1946 年，洛斯阿拉莫斯。数学家乌拉姆在病中玩纸牌接龙消磨时间，忽然琢磨：这局能接通的概率是多少？组合数学算起来是个天文数字的分支树，根本算不动。他换了个思路：何必算？摆一百局、一千局，数赢了几局不就行了。他把这想法告诉了冯·诺依曼，两人立刻意识到这不只是纸牌技巧——刚造出来的电子计算机，正好能干「重复一千局」这种事。Metropolis 给这个方法起了个风骚的名字：蒙特卡洛——因为乌拉姆有个叔叔爱去蒙特卡洛赌场。它的第一个正经任务，是算原子弹里的中子扩散。
思路一句话就能说完：算不出的答案，只要它能写成「某个随机事件的平均值」，就用大量随机采样去逼近它。这一章看这台「随机算盘」怎么打。
第一笔账：往圆里扔飞镖算 π
画一个边长 2 的正方形，里面内切一个半径 1 的圆。闭眼往里扔飞镖（均匀随机地扔）：落在圆里的概率 = 圆面积 / 正方形面积 = π/4。扔一万镖，数圆里的比例，乘以 4，就是 π 的估计值。扔得越多越准——第四章的大数定律在给你打工。
注意这里发生了什么魔术：π 是一个确定的数，跟随机八竿子打不着；我们却用随机的方法把它算了出来。这就是蒙特卡洛的灵魂——把确定的问题改写成随机变量的期望，然后采样。面积、体积、积分，全是「期望」的马甲。
为什么不用尺子量：维数灾难与免费通行证
算面积有更「正常」的办法：把正方形切成一亿个小格子，数圆盖住了几格。二维时这很好。但现代工程里的「面积」常常长在几百维的空间里——一个期权的价格取决于几十上百个随机因子，一个蛋白质的形状是几千个坐标。网格法在 d 维里要 N^d 个点，维度一高，格子数爆炸到宇宙原子都不够填。这叫「维数灾难」。
蒙特卡洛在这里拿到了一张免费通行证：它的误差只取决于采样次数，跟维度无关——不管几维，误差永远按 1/√n 缩小（第五章的 √n 税，老朋友了）。扔一百万个点，误差大约千分之一，二维如此，一千维也如此。网格法在高维里指数爆炸，蒙特卡洛在高维里闲庭信步。这就是现代金融定价、核反应堆设计、图形渲染全押注蒙特卡洛的原因：不是它多优雅，是高维世界里只有它还走得动。
大白话：维数灾难是「地毯式搜查」在高维的破产——房间太多，警察不够用。蒙特卡洛改成「随机抽查」：不管房间多少，抽查一千间的把握都一样。牺牲精度换可行性，是高维世界里唯一的活路。
随机算盘打到了哪
今天的蒙特卡洛无处不在，举三个不同量级的：
- 核物理与医学：中子在反应堆里的每一次碰撞、散射、吸收都是带概率的事件——直接模拟亿万条「随机游走轨迹」（第七章），统计出链式反应的全貌。放疗剂量计算同理：光子在你身体里的散射路径也是模拟出来的。
- 金融：一个复杂衍生品的价格 = 「在成千上万条可能的未来市场路径上的平均收益」。于是每晚，投行让随机数在假想市场里跑几十万条平行未来，取平均。
- 人工智能：AlphaGo 的决策核心是「蒙特卡洛树搜索」——棋盘上算不动的局面，就随机模拟几千盘「下完这步之后随便走」的棋，数哪步赢得多。当年它赢李世石的那几步「神之一手」，相当一部分是随机模拟数出来的。
还有个进阶版值得一提：当「均匀抽查」效率太低时（比如要在天文数字的分子构象里找低能量的那些），就用 MCMC（马尔可夫链蒙特卡洛）——大白话讲，让采样点做一场「偏好低处」的随机游走，在重要的区域多待、不重要的少来。贝叶斯统计、大模型的许多训练技巧、乃至选举预测模型，跑的都是它。
两条行规
蒙特卡洛用多了，会记住两条行规。一，结果是估计，带误差棒：报蒙特卡洛的结果必须报「±多少」，误差按 1/√n 缩——想把误差砍十倍，采样量加一百倍，没有捷径。二，伪随机要验货：第八章 RANDU 的 15 个平面就是蒙特卡洛史上最大的事故——随机源有结构，模拟就把结构当物理。
到这里，随机从「麻烦」彻底变成了「资产」。下一章看它最金贵的用途：密码学。在那里，随机不只是工具，是命根子——密钥的全部强度，就是随机数发生器的强度。