模型给出“发生概率 12%”，看起来很可靠。但这个数字只回答了模型允许它回答的问题：如果现实冒出模型从未设想的局面，再精确的计算也可能失去参考价值。这篇读书笔记借 John Kay 与 Mervyn King 的《Radical Uncertainty》，提醒分析者区分可计算的风险与无法可靠建模的未知。
作者把问题进一步拆成三层：风险是可能结果和概率都已设定，只是不知道哪一个会发生；另一类情况是结果范围已知，却不知道该给每种结果多大概率；“激进不确定性”则更棘手——连可能发生什么都无法列全。比如预测世界杯时，赛程结果大致可枚举，难点是估计胜率；重大现实决策却可能遭遇模型之外的事件。
这篇笔记最值得带走的判断是：概率计算本身并非“毫无意义”，它在给定概率模型——也就是一套结果范围、概率和假设——之后可以成立；真正该追问的是模型是否有意义、是否漏掉关键情景。换句话说，数字可以算对，世界仍可能描述错。材料未提供实证检验，这更像一则关于模型边界的分析提醒。