还记得第一种说法，你的印象中也很有可能是第二种说法，不确切的说法，即证据表明没有黑天鹅现象。我把这种混淆称为回路错误（round…trip fallacy），因为两种说法是不可互换的。
把这两种说法相混淆犯了一个很小很小（但至关重要）的逻辑错误，但我们对微小的逻辑错误是没有免疫力的，教授和思想家也好不到哪里（复杂的方程式似乎无法与清晰的思维和谐共存）。除非我们的注意力非常集中，否则我们很可能无意识地简化问题，因为我们的思维在我们无意识的情况下习惯这么做。
这个问题值得我们更深入地探讨。
“我从未想说保守主义者通常很愚蠢，我想说的是愚蠢的人通常很保守。”约翰？斯图亚特？米尔（John Stuart Mill）曾抱怨说。这个问题由来已久：如果你告诉人们成功的秘诀并不总是技能，他们会以为你在说这不是靠技能，而是靠运气。
我们在日常生活中运用的推理机制不适用于复杂的环境，当一句话的措辞稍做修改时，其语义会发生很大变化。想一想，在原始环境里，“大部分杀手是野生动物”与“大部分野生动物是杀手”这两种说法之间的差异是没什么影响的。虽然混淆二者是一个错误，但几乎没什么影响。我们的统计直觉还没有发展出认为二者差异很大的思维习惯。
领域特殊性
无法自动把知识从一种情况转化为另一种情况，或者从理论转化为实际的状态，是人类本性中令人困扰的特性。让我们称它为行为反应的“领域特殊性”。领域特殊性的意思是，我们的行为反应、思维模式和直觉取决于事物的背景，进化心理学家称之为事物或事件的“领域”。教室是一种领域，生活也是。我们对一则信息的反应不是根据它的逻辑特性，而是根据它的环境，以及它在我们的社会情绪系统中的位置。在教室中以某种角度理解的逻辑问题在日常生活中可能受到不同的对待。实际上，它们在日常生活中确实受到了不同对待。
黑天鹅 第五章（2）
知识即使是准确的，也不总是产生适当的行为，因为我们习惯忘记我们所知道的，或者忘记如何正确对待知识，即使我们是专家。读者已经看到了，统计学家习惯把脑子留在教室里，一旦他们来到大街上，就会犯最微小的推断错误。1971年，心理学家丹尼？卡尼曼（Danny Kahneman）和阿莫斯？特沃斯基（Amos Tversky）不断向统计学教授提出不像统计学问题的统计学问题。其中有一个类似下面的问题（为了表述清楚，我改变了原题）：假设你生活的城市有两家医院，一家大，一家小。某一天，其中一家医院出生的婴儿中60％是男孩。这有可能是哪家医院？许多统计学家的回答（在闲谈中）相当于犯了选择大医院的错误，而实际上统计学的基础就是大样本更为稳定，对长期平均值（在这个例子里是每种性别各50％的比例）的偏离比小样本更小。这些统计学家连自己的考试都会不及格。在我做数理专家的日子里，我遇见过数百次忘记自己是统计学家的统计学家犯这类严重错误。
再看一个我们在日常生活中犯可笑的领域特殊性错误的例子。让我们来到豪华的纽约锐步体育俱乐部，看一看多少人乘手扶电梯上了几层楼之后，径直奔往台阶式健身器。
我们在推断和行为反应上的领域特殊性表现是双向的：有些问题我们能够在实际应用中理解，却不能在课本中理解；有些问题我们更容易从课本中理解，却不能在实际应用中理解。人们能够不费力地在社会环境下解决一个问题，但在它以抽象的逻辑问题形式出现时不知所措。我们习惯在不同的情况下使用不同的思维机制，或者模块：我们的大脑缺少一台全能中央计算机，对所有可能的情况制定和应