1913 年 8 月 18 日，蒙特卡洛赌场的一张轮盘桌上，球连续落在了黑色上。第 5 次、第 10 次、第 15 次……赌客们疯了：「出了这么多黑，红色该来了！」他们疯狂押红，越押越重。黑色一直出到第 26 次才停。那一晚，赌场从「相信红该来了」的人们身上赚了几百万法郎。
这一章不讲随机本身，讲我们这台「随机解读机」为什么出厂就有 bug。
错觉一：该来了——独立事件没有记忆
轮盘每一次旋转都是独立的：球不记得上次落在哪，轮子也不记。连续 26 次黑色之后，下一次红色的概率还是 18/37，一丝没变。觉得「该红了」，等于假设轮盘有一本账，会主动「找平」——但第四章说过，大数定律靠的是稀释，不是补偿。前面出的 26 个黑，在无限长的未来里被稀释掉，而不是被「补回来」。
这个错觉叫赌徒谬误——大白话讲，就是把「长期会平均」错当成「短期会找平」。它不只坑赌徒：产房门口「前面连生三个男孩，这胎该是女孩了」、招聘官「前面几个都不行，下一个该行了」、投资人「连跌五天了，该反弹了」——全是同一个 bug 换皮肤。
有意思的是它的镜像版本也存在：篮球里的「热手」迷信——觉得连进三球的人「手感来了」，下一球更可能进。心理学家 Gilovich、Vallone 和 Tversky 在 1985 年把 NBA 的投篮数据翻了个底朝天：排除站位、防守压力之后，连进之后的命中率并没有显著高于平时。赌徒觉得「该反转了」，球迷觉得「会延续下去」——方向相反，病根相同：都不肯接受「这只是一段随机噪声」。
错觉二：扎堆就是有问题——随机比你想的更「不均匀」
二战时伦敦人发现德军 V-1 飞弹的落点在地图上明显「扎堆」，纷纷猜测德军在精确瞄准某些街区。统计学家 R.D. Clarke 把地图打上格子一算：落点分布和「完全随机」应有的样子（泊松分布）吻合得严丝合缝。扎堆是随机的正常长相，不是瞄准的证据。
这叫聚类错觉——大白话讲：真正的随机序列里，「挤在一起」和「连成一串」出现的频率远高于直觉。直觉以为随机是「均匀撒开」，其实均匀撒开恰恰是最不随机的样子。给你个亲手验证的机会：让朋友「假装随机」地写 100 个正反面，再拿 100 次真抛硬币对比——人编的那组几乎从不出现 5 连正，真的那组里 5 连、6 连比比皆是。第一章说「人是糟糕的随机源」，这就是原因：人以为的随机是「交替」，真的随机是「连串」。Apple 当年就栽在这：iPod 的随机播放真随机，用户却投诉「怎么老连放同一个歌手」，最后只好把算法改成「更不随机、但更均匀」，用户反而觉得「这才随机」。
病根：人脑是台过度灵敏的规律探测器
为什么人人都带这两个 bug？进化给的解释很朴素：在草原上，「草丛动了 → 可能有狮子」这个判断，误报（白紧张）的成本低，漏报（被吃掉）的成本是命。自然选择于是把我们调成一台宁错杀不放过的规律探测器——宁可在一万次噪声里看出一千个假规律，也不能放过一个真信号。这套配置在草原上是保命的，在轮盘、K 线和体检报告面前就是灾难。
大白话：人脑对「随机」的出厂设置是错的。我们觉得随机应该「均匀、交替、不扎堆」，真随机偏偏「连串、扎堆、不均匀」。所以面对真随机，人总觉得「有鬼」；面对人编的假随机，反而觉得「这才对」。
能修吗？
可以打两个补丁。一是先问基准率：看到「扎堆」，先算「纯随机时这种扎堆该多常见」，多半答案就是「就该这么常见」。二是把样本量问出来：任何「连 X 次」的说法，先问总共多少次。连进 3 球听着神，放在 82 场常规赛的数千次出手里，随机都能批发一箩筐。
但老实说，补丁只能减量，无法根治——这是硬件问题。认清这一点本身就是解药：下次你心里冒出「这也太巧了吧」，先停半秒，问问自己是不是又在给噪声写故事。
下一章回到数学。我们看看随机累积起来的轨迹长什么样——一个醉汉从路灯下出发，跌跌撞撞，他会走出多远？答案里的 √n 已经在上一章等着我们了。