1946 年，洛杉矶。一个叫斯坦尼斯瓦夫·乌拉姆的波兰数学家刚从一场脑炎里捡回命，躺在病床上养病。医生不许他动脑，他偏要动——玩单人纸牌接龙解闷。
玩着玩着，一个数学家式的问题冒出来：这副牌能通关的概率是多少？
正规的做法是把所有可能的牌局列出来，数一数通关的占多少。问题是，52 张牌的排列方式是 8 后面跟 67 个零那么多种——这个数字比宇宙里的原子还多。别说算，把全宇宙的纸都拿来列清单也列不完。
乌拉姆换了个思路，这个思路简单得像作弊：
既然列不出所有牌局，那就随便玩一百局，数通关了几局，除一除，不就大概知道概率了？
对，就这么朴素。算不出来，就演出来。这个念头后来变成了二十世纪最重要的计算方法之一。
原子弹实验室里的骰子
乌拉姆康复后回到洛斯阿拉莫斯国家实验室——就是造原子弹的那个地方。他和同事冯·诺依曼（对，就是计算机祖师爷那个冯·诺依曼）正在头疼一个问题：中子穿过核材料时会怎么跑？
一个中子撞进铀块，可能直接穿过去，可能被弹开，可能被吸收，也可能撞出更多中子。每个中子的命运是一连串随机事件，亿万个中子叠在一起，方程复杂到没法直接求解。
乌拉姆想起了病床上的纸牌：中子的命运列不出来，那就在计算机里一个一个地演。让计算机跟踪一个虚拟中子，每个岔路口用随机数决定它往哪走；跑完一个再跑一个，跑一百万个，统计结果。大多数中子怎么走，真实的中子就大概怎么走。
这个方法需要一个代号。同事尼古拉斯·梅特罗波利斯提议叫蒙特卡洛方法——因为乌拉姆有个叔叔总去摩纳哥的蒙特卡洛赌场赌钱。用赌场命名科学方法，意外地贴切：它的全部精髓，就是用一大堆随机试验去逼近一个算不出来的答案。
大白话：蒙特卡洛方法 = 不会算，就模拟。让计算机把一件随机的事反复做几万次，拿统计结果当答案。名字来自赌场，因为每次试验都像掷一次骰子。
先别信，亲手试一个
光听定义没感觉，我们当场用一次。
假设你想知道圆周率 π，但你忘了它是多少。拿一张正方形的纸，在里面画一个最大的圆（圆和四边相切）。现在闭上眼睛往纸上撒一把芝麻，撒得越乱越好。然后数一数：落在圆里的芝麻有多少，总共撒了多少。
圆面积是 πr²，正方形面积是 (2r)² = 4r²。芝麻乱撒的话，落在圆里的比例约等于面积之比：
圆内芝麻数 ÷ 总芝麻数 ≈ π ÷ 4
撒 1000 粒，大约有 785 粒落在圆里，785×4÷1000 ≈ 3.14。π 就这么被芝麻"撒"出来了。
这就是一次完整的蒙特卡洛：问题本来是算面积（几何问题），你不会算，就改用随机抽样（撒芝麻），用频率逼近答案。样本越大，答案越准——100 粒芝麻可能给你 3.4，100 万粒就能逼近 3.14159。
为什么偏偏是这个时代
随机试验的想法其实不新鲜——18 世纪的蒲丰就用扔针估算过 π。但在手算时代，这方法纯属行为艺术：谁有时间撒一百万次芝麻？
蒙特卡洛方法等到 1940 年代才登场，因为它在等一个东西：不知疲倦、不会抱怨、掷骰子掷得飞快的机器。冯·诺依曼手里正好有一台——ENIAC，人类最早的电子计算机之一。理论（乌拉姆的纸牌念头）、需求（原子弹的中子）、机器（ENIAC），三样凑齐，方法才真正活了。
这个细节值得记住：蒙特卡洛方法从第一天起就是人和机器的分工——人负责把问题翻译成"一件可以反复模拟的随机的事"，机器负责不知疲倦地掷骰子。到今天，这个分工没变，只是掷骰子的机器从 ENIAC 变成了你口袋里的手机，而负责"翻译问题"的角色，正在从程序员变成 AI。这是这本书后半部分要讲的事。
一句话收个尾
下次有人问你什么是蒙特卡洛方法，可以这么答：
一副牌有多少种结局，列不出来；玩一万局，就大概知道了。蒙特卡洛方法就是让计算机替你"玩一万局"。
但这里藏着一个更深的问题：为什么"玩一万局"能代替"算出来"？它什么时候可靠，什么时候骗你？下一章我们从这里往下挖。