=Start=

缘由：

最初看到这本书是在Kindle电子书首页的推荐中看到的，看作者描述写的很牛，标题也很吸引人，所以找来看了，但前期一直都没怎么看进去，随便翻阅一下，感觉就好像豆瓣上的评论一样『可以但没必要车轱辘话系列…』。

后续静下心来好好看了一遍之后，感觉还是有收获的，正如该书的英文名《Everything is obvious, once you know the answer》一样，但为什么会被翻译为《反常识》就不太了解了，可能是出于内容含义考虑——常识基本就是在事后对事情结果的描述；以及大多数人（在知道结果之后）的反应，我早知道会是这样。

正文：

参考解答：

从“预测和控制”到“量化和反应”；
「做规划，不如多量化」+「从“规划者”到“搜索者”」；
能力是能力，成功是成功。

“常识”很多时候其实是我们一厢情愿的想当然，或者说是一些「经验」，又或者说是在问题太复杂没办法想明白时人为提供的简单解释。

成功的很大一部分原因就是——运气。

没有什么事情是注定的，很多事情只不过是偶然而已。

没有（科学的）调查研究就没有发言权。

在知道结果之后再去反推原因，其实我们得出的原因很可能不是原因，而只是对既成事实给出的一个符合自己价值期许的解释罢了。

培养反常识思维，最重要的是少依赖常识，多依赖客观的、多维的、可量化的东西；要少关注对未来的预测，多重视对当前情况的反应。

当我们想解释他人的行为时，总是不自觉地把注意力放在像激励、动机、信念这些我们意识到的因素上。

人人都是事后诸葛亮。

苦练基本功，以增强快速反应能力。

利用各种方式进行市场调研（比如书中提到的亚马逊土耳其机器人），用可量化的数据说话，不要靠经验或感觉。

培养下属，让他具备足够的能力；合理授权，以充分调动个人的主观能动性来解决问题。

正在发生的历史无法讲述，不到最后就不算结束！

---

序一 人生并非显而易见

瓦茨在《反常识》这本书中通过各种例子阐明，很多矛盾都源于常识思维。作为一位社会科学家，他希望传递给读者的正是要学会恰当地质疑常识和直觉。

进步需要不断突破已有的常识。

人生本是如此：一切看似显而易见却又并非显而易见。

序二 别用“常识”理解复杂世界

邓肯·J.瓦茨的这本新书《反常识》提出，社会科学的发展方向应该是像“硬”科学一样，依靠实验和数据。传统专家的预测之所以不行，是因为他们依赖的很多直观“常识”其实是一厢情愿的想当然。事实上，哪怕一个最简陋的统计模型，也能比专家预测得好。

也许最好的营销方式不是拿大价钱请少数名人，而是批量雇用有一般影响力的人。

最初的运气很大程度上决定了最后哪首歌曲能脱颖而出。尽管特别低劣的歌曲肯定流行不起来，但好歌想要流行还是需要很大的运气。

我们总是习惯于把事情的成败归结为人的素质，归结为领袖人物，甚至归结为阴谋论，好像什么事情都是注定的一样，而事实却是，很多事情只不过是偶然而已。

常识只是特别善于在事后“解释”事件，这种解释根本谈不上真正的理解。“十月革命”爆发了，我们就解释说俄国当时的局势必然会爆发革命。在革命之前有谁能这么肯定呢？

不做（科学的）调查研究就没有发言权。

要想从复杂的随机事件中看到真正的规律，最好的办法是，像研究自然科学一样进行大规模的重复实验。

一个更实用的历史观是，放弃“一切都是注定的”这个思想，把历史事件当成众多可能性中的一种，把未来当成一个概率分布，然后尽可能地使用统计方法，通过历史数据去计算未来事件的概率。与其追求用各种想当然的常识指导未来，不如把历史当作一个数据库，从中发掘统计规律。

序三 以思维之“反”应对商业进化

邓肯·J.瓦茨在《反常识》这本书中指出，“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。”这就需要认识定势思维的“反面”。

“反”是对数字化个体的新理解

理性的决策越来越数据化，社会的情绪越来越人格化，自我的表演越来越社交化。

“反经验”是今天商业的破局点

差异常常以不符合经验逻辑的方式呈现，新“物种”必须超越经验的视角才能长成。

以思维之“反”找到新场景机会

多线思考，加速认知，常常颠覆，以“反”脱离惯性和套路，解决具体问题，我们就会找到各个商业领域所隐含的可能性。

序四 走出常识陷阱

对于充满复杂性和不确定性的社会经济系统而言，往往并不“易见”其真实面貌。当我们根据个人经验慎重地给出一个“合理”的解释时，也往往与真实情况相去甚远，甚至完全相反。

但当涉及公司、集体、市场，以及社会治理等更为复杂的问题时，常识却往往“失灵”。实际上，常识并没有失灵，只是我们经常忽略了常识成立的条件。所以不是常识错了，而是我们用错了常识！

对于拥有足够相似社会文化经历的两个人，常识才能称得上“平常”。常识在其他维度也存在着明显差异，包括在规模（数量或范围）、时间和空间三个维度上。

人类认知能力的局限性往往也是导致常识失效的重要原因。常识既能帮助我们理解世界，又会削弱我们对世界的理解能力。个人或整个人类的认知能力是不断发展的，这导致常识的内涵也在不断变迁，所以常识之“常”是随着认知活动和认知能力而动态变化的，因此从这一点来说，真理具有“不唯一性”。

