好运气的公式 2.0-k8凯发旗舰

作者|老喻的 来源|孤独大脑(id：lonelybrain)

“关键不在于你游戏玩得多好，

而在于你想玩什么游戏。”

夸梅·阿皮亚

在《老喻的人生复利训练营》里，我问过大家一个问题：

你在卢浮宫参观，突然遭遇了大火，你决定在逃走时抢救一幅画，你会选择哪一幅画？

这不是一个有标准答案的问题。有人会选蒙娜丽莎，有人会去救莫奈的睡莲，但我喜欢的答案是：

选择离你的逃生出口最近的那幅画。

一、道理

“做难而正确的事情”，这个说法流行起来，也许是因为现在做事越来越难。

我欣赏这句话出处背后的故事和主角。但是，“做难而正确的事情”，会给正在做“难而错误的事情”的人们以错觉。

未必正确的事情，可能因为难而显得正确，这错觉和“丑男人很忠厚”一样不靠谱。

难而正确的事情，不是说做的时候难，而在于识别“正确的事情”很难，识别后做出选择更难。

本文将讲述一个“好运气的公式”：

好运气=做对的事情✖️把事情做对

这个所谓公式，能解释很多“道理”，例如：选择比努力更重要。

如下图，本质上这是一个关于面积的计算：

创业者如元气森林的创始人，用贝叶斯定理的基础概率（或“基本比率”），来解释自己为什么要做饮料：

1、饮料领域看起来很老土，但基数极大。中国饮料市场规模超过一万亿。

2、对比而言，类似于saas市场，看起来很性感，可市场规模仅为百亿级别。

3、所以，做饮料啃一小口也很大，做saas做到老大也很小。（这不代表创业公司不因为某个领域的增长空间而去做。）

投资人如芒格，他鼓励“去鱼多的地方捕鱼”：

1、典型的例子如中国过去二十年的地产大牛市，赢家们是因为正好撞进了鱼多的地方。

2、而一旦鱼群退去，那些误以为自己是靠捕鱼能力赚钱的人就可能陷入困境。

聪明勤奋的雷军，悟到“顺势而为”，中年再出发去做智能手机，是一样的道理。

可是，智能手机市场虽然基数很大，为什么对绝大多数参与者并非意味着机会呢？如果是一个赢家通吃的市场，基数再大有什么用呢？

“时代是万位数、行业是千位数、个人专业是百位数”这类提法很生动，更确切说：时代和个人之间，是一种乘积关系。

所以我们应该再完整地看看“好运气的公式”：

好运气=做对的事情✖️把事情做对

我喜欢用大白话将之总结为“运气三问”：

1、天上为什么掉馅饼？

2、馅饼凭什么掉在你的头上？

3、你如何将这个馅饼吃进嘴巴里？

所以，智能手机对雷军来说也许是个馅饼，对罗永浩来说也许就是个陷阱了。（我很喜欢罗永浩，期待他早日回归科技界。）

我对这个话题感兴趣，是因为发现这个烂大街的道理，的确是许多高手们的“通用算法”。

可是，这个道理并没有得到很好的解释和描述。

恰好这个道理背后，又有一些严密而有趣的计算。

假如一个道理能够构建出一个模型，假如这个模型能够相对精确地被数学描述，没准儿真能成为“高手的公式”。

所以，本文是尝试做一件“将陈词滥调讲出新意”的事情，恰恰这类事情也是符合该公式的。

二、计算

人们对基础概率的忽视，经常带来现实中决策上的误判。

例如，你在街头看见一个美女貌若天仙，于是你猜：

a、她是一位演员或者模特；

b、她是一位普通的公司职员。

不少人会猜是a，但是该美女是后者的可能性更大，因为公司职员的基数远大于演员。

为什么会出现误判？有以下三个原因：

一、鲜活效应；

二、忽视基础概率；

三、颠倒了因果。

综合以上三点，人类喜欢根据鲜明的特征去套“规律”：

演员通常很美，所以这位如此美的美女大概率是位演员。

再比如你看到一项研究结果表明：四分之三的车祸发生在离家25英里以内的地方。于是有人开始分析，离家近开车更不安全，是不是因为快到家了着急或者放松警惕？

这也是一个基础概率谬误，并且也颠倒了因果。真相是：

我还是用那个老掉牙的例子，来描述一下基础概率和相乘关系。

分析如下：

好几个聪明朋友对我说，这类计算太简单了，初中就学过。但其实并没有。

而且之所以我老拿这个例子说事，是因为塔勒布的故事发生在华尔街，那帮顶尖聪明人也会在这个简单计算上犯糊涂。

姑且用上面这个计算套一下“好运气的公式”：

先看一下天上掉下来的是什么馅饼。

看起来是一个“上涨”馅饼。但是根据公式我们知道，要计算的是乘积，所以对好运气的计算应该是：

