欢迎来到深圳瑞桑电子设备有限公司

常见问题

《反常识》:微软首席科学家教你如何通过逆向思维,出奇制胜

作者:佚名 发布时间:2020-04-28 16:45点击:

阅读使人充实,分享使人愉悦。文章结尾附有思维导图,帮你梳理文中脉络精华。欢迎阅读,你离知识又近一步。

本书作者是邓肯·J. 瓦茨,小世界网络之父,网络科学奠基人之一。雅虎研究院和微软研究院首席科学家。哥伦比亚大学教授,影响全世界的康奈尔大学“A.D.怀特博文讲座教授”。宾夕法尼亚大学工程学院、传播学院和沃顿商学院教授,横跨工程学、商学、社会科学三大领域。

他根据最新的网络科学研究,以及商业、政治和日常生活中比比皆是、内容翔实的决策案例,揭晓常识带来的4大误区和反常识带来的3大红利,并教授我们学会用反常识思维认识并应对这个复杂的世界,跳出常识陷阱,优化你的工作与生活。

同时揭示了反常识思维的3大定律,人生赢家都是概率赢家、“搜索者”胜过“规划者”、流行=大量的普通影响者+偶然的超级影响者,助你先人一步享受未来红利。

作者认为常识思维常常会让人犯错,很多现象不是常识可以判断的。常识的矛盾在于,它既能帮助我们理解世界,也会削弱我们的理解能力。导致这些情况的发生,就是因为常识思维给我们带来了误区。

拉扎斯菲尔德接着惊人地指出,这几个命题都与实际研究结果完全相悖,恰恰是城里人在军队中表现得更快乐。

当然,如果读者一开始就被告知正确结论,那么他们也能自圆其说:“我就知道会是这样,城市人更习惯在拥挤的环境中工作,他们在公司里经常受上司的指挥,穿着和礼仪都得服从严格的标准等,这都是显而易见的事情啊!”

因此,拉扎斯菲尔德认为:当每个答案和它的对立面都看似很有道理时,“这种显而易见的论证就是错误的”。

这就是本书要阐述的主旨,不仅针对社会科学,只要涉及理解、预测、改变或回应人们行为的领域就都适用。

产生上述矛盾的关键点就在于常识本身。常识确实非常适合处理日常生活中的复杂问题,并且非常有效;但涉及公司、文化、市场、国家和全球机构的问题呈现出与日常生活不同的复杂性,这时常识就会误导我们。

很多人会问,是不是应该放弃所有的常识观念呢?并不是,作者说这只是希望能引起大家的注意,多用怀疑的眼光审视它们。

简单地总结本书就是:因为常识思维常常犯错,我们如何用反常识思维理解、应对及预测复杂系统。

理性选择真的理性吗?作者认为理性选择中往往存在着很多“默认设置”,它们会对选择起到非常重要的作用,因为我们对人们的选择及其原因的看法几乎影响了所有对社会、经济和政治结果的解释。

心理学家埃里克·约翰逊和丹·戈尔茨坦在一项研究中发现,欧洲不同国家间的公民同意捐献器官的概率最低可至4.25%,最高则达99.98%。更令人感到奇怪的是,这些概率并不是分散在整个范围内的,而是集中在了两个极端上,要么就是百分之几或者百分之十几,要么就是90%以上,几乎没有中间值。比如,德国大约有12%的公民同意捐献器官,而奥地利则有99.9%的人愿意。

为什么会产生这么大的差异呢?有的人认为可能是信仰不同,有的人认为是医疗水平不同,还有人认为是意外死亡率产生的差异等等,是这样吗?

作者说,奥地利的默认选项是成为器官捐献者,而在德国,默认选项是不成为器官捐献者。

两国在政策上的差距微乎其微,只是发一封简单格式的邮件和不发邮件的区别,但这个简单的操作足以将捐献率从12%提高到99.9%。

奥地利和德国的情况也适用于整个欧洲,所有原本器官捐献率高的国家都用了“默认参加”政策,而原本器官捐献率低的国家则用了“默认退出”政策。

如今理性选择不再是一个单一的理论,而是发展成了一系列理论,它可以根据应用的不同而做出不同假设。这些理论都包含两种基本观点:

