《跃迁》第四章作业

作业:

听课感受:听完本节《练就高手“破局”思维(解读第四章)》,书写您最大的三点收获。

回答问题:请尝试用书中的方法解决一个自己无法解决的问题,并给出解决思路


其实我并不真的惧于写读书笔记,如果仅仅是记录感受或说尽可能描绘那种感受被冲击而震动的程度的话,如果仅仅是把原有的内容用自己熟悉的言语再讲一遍或说把阅读沿途联想到的一些类似现象融入进来叠加解释的话。这类输出确实能把过脑的一些“灵感”“印象”显性强化,但我依然觉得下笔好难,是因为隐隐感觉不能仅凭此就实现真正的思维升级,仅仅这样的输出达不到“倒逼输入”的效果。然而另一方面是,第四章已来回读了三遍,永澄老师的音频也听了两遍,虽然面上意思都理解了,思维导图也勾勒出来,但“好像没完全听懂”的声音还回旋在我脑中。若以不局限于谈感受为要求来写读书笔记,我目前仍处于这种“似懂非懂”的状态,谈“收获”还为时过早;或许我应该搭个桥来跃迁这一章,即先定位清楚脑子里仍存留的困惑是什么,尝试解决了这些困惑再来看是否真正消化收获了。

于我而言,还没有被高维高密度讲解冲击所解开的困惑到底是什么呢?

Q 1、系统思维和查理芒格所提及的多元思维模型之间的关系是什么?是同一种思维方式的不同称谓吗?

我们知道《跃迁》里所提到的“系统/复杂系统/系统思维”等概念,其知识源头是“系统科学”,那么“系统科学”又是什么呢?

系统科学是研究系统结构与功能关系、演化和调控规律的科学,它以不同领域的复杂系统为研究对象,从系统和整体的角度,探讨复杂系统的性质和演化规律,目的是揭示各种系统的共性以及演化过程中所遵循的共同规律


系统是由相互联系、相互作用的要素(部分)组成的具有一定结构和功能的有机整体。


系统科学发端于20世纪20年代,奥地利生物学家L.von贝塔朗菲倡导的机体论就是一般系统论的萌芽,与此同时,英国军事部门的科学家研究和解决雷达系统的应用问题,提出了运筹学,这就是系统工程的萌芽。


系统论认为,开放性、自组织性、复杂性,整体性、关联性,等级结构性、动态平衡性、时序性等,是所有系统的共同的基本特征。这些,既是系统所具有的基本思想观点,而且它也是系统方法的基本原则,表现了系统论不仅是反映客观规律的科学理论,具有科学方法论的含义,这正是系统论这门科学的特点。


系统论的任务,不只是认识系统的特点和规律,反映系统的层次、结构、演化,更主要的是调整系统结构、协调各要素关系,使系统达到优化的目的

系统论的出现,使人类的思维方式发生了深刻地变化。以往研究问题,一般是把事物分解成若干部分,抽象出最简单的因素来,然后再以部分的性质去说明复杂事物。这是笛卡尔奠定理论基础的分析方法。这种方法的着眼点在局部或要素,遵循的是单项

因果决定论

,虽然这是几百年来在特定范围内行之有效、人们最熟悉的思维方法。但是

它不能如实地说明事物的整体性,不能反映事物之间的联系和相互作用,它只适应认识较为简单的事物,而不胜任于对复杂问题的研究

。在现代科学的整体化和高度综合化发展的趋势下,在人类面临许多规模巨大、关系复杂、参数众多的复杂问题面前,就显得无能为力了。正当传统分析方法束手无策的时候,

系统分析方法

却能站在时代前列,高屋建瓴,综观全局,别开生面地为现代复杂问题提供了有效的思维方式。所以系统论,连同控制论、信息论等其他

横断科学

一起所提供的新思路和新方法,为人类的思维开拓新路,它们作为现代科学的新潮流,促进着各门科学的发展。

值得关注的是,我国学者林福永教授提出和发展了一种新的系统论,称为一般系统结构理论。一般系统结构理论从数学上提出了一个新的一般系统概念体系,特别是揭示系统组成部分之间的关联的新概念,如关系、关系环、系统结构等;在此基础上,抓住了系统环境、系统结构和系统行为以及它们之间的关系及规律这些一切系统都具有的共性问题,从数学上证明了,系统环境、系统结构和系统行为之间存在固有的关系及规律,在给定的系统环境中,系统行为仅由系统基层次上的系统结构决定和支配。这一结论为系统研究提供了精确的理论基础。

系统论、控制论、信息论,正朝着“三归一”的方向发展,现已明确系统论是其它两论的基础。

系统科学与战略思维.ppt

现代科学的世界图式

那么,跟查理芒格所提出的“多元思维模型/多学科格珊思维模型”相关的资料又有哪些呢?

如何系统地提高自己的智慧?

