关于「成功」的思考

长久以来,成功学大行其道。 这些书籍无一不是从很多所谓的成功人士身上寻找异于常人的特点,然后声称这些只要做到这些特点,任何人都能一样的成功。 这个逻辑,看似无懈可击, 但其实还是有问题的。

问题在于「幸存者偏差」。

所谓幸存者偏差是指,你的样本本身是带有偏见的,样本本身无法代表整体。 比如,在上面的例子中,那些成功学书籍的作者都是从所谓的成功人士身上寻找特质,殊不知,也许拥有同样特质的人大多是是失败的,你并没有看到他们。 这样,就能很容易把那些从「成功」人士身上总结出来的特质作为「成功」的必要条件了。 再比如,你在春运的火车进行调研,那么你调研的每一个对象都会告诉他买到了回家的车票,那么由此你就会得到今天的春运压力不大,每个人都能买到回家的车票。 但是,稍有常识的人都知道,这样的调研是没有意义的。 你的样本根本不具有代表性。 因此,只从「幸存者」身上寻找他们「幸存」的条件,其实是非常可笑的。

想象一下,假设这个世界上存在着一套隐藏的筛选机制,没有人能知道这套筛选机制是怎么样的。 我们只能看到被这个机制筛选出来的人和事。 如果我们只从被筛选出来的人和事上总结规律,对筛选机制建模,那得到的结论恐怕不太可能是正确的。 因为,我们只从正例中学习,而不从反例中学习,这样的学习机制是不完备的。 在这样的条件下,几乎是不可能还原出筛选机制是什么样的。

世界上大多数人都渴望能够知道这样的筛选条件是什么,如果知道了,我们就能以最短距离的方式成为「成功」人士。 然而,除了「幸存者偏差」导致的认知偏差以外,还存在一个重要原因,使得能够成为「成功」人士困难重重。

那就是,这样的筛选条件可能是动态变化的!

想想历史就知道了。 不同的历史时代,出现了不同的成功人士。 战乱时代,成功人士就是武将霸者;和平时代,成功人士就是书生儒家。 不同时代的筛选标准是不同的。

如果从机器学习的角度来考虑这个问题,那么这个学习问题就有着两个本质性的特点:

  1. 正反例不平衡,存在着大量的范例,正例很少。但是,我们能看到却往往是那些正例。
  2. 数据不是I.I.D的,也就是说这些样本可能来自于不同的分布,是不同筛选机制下的产物。

面对如此复杂的问题,难怪世界上的成功人士永远是少数。

那么,针对这样的情况,我们有什么应对策略呢? 老实说,我也不知道。 针对上面分析的两个问题,我只能给出非常朴素的方案:

  1. 不要只从成功者身上学习,也要从失败者的角度来学习。比如吴晓波的书「大败局」、「激荡三十年」等,其中有很多失败者的案例,非常值得学习。
  2. 认清当前时代的大势所趋。比如现在中国正在崛起,人工智能是未来的发展方向等。但是,认清大势也是一个非常复杂的问题, 不是一两句话就能讲清楚的。

参考资料

更新日志

  • 2018年7月21日写作并发表.
打赏杯咖啡吧~