第一,人们对某些结果存在偏好;第二,考虑到这些偏好,人们会尽可能从中选择最好的方法来实现自己想要的结果。

比起口袋里的钱,我更喜欢冰激凌,而且如果有一种方法能让我用钱买到冰激凌,那么我会选择这样做。如果天气很冷,或者冰激凌很贵,我可能会等到一个更暖和的日子再去买。同样,如果买冰激凌需要绕很远的路,那我可能会先去我本来要去的地方,冰激凌则等其他时间再去买。无论我最后的选择是钱、冰激凌、本来要去的地方,还是其他选项,考虑到当时的偏好,我都做了对我来说“最好”的选择。

这种思维方式的诱人之处在于,它暗示了所有人类行为都可以被理解为试图满足自己偏好的行为。

如果我们想要理解人们做事的原因,就必须理解他们面对的激励,以及因此产生的对不同结果的偏好。

当有人做了让我们感到奇怪或困惑的事情时,我们应该试着去分析他们的处境,找到一个合理的动机,而不是认为他们荒谬之极或是疯了。

心理学家通过无数实验证明,一个人的选择和行为受“刺激”他们的特定词语、声音或其他因素的影响。我们的行为也可能受一些不相关的数字信息的误导。

比如,锚定效应。指当人们需要对某个事件做定量估测时,会将某些特定数值作为起始值,起始值像锚一样制约着估测值。在做决策的时候,会不自觉地给予最初获得的信息过多的重视。

比如,强调赌博中输钱的可能性会让人规避风险,而强调获胜的潜力则会产生相反效果,即使赌博本身并没有发生什么变化。

比如,买相机,A是高质量、价格贵的相机;B是质量较低、价格也便宜的相机,这时候选可能很难做选择。但如果加入C1选项,它与A质量一样,但价格更贵,这种情况下,人们会倾向于选择A,这看起来合情合理。但如果引入的第三个选项不是C1而是C2,它与B价格相同,但质量差很多,那这时,B和C2之间的选择也就很明确了,人们更可能选择B。

也就是说,当其他因素保持不变时,引入不同的选项就可以使决策者的偏好在A和B之间发生逆转。更奇怪的是,引起偏好逆转的第三选项却永远不会被选择。

比如,人们总是认为,在飞机上,相比于其他事故,死于恐怖袭击的可能性最大。因为人们可以生动地想象出恐怖袭击的场景,尽管实际上它发生的概率比其他飞机事故小得多。

此外,人们倾向于通过强化已有思考内容的方式来接受新信息,该方式的实现,一方面是通过重视那些更容易证实自己已有观念的信息,另一方面是通过对不确定信息施以更加严格的检查和怀疑。

这两个密切相关的倾向分别被称为证实性偏见和动机性推理,它们极大地阻碍了我们解决分歧的能力,

循环论证,即A的成功是因为A有A的特性。A的发生是因为这就是人们想要的,而我们知道A 是人们想要的是因为A发生了。

比如,《蒙娜丽莎》刚开始只是佛罗伦萨一位年轻女子丽莎·乔宫多的画像,最初并没有这么有名,而一场入室盗窃案及后续一系列事件才让她声名鹊起。

比如,一篇研究《哈利·波特》取得成功的原因的文章中写道:“在一个寄宿学校的故事背景中插入灰姑娘般的情节,这已经是一个优势了。再加上一些卑鄙、贪婪、嫉妒或黑心的反派人物来增加紧张感,最后宣扬勇气、友谊的价值和爱的力量,并结束于一种无可辩驳的道德价值观,这就有了重要的必胜要素。”

也就是说,《哈利·波特》之所以成功,是因为它具有《哈利·波特》的特性,而非其他原因。而《蒙娜丽莎》之所以出名,就是因为它是《蒙娜丽莎》,而非其他。

比如,画作、书籍、明星等,它们的流行程度取决于大量人的关注度。再比如,公司、市场、政府,以及其他形式的政治和经济组织,需要大量人遵守它们的规则才能发挥作用。还有像婚姻、社会规范,甚至是法律规则这样的制度,它们的普及水平则取决于大量人的信奉程度。

换句话说,家庭、公司、市场、文化、社会是如何产生的呢?它们为什么展现出这样的特征呢?这就是微观-宏观问题。

微观-宏观问题面临的困境,是在自然科学中,整体行为不能轻易地与自身各部分的行为联系起来。

比如,我们不会把单个基因的行为当做基因组的行为,也不会把单个神经元的行为当做大脑的行为。然后,当谈论到社会现象时,我们讨论的确实是像家庭、公司、市场、政党、细分人群、国家这样的“社会角色”,就好像它们的行为或多或少与构成它们的人相同。