在知道结果之后再去反推原因，其实我们得出的原因很可能不是原因，而只是对既成事实给出的一个符合自己价值期许的解释罢了。

有时，常识会阻碍人的思考，限制人的行动。如果你相信“家庭事业难两全”是一个常识，那就无法做出积极的转变。所以，要想拥有丰富多彩的人生，必须先反思常识，重塑我们对事物的理解和想象。

培养反常识思维，最重要的是少依赖常识，多依赖客观的、多维的、可量化的东西；要少关注对未来的预测，多重视对当前情况的反应。

常识在很多方面塑造和影响了我们的思想与行动，反常识思维能够帮助人们重新定义和理解问题，并找到解决方案，同时它也要求我们更多地关注当下正在发生的事情，而不是脑海中既有的经验。我们应该努力培养一种自我审查机制，时刻审视我们的每一个观点、意念、欲望、逻辑和行为，审查它们的依据、条件、偏好以及合理性。反常识思维并不是说常识都是错误的，而是以审慎的态度，时刻对“自然而然的”和“习惯性的”行为做出合理的质疑。

前言 常识思维vs反常识思维，一切并非显而易见

拉扎斯菲尔德的观点——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”。 拉扎斯菲尔德讨论的是社会科学，但我在本书中要说的是，这个观点适用于各行各业，无论是政治领域、商业领域、市场营销领域，还是慈善事业，只要涉及理解、预测、改变或回应人们行为的领域就都适用。

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。

人人都会犯这样的错误。大约90%的美国人认为，自己驾车的技术水平高于平均值；也同样有大部分人认为，他们比普通人更幸福、更受欢迎或者更有可能成功。

人们更愿意相信别人对世界的看法是错误的，而不是自己被误导了。然而，令人不爽的是，适用于所有人的东西也必然适用于我们自己。

我们不是提倡放弃所有的常识观念，只是希望能引起大家的注意，多用怀疑的眼光审视它们。

当我们质疑自己对世界的假设，或是意识到自己在做一些根本不了解的假设时，我们不一定会改变想法，但质疑至少会迫使我们发现自己是多么顽固，从而悬崖勒马。这种方法可能并不容易，但这是形成新的正确观念的第一步。没有人能一开始就对所有的事情形成完全正确的看法。

引言 常识思维常常让我们犯错

在日常生活中，我们习以为常的社会秩序在一定程度上是由一些隐形的规则维系的。如果不是试图打破这些规则，我们根本察觉不到它们的存在。

无论我们身处何处，生活中都充斥着诸多不成文的规则，正是它们指导并塑造着我们的生活。

常识实在是太普通了，以至于只有当它缺失时，我们才会注意到它的存在，但对于日常生活的正常运转来说，常识必不可少。

常识，是社会智慧的本质，它深深植根于法律体系、政治哲学和专业训练之中。

常识(Common Sense)——帮助我们解决问题的人类智慧，就是常识。简单来说，它大致由事实、观察、经历、见解，以及每天解决问题和学习的过程中积累的智慧组成。常识深深植根于法律体系、政治哲学和专业训练之中。

常识虽经常被提及，却很难讲清楚。简单来说，它大致由事实、观察、经历、见解，以及每天解决问题和学习的过程中积累的些许智慧组成。此外，常识没有简洁的分类。

常识也可以指一些更专业的知识，比如，专业人士会在日常工作中用到的知识等。再比如，对于医生、律师或工程师而言，他们多年的训练和经验积累起来的工作知识，也可以被称为常识。

泰勒的定义强调了常识的两个本质特征，正是它们将常识与科学或数学等其他人类知识区分开来。

第一，正规的知识体系以理论为基础，而常识不同，它以实践为基础，这就意味着常识更关心问题的答案而不是求解的过程。就常识而言，知道什么是对的，或者知道方法就足够了。

人们不需要考虑为什么可以从中受益，不必过于担心反而更好。换言之，与理论知识相比，常识并不会影响世界，它只是简单地按照世界“本来的样子”去处理问题。

第二，正规知识的力量在于，将特定的发现组织成由一般原则描述的逻辑分类的能力，而常识则在于以自己的方式处理具体情况的能力，这也是常识与正规知识的不同之处。

正规知识试图根据一个一般规律推导出适用于所有情况的行为模式，常识只知道在某种特定情况下应该怎么做，而从不探寻为何这样做。

任何想要形式化常识的尝试都会遇到同样的问题——为了教会机器人有限的人类行为，你必须把世界上所有的东西都教给它。不仅如此，重要的事情、应该重要但实际上不重要的事情、重要性取决于其他事的事情，它们之间有着无数微妙的差别，即使最先进的机器人也会被难住。一旦遇到与程序稍有不同的情形，它就不知道该怎么做了，会表现得格格不入，搞砸一切。

开发机器人非常困难，同样，向缺乏常识的人解释他们做错了什么也很困难。

常识非常重要，也有不少不平常之处，其中最突出的一点就是，它在不同时间、不同文化之间存在差异。

这些实验结果表明，只有两个人拥有足够相似的社会文化经历时，常识才能称得上“平常”。换句话说，常识依赖于社会学家哈里·柯林斯（Harry Collins）提出的集体隐性知识，该知识贯穿于社会规范、习惯和实践中。柯林斯指出，集体隐性知识只能通过参与社会活动习得，这就是为什么机器难以学会的原因。

集体隐性知识(Collective Tacit Knowledge)——群体长期以来所共同经历的生产过程、事件、心理和认知体验构成的难以通过语言、文字、图表或符号明确表述的知识，这种知识以一种不言自明的形式存在。