主动系统的智慧提高可能开始时不起眼,但却是在积累势能,从本质上它是指数式的,随着长期的坚持,我们的智慧也越来越远离普通人的平均水平,从曲线A转变成曲线E。

【推演过程】

具体经验:当我们说“考虑消费者”的时候,有两种可能,一种是我们考虑很多关于消费者的概念,类似“他是一个对生活品质有要求的年轻男性”,“他喜欢挑战”等。还有一种是我们去想某一个特定的符合标准的人。如果你想考虑6000万人,你必须要学会忘记99.99%的人。

归纳启示:在建立了抽象的概念、标签、分类以后,你才能真正开始思考。要理解这个复杂的现实世界,需要先建立对这个现实世界的简化模型。简化模型思考所依赖的两种基本行为是:1、演绎:我们从自己脑海移向真实的世界,2、归纳:是从真实的世界移向脑海。(如果演绎是根据财务报表,分析企业亏损的来源和解决方案的话,那么归纳就是第一个发明财务报表这一思维模型的过程。)

反向思考:思维模型帮助我们简化世界,更加快速的思考,但同时也是禁锢我们的牢笼。所以,变得更有智慧的第一步是质疑现有的思维模型(思考升维?例如从还原论到系统论)。

延伸思考:第二步,如何从分散的概念到思维模式?思考就是使用和建立思维模型的过程,但问题在于我们建立了很多的思维模型或独立的概念,但却无法将它们串联成一个有机的系统。

查理·芒格:“基本的、普世的智慧是什么?嗯,第一条规则是,如果你们只是记得一些孤立的事物,试图把它们硬凑起来,那么你们无法真正地理解任何东西。如果这些事物不在一个理论框架中相互联系,你们就无法把它们派上用场。”(反证)

Peter Beverlin:“一个思维模式就是帮助我们更好的理解世界运转规律的想法一个思维模式往往阐释了结果,并且回答了像“Why”和”How”这类问题。比如“社会认同”这一模式告诉我们当人们不确定时,他们经常自动选择模仿其他人做的事情,而不会想真正正确的事是什么。这样的理论解释了人们为什么做(Why),同时预测了在特定情景下人们又会如何做一件事(How)。”(正证)

用化学领域的自催化模式来思考的案例:1、“贝佐斯与其助理团队描绘了公司步入良性循环的前景,他们相信这会成为公司发展的强大动力。公司的未来蓝图是这样的:以更低的价格来吸引更多的顾客。更多的顾客意味着更高的销量,而且也会把付给亚马逊佣金的第三方销售商更多地吸引到网站来。这也会使亚马逊从固定成本中赚取更多的利润,如物流中心和运行网站的服务器。更高的效率会使价格进一步降低。他们推断,任何一个飞轮只要运行顺畅,就会加速整个的循环过程”;2、“迪士尼最重要的是做好一件事:电影制作。电影会产生巨额的收入,一个电影传播越广,这个电影的IP就越经典。迪士尼乐园、电影衍生品IP授权等其他的业务都会因此获益。更重要的是,这个模式是互相催化的。消费者越喜欢迪士尼乐园、购买电影的衍生品,也会进一步购买迪士尼出产的电影。”

我们很多人每天工作、阅读和学习,形成了很多概念、记住了很多散布各领域的事实和结论,但却没有主动的寻找和总结类似的思维模式形成自己与众不同的工具箱,这无疑是提高智慧过程中缺失的重要一环。

第三步,需要同时使用多种思维模式

Herbert Simon:“非常有经验的决策者和新手一个很大的不同不是那些无形的“直觉”,如果我们能够进入非常有经验的决策者的脑海,会发现 1) 他们很清楚所有可能的行动,2) 在行动之前,他们有一个要思考问题的核查清单,3) 他们脑子里有一个机制在相关的决策环境出现时,可以唤醒所有相关的清单事项。”

查理芒格:“你必须拥有多元思维模型——因为如果你只能使用一两个,研究人性的心理学表明,你将会扭曲现实,直到它符合你的思维模型,或者至少到你认为它符合你的模型为止。你将会和一个脊椎按摩师一样——这种医师对现代医学当然是毫无所知的。  那就像谚语所说的:‘在手里拿着铁锤的人看来,每个问题都像钉子。’当然,脊椎按摩师也是这样治病的。但这绝对是一种灾难性的思考方式,也绝对是一种灾难性的处世方式。所以你必须拥有多元思维模型。”

如果你可以同时掌握多种思维模式,你解决问题的能力会成倍地提升,因为你有更多获得问题答案的角度和方法。这也是真正优秀的人,如费曼、芒格,与一般人的区别:他们有更多的思维模式可以自由的使用。

第三步如何获得?方法有两种:

一、大量的有意识的练习(刻意练习)

二、如何通过阅读和学习获得?通过学习重要学科,特别是基础学科的重要理论。

查理芒格:“…这么说吧,第一条规则是,你必须拥有多元思维模型。这些模型必须来自各个不同的学科——因为你们不可能在一个小小的院系里面发现人世间全部的智慧。所以让我们来简单地看看哪些模型和技巧构成了每个人必须拥有的基础知识,有了这样的基础知识之后,他们才能够精通某项专门的艺术,比如说选股票”

John Reed:“当你首先可以学习一个领域时,好像你要学习上百万件事情。你其实不必如此。你只需要识别出这个领域最核心的原则——一般只有3-12个。你觉得你要记住的上百万的事情,不过是这些核心原则的不同组合而已”

查理芒格:“你们也许会说:‘天哪,这太难做到啦。’但是,幸运的是,这没有那么难——因为掌握八九十个模型就占了90%的权重,差不多能让你成为拥有普世智慧的人了。而在这八九十个模型里面,非常重要的只有几个。所以让我们来简单地看看哪些模型和技巧构成了每个人必须拥有的基础知识,有了这样的基础知识之后,他们才能够精通某项专门的艺术,比如说选股票。”查理·芒格1994年在南加州大学马歇尔商学院的讲话