一旦考虑到传染的作用范围就会发现,影响者的重要性不仅在于他直接影响的个人,还包括那些通过邻居、邻居的邻居等受到间接影响的人。作者认为普通的影响者往往更具有影响力。

《纽约时报》的一篇报道称,电视真人秀女星金·卡戴珊在Twitter上发表一条赞助商产品的推文,就能收到一万美元的报酬。卡戴珊当时的粉丝数量超过百万,所以比起只有几百个粉丝的普通人来说,付钱给卡戴珊这样的人可以吸引到更多关注,这个观点似乎很有道理。

但我们假设影响力显著之人的“成本”比不那么显著的人要高,那么营销人员应该把注意力放在小部分更具影响力、报价昂贵的人身上,还是放在大量影响力较低、价格低廉的人身上呢?

作者做了一系列看似合理的假设,其中每个都对应一种不同的“影响者”的营销策略,并使用了相同的统计模型来计算他们的投资回报。

得出的结果是,尽管世界上的“金·卡戴珊们”确实比一般人更有影响力,但他们的要价要高得多,所以他们并没有很好地发挥这笔钱的价值。

相反,成本效益最佳的信息传播方式往往是通过那些我们所说的“普通影响者”,即影响力处于平均水平甚至在平均水平以下的人。

因此,若是为了实际营销目标,最好放弃那些大型传播链,转而尝试大量小型的传播链。对于实际目标来说,可能普通影响者就会达到不错的效果。

作者说,在大多数情况下,极具影响力的人确实比一般人更能引发社会潮流。但是他们的相对重要性远没有大家想象的那么大。

当影响通过某种感染性过程传播时,产生的结果更多地取决于网络的整体结构,而不是引发传播的个体的特性。

就如同森林火灾一样,只有当风力、温度、湿度和易燃材料等条件同时满足时,大火才会在大片土地上肆虐。社会潮流的兴起同样需要传播网络满足适当条件。

常识和历史会共同产生一种根本不存在的因果错觉。一方面,常识可以很好地做出合理解释,无论是关于特殊之人、特殊特性,还是特殊条件。

另一方面,历史会有意摒弃大部分事实,只留下事情的主线来进行解释。因此,常识解释似乎告诉了我们为什么有些事情会发生,但实际上,这些解释不过是对已发生事情的描述罢了。

也就是说,我们对于一件事情,总是在知道结果后,再去反向推导事情发生的原因,而不是在找到问题产生的根本原因。

比如,1979年10月31日,美国西部航空公司“2605号”班机在墨西哥城降落时,错误地降落在一条封闭的跑道上,并与地勤车相撞。很快,调查人员找出了导致此事的5个因素。

对于这场事故,心理学家洛宾·道斯解释说,调查得出的结论是,尽管这些因素中的任何一个因素单独出现都不会导致事故发生,但它们结合起来却是致命的。

因此,如果我们不是从事故发生之后反向寻找原因,而是正向寻找,可能会发现这5个因素在大多数情况下都不会导致空难发生。

换句话说,如果没有它们,发生事故的概率将会很小,但它们存在也不意味着事故会发生或很可能发生。

然而,只要发生了事故,我们就会觉得这些因素就是导致了事故的发生。因为我们不再试图解释它们,而只是试图解释事故。

作者认为,预测的真正问题不是我们常说的擅长或不擅长做预测,而是我们很难区分哪些事情我们可以做出可靠预测,而哪些不能。

第一,常识告诉我们,在所有可预测的未来中,只有一个会真正实现,因此我们自然想要对这个未来做出准确的预测。

而在构成我们社会和经济生活的大部分复杂系统中,人们最多只能可靠地预测出某些事件发生的概率。

更糟糕的是,我们最想提前预测的那些“黑天鹅”事件,其实也并不是真正的事件,而是对整段历史的简略描述。

所以,我们无法预测“黑天鹅”事件。因为在历史呈现出来之前,我们根本无从得知描述它的相关词语是什么。那我们应该怎么办呢?

