考問題。想了解疫病和其他具擴散性質的危機，本書不容錯過。──倫敦衛生與熱帶醫學學院院長彼得‧皮奥特（Peter Piot）
►以數學角度切入，精采探討有些事物何以會快速傳播，而且談的可不只是病毒。作者以旁徵博引的筆法啟迪讀者。舉例來說，他帶領讀者了解公衛模型於疾病傳播上的應用，檢視都市槍枝暴力的人際關係網絡，並使用演算法來解釋「年齡、幫派關係、逮捕紀錄」等項目……本書切合時勢、極為易讀。──《柯克斯書評》
讀者評語
如果想多了解「傳染」擴散背後的數學邏輯，這真的是一本好書。這本書不只探討流行病學，也以更寬廣的格局談論股市、社群媒體……等，探討有些事物能快速「瘋傳」，有些卻欲振乏力，背後機制為何？作者是數學家，所以這本書不是生物學著作，但也非數學專書。這本書最精采的地方，在於呈現各統計模型中有多少未知因子，以及該如何建立穩固可靠的模型。作者在疾病管控領域具備專業經歷，這也增加了論點的說服力。整體而言，讀起來讓人大呼過癮。
作者
亞當‧庫查司基（Adam Kucharski）
亞當・庫查司基於倫敦衛生與熱帶醫學學院擔任助理教授，是數學本科系出身的數學家，由於研究伊波拉病毒和茲卡病毒等全球性傳染病，得以親赴太平洋群島多座村落、以及拉丁美洲多間醫院，展開田野調查。庫查斯基也是TED Fellow的一員，並曾榮獲2016年羅莎琳‧富蘭克林獎，以及2012年「惠康科普著作獎」等殊榮，發表作品散見於《觀察家》、《金融時報》、《科學人》和《新政治家》。
譯者簡介
甘錫安
專職譯者。曾擔任Discovery頻道與資訊雜誌編譯，現仍為《科學人》及《BBC知識》等雜誌翻譯。書籍譯作包括《成分迷思:解讀健康新聞的10堂通識課》、《暗池：人工智慧如何顛覆股市生態》、《因果革命：人工智慧的大未來》、《決斷的演算：預測、分析與好決定的十一堂邏輯課》、《品嘗的科學》（合譯）、《天生不愛動》、《現代主義烹調》、《獵光聖經》等，熱愛吸收各類知識，正努力朝「全方位譯人」的目標邁進。
高子璽（Tzu-hsi KAO）
台大翻譯碩畢，碩論探討福爾摩沙自然史文獻。中英日全職譯者，曾於翻譯社內部任職七年。主攻領域：醫藥、體育、環保，以及各類產業文件。譯有《輿情操縱：用數據操控心智的鼻祖「析模公司」運作大揭密》、《彩色圖解運動生理學導論》、《王者製造：勒布朗‧詹姆斯縱橫球場與制霸商場的成王之道》、《癮，駛往地獄的列車，該如何跳下？》。現亦為《BBC知識》科普譯者。
賜教：kao@trilintrans.com
目錄
▎《勝算：賭的科學與決策智慧》
▎前言
數學家理查・愛普斯坦說：「賭徒可說是機率理論的乾爹。」其實不只是機率，長久以來，各領域的頂尖頭腦都深受博奕吸引，他們不斷挑戰預測的極限，探究秩序與混沌的界限，以揭曉「機會」背後的學問。從賽局理論、混沌理論、統計學、心理學、物理學、經濟學乃至人工智慧，都因「賭」而拓展了探索的疆界。了解賭的科學，你能學會洞察普遍存在的判斷盲點，更睿智地權衡風險與報酬，從而做出優質決策，控制運氣的影響。
▎第一章 三種程度的無知
輪盤的小球最終落在哪一格，是隨機的嗎？數學家亨利・龐卡赫認為，這類事件看似隨機，是因為我們不知道成因；他建議我們依照對問題的無知程度來分類問題。龐卡赫還主張，簡單的物理過程可以簡化到表面看來像是隨機——這個想法構成七十年後混沌理論的重要部分。卡爾・皮爾森仰賴統計學，藉由找出數據的重覆型態，來預測球會落在哪。資訊理論先驅克勞德・夏農與後來成為「計量金融之父」的愛德華．索普則發明史上第一具穿戴式電腦，帶到賭場蒐集資料、即時預測小球的落點。輪盤贏錢策略的演進，反映出機率科學近一世紀來的發展……
▎第二章 靠蠻力賺錢的事業
怎麼做才能讓某樣東西分布得既隨機又均衡？創立現代統計學的隆納德‧費雪研究怎麼在廣大農地上灑農藥時，面臨這個問題。今日的彩券業者設法限制中獎彩券的數量，以及避免中獎彩券過度集中時，也面臨類似挑戰。包牌買彩券要贏錢，前提是什麼？投注彩券時，你的競爭對手除了莊家，還有誰？麻省理工學院的投注團隊，比競爭對手多了解了什麼，而抱得大獎歸？這一章介紹賭徒們怎麼破解美國歷來的各種彩券，以及彩券要仰賴多大的「蠻力」……
▎第三章 從洛沙拉摩斯國家實驗室，到蒙地卡羅賭場
愛德華．索普靠著算牌狂贏「廿一點」，賭場改成用六副牌擾亂算牌客，為何效果適得其反？賭場最後索性見到專業算牌客便擋在門外，但賭香港賽馬可不用露臉。在這裡你會認識冷門偏誤、迴歸分析，了解用分析過的賽事數據來檢驗預測，其實不是好方法。奧坎剃刀原理則教你，為何選擇最簡單的解釋反而明智（想建立某真實過程的模型，就該排除不必要特徵）。研究氫彈的數學家，對於預測賭馬結果有何啟發？投資領域的「基本分析法」要注意什麼盲點？機會賽局中常見的「馬可夫鏈」，如何有助於尋找隱含資訊？為何一味求進展往往找不出最佳解決方法，最快的解方有時會像在走回頭路？教人拿捏投資資金比例的「凱利準則」，用於賽馬時又有什麼弱點？