通过学习和运用几个,最多几十个各个学科最基本的原理或模型,就有机会显著的提高自己的智慧,这是一件多么合算的事情。

-数学:复利原理、排列组合原理、定量分析方法(决策树理论)

-会计学:复式簿记

-心理学:所有的交流必须遵守“五何”原则——你必须说明何人因何故在何时何地做了何事

-工程学的质量控制理论:基础恰好是费马和帕斯卡的基础数学理论,断裂点理论,临界质量概念

-生物学/生理学(心理学):心理学的基础部分——我称之为误判心理学——是极其重要的知识

-微观经济学:把部分自由的市场经济当做某种生态系统是很有用的思维方式,规模优势(你的规模优势可能是一种信息优势,另外一种规模优势来自心理学“社会认同”)

如何才能构建查理芒格所说的多学科格珊思维模型和系统?各个学科的主要模型都有什么?

1. 模型思维

你只要决策,就要预测,要预测,就要建模。而物理学最让人称道的正是逆天的建模能力。其实任何一条物理定律都是一个模型。这些东西都是物理模型,它们的存在不是因为它们的真实,而是因为它们较好了连接了实体世界中琐碎的现象, 从而可以从一个现象里得出另一个现象。

从苹果落地加速的过程,牛顿抽象出万有引力的概念,而如果你以很大的速度向远方抛出苹果,这种远离大地的趋势恰好抵消了它朝向地心的趋势,那么它会绕地运动!在这一瞬间落地的苹果和日月星辰的运转连在了一起:苹果落地里得到的公式预测了冥王星的轨迹。这就是抽象模型的连接力。每一次物理革命,无非是相隔更遥远的现象被更基本的物理模型连接。

爱因斯坦把光线传播与牛顿的苹果进行了又一次连接,于是诞生了广义相对论:万有引力下物体的加速度仅与物体的位置有关,与其他细节无关,于是爱因斯坦提出,这根本是空间本身的性质,是地球弯曲了时空,而导致了万有引力。那么光线又有什么理由例外?于是广义相对论预言了光线会被大质量物体的引力场弯曲,而直线传播变成了一种近似。这样,落地的苹果再一次预言了光的弯曲。

物理模型越抽象,它所能连接的具体现象就越多, 而越能运用这些抽象模型, 就具备越高的发现日常人所见不到的联系,率先预测别人所看不到的趋势。需要注意的是,模型思维只在一种时候是有用的 – 你确实把不同现象连接了起来,而不是在自己思维的迷宫里乱转。

这与我们日常生活中的思维能力有什么关系呢?

(1) 寻找事物的宏观结构,所谓格局,无非是不同层次事物间的连接,过滤掉不需要的细节,抽取出一个宏观结构。这就是在构建一个物理模型,你驾驭抽象模型的能力越高,格局把控就越好。现实生活中的问题有无限层次,模型思维可以让我们迅速理清问题的边界和主次不被噪声干扰。

(2) 结果导向的思维:模型都是在讲输入和输出,你设计一个模型把一定的输入变成一定的输出。跟永澄老师所解读定义“系统思维”很类似,只关注输入、系统和输出)模型思维让你通过分析因果和统计数据来得出你的某个选择所导致的结果

(3) 确立边界及简化理论:对边界以外的东西尽量不触碰。 同时在解释边界以内的现象力求最简-这就是奥卡姆剃刀法则:如无必须,勿增实体。 这个方法要求我们首先对无法解决的东西不提,二去掉过度理论化的趋势, 过多理论只是负担。

2. 思想实验(thought experiments)

伽利略在比萨斜塔上做的其实是个思想实验。亚里士多德认为重的物体比轻的物体掉的快,那么一个轻的物体拉着一个重的物体往下掉,谁慢谁快呢?如果按照亚里士多德的说法,那个轻的物体应该掉的慢一点,从而拖累重的物体,这样掉的速度应该在两个物体分别掉落的中间。而如果你把两个物体看成一个,你发现作为两者的合重量更大,应该降落的速度比两者都更快。这样互相矛盾的结论很轻易的证伪了亚里士多德的理论。

3. 数学推理

效用函数(Utility function)的凸性“ 平均的效用大于效用的平均”,其反面就是jensen 不等式, 它是一个凹函数,揭示对风险的偏好“效用的平均大于平均的效用”。

预测一个事物的趋势, 从来不是看一个事物一时的大小,而是迭代法则。

建立思维的格栅

通过阅读和学习,可以建立属于自己的不同思维模型,查理·芒格称之为“思维的格栅”(lattice of mental models)。一个思维模型就是帮助我们更好的理解世界运转规律的想法。当我们在思考问题和做决策时,由不同思维模型组成的思维格栅(or mental database)就像是一个核查清单,让我们从不同的角度和方式思考所遇到的问题,以避免成为一个“手拿锤子所以满眼都是钉子的人”。

我们的大脑很像是电脑,也是一个接受输入(input),处理信息(process)和输出(output)的过程。要想更好的建立思维的格栅,就要从输入、处理和输出上有清楚的认识。

“输入”应是经受时间考验的不变规律,其考量指标为(如下图):