复杂社会系统中发生的事件可以分为两类,一类是符合某种稳定历史模式的事件,另一类则是不符合稳定历史模式的事件,而我们只能对第一类事件做出可靠的预测。

虽然我们无法预测任何特定结果,但只要我们能收集到足够多的历史数据,就可以较为准确地预测出事件的发生率。

比如,每年我们都可能不幸感染流感,而人们能预测得最准确的就是每个季度的患病率。由于流感患者人数众多,且季节性流感的发病趋势每年都相对一致,所以制药公司可以较好地预测出每个月需要往各个地区运送多少流感疫苗。

比如,当一位图书出版商决定给一位作者支付预付金时,他就要预测该作者的书在未来的销售情况,书将来卖得越多,作者获得的版税就越多。出版商为了防止作者和其他出版商签约,也会支付更多的预付金。但如果出版商高估了这本书的销量,就会造成对作者的超额支付,这样作者会获利,出版商则会赔钱。

在这里作者给出了建议,可以利用“预测市场”和“民意调查”的方式进行预测。然后对自己的预测结果进行跟踪记录,找到哪些预测准度高,哪些准度低。并且要有灵活性,并专注于当下。

网络世界中,量化-反应策略的优点最为明显,因为在网络世界中,开发成本低、用户多、反馈周期快,这些条件的结合使得人们可以对各种事物的变体进行测试,并根据表现做出选择。

比如,2009年雅虎公司在推出新主页之前,曾花费数月时间对新版设计的每个元素做了“水桶测试”。将雅虎设为主页的大约有1亿人,这反过来给雅虎公司其他内容引入了大量流量,因此,对主页的任何一点调整都必须小心谨慎。所以,在新主页的整个设计过程中,每当设计团队想到一个新的设计元素时,都会随机选择一小部分用户(即“水桶”)来浏览包含这个元素的主页版本。然后,主页设计团队会根据用户的反馈意见,以及用户在页面上停留的时间、点击的内容等观察指标,将他们和普通用户进行比较,从而评估该元素效果的优劣。

比如,如果我们节食一段时间,发现自己的体重减少了,就很容易得出结论:节食会促使体重下降。但是,当人们节食时,往往也会在生活中的其他方面做出改变。比如,增加锻炼和睡眠,注意饮食等。这些变化或者它们的组合都有可能和节食一样引发体重的减少。但是,由于人们关注的是节食,而不是其他变化,所以会认为体重减轻是节食的功劳。

也就是说,在实践中找到有效的解决方法。自助法不仅可以找出哪些方法是有效的,还能确定在移除了某些故障、解除了某些限制或解决了系统中其他地方的问题的情况下,哪些方法可能会起作用。

我们常常忽略偶然性对结果发生的决定性事件。我们在决策过程中总会受到已知结果的严重影响,即使这个结果在很大程度上是由偶然因素导致的。因此,作者认为,我们要区别“成功”和“运气”。

在社会心理学中,光环效应指的是,我们倾向于把对某个人某个特征的评价延伸到对这个人其他不相关的特征的评价上。

例如,一个人长得好看并不意味着头脑聪明,但在实验中,被试却一致认为长得好看的人比不好看的人聪明,即使他们没有任何判断智力的根据。

但如果我们对一种计划只能尝试一次,那么避免光环效应的最佳方法就是,集中精力评估和改进我们正在做的事情。

我们需要记住,一个良好的计划可能会失败,一个糟糕的计划也可能会成功,这只是机遇罢了,所以在判断计划好坏的时候,我们既要考虑到其本身的优劣,也要考虑到已知的结果。

是指好的越好、坏的越坏、多的越多、少的越少的一种现象。该术语常为经济学界所借用,反映贫者越贫、富者越富、赢家通吃的经济学中收入分配不公的现象。

在生活中更多的是社会学家罗伯特·默顿所称的“马太效应”。一开始它是指富者越富、贫者越贫,但默顿认为,这条规则更适用于成功。

也就是说,个人职业生涯早期取得的成功,会给他带来一定的结构性优势,使其在之后更容易获得成功,不论其自身能力如何。

比如,在科学领域,比起去了二三线大学工作的同行来说,那些在顶尖研究院校中工作的青年科学家的教学负担往往更轻,招到的研究生更优秀,获得资助或发表论文的机会也更大。

这样就会导致,在同一领域中,工作初期水平相当的两个人,在5~10年之后,他们的成功程度可能会有天壤之别,这只不过是他们工作单位的不同导致的。

比如,当他们和一些不知名的研究生合著论文时,即使这些研究生完成了大部分工作或者提供了关键思路,荣誉也大都是成功的科学家的。

换句话说,一旦一个人被视为了“明星”,他不仅能吸引到更多的资源和更优秀的合作者,进而完成超出其能力范围的工作,而且往往能收获其不应获得的名誉。

能力是能力,成功是成功,后者并不总能反映出前者。许多社会科学立场的解释都有着共同的弱点,即事后诸葛亮、代表性个体、特殊之人、用相关性代替因果性等,这些弱点在我们的常识性解释中也随处可见。

新闻资讯
相关产品