如何严肃地论证我很瘦

来到了一个新环境，听到了很多说我瘦的评价，第一次听确实挺震惊的，当然以前也有人说我瘦，但是最近的第一次感受很不一样，很可能是因为我的感知系统比以前更灵敏，接收到的任何一句话，我都习惯性思考什么意思，甚至要思考一下每个字应该如何定义。

我现在思考的频率确实越来越夸张了，GPT对我的这段描述很贴切，大部分的时候，我不仅在思考，我还在思考思考本身。

当然我也可以“放松”不思考，但是我现在已经沿着反方向进化了，大部分时候对我来讲，放松的状态就是思考，我很享受，挺舒服的。

我之所以震惊是因为我没发现我的瘦和其他人有区别，因为大部分中国人其实都不胖。

但是说的人越多，反倒让我怀疑这可能是事实，确实有差异。

最后一击是今天下午吃饭的时候，我说我不要米饭，柜台结算阿姨来了句“不要米饭哈，怪不得你那么瘦”。

我的天呐，一个完全陌生的人，完全凭直觉给我的第一印象是瘦。

为了让我不能每次听到这个评价，就触发我的思考系统，所以我今天得内化下，从我自己角度，给这个评价一个合理的解释。

我是细节控，有严谨强迫症（但可调可控），所以我不可能（意思是不擅长）用模糊的经验来合理化“瘦”的理解。

我得用科学的标准，必须得有精确的数据，而且这个标准还得有局限的适用场景。

所以就有了这篇文章的标题：如何严肃地证明我很瘦。

首先让我们定一下瘦的概念，给一个名词下定义之前，得知道下定义的套路。

一般来讲，下定义的模板一般是这样的：XXX是指在XXX场景下，基于XXX依据，通过XXX方法形成的XXX结果。

关键要素是适用背景、核心依据、判定方法、最终结果。

所以瘦可以这样定义：瘦是指在日常生活中，基于粗略的视觉效果，简单把人体形态看成矩形，通过计算人体高度和宽度比例，形成的数值较大的形态结果。

如果是这样定义的话，那就产生了一个计算人体形态的公式：S=height/width. S越大说明越瘦。

我们把人体形态的等级分成1、2、3、4、5。然后做一个随机的抽样调查，计算样本里所有人的S的值，取中位数为标准，等级为3，在中位数的右边数值更大，右边的数值区间分成两等份，分别为4等级和5等级。中位数的左边以此类推，分别为1等级和2等级。另4等级为瘦，5等级为巨瘦。

把我的S结果放到这个等级区间里，我落在哪个等级就说明我是什么样子的人体形态，如果我落在瘦的等级，那我就是瘦的，如果我落在巨瘦的等级，那我就是巨瘦的。

可以发现，定义决定了公式，决定了等级判别，这种一环扣一环的模式还是很有意思的！

让我来疯狂下个结论：凭日常经验下的瘦结论，都用的是这个模型，决定人体形态等级区间的随机样本，来源于你在你的圈子里观察到的所有人。

这个模型有啥特点呢？效率很高，足够简单，高准确率。

但是光有这个模型可不能让人类进步，我们还需要一个更准确的更具体的适用性更广的模型，甚至这个模型要有更大的价值，比如说医学价值。

所以我们得修改一下对瘦的定义。这次我们严肃点：瘦是指在人体形态评价的背景下，基于脂肪与肌肉含量依据，通过体重指数、体脂率以及外观判断等判定方法形成的体形纤细、脂肪较少的结果。

这个定义更加严谨科学，而且有大量的学术和实验支撑。

基于这个定义，对应的公式其实是BMI，体脂率，或者FFMI。

村长的这篇文章很不错，提到了衡量人体形态的两个指标，BMI和FFMI。

我的BMI 17.5， FFMI 13.93。

根据这个定义、指标和标准，我的BMI数值落在“轻度消瘦”区间，我的FFMI数值落在“非常少肌肉偏瘦”区间，那我确实挺瘦的。

论证完毕。

写于 2025.4.12 3:08