此外，常识深深扎根于社会体系之内，这就导致了常识上的分歧往往难以消除。

常识问题上的分歧很难解决，因为双方甚至不知道在什么立场上才能开展合理的论证。

我们总觉得自己的观点来自一些整体观念，但现实是，它们是独立得出的，而且这个过程往往很随意。

与其说常识是一种世界观，不如说它是一种逻辑不一、相互矛盾的观点集合，某个观点在某些时候看起来是正确的，但在其他时候就不能保证了。

虽然常识在本质上是碎片化的、不一致的，有时甚至自相矛盾，但这并不会给我们的日常生活带来困扰。因为日常生活被分割成了诸多小问题，它们情况各异，所以我们可以各个击破。

在某种程度上，我们知道世界错综复杂，事事相互关联，但当我们读到医疗体系改革、银行家的奖金或是国际争端等报道时，不会试着理解这些不同的问题有何关联。我们关注的只是当时世界呈现给我们的巨大潜在图景的冰山一角，并据此形成自己的观点。这样，我们就能一边喝咖啡，一边浏览晨报，还能毫不费力地对20个话题提出20种不同的意见。这便是常识。

纵观历史就会发现，当常识被用于日常生活之外时，总会以失败告终。

在现实中，根本就没有计划的科学，有的只是那些计划者的观点，他们依靠直觉来推测其计划将会在现实世界中发挥什么样的作用。

四大误区，常识这样让我们犯错

第一类常识误区是，当我们想解释他人的行为时，总是不自觉地把注意力放在像激励、动机、信念这些我们意识到的因素上。

事实上，我们不可能预见与既定情况相关的所有因素，无论我们多么设身处地去考虑，当预测人们在其他情况下的行为时总会犯下大错。

如果说第一类常识误区是，人们在描述个体行为的心理模型时存在系统性的缺陷，那么第二、三类常识误区就是，人们在描述集体行为的心理模型时表现则更加糟糕。

无论是在社交活动、工作场所、志愿组织里，还是在市场、政党里，甚至是整个社会中，只要人们聚在一起，就会相互作用，比如共享信息、散布谣言、交流意见、和朋友比较、对别人的行为做出奖惩、学习他人的经验，并且影响他人对好坏、贵贱、对错的判断。正如社会学家长期以来的观点，这些影响以意想不到的方式不断累积，就形成了集体行为。集体行为是自然产生的，所以不能单独去理解它的组成部分。面对集体行为如此复杂的情况，常识的解释会本能地退回到个人行为的逻辑上。

常识推理的第四类误区是，我们从历史中学到的内容远比我们想象的少，而正是这种错觉扭曲了我们对未来的理解。

由于我们总是在事情发生之后才去解释，所以我们的解释往往过于强调实际发生的事情，而很少关注那些可能发生却没有发生的事情。

此外，我们试图解释的仅仅是那些我们感兴趣的事，而这些事只占真实发生的事情的很小一部分。我们眼中的因果解释实际上只是描述所发生的事情，而关于事情作用的机制，我们了解得很有限。由于这些故事在形式上还是存在因果关系，所以我们总是觉得它们具有预测能力。就这样，即使理论上不可能发生，我们还是骗自己相信，我们可以做出预测。

常识推理并不是只受到一种因素的限制，而是会受限于一系列因素，这些因素彼此加强影响，甚至相互掩饰。最终结果便是，对于世界，常识可以言之有理，但不一定能揭示真正的原因。（自我安慰）

依赖常识的代价便是，我们认为自己已经理解的事情，实际上被我们用一个看似合理的故事掩盖了。这种错觉反过来又会削弱我们像对待医学、工程和自然科学问题一样对待社会问题的积极性。常识实际上阻碍了我们对世界的理解。

章末总结 常识推理的四大误区

1. 用常识解释个体行为产生的误区：总是不自觉地把注意力放在像激励、动机、信念这些我们意识到的因素上，而忽略了其他许多看似琐碎或无关紧要的因素。
2. 用常识解释集体行为产生的误区：相比于描写个体行为的心理模型，描述集体行为的心理模型更加糟糕。常识的解释会本能地让我们将思考回退到个人行为的逻辑上，所以我们对集体行为的解释总会掩盖事实。
3. 用常识解释意见领袖影响力产生的误区：意见领袖的影响力法则不是一个假设，而是两个假设的融合。第一，有些人比其他人更具影响力；第二，这些人的影响可以被一些引发社会潮流的“传染”过程极大地增强。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我们想象的那么大。
4. 用常识解释历史事件产生的误区：我们从历史中学到的内容远比我们想象的少，而正是这种错觉扭曲了我们对未来的理解。

PART 1 常识思维带来的四大误区

1 用常识解释个体行为产生的误区

是什么因素导致器官捐献率如此不同？

虽然学生不知道真正的原因是什么，但他们相信肯定存在什么重要因素，这种巨大差异绝不是偶然产生的。其实并非如此，只是导致这种差异产生的真正原因你一定想不到。

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。

理性选择理论(Rational Choice Theory)——指政治科学及社会科学领域的一系列理论，主张行动本质上都是理性的，人们在行动前会考量利害得失来做出决定。

理性选择中的“理性”是指，能够分析、比较各种选择的利益与效用，之后对于较高的效用与利益显示出偏好，并作为行为的根据，这种“理性”属于一种工具理性。

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。

魔鬼经济学的核心观点是，无论我们讨论的行为有多古怪或绝妙，都可以用这种方法分析。
简而言之，只有将行为合理化才算真正地理解它。

锚定效应(Anchoring Effect)——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。

呈现方式的简单改变，也会极大地影响个人的偏好。

也就是说，科学家应该遵循某些证据，即使这可能与他们之前的观念相矛盾。事实是，他们经常质疑这些证据，正如物理学家马克斯·普朗克（Max Planck）指出的那样：“一个新的科学真理的胜利，并不是靠着说服其反对者，让他们接受，而是因为反对它的人都死绝了。”