▎第四章 博士行家
用來預測洪水、地震、森林大火和保險損失的「極值理論」，如何跨進運動賽事？研究放射性衰變與大腦神經元活動的「卜瓦松過程」，在預測足球比賽時能起什麼作用？人性偏誤會導致我們誤判賽事的哪些方面？為何有些投注公司反其道而行，樂於吸引精明賭客來投注？投注業者改變賠率不是為了符合結果的真實機率，那是為了啥？購買不同產業多家公司的股票，投資組合多樣性為何仍不夠？購買擔保債券憑證，你要避免什麼錯誤假設？買賣股票時若持股時間不長，常被比做賭博而非投資，然而已有研究指出，運動投注可達成與投資股市相仿的風險與報酬平衡。網際網路如何改變博奕活動的面貌？博奕合法化又有哪些有別於道德面的思考角度？
▎第五章 機器人興起
人需要時間處理資訊、會猶豫，而且很難同時做很多事情——這正是機器人的機會。現在有許多機器人程式四處尋找失誤賠率，藉以套利；另一些機器人功能相反，會盡可能掩蓋這些資料。另外就如《快閃大對決》一書所述，有的大券商為了比競爭對手提早幾毫秒得知新事件，甚至大費周章炸山鋪路，好鋪設自己的電纜以攔截資訊。只是機器人雖然「能人所不能」，麻煩的是它的行動未必總符合人類主人的利益。騎士資產管理公司由於更新高速交易軟體時出錯，程式自顧自不斷買進與賣出股票，鉅額損失導致該公司當年底就被收購。2013年駭客假造新聞，稱歐巴馬因爆炸而受傷，金融市場反應速度似乎並非出自人類交易員之手，這是好是壞？機器人崛起後，傳統金融理論已經遠遠不足，我們應該把投注或金融市場視為生態系，而非固定不變的經濟法則，那麼我們對生態系的理解，哪些正確、哪些有誤呢？
▎第六章 虛張聲勢闖天下
賽局理論用在資訊全部已知的賽局上效果最好，那麼若是運用在複雜到難以理解的情境時，會出現什麼狀況？西洋棋與許多種撲克牌玩法非常複雜，不論是人類或電腦都還找不出最佳策略。金融市場也有類似問題——許多重要資訊雖已隨手可得，但有更多交互作用的影響因子難以掌握。賽局沒有達到最佳結果時，參與者的決定不會趨向平衡，反而會大幅震盪，混亂難解的決策變得更加常見，就如同碎形理論之父本華・曼德博所發現違反一般直覺的現象：股票市場「大變化後面往往還會出現大變化，小變化之後往往會接連出現小變化」。在玩家容易失誤或必須在賽局中學習時，賽局理論也不是找出最佳策略的好方法……
▎第七章 機器對手
繼電腦「深藍」於1997年打敗西洋棋王卡斯帕洛夫之後，2004年IBM又設計了「華生」參加機智問答節目，照樣電慘人類對手。不過深藍只需用電腦的方式下棋——運用大量運算能力審視接下來的可能棋步，評估可用策略。卡斯帕洛夫指出這種「蠻力」具備的智慧不多：「它不是擁有人類的創意和直覺，能以人類的方式思考和下棋的電腦。」同樣的「華生」不需假扮人類也能取勝。電腦科學家達斯・畢靈斯說：「西洋棋不夠看，那我們來試試撲克牌好了。」電腦打撲克牌時，其實是在解決一個我們十分熟悉的問題：如何處理缺漏的資訊。生活中有許多狀況都是不完全資訊賽局，撲克牌是這類狀況的完美縮影。電腦打撲克牌時不僅搜尋勝利策略困難得多，為了取勝還必須觀察對手，評估大量選擇——電腦需要有顆大腦才行……
▎第八章超越算牌
經營撲克牌館的迪克里斯提納被判經營非法賭場後，請來經濟學家藍道爾・希柏擔任專家證人，要務是說服法官撲克是技巧賽局，因此不是非法賭博。希柏認為最重要的問題是：技巧對牌局的影響，需要多久才能超越機率？我們很容易把賽局分成「運氣」（賭博）和「技巧」（投資）兩類，問題是兩者的界線沒有我們想的那麼分明。我們以為是隨機的過程，通常很不隨機；如果選擇正確，我們容易歸因於技巧，選擇失敗的話則偏向說運氣不好。關於成功投注的報導普遍從數學角度切入，「決定」被簡化成基本機率，但以撲克為例，賭客還要解讀對手的行為。馮紐曼發展出賽局理論來解決這問題時，發現採用虛張聲勢等詐騙策略其實是最佳方案——賭客一直都作對了，只是不知道原因。有時人性因素是影響事態的主要因素，優秀的機器人程式單單知道機率仍不夠，還要結合數學與心理學。
▎《傳染力法則：網紅、股災到疾病，趨勢如何崛起與消長》
▎自序
說到「感染」，浮上我們心頭的，固然往往是傳染疾病或電腦病毒，但有傳染力的擴散現象實則百百種，其中造成傷害者有之，但也不乏好的流行，前者如惡意軟體、暴力或金融危機，後者如創新發明和文化傳播。有傳染力的擴散現象不一定都長一個樣
