鑽石舞台

作者：老喻

來源：孤獨大腦（ID：lonelybrain）

「關鍵不在於你遊戲玩得多好，而在於你想玩什麼遊戲。」

——夸梅·阿皮亞

一、道理

「做難而正確的事情」，這個說法流行起來，也許是因為現在做事越來越難。

我欣賞這句話出處背後的故事和主角。但是，「做難而正確的事情」，會給正在做「難而錯誤的事情」的人們以錯覺。

未必正確的事情，可能因為難而顯得正確，這錯覺和「醜男人很忠厚」一樣不靠譜。

難而正確的事情，不是說做的時候難，而在於識別「正確的事情」很難，識別後做出選擇更難。

本文將講述一個「好運氣的公式」：

好運氣=做對的事情✖️把事情做對

這個所謂公式，能解釋很多「道理」，例如：選擇比努力更重要。

「做對的事情」，是選擇；

「把事情做對」，是努力。

創業者如元氣森林的創始人，用貝葉斯定理的基礎概率（或「基本比率」），來解釋自己為什麼要做飲料：

1、飲料領域看起來很老土，但基數極大。中國飲料市場規模超過一萬億。

2、對比而言，類似於SaaS市場，看起來很性感，可市場規模僅為百億級別。

3、所以，做飲料啃一小口也很大，做SaaS做到老大也很小。（這不代表創業公司不因為某個領域的增長空間而去做。）

投資人如芒格，他鼓勵「去魚多的地方捕魚」：

1、典型的例子如中國過去二十年的地產大牛市，贏家們是因為正好撞進了魚多的地方。

2、而一旦魚群退去，那些誤以為自己是靠捕魚能力賺錢的人就可能陷入困境。

聰明勤奮的雷軍，悟到「順勢而為」，中年再出發去做智能手機，是一樣的道理。

可是，智能手機市場雖然基數很大，為什麼對絕大多數參與者並非意味着機會呢？如果是一個贏家通吃的市場，基數再大有什麼用呢？

「時代是萬位數、行業是千位數、個人專業是百位數」這類提法很生動，但確切說：時代和個人之間，是一種乘積關係。

所以我們應該再完整地看看「好運氣的公式」：

好運氣=做對的事情✖️把事情做對

做對的事情，是指基數大的市場，大趨勢，大概率正確的事情；

把事情做對，是指魚再多，也要和你有關係才有價值；

上面兩項中間的「✖️」，是指你在魚多的地方抓住魚的匹配策略。

我喜歡用大白話將之總結為「運氣三問」：

1、天上為什麼掉餡餅？

2、餡餅憑什麼掉在你的頭上？

3、你如何將這個餡餅吃進嘴巴里？

所以，智能手機對雷軍來說也許是個餡餅，對羅永浩來說也許就是個陷阱了。（我很喜歡羅永浩，期待他早日回歸科技界。）

我對這個話題感興趣，是因為發現這個爛大街的道理，的確是許多高手們的「通用算法」。

可是，這個道理並沒有得到很好的解釋和描述。

恰好這個道理背後，又有一些嚴密而有趣的計算。

假如一個道理能夠構建出一個模型，假如這個模型能夠相對精確地被數學描述，沒準兒真能成為「高手的公式」。

所以，本文是嘗試做一件「將陳詞濫調講出新意」的事情，恰恰這類事情也是符合該公式的。

二、計算

人們對基礎概率的忽視，經常帶來現實中決策上的誤判。

例如，你在街頭看見一個美女貌若天仙，於是你猜：

a、她是一位演員或者模特；

b、她是一位普通的公司職員。

不少人會猜是a，但是該美女是後者的可能性更大，因為公司職員的基數遠大於演員。

為什麼會出現誤判？一個是因為鮮活效應，二是因為忽視基礎概率，三是顛倒了因果。

綜合以上三點，人類喜歡根據鮮明的特徵去套「規律」：

演員通常很美，所以這位如此美的美女大概率是位演員。

再比如你看到一項研究結果表明：四分之三的車禍發生在離家25英里以內的地方。於是有人開始分析，離家近開車更不安全，是不是因為快到家了着急或者放鬆警惕？

這也是一個基礎概率謬誤。真相是90%的時間你都在家附近開車，發生車禍的概率當然更大。相比3/4的比例，實際上離家近開車可能更安全。

我還是用那個老掉牙的例子，來描述一下基礎概率和相乘關係。

塔勒布在投資研討會說：「我相信下個星期市場略微上漲的概率很高，上漲概率大概70%。」

但他卻大量賣空標準普爾500指數期貨，賭市場會下跌。

他的意見是：市場上漲的可能性比較高（我看好後市），但最好是賣空（我看壞結果），因為萬一市場下跌，它可能跌幅很大。

分析如下：

假使下個星期市場有70%的概率上漲，30%的概率下跌。

但是如果上漲只會漲1%，下跌則可能跌10%。

未來預期結果是：70%×1%+30%×（-10%）=-2.3%。

因此應該賭跌，賣空股票盈利的機會更大。

好幾個聰明朋友對我說，這類計算太簡單了，初中就學過。但其實並沒有。

而且之所以我老拿這個例子說事，是因為塔勒布的故事發生在華爾街，那幫頂尖聰明人也會在這個簡單計算上犯糊塗。

姑且用上面這個計算套一下「好運氣的公式」：

先看一下天上掉下來的是什麼餡餅。

看起來是一個「上漲」餡餅。但是根據公式我們知道，要計算的是乘積，所以對好運氣的計算應該是：

乘積的結果就是求面積。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（紅色面積），大於上漲的期望值（綠色面積）。