在实践中知道什么是相关因素与能够去解释为什么我们知道它们是相关因素，这两者之间有巨大的差别。

很快，研究者意识到，对于人工智能来说，学会任何一项日常工作都非常困难，原因都相同——涉及的相关事实和规则多到超出我们的想象。

虽然在大多数情况下，很多内容都可以忽略，但这根本解决不了问题，因为我们无法事先知道哪些事情可以忽略，而哪些不能。研究者发现，即使是实现最微不足道的任务，他们也得重复编写冗长的程序。

一般来说，人们会系统性地放大预期损失带来的痛苦和预期收益带来的快乐。（损失厌恶偏好）

事实上，无论我们在预测某人的行为上失败了多少次，都会把当时不了解的事情作为理由来辩解。这样，我们就成功地掩盖了框架问题——总让自己相信下次肯定能做对，却从不考虑自己到底做错了什么。

多年来的大量研究表明，薪酬与绩效之间的关系实际上复杂得超乎我们的想象。

虽然我们期望通过增加工资激励员工努力工作，但实际上，即使是非常简单的任务，工资增加的动力也会极大地被员工增加的权利意识削弱。

事实上，很多研究发现，工资激励的方式实际上会削弱员工的业绩。

首先，当工作涉及多方面或者很难衡量时，员工往往只会关注工作中易于衡量的方面，因而忽略了其他重要部分。比如，老师会重视那些可能在考试中考到的内容，而忽略了整体学习。其次，当受奖励的心理压力抵消了努力工作的意愿时，工资激励也会产生“抑制”作用。最后，在个人贡献很难与团队的整体贡献区分开来的情况下，工资激励会导致员工依仗别人的努力，或者避免承担风险，从而阻碍创新。通过这些相互矛盾、令人费解的发现，我们得知，尽管大家都认为人们会以某种方式对经济激励做出反应，但对于如何在实践中应用激励措施来获得预期效果，目前还不清楚。一些管理学者经过几十年的研究后甚至发现，经济激励和员工表现在很大程度上是无关的。

就像理性选择理论一样，常识总是会告诉我们，人们做某件事情都有自己的理由，这确实有可能，但我们并不能因此提前预测到，人们会做什么以及为什么这么做。一旦他们做了，原因就会凸显出来，我们也会得出结论：如果早点知道一些特定的重要因素，肯定能预测到结果。虽然事后看起来，正确的激励机制本应该能得到预期的结果，但这种“事后诸葛亮”的预测表现纯粹是假象。

原因有二：
第一，框架问题说明，我们永远无法知道可能与该情况相关的所有因素。
第二，一篇著名的心理学文献指出，许多相关因素超出了我们的认知范畴。

章末总结 理性选择真的“理性”吗

1. 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。
2. 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。
3. 理性选择的思维方式，其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。

2 用常识解释集体行为产生的误区

萨松一针见血地指出，无论专家引用什么样的特性作为《蒙娜丽莎》“爆红”的证据，是超薄油彩的新奇技巧、创作的神秘主题、画中人谜一般的微笑，还是达·芬奇自己的名声，人们总能找到许多其他同样出色，甚至更好的艺术作品。

虽然听起来我们好像是在根据艺术品的特性评估其品质，但事实恰恰相反。我们首先决定哪一幅是最好的，然后再从它的特性中推断出评判画作优劣的标准，随后我们利用这些标准，用一个看似合理客观的方法来证明这些已知的结果，但这样得出的结果就成了循环论证。

虽然循环论证（即X的成功是因为X有X的特性）很少这样出现，但它在探究事物成败缘由的常识解释中随处可见。

微观-宏观问题(Micro-Macro Problem)——社会学家试图解释的结果在本质上是“宏观”的，也就是它们涉及大量的人。这些结果的产生也受个人“微观”行为的影响，也就是人们所做的各种选择的影响。

社会系统中也充满了相互作用。无论是个人之间，个人与公司之间，公司与公司之间，个人、公司与市场之间，还是个人与政府之间，这种相互作用无处不在。每个人都受到他人言行穿戴的影响；公司受到消费者需求、竞争对手的产品或债权人要求的影响；市场受到政府规定、公司，甚至某些个人（如沃伦·巴菲特或本·伯南克）行为的影响；政府也受到企业说客、民意调查、股市指数等各种形式的影响。事实上，在社会学家研究的各种系统中，相互作用的形式有很多，其结果就是我们所说的“涌现”问题，也就是说微观-宏观问题可能比其他任何学科中的问题都复杂和棘手。

不过，常识可以掩盖这种复杂性。

英国前首相撒切尔夫人曾说：“世上根本就没有‘社会’，有的只是男人、女人和家庭。”但当我们真的尝试用撒切尔的说法解释世界时，就会发现根本无从下手。

个人主义方法论(Methodological Individualism)——一种哲学的研究方法，将社会的发展看作是许多个人的聚集（整体上是个人主义的一种形式），以此解读和研究许多学科。在最极端的形式上，个人主义方法论认为“整体”只不过是“许多个体加起来的总和”（原子论）。

在社会科学中，撒切尔的哲学立场被称为“个人主义方法论”。该研究方法认为，如果一个人没有成功地用个人的思想、行动和意图解释出某个社会现象，比如《蒙娜丽莎》的走红或利率与经济增长的关系，他就不算彻底地解释了该现象。

