如果再往深一点看，使用最大最小准则甚至于不用再逐个思考各种基本事件（参照前文）了。比如在追求利润的情况下，除了利润最小的情况以外，只要认定“所获利润比最小利润大”，就不用再去认真考虑“具体大多少”的问题了。这样一来，就可以大幅削减由于思考而耗费的时间和精力。
但是，从另一个角度来看，这里列举的优点可能也是缺点所在。最大最小准则是一种过于保守的准则。不管怎样，这种准则将关注的焦点全部集中在了最差局面上，根本不在乎除此以外的其他利润（或损失）。因此，可以说，这是一种片面的、极端的判断。
比如有两种彩票，一种是“99%的情况下可以中10万日元，1%的情况下只能中1万日元”，另一种是“99%的情况下可以中3万日元，1%的情况下只能中2万日元”，如果依照最大最小准则，我们应该选择后者，因为前者的保底值是1万日元，后者的保底值是2万日元。
然而，如果冷静地思考一下，你就会发现“选择前者的话有很大概率可以获得10万日元的收益，而选择后者的话最多只能获得3万日元的收益”，这才是更为合理的逻辑。之所以选择前者，是因为担心出现发生概率极低的最差局面：只拿到1万日元的收益。但就是因为做出这种选择，才忽视了有很大概率可以获得的10万日元的收益，可谓是“捡了芝麻，丢了西瓜”。
此外，如果完全根据最大最小准则做出判断，就会出现“无论如何也不会乘坐可能发生死亡事故的交通工具”的情况。在这种情况下，人们会丧失理性思考的能力，根本不去求证乘坐交通工具导致死亡事故的概率到底有多大，而是彻底放弃乘坐交通工具。
上文列举的两个选择是非常偏激的，根本谈不上合理。从这一点来看，最大最小准则是存在缺点的。
“风险”和“不确定性”之间的差异
上文探讨了最大最小准则的缺点，从中可以发现这一准则适用于概率不明的状况。
正如第二章所述，客观概率分布适用于“基本事件具有数学对称性的数学概率”或者“通过多次观测掌握统计性频率的统计概率”。然而，在现实生活中，我们面对的许多事件往往既缺少对称性，又无法掌握统计性频率。
比如在启用新技术时，人们根本不了解其诱发事故的概率。如果让我说对于日本人而言刻骨铭心的教训，那就是核电站事故了。在真正发生事故之前，人们根本无法搞清核泄漏造成放射性污染的概率到底有多高。下面，再举一个生活中更为常见的例子，在向市场投放新产品时，我们几乎无法预测消费者对这种产品感到满意的概率的具体数值是多少。又比如政府在施行某项政策时，根本无法想象其将会给国民行为带来怎样的变化，也无法预测国民采取各种行为的概率。
当然，关于这种情况，如果非要去做，也可以实施主观概率分布。但是，我们面对的事件越新，可用于推测的材料就越少，有时甚至于凭主观也难以实现概率分布。
从专业术语的角度来讲，人们将这种凭主观也难以分布概率的状况称为奈特氏不确定性[3]。这里所提到的奈特来自著名经济学家弗兰克·奈特的名字。弗兰克·奈特将可以分布概率的状况称为风险（risk），将无法了解概率的状况称为不确定性（uncertainty），并对两者进行了明确的区分。不仅如此，奈特还主张将许多与经济交织在一起的状况归为“不确定性”。
可以说，在面对奈特提出的不确定性的情况下，使用最大最小准则是合情合理的。关于奈特氏不确定性的内容，下文中还将多次提到。
通过“博弈论”选择最合适的行动方式
最大最小准则最早出现在人们的视野当中是在博弈论领域。