-可以经受住多久的时间考验(Duration of time)

-平均每页含有多少智慧,或智慧的密度(Wisdom per page)

我们可以像Perter Kaufman所说的一样,主动的从数学、物理学、生物学和历史等其他的基础学科发现普适的规律,这些规律不是学科里复杂的理论,而是组成这个学科的最基本的真理。当我们跳跃学科的藩篱,会发现物理学的规律,人类历史上重复的错误,都在现实生活的不同领域不断重演。

“处理”,聚焦在真正理解这件事的实质。不再纠结于是否记住了一个概念的名称,而是真正理解它们,不再模糊、似是而非。

第一步,选择一个概念,适用于所有概念,从物理学到世界历史,再到商界;第二步,教授这个概念,将你知道的和这个主题相关的一切都写下来,并解释这个概念,不要使用任何高级的词汇或复杂的概念;第三步,返工,会发现自己理解上的问题、忘记的重要方面、或者难以解释的地方,学习完成后,合上书本,不再看参考材料,使用第二步提到的方法,重新解释你之前不清楚的部分。当你可以解释清楚后,回到对原来概念的解释中,继续第二步,直到你可以完整的将概念解释出来;第四步,回顾和精简,用最简单的语言,用最少的文字将这个概念解释清楚了。

这与同样毕业于物理系的Tesla和SpaceX创始人,“钢铁侠” Elon Musk推崇和擅长的基本原则思维(First Principle Thinking)其实是一回事。

“输出”,James Young在“A Technique for Producing Ideas” 一书中,回答了我们如何得到新想法这一问题:“第一个规律就像柏拉图所说:‘新想法是对原有事物的重新组合。’第二个重要的规律是将原有事物重新组合的能力很大程度上取决于我们看到新联系的能力。…对有些人来说每一个事实都是分离的一点点知识,对有些人来说是一系列知识的联接。知识有其联系和共性。对他们来说,知识不再是孤立的事实,而是一种适用于一系列事实的一般规律。所以,在知识间找寻关系的能力是产生新想法的关键。”

如何锻炼connecting the dots的能力?

方法一、源于Scott Young《如何高效学习》,认为要建构信息与信息之间的联系,有3种主要的方法:深度拓展、横向拓展和纵向拓展。

   -深度拓展:比如在书中看到一种新的营销理论,那要问结论从何而来?有什么背后的假设?作者的推导过程是什么?

   -横向拓展:在同一个领域对知识进行对比的一种方法,知识不会孤立地存在,与此类似的结论还有哪些?是哪些地方类似?不同的地方在哪里?同一时期还有哪些其他的发现,同一个发现者还有哪些发现,在同一领域里还有哪些发现?围绕这一结论有哪些其他的事实?

   -纵向拓展:是跨领域建构联系的一种方法,知识都遵循一定的模式,同样的模式在其他知识中也会见到,你能将一个公式与一个自然事件相联系吗?比如水的流动或是驾驶汽车?如果这个发现与一个看起来完全不相关的历史事件联系在一起,你能发现什么类似之处吗?想想看地震的预测与八国联军事件有什么相似之处吗?  /  比喻法是一种很典型的纵向拓展方法,比如在之前的文章中我将化学上的“自催化反应”和亚马逊的“飞轮效应”相类比。

方法二、主题深化

  -第一步,从”Big Questions”开始思考

在平时的观察、思考和阅读中,我们总会遇到很多比较大的问题,不知道如何解决。我一般会扔给自己一些这样的问题。如:“有什么方法可以系统的提高我们的智慧?”“在新的媒体环境下,一个消费品公司应该如何更好的营销?新的可复制模式是什么?”“亚马逊为什么可以成长为伟大的公司?” 当我们问自己这些比较大的问题时,就会发现很多知识瞬间有机会联系在一起。

  -第二步,获取信息,建立框架

用各种方法建立对这个问题的基础理解,可能是和专业的朋友聊天,也可以是找最相关的文章或书籍。在有了基础理解后,建议尝试建立一个框架,保证自己可以一步步逼近问题的答案。建立一个框架,持续更新自己的理解,让自己逐渐接近问题的答案是这一步的关键。建议从基本的原理出发,向上逻辑推导。

我们往往很难在开始就构建对“big question”探索的理想框架,当我们对问题的探索有了一些初步的进展后,可以先建立一个粗略的版本,然后再动态调整。

  -第三步,选择子问题潜入

在一段时间里,我们集中的瞄准一个子问题找寻答案,所以非常多的材料、谈话、书籍都很容易建立密切的联系

  -第四步,归纳当前子问题,继续下一个,一直到建立问题的答案

如此继续下一个子问题,动态的调整原来的框架,直到建立问题的最终答案。通过这种方法,我们在每一个大问题下面,都形成了一个巨大的知识网络。由于不同的子网络都是从基础原理出发的,这些子网络往往具有很强的可连接性。

《如何阅读一本书》:在做主题阅读时,阅读者会读很多书,而不是一本书,并列举出这些书之间相关之处,提出一个所有的书都谈到的主题。但只是书本字里行间的比较还不够。主题阅读涉及的远不止此。借助他所阅读的书籍,主题阅读者要能够架构出一个可能在哪一本书里都没提过的主题分析。


查理·芒格的思维方式是怎样的?