格兰诺维特的暴动模型

累积优势，足以引发蝴蝶效应

蝴蝶效应(Butterfly Effect)——指在一个动态系统中，初始条件的微小变化将带动整个系统长期且巨大的链式反应，这是一种混沌的现象。

实验社会学：代表性个体的影响力悖论

将社会影响引入人类决策过程，不仅增加了不平等性，也增加了不可预测性。

收集再多歌曲的相关信息也无法消除这种不可预测性，这就像仅凭掷骰子来预测结果一样不可行。更确切地说，不可预测性是市场动态本身固有的。

值得注意的是，社会影响并没有完全消除品质的作用，在实验中，平均而言，“优秀”歌曲（以“独立”条件下的流行度衡量）的表现仍比“低劣”歌曲要好。同样，最好的歌曲永远不会垫底，最差的歌曲也不会拔尖。

“音乐实验室”真正揭示的实验结果与格兰诺维特的暴动模型的基本观点非常类似，即当个体受到他人行为的影响时，相似群体的行为可能会变得截然不同。

到头来，唯一靠谱的解释可能是，琳恩·特鲁斯（Lynne Truss）著的畅销书《教唆熊猫开枪的“，”》（Eats, Shoots and Leaves）的出版商在被问及该书的成功时给出的答案：“它卖得好是因为有很多人都买它。”

当某些结果不能用特殊性质或给定条件来解释时，我们通常就会退而假设它由少数重要或有影响力的人决定。

章末总结 群体智慧的两个困境

1. 循环论证的困境：循环论证在探究事物成败缘由的常识解释中随处可见。比如，《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。
2. 微观-宏观问题的困境：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作基因组的行为，也不会把单个神经元的行为当作大脑的行为。然而，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。也就是说，是家庭“决定”去哪里度假，公司“选择”商业策略。

3 用常识解释意见领袖影响力产生的误区

六度分隔，我们都活在小世界中

六度分隔理论(Six Degrees of Separation)——该理论认为，世界上任何互不相识的两人，只需要很少的中间人就能够建立起联系。这种现象并不是说任何人与人之间的联系都必须经过6步才会达到，而是表达了这样一种重要的观点：在任何两位素不相识的人之间，通过一定的联系方式，总能够产生必然联系或关系。不同人采取的联系方式和联系能力不同，最后的结果也会有明显的区别。

总结来说，真正的社交网络远比雅各布斯甚至米尔格拉姆想象的更复杂和平等。如今很多实验、实证研究和理论模型已经证明了这一结果。

个别人物法则(Law of the Few)——当任何一场流行时尚即将到来时，总能发现几个非常关键的人物。他们独有的特点和社会关系，再加上他们自己的热情和个人魅力，能够最高效快速地将信息在一定范围内散播开来。

但是，就像许多关于人类行为的有趣想法一样，个别人物法则更多的还是一种感觉，而非现实。

我们对自己行为的认知并不是对现实的完美反映。

社会感染＝偶然的影响者＋大量易受影响者

事实上，关键条件与那些极具影响力的少数人没有任何关系，而存在大量易受影响的人反而更重要，这些人也会影响其他易受影响的人。有了这群人，即使是一个普通人也能触发巨大的影响力——星星之火可以燎原。相反，若没有这群人，即便是理论上最具影响力的个体也不会产生太大影响。这样导致的结果是，除非你知道某个人在整个网络中所处的位置，否则就无法预测出他的实际影响力大小，无论你采取什么样的方法。

大多数工作并不是由一小部分起触发作用的人完成的，而是由更大一群易受影响的人实现的。

当无法证明某些事情时，每个人都可以提出自己认为合理的设想，但我们没办法判断它们的对错。

章末总结 社会感染的本质

1. 社会感染＝偶然的影响者＋大量易受影响者。
2. 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。事实上，正是通过感染，意见领袖的影响力才能得以发挥作用。
3. 意见领袖的影响力法则是两个假设的融合。第一，有些人比其他人更具影响力；第二，这些人的影响力可以被一些引发社会潮流的感染过程极大地增强。我们发现，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个别人物法则中认为的那么大。
4. 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。

4 用常识解释历史事件产生的误区

因为我们总是在知道结果之后，再去反向推导事情发生的原因，所以我们无法确定这些解释有多大的解释能力，或者它们仅仅只是一些简单的描述罢了。

历史只有一次，但可以“重演”

如同没有人真的认为发生在两个地方的战争有直接的可比性一样。所以在将一种情况中吸取的教训应用到另一种情况时，我们必须谨慎。

渐进决定论表明，我们没有对那些未发生的事情给予应有的关注。但同样，我们也很少注意到发生的大部分事情。

取样偏差，让我们得到想要的结果

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，一旦知道发生了事故，我们对世界的看法就会转向结果一边，如图4-2，所有的“无事故”结果都消失了，因为我们不再试图解释它们，而只是试图解释事故，因此“无事故”结果消失了。结果是，本来图左边的因素并不能很好地预测事故是否会发生，而现在看来却预测得很准确了。

后见之明，人人都是事后诸葛亮

后此谬误(Post Hoc Fallacy)——在其他条件相同的前提下，如果事件A出现在事件B之前，必然是事件A导致的事件B。这是一种以结果解释原因的理论。

基于对非典疫情的类似案例研究，越来越多流行病学家认为，流行病的最终严重性在很大程度上取决于超级传染者的活动，就像杜加或威尔斯亲王医院里的那位男性病人一样，他们单独传染了很多人。