因為是乘積關係，所以長和寬是可以顛倒的。其隱喻是，哪怕是基礎概率小的事情，也可以靠把事情做得更好而扳回來。一些專業領域的小而美的公司的確也是這樣做的。

但是，假如二者的基礎概率差一百倍，要扳回來的代價就高很多。

為什麼如此簡單的計算，華爾街最聰明的人都會搞錯呢？

因為這裡面的計算拐了兩道彎，而我們的直覺更加適合解決拐一道彎的問題。

上面說了人類容易因為鮮活效應而忽視基礎概率，那麼請允許我再拐一道彎：

假如你在街頭看見三位貌若天仙的美女在一起走，你認為她們是演員還是普通公司職員呢？

我們的直覺，對於概率問題，通常是兩頭搖擺的。

再看一道讓很多絕頂聰明的人也為難的題目：

答案難道不應該是平均數100嗎？

畢竟那個智商150的孩子只是特例，也許會被得分較低的拉平。

正確答案應該是101。

假如你錯了，不必在意。當年這道題曾經考倒了一群精通概率的專家。

看似只是多了個「1」，差別其實很大。背後的有趣邏輯，提醒了我們基礎概率與新證據之間的互動關係。

三、應用

我用公式來講述一個世俗的道理，絕非是用所謂自然科學來套用社會科學。

理解基礎概率，有助於我們擺脫人類典型性的依賴，避免由此產生的誤判。

作為基於比較的直觀動物，人類在某種意義上缺乏全局性。所以，計算中的乘法，用面積來代表期望值，能幫助我們做出全面而理性的決策。

這也是一種基於第一性原理的思考。

這麼做，並非完全基於基礎概率來做判斷。多個新證據的出現，會大幅修正基礎概率，這正是貝葉斯定理的槓桿效應。

回到我們的「好運氣的公式」：

好運氣=做對的事情✖️把事情做對

來看一下這個公式無處不在的應用。

1、馬斯克如何招聘？

馬斯克招聘時，會問兩個問題：

a、你處理過哪些棘手問題。處理得怎麼樣？

b、你在關鍵節點時如何做決策？

在圍棋里，「解決難題」相當於做死活題，很有挑戰，但有最優解，或者說在具體情境、資源約束、時間限制下，有最優解；

「決策」則是指選點能力，例如左上角有個對殺，右下角有個大場，選哪個戰場？然後才是具體解決問題。

二者也是乘積關係，最終價值取決於二者相乘的面積。

決策之難，不止是價值評估之難，你需要構建一個價值函數，還要代入數據估算。

決策更難之處是：要超越可以計算（例如有解的死活題）、能夠看見的事物，去預見未來的結果，進而作出跨期決策。

以上這兩種能力，是二位一體的。只會做局部死活題，容易「贏了每一場局部戰役卻輸掉整個戰爭」；

只會「選點」而不會做死活題……如果不會做死活題，根本談不上「選點」這件事。

2、大局觀和資源分配

選點能力，就是找尋「什麼是正確的事情」。

不管企業，還是個人，資源都是有限的。所謂選點，就是以全局視野，來找尋能夠形成競爭優勢的主戰場，並分配資源。

做到這一點，需要非常艱難的思考。所謂「做艱難而正確的事情」，難在選擇。

大部分人會為了逃避這種艱難，而假裝很辛苦地埋頭去做事情。

難在哪裡？

難在大局觀。

我將其概括為三種大局觀：

1、空間的大局觀；

2、時間的大局觀；

3、資源的大局觀。

空間的大局觀

就像下圍棋，哪裡重要下在哪裡。

我從AI那裡學到的最重要的一點，就是脫先：

AI永遠去下全局中最重要的那一點，哪怕戰場再激烈，一旦不是主戰場了，立即轉移，絕不糾結。

圍棋畢竟還是一個完美的二維遊戲，現實世界要複雜得多。

現實世界不會像圍棋那樣在某個維度上有極深的計算，而是由很多個維度的不那麼深的計算交織在一起。

所以，我們只有用概率去評估，去計算各種變量的可能性，並通過加權計算期望值。

事物的概率，是一大堆交織在一起的模糊因果。

所謂「正確的事情」，本質上是去找尋大概率正確的事情。

時間的大局觀

這一點更容易在投資和創業那裡找到案例。

例如「長期持股」。價值投資者的長期主義，建立在他們的計算深度、以及預留的足夠的安全邊際基礎之上。時間的大局觀消除了短期的不確定性，令長期的確定性價值顯露出來。

價值投資者的時間大局觀，代表了概率的頻率派。創業者的時間大局觀，則代表了概率的貝葉斯派。