芒格1998年在哈佛法学院的演讲,这可能是世面上对应用思维模型最好的解释:

典型案例问题是如何把手中200万美元的资金变为2万亿美元?我将尝试通过几条有用的基本概念解决这个问题。

第一个观点是,为了简化问题,首先作出最显而易见的重大决策(其实就是简化为思维模型吧?)

第二个观点是,效仿伽利略曾经得出的一个结论:科学的真实世界通常只能以数学表达出来,数学就像上帝的语言一样。

第三个观点是,对待问题,不仅要深入思考,也要逆向思考

第四个观点是,最好且最实用的智慧是最基本的学术智慧,但有一个相当重要的前提:必须从多元学科的角度来思考。运用跨学科思考时,必须自己动手,不要在思想上依赖他人。

第五个观点是,真正重大的影响和出色的成果通常是各种因素结合的结果。

上述五个核心思维分别是:从最简单的地方简化问题、运用数学量化思维、逆向思考、从不同学科汲取多元思维模型思考、注意不同因素叠加的影响(当多个因素指向同一个方向,会产生 lollapalooza effect )。

第一步,简化问题

为了简化问题,我们作出了简单而又明智的决策:首先,通过销售普通的饮料永远不能创造出这2万亿美元,所以,我们会把你以“可口可乐”命名的饮料打造成强势且合法的商标品牌。第二,我们将从亚特兰大做起,然后打开美国其他地区的市场,之后会把新饮料成功而又迅速地推广到全世界,我们需要开发出一种具有全球吸引力的产品。

第二步,运用数学量化思维

利用数学原理来阐述我们的具体目标:通过合理地推测,截止2034年,全球大概有80亿饮料消费者,届时消费者将比1884年的消费者更富裕,每个消费者体内大部分都是由水组成的,他们每天必须饮下大约64盎司的水,这是8罐包装的量。所以,如果我们的新饮料以及我们开发出的新市场中其他一些模仿我们的饮料能占据世界饮料行业25%的市场,且如果我们可以占据整个新市场的50%,2034年,我们就可以销售29,200亿罐的产品(80*8*365/8),如果每罐能净赚4美分,就能获利1170亿美元。

一个关键问题是,在2034年每罐净获利4美分的目标是否合理。(1)如果这个饮料风靡全球,那么答案就是肯定的;(2)150年是一段很长的时间,美元正如希腊的德拉克马(货币单位,简写GD)一样,肯定会贬值;(3)全球饮料消费者的实际购买力将会上升,受低价促进消费者体验的影响,饮用水的需求将大幅增长;(4)由于科技发展,从不变购买力(Constant purchasing power)单位来说,生产成本将会下降——>以上四种条件对每瓶4美分的利润目标来说是利好的。

由此我们决定着手解决让新产品风靡全球的问题。这里有两个挑战:(1)必须开创一个新的饮料市场,它需要在150年的时间里占全球饮料市场的四分之一;(2)我们必须占领这个新饮料市场的的一半份额,而竞争对手的总和将会占领另外一半。因此,我们必须调动所有我们能够想到的有利因素,只有在多种因素的共同作用下,才有可能达到我们所预期的成果。(lollapalooza effect)

一、经过进一步简化问题,我们得出最佳且最简单的决策是应依赖一个强劲的品牌,这个结论自然而然地让我们从基础学术概念来理解企业的本质。从本质上来说,企业必须能够创造并维持一种条件反射,把“可口可乐”的品牌和外观作为刺激物,购买和饮用我们的产品将产生我们希望出现的反应。

如何创造并维持条件反射?心理学课本提供了两种答案:A操作性条件反射&B经典条件反射(即巴甫洛夫条件反射)。既然期待取得合奏的结果,就必须把这两种条件反射的技巧揉合起来——建立能产生这两种效应的刺激性条件。

A 操作性条件反射不难解决,我们必须:(1)让顾客得到最高的回报;(2)产生我们期待的反应后,如果竞争对手同样利用操作性条件反射,应把它给我方顾客带来的行为消弭到最小。以下几点非常具有实践性:(1) 食品中的卡路里和其他价值等;(2) 口味、质感和香味等作为消费刺激物,是基于达尔文自然选择学说中神经网络预编程理论;(3) 刺激物,如糖和咖啡因;(4) 人在过热情况下的冷却效应和过冷情况下的增温效应。欲取得合奏的效果,应在以上所有的条件中提供激励措施。同时,为防止竞争对手也利用操作性条件反射原理抵消我们积极营造出的有利的反射效果,有一种对策:应当牢固树立一个观点,让饮料在最短的时间内遍布全世界,让人们随时随地可以饮用我们的产品,毕竟,如果人们从来没有没有尝试过竞争产品,竞争产品就不能在艰难的抉择中产生激励性。

B 使用巴甫洛夫的条件反射原理,该原理是利用事物之间的单纯“连接”产生的心理效应。首先,我们应尽一切所能营造出尊贵典雅的印象,让消费者把饮料和促销自然而然地跟他们喜爱或崇拜的东西(例如美女模特)联系起来,虽然广告费用支出的速度可能会大大快于预期,但这些钱都是花在刀刃上的。其次,将为新饮料精心选择口味、质感和色泽。最后,应别具匠心地让饮料看起来像酒而不是苏打水,如果饮料本身是清澈的,我们加上人工色素,在饮用水中压入二氧化碳,使产品具有香槟的特征,有具备昂贵饮料的外观。