乘积的结果就是求面积。下跌的概率更低，但是可能下跌的幅度更大，所以下跌的期望值（红色面积），大于上涨的期望值（绿色面积）。

因为是乘积关系，所以长和宽是可以颠倒的。其隐喻是，哪怕是基础概率小的事情，也可以靠把事情做得更好而扳回来。一些专业领域的小而美的公司的确也是这样做的。

但是，假如二者的基础概率差一百倍，要扳回来的代价就高很多。

为什么如此简单的计算，华尔街最聪明的人都会搞错呢？

因为这里面的计算拐了两道弯，而我们的直觉更加适合解决拐一道弯的问题。

上面说了人类容易因为鲜活效应而忽视基础概率，那么请允许我再拐一道弯：

假如你在街头看见三位貌若天仙的美女在一起走，你认为她们是演员还是普通公司职员呢？

我们的直觉，对于概率问题，通常是两头摇摆的。

再看一道让很多绝顶聪明的人也为难的题目：

答案难道不应该是平均数100吗？

毕竟那个智商150的孩子只是特例，也许会被得分较低的拉平。

正确答案应该是101。

假如你错了，不必在意。当年这道题曾经考倒了一群精通概率的专家。

看似只是多了个“1”，差别其实很大。背后的有趣逻辑，提醒了我们基础概率与新证据之间的互动关系。

三、应用

现实中，有太多不懂“面积”的无聊辩论，例如：

我用公式来讲述一个世俗的道理，绝非是用所谓自然科学来套用社会科学。

理解基础概率，有助于我们摆脱人类典型性的依赖，避免由此产生的误判。

作为基于比较的直观动物，人类在某种意义上缺乏全局性。

所以，计算中的乘法，用面积来代表期望值，能帮助我们做出全面而理性的决策。

这也是一种基于第一性原理的思考。

这么做，并非完全基于基础概率来做判断。多个新证据的出现，会大幅修正基础概率，这正是贝叶斯定理的杠杆效应。

回到我们的“好运气的公式”：

好运气=做对的事情✖️把事情做对

来看一下这个公式无处不在的应用。

1、马斯克如何招聘？

马斯克招聘时，会问两个问题：

a、你处理过哪些棘手问题。处理得怎么样？

b、你在关键节点时如何做决策？

这两个问题非常聪明。我用下围棋来打比方说明：

“解决难题”相当于做死活题，很有挑战，但有最优解，或者说在具体情境、资源约束、时间限制下，有最优解；

“决策”则是指选点能力，例如左上角有个对杀，右下角有个大场，选哪个战场？然后才是具体解决问题。

二者也是乘积关系，最终价值取决于二者相乘的面积。

所以，一个高手应该既会做死活题（解决具体难题），又会选点（有决策能力）。

我曾提过“两眼论”。以上算是对“两眼论”的生动补充。

决策之难，不止是价值评估之难，你需要构建一个价值函数，还要代入数据估算。

决策更难之处是：要超越可以计算（例如有解的死活题）、能够看见的事物，去预见未来的结果，进而作出跨期决策。

以上这两种能力，是二位一体的：

2、大局观和资源分配

选点能力，就是找寻“什么是正确的事情”。

不管企业，还是个人，资源都是有限的。所谓选点，就是以全局视野，来找寻能够形成竞争优势的主战场，并分配资源。

做到这一点，需要非常艰难的思考。所谓“做艰难而正确的事情”，难在选择。

大部分人会为了逃避这种艰难，而假装很辛苦地埋头去做事情。

难在哪里？

难在大局观。

我将其概括为三种大局观：

a、空间的大局观；

b、时间的大局观；

c、资源的大局观。

a、空间的大局观

就像下围棋，哪里重要下在哪里。

我从ai那里学到的最重要的一点，就是脱先：

ai永远去下全局中最重要的那一点，哪怕战场再激烈，一旦不是主战场了，立即转移，绝不纠结。

围棋毕竟还是一个完美的二维游戏，现实世界要复杂得多。

现实世界不会像围棋那样在某个维度上有极深的计算，而是由很多个维度的不那么深的计算交织在一起。

所以，我们只有用概率去评估，去计算各种变量的可能性，并通过加权计算期望值。

事物的概率，是一大堆交织在一起的模糊因果。

所谓“正确的事情”，本质上是去找寻大概率正确的事情。

b、时间的大局观

这一点更容易在投资和创业那里找到案例。

例如“长期持股”。价值投资者的长期主义，建立在他们的计算深度、以及预留的足够的安全边际基础之上。时间的大局观消除了短期的不确定性，令长期的确定性价值显露出来。

