贝叶斯思维：用证据更新信念，而不是靠直觉下注
贝叶斯思维 / Bayesian Thinking
中文：信念不是”信 / 不信”的开关，而是一个随证据不断更新的概率。
EN: A belief isn’t a yes/no switch; it’s a probability you keep updating as evidence arrives.
我们来聊一件做 AI 的人天天在做、却很少做对的事：拿到一份新证据之后，你的判断到底该改变多少。
公地悲剧：每个人都理性，公共资源却被榨干
公地悲剧 / Tragedy of the Commons
中文：一群各自理性的人共用一份有限资源，最后往往会一起把它榨干。
EN: When many rational people share one finite resource, they tend to drain it together.
我们来聊一件做多智能体、做基础设施的人特别熟的事：只要一样东西是大家共用的、又没人管，一群绝顶聪明、每个都很理性的人，几乎一定会把它一起用垮——不是因为谁使坏，恰恰因为每个人都在为自己精打细算。
机制设计：反过来设计游戏，让理性的人自己走向你要的结果
机制设计 / Mechanism Design
中文：反过来设计游戏规则，让每个只顾自己的人各自追逐私利，却正好走到你要的那个结果。
EN: Reverse game theory—design the rules so self-interested players, each chasing their own gain, land exactly on the outcome you wanted.
我们来聊一个能把你从”天天和模型斗智斗勇”里解放出来的思路：与其一条一条去堵它钻的空子，不如反过来把游戏设计成——它想赢，就只能顺手把你要的事给做了。
纳什均衡：没人想动，不代表结局是好的
纳什均衡 / Nash Equilibrium
中文：一组选择，在别人都不变的前提下，没有任何一个人能靠单方面改变让自己变得更好。
EN: A set of choices where, given what everyone else is doing, no single player can switch and make themselves better off.
我们来聊一个让人很不甘心的结构：一群聪明、理性的人（或 Agent），会一起停在一个谁都不满意的点上——不是因为谁不肯努力，而是因为在那个点上，谁先动一下，谁就更惨。
囚徒困境：为什么理性的个体，会一起走向糟糕的结局
囚徒困境 / Prisoner’s Dilemma
中文：每个人都选对自己最好的那一步，最后所有人一起输。
EN: Everyone picks the move that’s best for themselves, and together they all lose.
我们来聊一个让人很不甘心的结构：一屋子聪明、理性、各自都想把事做好的人（或 Agent），可以精准地、一步不错地，一起滑向一个谁都不想要的坏结局——而且每一步，他们都做对了。