从心理学课本还能找到哪些有助于建立新企业的内容呢?人类还有一种“有样学样(Monkey see, monkey do)”的天性,在心理学中常常称之为“社会认可(social proof)”。同其他同类产品相比,销售能力的提高来自于每一瓶产品销售的成功。

由此可见,通过结合(1)巴甫洛夫的条件反射;(2)社会认可的强大效应,以及(3)口味美妙、提神醒脑和清凉爽口的能量饮料,形成操作性条件反射。的综合作用,产品销售将在长时间内独占鳌头,这无异于化学上的自我催化反应,即我们期待的多因素合成的优势效应。

二、企业的物流工作以及分销策略非常简单,可以通过两种渠道来销售我们的饮料:A作为糖浆卖给冷饮贩卖部或者饭店&B作为完整的瓶装碳酸饮料来销售。为取得合奏的效应,可以两种方法双管齐下。

如果能建立“第一销售价格(the first-sale price)”(正如通用电器对他们发明的电灯泡一样),不论是我们的原浆液还是完整的瓶装产品,都能把利润最大化。牢牢地掌握利润的控制权的最好方法就是让每个独立的装瓶厂成为分包商而不是糖浆的买主,当然更不会成为糖浆的永久特许经营商,更不能把糖浆的价格固定在最初的价格上。

三、食品工业会为我们所用,比如说制冷技术的发明、更快捷的运输,还有针对减肥者在饮料中加入糖的口味却无须加入糖的热量的技术。此外,相关的饮料机遇将接踵而至,我们必须牢牢地把握。

第三步,运用雅各比的逆向思维检查一下企业发展的计划。为了避免发生不愉快的事情,应该如何下手?有四种明确的答案:

一、必须避免客户饮用后因为饮料甜得发腻而产生抗拒,停止消费

二,我们必须避免商标甚至商标中部分名称的盗用,这将让我们损失巨大。

三、应避免因嫉妒带来的负面效应:将孜孜以求地追求产品质量、样品的质量和合理的价格,在无害的基础上给人们带来愉悦的感受。

四,招牌式的口味风靡整个新市场后,应当避免对口味做突然性或重大的调整。根据心理学有限选择效应,对口味做重大调整有弊无利。如果激发了消费者剥夺性反应过激症状(因已拥有的东西被剥夺后产生的强烈的不适反应)——这种症状让人类难以面对“失去”,也使大多数赌徒失去了理智。

巴菲特合伙人查理·芒格的思考方法是怎样的?

BUSINESS EVALUATION业务评估

Filter 1 - Can I understand the business - predictability?过滤器1:我能理解业务吗——可预测性

Filter 2 - Does it look like the business has some kind of sustainable competitive advantage?过滤器2:此业务是否有足够的竞争优势?

Filter 3 - Able and honest management?过滤器3:能干且诚信的管理层?

Filter 4 - Is the price right?过滤器4:价格正确否?

Filter 5 – Disprove过滤器5:反证

Filter 6 - What are the consequences if I'm wrong?过滤器6:如果我错了,结果会如何?

收获1

对比可见,多元思维模型跟系统思维的共性点在于,1、考察“输入”和“输出”,为了确保一定的输出而研究推导需要什么样的输入,这个输入是否可以利用回路自我正向增强(复利效应),2、系统科学揭示各种系统的共性规律甚至能够顺势调控,通过协调“各元素间关系”/“系统结构”,和多元思维模型中所提到“格局把控”“通过分析因果和统计数据来做选择”有类似之处。

应该说,这两者有重叠和交叉印证的地方,即,系统思维的理论基础是系统论、系统科学,可以被模糊的包括在多元思维模型中的多学科的一支,只不过系统论本身已经是个新兴的综合性、交叉性学科;而多元思维模型更多是强调如何建立符合世界本质规律的认知/思维模型,顺应规律来做选择,因此就选择了“输入”内容,并且认清了其在系统中演化的过程,而相对较少地去强调干预调整系统结构(有可能在现实世界里要人为调控系统结构,尤其是在自组织系统的系统结构,非常困难;或者说外力干预了自组织系统后会改变原来的演化迭代过程,而很难预测输出端,因此与其出手干预不如就顺应原自组织系统的过程;而且还有一点是,遵循大概率法则,即预测演化过程不代表求得精确结果,而是事物会相对大概率地按照原本预期的方向来发展。)

另一方面是,根据永澄老师的解读,认知“系统思维”后的增加解决问题的思考维度方式主要为:1学习2解释3判断&决策,而“多元思考模型”所提出的思维升维路径更加明确:1、要学习哪些学科理论(数学物理工程学心理学经济学会计学等)2、学习哪些具体而基本的概念(类似成甲老师所提到的临界知识,即复利、数理统计&概率、复式记账、误判心理等)3、如何用归纳和演绎的思想实验来刻意练习上述概念的掌握。

Q 2、还原论和系统论的关系是什么呢?从可解决问题的复杂程度而言,系统论是还原论更为高阶的一种方法论吗?

