当所有证据都指向同一件事时，结果会怎样？
“在古罗马法中，如果所有法官都一致认为嫌疑人有罪，该嫌疑人反而会遭到赦免。这个规定听起来有些违反直觉，但那时的立法者显然已经注意到全体一致的判决意味着司法程序中间出现了系统性的偏差，尽管不一定能发现具体是什么样的偏差。他们直觉性地认为，一旦事情发生得过于顺利，很可能就有哪里不对了。”
我们知道的大众汽车丑闻:2015年9月，大众汽车公司被曝在汽车中安装了作弊软件，可以识别汽车是否处于被检测状态，在车检时秘密启动，减少尾气排放以使其达到排放标准，而在平时行驶时仍然超标排放污染物。
然而，用软件作弊的后果就是，排放检测结果过于一致，甚至“好得过分”了（too good to be true）。
美国环保局检测排放的小组最初对大众汽车产生怀疑，就是因为他们发现不管是大众的新车，还是开了五年的旧车，排放的污染物都在同一个水平线上，这种可疑的一致性，暴露了由作弊软件带来的系统偏差。
另外一个有名的“too good to be true”的事件发生在1993-2008年的欧洲。
警方发现，在法国、德国、奥地利发生的15件罪案的现场，都有同一个女性的DNA。这位“神秘连环杀手”被称为“海尔布隆魅影”，而警方直到最后都没有找到她。
DNA证据非常一致，极具说服力，但最终事实证明它是错的，是个系统误差——警方用来收集DNA样品的棉签被污染了，所有样品上都含有的DNA来自同一位女性，就是工厂里制造棉签的那位女工。
这就是一致性悖论。我们再来看几个例子。
在两个党派竞争选举中，如果一个党派赢得了选举，一般来说获胜的党派往往只是以微小的优势压倒对方。
我们通常希望自己支持的一方大比分获胜，但如果这种事情真的出现，很可能是有人操纵了选票，造成系统偏差。因此，大比分压倒？是不太可能的。
还有，在科学中，实验数据太好，可能是造假的实验数据。理论与实验必须互相支持，并肩同行。每个实验中都有背景噪音，也会有实验误差。
在科学史上有相当一些著名实验，其结果后来看来都有点“好得过头了”，争议最大的就是测量单电子电量的密立根油滴实验和孟德尔的遗传实验。如果实验结果过于“干净”，没有预期中的噪音和异常值，我们就有理由怀疑实验人员有意择优挑选，选择了好的数据，排除了异常值，造成了“证实性偏见”。
其实在我们的生活也会遇到很多一致悖论的事情，如当股市上涨，大家一边倒地看好时，反而是最危险的时候，这时我们是不是要选择逃离呢？相反，当下跌到一片哀鸿遍野的时候，大家都一致悲观，这时反而是我们建仓的好时机。
还有高考后报什么专业的问题，前几年大家都一致认为好的专业，现在反而成了无法就业的专业，比如前几年的计算机专业，学校是一窝蜂地开，学生是一窝蜂地上，最后到就业时就难以找相对应的工作。
懂得一致性悖论，可以让我们在生活、工作中不再迷惘，能够对很多事情有清醒的认识，看清事物后面的真相。