1、創業者大多從小概率事件入手，然後隨着時間不斷優化概率。

2、價值投資者更相信基礎概率中的大概率事件，他們對「力挽狂瀾」並不感興趣。

時間的大局觀，還應該包括對時代和周期的理解。

資源的大局觀

指的是如何根據空間的大局觀和時間的大局觀分配有限的資源。

所謂戰略，就是對有限資源的權衡取捨，以確保在優勢地帶形成局部的差異化優勢，以追求達到某個濃度之後的「炸裂」。

3、選擇之後的努力

假如「選擇」有用，那麼每個選擇理論上都對應着幾種不同的可能性，就像幾個不同結局的平行宇宙。

然而在現實中，為什麼命運似乎只是單線程地滑落？似乎並沒有多個可能性的並行，哪怕只是在一念之間。

原因之一是，在已知變量里，個體的變量太微不足道了，如同一滴水落入大海般帶不來任何改變，所以「選擇」所帶來的別的可能性並非沒有，只是概率極低，可以忽略不計。

由此，選擇也與濃度有關，進而與邊界有關。

所以，選擇不僅是一個過程，還是一個系統。

個體的努力，必須基於一個相對封閉、但又能夠與外界發生關係的系統。

就像製冷的冰箱，行駛的汽車。系統實現了局部的熵減，從而可以對外做功。

很多人去追逐時代的大機會，去學習，去混圈子，但是假如沒有自己的系統，沒有手中的籌碼，乘積仍然是零。

當我們的選擇過於聚焦時，可能迷失在過於狹窄的空間裡；

當我們的視野足夠宏大時，選擇的濃度不足以產生改變。

前者的濃度，需要靠空間來實現；

後者的濃度，則有賴於前者通過時間的疊加來實現。

關於選擇和努力，聰明人最容易犯的錯誤是，試圖將不正確的事情做成正確的事情。這並非不可能，但概率較低，費力很大。

例如馬斯克選擇自己的路線，也是先自上而下思考，去找尋那些人類非做不可的事情。那些事當下也許是小概率的，但未來則可能是大概率的。

4、乘號和匹配質量

陳春花教授大約講過一段類似的話：

解決問題的價值，也取決於該問題的需求的強度。

如果用公式來表達，就是：

價值=需求✖️解決。

這個公式和好運氣的公式大致是一樣的。

這就會引發出一個概念：匹配質量。

我在朋友發來的一段文字里看到這個概念，它尤其適用於個人成就，對於孩子的教育格外有啟發。

個人成就=領域✖️個人努力。

一個人只有熱愛自己的工作，才能夠有持續的激情，長久的專注力。所以，長期主義從來都不是靠堅持的，而是靠高匹配質量下的興趣和天性驅動。

圍棋的關鍵是選點，企業的關鍵是選人。例如海底撈，服務員的熱情不是靠培訓出來的，而是靠選出來的。這是關於一個人的基礎概率的命題。

有項研究表明，那些職業生涯的早期，花了較多時間在「匹配質量」上的人，貌似起跑的時候有點兒遊手好閒，興趣太多，其實是在尋求對個人而言的全局最優點，一旦找到就會後來居上，勢不可擋。

對於孩子的教育更是如此，漫長童年期的發明，就是為了讓孩子在適度混亂的安全環境裡，通過探索和試錯，快速而低成本地實現自我認識。

可惜我們的教育大多做反了：我們花了太多時間教會孩子去提前學那些早晚都會並且成年後基本用不上的應試知識，卻讓他們在成年之後才開始思考「我喜歡什麼？我擅長什麼？我該做什麼。」

總結

本傑明·富蘭克林說：20歲時起支配作用的是意志，30歲時是機智，40歲時是判斷。

什麼是正確的事情？

這是個非常複雜的問題。你需要有自己的價值評判標準，有目標，進而構建一個用於評估的價值函數。

而且，「正確」總是一個概率化的問題，並且是一個漸進的過程。

什麼叫把事情做對？

同樣非常複雜。

這背後還是關於決策的話題，大之又大。

也許我會在另外的文章里講述上面的話題。

關於「好運氣的公式」：

好運氣=做對的事情✖️把事情做對

請記住「運氣三問」：

1、天上為什麼掉餡餅？

2、餡餅憑什麼掉在你的頭上？

3、你如何將這個餡餅吃進嘴巴里？

這背後看似簡單的數學計算，有着許多好玩兒讓又讓聰明人犯暈的題目。

請允許我用下面這道題作為2022年的新年禮物送給你：

好好算一下，你也許有意料之外的思考樂趣。

祝你2022年走好運，全家健康平安！

版權聲明：部分文章推送時未能與原作者取得聯繫。若涉及版權問題，敬請原作者聯繫我們。