《跃迁》中关于这两种方法论的论述是:“工业化时代,我们发展出来一套科学的、有逻辑的、不断细分的系统,最后把事情拆分成很多元素的思考方式,我们称之为‘分析’。如果一个事情出了问题,最好的解决方式就是增加或替换一个元素,如果短期有效,那么长期也应该不错。但在真实世界的复杂系统里,这些方法都逐渐失效.....主流的观点是:在解决独立、单点、局部的简单系统时,还原论的思路更为有效;在面对复杂问题时,系统论的方法则更加有效。在分析物理、化学这种非生命体、自然科学的时候,还原论更有效;在讨论生物、社会、心理这种生命体、交互性多的领域,系统论更重要。比如自然界的生态问题、社会金融、企业经营、人际关系、慢性病、心智模式等这些复杂交互的事情,用单维的方式解决问题,问题会越解决越多。”

古典老师阐之未尽,其他类似分析这两者差别的参考资料可能还有:

从系统的角度回答生命是什么的问题

《The music of life》描述了一个思想实验:假设外星硅人看到人类因为听音乐哭了,想弄清楚这背后的原因,那么其改变播放设备,发现听到同样的曲子,人们还是哭泣,但是改变了曲调,哪怕只是几个音符,人们就不再哭泣了,于是下结论是曲调让人类哭泣的。这样的解释对于我们来说显而易见是不够完整的。作者接着将故事中的曲调换成基因,从而顺理成章的指出还原论的从基因到表型的解释链条不能是生命这个故事的全部。当然作者可以举出很多科学上的发现,来支持自己的观点。但作者的论证起点在于通过一个思想实验打破了读者可能存在的成见,带给了我们新鲜的看问题的框架。

系统生物学不只是单独的一门学科,而更是一种研究生物问题的方法。在机体的每一个层次,其不同组分都被牢牢的嵌入到一个整体网络或者系统之中,系统生物学认为,像之前那样,分子生物学只关注细胞内部发生了什么,研究心脏的只关心血液循环系统,生态学家只看宏观的趋势,只能够认清楚每个系统的逻辑,却无法回答生命是什么的问题,和生命相关的那些显而易见的问题,例如生物为何会变老,为何会得病。需要考察的不止是单一的系统,需要综合而不是分解,关注结构与关系而不是还原后的组成部分。

小心「麦肯锡思维」

在英国统治印度的时期,当时的印度 Delhi 地区毒蛇众多,英国政府为此非常担心,所以发布了悬赏,居民可以杀死毒蛇获得奖励。在开始的时候,这是一个很有效的策略。大量的毒蛇被居民猎杀。但随着时间的推移,很多人开始豢养毒蛇,杀死以换取奖励。当政府了解到这种情况时,猎杀毒蛇的奖赏被取消了。原来豢养的毒蛇被大量放生,当地毒蛇的数量比发布悬赏前反而更多了。我们常看到一个直接的问题解决方法,却很难达到我们想要的结果

我们的大脑往往倾向于建立简单的因果关系。在小时候的游戏里,问题总是离解决办法不远。多年以后,当我们成为经理人,我们仍倾向于认为,世界也是按同样的方式运作的。

而上面所有问题的关键,是因和果在时空上不是紧密相连的。我们生活中的很多问题,都是在一个复杂的可适应系统(Complex Adaptive System)里。说这些系统是「复杂的」,是因为很多的「果」并没有简单直接的「因」,是多种变量作用后的结果。我的思考:注意这里,多种变量即对应多元思考模型里的多学科,如果不是同时掌握了多学科的原因,有可能会漏掉其中某些一直在起负反馈回路效应的关键变量

传统的「因果观」最完美的一种体现是麦肯锡解决问题的方法。在解决具体问题时,麦肯锡提倡按照不重不漏(MECE,Mutually Exclusive Collectively Exhausted)的原则 ,将问题层层拆解成子问题,从而找到问题的根源,并对症下药。(如下图)但也有一个重大的缺陷:它对于问题的基本假设是基于简单的因果关系。「金字塔原理」本质上是一个因果结构的分析工具。

我们所处的世界,更像是网络的环状结构,而不是简单线性的因果结构。原因本身是结果,结果也可能是原因。

进行系统思考的关键,是学会思考「关系」,而非只是关注「人和事物」。除了避免上面提到的偏见以外,还有一个很大的价值:找到关键解。

收获2

结合上述两则参考资料,我们可以知道,即便采用MECE原则所拆解出来的元素组合并不完全等于整体,这正如贝塔朗菲所强调的系统论的核心思想“任何系统都是一个有机的整体,它不是各个部分的机械组合或简单相加,系统的整体功能是各要素在孤立状态下所没有的性质。他用亚里斯多德的‘整体大于部分之和’的名言来说明系统的整体性,反对那种认为要素性能好,整体性能一定好,以局部说明整体的机械论的观点。”

那么系统整体之于局部元素的全组合,多出来的功能应该就是常说的自组织系统的“涌现”现象。(这也是系统论比还原论多看出来的一个点,或说就是所谓的升维)而“涌现”出来的整体性功能,表现出来即是傅盛在下面材料里所提及的遗传算法迭代演化后所产生的现象。

傅盛读《复杂》有感:所有现实复杂事物,是否有底层统一规律?