但这些人有什么特别之处吗？仔细研究一下这个案例就会发现，问题的根本在于，当那位男性病人来医院看病时被误诊为肺炎。按照标准程序，感染了不明呼吸道病毒的病人应该予以隔离，但医院没有这么做，而是将误诊的非典感染者安排在了通风不畅的开放病房里。更糟糕的是，因为被诊断为肺炎，病人的肺里还被插入了支气管呼吸机，使大量病毒粒子被散播到周围的空气中，加上病房拥挤，导致很多医务人员和其他病人也被感染。这种情况非常有助于疾病传播，至少在医院是这样的。

因此，整件事的关键不在于病人，而在于病人就诊的具体细节。在此之前，病人的一切都不会让你怀疑他有什么特别之处，而他确实也没有。

在这两个案例中，所谓的超级传染者只不过是在其他更复杂的情况下偶然得到的副产品而已。

尽管我们总是把结果归因于少数特殊之人的作用，但我们应该记住，这个想法的产生仅仅是因为我们希望世界以这种方式运作，而真实世界并非如此。

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。

正在发生的历史无法讲述

正在发生的历史无法被讲述。这不仅是因为参与者太忙或者当局者迷，而且还因为正在发生之事在其含义没弄清楚之前是说不清的。

不到最后永不结束

有些选择在我们做出时好像无关紧要，但可能有一天会变得无比重要；而有些选择虽然在目前看来非常关键，其实到后来意义并不大。因此，直到最后结果出来时，我们才可能做出判断。当然，就算到那时，我们也可能不知道对错，因为其意义并不全由我们决定。

换句话说，在生活中，很多时候“结局”不过是个实用的虚构概念。基于这个概念，我们可以一次性、彻底地评估出某个行为的后果，但在现实中，我们标记为结果的事件其实并不是真正的结局。相反，它们只是人为设定的“里程碑”，就像电影的结局只是人为的结束而已，但在现实中，故事还要继续下去。在这个过程中，我们会从不同的“结局”中得到不同的经验教训。

伟大的企业不可能永远伟大

换句话说，历史解释既不是因果解释，也不是真正的描述，至少不是我们想象中的解释和描述。它们其实就是故事。

历史学家约翰·刘易斯·加迪斯（John Lewis Gaddis）曾指出，历史解释是受到某些历史事实和其他可见证据限制的故事。

好故事能够引人入胜，所以每当我们试图用科学的方法评价一个解释（基于它对数据的解释效果）时，都会忍不住用它的叙述性质去判断好坏。

比如，心理学家通过一系列实验发现，比起复杂的解释，简单的解释更有可能被认为是正确的，这不是因为它解释得更全面，只是因为它简单。

看上去越合理的解释越有可能错得离谱。

我们还发现，当人们已经有了现成的解释时，会对自己的判断更加自信，尽管他们还不知道这个解释是否正确。

哲学家乔治·桑塔耶拿（George Santayana）也曾说：“忘记过去的人注定会重蹈覆辙。”

理解我们对过去解释的局限性，有助于阐明我们对未来能做出哪些预测。

章末总结 不存在的因果错觉

1. 常识和历史会共同产生一种根本不存在的因果错觉。
2. 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。
3. 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。

PART 2 反常识思维带来的三大红利

5 从常识思维到反常识思维

我们总愿意对未来做出预测，却不愿意为自己做出的预测负责。

就在泰特洛克开始实验时，一位名叫史蒂文·斯奈尔（Steven Schnaars）的管理学家也设法衡量了关于技术趋势预测的准确性，通过梳理大量书籍、杂志和行业报告，他记录了20世纪70年代人们做出的数百个预测，得到的结论是，大约有80%的预测都是错的，无论这些预测是否由专家做出。

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。

拉普拉斯妖(Démon de Laplace)——拉普拉斯妖又被称为“智者”，它知道宇宙中的一切知识，包括每个原子确切的位置和动量，能够使用牛顿定律来展现宇宙事件的整个过程、过去以及未来。

简单系统指的是，用一个模型就可以描述我们观察到的所有或大部分变化的系统。

复杂系统完全是另外一种系统。虽然目前人们对于复杂系统“复杂”的原因还没有达成一致看法，但大家普遍认为，其复杂性来源于众多相互依赖且以非线性方式相互作用的组成部分。

当复杂系统中的每个微小因素都可能以无法预测的方式被放大时，模型能够预测的也就很有限了。因此，复杂系统的模型往往非常简单，这不是因为简单模型的预测效果好，而是因为当存在巨大的误差时，细微的改进几乎不起作用。

不确定的未来：只能预测概率，而非准确性

不确定未来和未来本身的不确定性两者之间是有区别的。前者只是缺少信息，即我们不知道的内容，而后者则意味着信息本来就是不可知的。前者是拉普拉斯妖的有序世界，只要我们足够努力、足够聪明，就可以预测未来；而后者本质上是一个随机的世界，我们能期望的最好结果就是，把对各种结果的预测用概率形式表示出来。