价值投资者的时间大局观，代表了概率的频率派。创业者的时间大局观，则代表了概率的贝叶斯派。

1、创业者大多从小概率事件入手，然后随着时间不断优化概率。

2、价值投资者更相信基础概率中的大概率事件，他们对“力挽狂澜”并不感兴趣。

时间的大局观，还应该包括对时代和周期的理解。

c、资源的大局观

指的是如何根据空间的大局观和时间的大局观分配有限的资源。

所谓战略，就是对有限资源的权衡取舍，以确保在优势地带形成局部的差异化优势，以追求达到某个浓度之后的“炸裂”。

3、选择之后的努力

假如“选择”有用，那么每个选择理论上都对应着几种不同的可能性，就像几个不同结局的平行宇宙。

然而在现实中，为什么命运似乎只是单线程地滑落？似乎并没有多个可能性的并行，哪怕只是在一念之间。

原因之一是，在已知变量里，个体的变量太微不足道了，如同一滴水落入大海般带不来任何改变，所以“选择”所带来的别的可能性并非没有，只是概率极低，可以忽略不计。

由此，选择也与浓度有关，进而与边界有关。

所以，选择不仅是一个过程，还是一个系统。

个体的努力，必须基于一个相对封闭、但又能够持续与外界发生关系的系统。

就像制冷的冰箱，行驶的汽车。系统实现了局部的熵减，从而可以对外做功。

很多人去追逐时代的大机会，去学习，去混圈子，但是假如没有自己的系统，没有手中的筹码，乘积仍然是零。

系统的浓度，需要靠空间来实现；

长期收益的浓度，则有赖于系统通过时间的叠加来实现。

关于选择和努力，聪明人最容易犯的错误是：

试图将不正确的事情做成正确的事情。

而且，越聪明越容易产生这种幻觉。

这并非不可能，但概率较低，费力很大。拥有“现实扭曲场”的乔布斯也是栽了几次跟头才找到感觉。

再例如：马斯克选择自己的路线，是先自上而下思考，去找寻那些人类非做不可的事情。

那些事起初也许是小概率的，但未来则可能是大概率的。

即使如此，也只有极少数人可以熬过其间漫长的黑暗。

4、乘号和匹配质量

陈春花教授大约讲过一段类似的话：

解决问题的价值，取决于该问题的需求的强度。

如果用公式来表达，就是：

价值=需求✖️解决。

这个公式和好运气的公式大致是一样的。

这就会引发出一个概念：匹配质量。

我在朋友发来的一段文字里看到这个概念，它尤其适用于个人成就，对于孩子的教育格外有启发。

个人成就=领域✖️个人努力。

一个人只有热爱自己的工作，才能够有持续的激情，长久的专注力。所以，长期主义从来都不是靠坚持的，而是靠高匹配质量下的兴趣和天性驱动。

围棋的关键是选点，企业的关键是选人。例如海底捞，服务员的热情不是靠培训出来的，而是靠选出来的。这是关于一个人的基础概率的命题。

有项研究表明，那些职业生涯的早期，花了较多时间在“匹配质量”上的人，貌似起跑的时候有点儿游手好闲，兴趣太多，其实是在寻求对个人而言的全局最优点，一旦找到就会后来居上，势不可挡。

对于孩子的教育更是如此，漫长童年期的发明，就是为了让孩子在适度混乱的安全环境里，通过探索和试错，快速而低成本地实现自我认识。

可惜我们的教育大多做反了：

至此，我们大概可以明白：

你在卢浮宫参观，突然遭遇了大火，你决定在逃走时抢救一幅画，你应该选择离逃生出口最近的那幅画。

因为你的决策，是基于一个乘法：

觉察自我✖️觉察环境。

总结

本杰明·富兰克林说：

20岁时起支配作用的是意志，30岁时是机智，40岁时是判断。

什么是正确的事情？

这是个非常复杂的问题。你需要有自己的价值评判标准，有目标，进而构建一个用于评估的价值函数。

而且，“正确”总是一个概率化的问题，并且是一个渐进的过程。

什么叫把事情做对？

同样非常复杂。

这背后还是关于决策的话题，大之又大。

也许我会在另外的文章里讲述上面的话题。

关于“好运气的公式”：

好运气=做对的事情✖️把事情做对,

请记住“运气三问”：

1、天上为什么掉馅饼？

2、馅饼凭什么掉在你的头上？

3、你如何将这个馅饼吃进嘴巴里？

也许人生的确就像是一场火灾，我们必须竭尽全力从中救出些什么。

在这个不确定的世界里，愿我们都活下来，并且活得好，还顺手救了些值得救的东西。

编者按：本文转载自微信公众号：孤独大脑(id：lonelybrain)，作者：老喻的