看了最近网上热议的毒尿片事件，突然起了一些兴趣，不过我的兴趣点在于：在当今网络时代，人是如何判断一件事的真假的。

在测量学领域，用准确度（Accuracy）衡量测量结果与真值之间的偏离程度，用精密度（Precision）衡量测量结果之间的离散程度，两者合起来叫精确度。用经典的打靶比喻，弹孔密集但全部偏左，说明精密度高、准确度低；弹孔围绕靶心但很分散，说明精密度低、准确度高。但是由于真值很难知道，准确度也很难被量化，所以很多时候只能把多次测量的平均值约定为真值，用精密度来代替精确度。网页链接

在社会学领域，如果把一个人对一件事的认知当做一个测量结果，那么测量学和社会学对于真假的认识就具有一定的相通性。

假如一个朋友告诉了我一个八卦，那么我怎么判断这个瓜保熟呢？至少有三个办法：第一是判断这个朋友是否靠谱（测量仪器是否可靠）；第二是判断朋友的消息来源，是亲眼所见还是道听途说（测量方法是否科学）；第三是判断消息本身是否有不合常理的地方（测量结果是否符合物理规律）。

假如有好几个朋友都告诉了我同一个八卦，那么我就可以更方便地从统计学来判断真假。如果所有人的消息都大同小异（精密度高），即使所有人都是错的（准确度低），我也倾向于认为这个八卦是真的（三人成虎）。如果我问AI，其实AI也不知道真相，只是反映网上所有人对这件事认知的平均值，我们可以约定这就是真相，但也要明白AI结果有可能是被污染过的（存在系统偏差）。

如果网上的消息大相径庭（精密度低），AI也无法统一结论，又如何判断真假？这时候就要联合前面所说的判断单个朋友的瓜的办法，采用加权平均和剔除离群值的方法来尽量消除系统误差，给当事人、信用好的大V、官媒、细节详尽的消息以更大的权重，把有利益冲突的人、有极端立场的人、有明显漏洞的消息、危言耸听夸大其词的消息剔除掉。当然也可以让子弹多飞一会，等后续新的证据出来，不断更新迭代逼近真相（贝叶斯决策，增加重复测量次数，用后验概率代替先验概率网页链接）。经过上面的处理，最终就会得到一个更逼近真相的答案。（毛哥）