做重要事件的预测和预测准确同样重要

预测结果和预测结果产生的概率之间有着本质的区别，这一区别可能会改变我们对于自己能够做出何种预测的看法。

此外，还有一个更违背直觉的问题也源于我们从过去汲取经验教训的方式，这个问题是，我们无法知道自己首先应该对什么事情做出预测。

如果我们的预测不能以某种方式产生一些更重要的结果，那么这个预测对我们来说就没有什么价值，或很难引起我们的兴趣。

“黑天鹅”事件根本不能预测

事实证明，很多自然事件的等级并不服从正态分布，它们的分布严重失调，而且跨度极广。

一些事件只有在事后回顾时才能被确定为“黑天鹅”事件，因为只有到那时我们才能将所有历史因素整合进行分析。

换句话说，预测“黑天鹅”事件不仅需要我们预测未来的结果，还需要预测到这些结果可能带来的影响，因为只有这样，我们才知道该事件的重要性。

当我们回顾过去时，看到的只是已经发生的事情，却没有看到所有可能发生却没有发生的事情。

章末总结 如何识别简单系统与复杂系统

1. 简单系统：指的是用一个模型就可以描述我们观察到的所有或大部分变化的系统。从这个意义上讲，钟摆摆动和卫星沿轨运行都是简单系统，尽管对其建模和预测不一定是一件容易事。
2. 复杂系统：复杂性来源于众多相互依赖且以非线性方式相互作用的组成部分。因此，对经济发展轨迹的建模与对火箭运行轨迹的建模完全不同。
3. 在复杂系统中，某一部分的微小扰动会被放大，并在其他地方产生巨大影响，这也是前面讨论累积优势和不可预测性时提到的混沌理论中的“蝴蝶效应”。当复杂系统中的每个微小因素都可能以无法预测的方式被放大时，模型能够预测的也就很有限了。因此，复杂系统的模型往往非常简单。
4. 复杂模型很简单，不是因为简单模型的预测效果好，而是因为在巨大误差面前，细微的改进几乎毫无作用。

6 常识让你先预测，但你应该快速反应

我们能预测的，往往是模式固定的事件

学会对自己的预测进行跟踪记录

对复杂系统的预测准确率服从边际收益的递减规律：最初的信息能大幅度地提升预测准确率，但可能的提升空间很快就会被用尽。

在预测时，人们不该使用的方法就是仅仅依靠个体的意见，尤其是自己的观点。

尽管预测市场有很多花里胡哨的东西，但它的预测结果只比民意调查等简单方法的结果稍微好一点儿，而它们之间的差距远不如简单地对大量意见取平均值所得到的提升大。

心理学家罗宾·道斯曾指出：“窍门就在于，知道考虑哪些变量，然后知道如何考虑这些变量。”

人们并不习惯对自己的预测进行跟踪记录：我们做了很多预测，却很少会去检查究竟有多少预测对了。但跟踪并记录预测效果非常重要，因为只有这样，你才能知道预测有多准，并由此得出是否应该重视自己的预测。

与其靠历史数据预测未来，不如专注当下

依赖历史数据的方法还存在第二个问题，即重大的战略决策并不常见，因此采用统计方法也无法奏效。

未来存在一定程度的不确定性，这种不确定性必然会使完美的计划出错。

伟大的预测源于不可预知的远见

这就是战略悖论。雷纳认为，战略失败的主要原因不是战略不好，而在于“正确”的战略碰巧出错了。

伟大的战略的成败完全取决于最初的远见是否正确，但要提前预测到这一点，就不是有多难的问题了，而是根本不可能实现。

建立灵活性，应对不确定性的关键

从预测到迅速反应

章末总结 预测的真相

1. 常识让我们认为自己应该能够做出很多预测，实际上我们并不能做到。原因有二。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具体预测；而在构成我们社会和经济生活大部分的复杂系统中，人们最多只能可靠地预测出某些事件发生的概率。第二，常识还要求我们忽略那些无关紧要的无趣预测（尽管我们一直在做着这些预测），而专注于那些真正重要的结果。但实际上，即使在理论上我们也无法预测出在未来哪些事件会成为重要事件。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。预测“黑天鹅”事件肯定是没戏了，因为在历史呈现出来之前，我们根本无法知道描述它的相关词语是什么。
2. 简单来说，在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。
3. 即使对于那些确实没把握的预测结果，知道可能发生的结果范围也是有用的，因为它能帮助我们随机应变。

7 常识让你先规划，但你应该不断试错

传统的战略规划总是要求规划者对未来做出预测，这使他们很容易犯一些不可避免的错误，而明茨伯格建议规划者减少对长期战略趋势预测的依赖，而注重对实际变化能够快速做出反应。也就是说，与其试图正确地预测出未来的趋势，规划者更应该提高自己对当前情况的理解能力。

然后，像Zara一样，他们需要尽可能快速地做出反应，放弃那些不起作用的方案，无论它们事先看起来多么有希望，并把资源转移到那些发展势头良好的方案上，甚至随时规划新的替代方案。

鲱鱼策略(Mullet Strategy)——一种社交性媒体营销策略，是指生成你的主渠道之外的目标内容，以符合某些社交媒体网站或社区的口味。你的常规访客通常看不到这些内容，因为它们只是向社交性媒体发布窄播信息。

解决方法就是鲱鱼策略：在网站的后面几页里，很少有人会去看具体的文章，那里允许“百花齐放”。然后，网站可以有选择性地把后面几页的优质评论摘取出来，推送到有优质广告版面的前面的页面中，再让编辑严格监管这几页的内容就可以

鲱鱼策略也是“众包”（crowdsourcing）的一个例子。“众包”这个词是2006年杰夫·豪（Jeff Howe）在一篇发表在《连线》（Wired）杂志上的文章中提出的，用于描述将小型业务外包给大量个体工人的模式。

做规划，不如多量化

当历史数据不可获取或提供不了多少信息时，了解人们的实时状态（比如人们的搜索内容反映出来的信息）可能会给你带来宝贵的优势。

与其预测人们的反应，并绞尽脑汁设法引导消费者对广告、产品或者政策做出反应，不如直接去量化他们对各种情况可能会做何反应，并做出应对。换句话说，从“预测和控制”到“量化和反应”的转变不仅是技术上的改变（虽然技术也需要改变），而且是心理上的转变。只有当我们承认自己预测未来的能力并不可靠时，我们才能开启一扇探索未来的大门。

不只是量化，还要多实验

如何检验投入的广告是否真的带来了收益？

提高营销效果的唯一方法，首先就是要知道什么有效与什么无效。

因此，我们不应该把广告实验当成一种要么产生“答案”，要么没有答案的一次性实验，而应该把它看作一个内嵌在所有广告中的持续学习过程的一部分。

学者和研究者能就因果关系的细节进行深入讨论固然很好，但政治家和商业领袖通常需要在不确定的情况下采取行动。在这种情况下，首要规则就是不要过于追求完美，别让它阻碍我们做事，就像我当海军时教官经常提醒我们的那样：有时，就算有个糟糕的计划也总比没有计划强。

确定故障点、追踪根本原因、寻找常规做法之外的解决方法，这三个步骤结合在一起，可以使组织从以集中管理方式提出复杂问题的解决方法，转变为在广泛的合作者网络中寻找解决方法。

从“规划者”到“搜索者”

首先，规划者必须认识到，无论问题是什么——是在贫困村庄改善饮食健康、降低医院的感染率，还是提高当地产业的竞争力，很可能有些人已经有了部分解决方法，并愿意与他人分享。其次，当规划者意识到他们不需要亲自找出每个问题的解决方法之后，可以将自己的资源用于寻找现有的解决方法，并将这些方法普及开来。

事实上，有多少等待解决的问题，就有多少使用量化-反应策略的不同方法，而且没有任何一种方法能一通百通。但这些方法的共同之处在于，它们都要求规划者，无论是试图减轻全球贫困状况的政府规划者，还是打算为客户策划一项新营销活动的广告策划人，摒弃那些仅凭直觉和经验就能制订计划的自负想法。换句话说，计划的失败不是因为规划者忽视了常识，而恰恰是因为他们依据自己的常识来推断那些与自己不同的人的行为。

我们无法抑制这些情不自禁产生的直觉，就像我们不能抑制自己的心脏跳动一样。因此，我们能做的就是，当涉及规划商业战略、政府政策、营销活动或网站设计等问题时，尽量少依赖常识，多依赖可量化的东西。

章末总结 试错的三大方法

1. 运用现场实验（field experiment）法：我们不应该把实验当成一种要么产生“答案”，要么“没有答案”的一次性实验，而应该把它看作一个内嵌在所有事物中的持续学习过程的一部分。
2. 运用至关重要的局部知识法：“高度现代主义”观念的主要缺陷在于，它忽视了与作用环境相关的局部知识的重要性，而倾向于建立僵化的因果关系思维模式。制订计划时依赖的知识必须建立在具体应用环境的基础上。
3. 运用非常规的解决方法——自助法：这个方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、解除了某些限制或者解决了系统中其他地方的问题的情况下，哪些方法可能起作用。

8 常识让你追求结果，但你应该系统思考

我们常常忽略偶然性对结果的决定性作用

我想说的是，由于受到结果的严重影响，我们对正义的常识性认知必然会使我们陷入逻辑难题之中。一方面，如果一个人杀死了4名无辜之人，法律还无法予以严惩，这实在令人愤慨；而另一方面，把每一个正派诚实、偶尔喝多了点酒开车回家的人都当作罪犯或杀人犯看待，好像有些说不过去。除了命运之手哆嗦了一下以外，这两种情况并没有什么不同。

人们之间相互作用的实际情况实在太过混乱和模糊，我们根本不可能用任何事先规定好的制度规则去管控它们。

人们不需要尽力处理好每个案例，而是只要以惩罚的威慑作用来阻止某些反社会行为就足以使社会正常运转了。

章末总结 思考“成功与运气”时应该避开的两大效应

1. 光环效应：它颠覆了关于能力表现的传统观点——不是导致结果的过程的质量决定了对结果的评估，而是观察到的结果的性质决定了我们对过程的评估。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。我们需要采用一种完全不同的指标来衡量业绩——一种直接评估个人能力，而不是通过结果来推断业绩的指标，因为这些结果可能受到个人控制之外的力量的作用。
2. 马太效应：成功可以给你带来声望和认可，这反过来又会给你带来更多的成功机会，让你获得更多实现成功的资源，使得你接下来的成功更有可能被人关注到并归功于你。社会衡量成功的标准大多为奖项、财富、花哨的头衔等指标，但是，每当我们发现自己在用这些指标来衡量某人的能力，而不是根据其真正的能力来评估时，我们就该怀疑自己是在自欺欺人。因为，能力是能力，成功是成功，后者并不总能反映出前者。

结语　反常识思维，复杂世界的终极应对工具

科学的真正本质并不是要展现出什么特定的形式，而是按照理论、观察和实验的科学程序逐步揭开世界的奥秘。

延伸阅读：
《社群的进化》
《大局观从何而来》
《爆发》
《链接》

参考链接：

反常识
https://book.douban.com/subject/34807500/

【书评】《反常识》：如何用反常识思维来解决问题？
https://www.tmtpost.com/4145982.html

人人都是事后诸葛亮，4星|《反常识》
https://zhuanlan.zhihu.com/p/82869245

为什么“预测”总是会失败？| 复杂性科学好书《反常识》
https://swarma.org/?p=16908

邓肯·瓦茨的反常识：如何理解成功与能力？
https://xueqiu.com/9927088462/133670157
http://blog.sina.com.cn/s/blog_519b8db20102yf38.html

邓肯·瓦茨的反常识：如何理解成功与能力？
https://mp.weixin.qq.com/s/uW-fSptr4f2ztlIqXIWNyQ

反常识 | 你对世界的理解会阻碍你对世界的进一步理解
https://mp.weixin.qq.com/s/pLhnVcJy67-OttmycN3dRw

=END=