我们知道,单个蚂蚁没什么智能,甚至没什么视力,但整个蚁群却是一个高效运作的、难以解释的、集体智能的复杂系统。同样,免疫系统也是单一细胞在没有中央控制的情况下一起高效工作。它们到处巡逻,并在遭遇入侵后,迅速摧毁入侵者,同时繁衍后代,产生抗体。以上,都不是被规划出来的复杂系统。

遗传算法采取的完全是另一套策略:它把每次编码看成一个生命体,由这些完全随机产生的生命体自己去完成动作,不定义策略好坏,彻底随机。

怎么生成初始群体呢?最简单的办法就是随机生产大量个体。在这里,个体就是程序(字符串)。比如,初始群体有200个随机个体,这是策略之一。然后,计算当前群体中各个个体的适应度,选择一定数量适应度最高的个体作为下一代父母,将选出的父母进行配对,如此,再重复。

运行数代之后,比如得分比较高的A和B,注意比较高即可,我们就截取A的前半部分A1与B的后半部分B2,得到A1B2,再加上A2B1作为下一代,继续跑,同时设置一个很小的突变概率。

如此演化了1000代以后,我们得到了下面这张惊人的曲线。1000代的时候,平均得分是480几分(满分500)。我们发现,第1代非常差,只有负80几分,还不停撞墙。但,就是这么一个起点非常差的清扫机器人罗比,通过拿出无数个体去观察,不断迭代之后,它甚至超出预料,产生了自己的策略——不是见地就扫,而是清扫完一片之后,再去清扫下一片。

“涌现”(Emergence)理论

整体涌现性(whole Emergence)

涌现,Emergence,也译为突现。这个词来源于系统科学。由于涌现在商业、经济、计算机和游戏娱乐等方面都有体现,现在已经广泛的流行。涌现性是指那些高层次具有而还原到低层次就不复存在的属性、特征、行为和功能。一个最明显的例子就是:在大量的无生命物质相互作用的过程中形成最古老的原生生命。

所谓“涌现”,就是指系统中的个体遵循简单的规则,通过局部的相互作用构成一个整体的时候,一些新的属性或者规律就会突然一下子在系统的层面诞生。涌现并不破坏单个个体的规则,但是用个体的规则却无法加以解释。关于涌现,我们只能理解为“系统整体大于部分之和”。比如说,生命是一大堆分子作用的产物,每个分子必然遵循固定的物理规律,但是当分子聚合到一起的时候,原生生命却在整个分子群体的基础上诞生。分子构成的这个整体活了,它可以为自己的利益控制低层次的分子个体,它具备了自己的生命。在这个过程中,我们无法把生命这一现象还原到单个分子的物理规则上去,并且也没有哪个“领导”分子给其它分子下达命令。所有的过程和奥秘,都只存在于系统的相互作用之中。

涌现性告诉我们一旦把系统整体分解成为它的组成部分,这些特性就不复存在了。涌现性就是组成成分按照系统结构方式相互作用、相互补充相互制约而激发出来,是一种组分之间的相干效应,即结构效应。不同的结构方式,不同的相互激发产生不同的整体涌现性。

系统性是加和性与非加和性的统一,都是整体属性;但整体性、系统性并不一定是涌现性。涌现性是系统非加和的属性,“整体大于部分之和”与“整体小于部分之和”这样的整体与部分差值就是涌现。

另一个在这里的收获是,由于遗传算法迭代演化到产生涌现性,可能需要一个较长反射弧的时间回路,故这也是还原论/麦肯锡式的结构化思维所不容易直接看出来的因果关系,时间跨度较长,且呈现非线性关系。这也就是多元思维模型里面用空间换时间的玩法来对冲而相对比较能凑效的原因,通过多学科多元素叠加所产生的lollapalooza effect来提高起作用的概率,说明从人的角度而言谁都很难每次都准确无误地预测,相对能提高的是预测命中的概率。

Q 3、如何再由涌现性反过来来理解“复杂”/“系统的复杂性”?怎么理解“涌现”的这种“非线性”特质?

复杂系统的简单笔记

什么是简单系统?可以用物理经典的还原论思维来简化描述其规律的系统。

什么是复杂系统?是由大量单元互相作用组成的系统, 其活动呈现非线性, 往往形成具备无数层级的复杂组织。这里主要强调的是大量互相作用的微观单元, 通过非线性效应, 得到一个性质与微观单元完全不同的宏观整体。 更强调一套联系不同尺度数学方法。

通过“分形”和股灾&雪崩类似的相变,我们看到复杂系统的核心魅力——那就是这些展示的现象虽然说是由性质完全不同的基本组成元素构成,但是在宏观上却表现出类似的性质, 那是因为这些基本单元的组成形式是类似的。也就是元素相对系统关系来说没有那么重要,也就是林福永教授所说的“在给定的系统环境中,系统行为仅由系统基层次上的系统结构决定和支配”

复杂系统的形成主要有三个东西:

1, 作用(关联)

- 不是单体的特性, 而是单体是如何相互关联形成组织的, 因为这类系统共同的特点是长程关联 。 关联往往导致1+1>2 或1+1< 2 或称为非线性 。

相互作用导致协同效应。两个人在一起可以是1+1大于2 , 也可以是1+1 小于2, 但基本不会是1+1=2, 前两者都可以看做是非线性的体现。比如为什么会有公司,那一定是某种合作导致的1+1大于2效应使得组织可以产生。

2, 反馈

复杂系统多描述一个系统的时间变化过程,研究这个时间变化过程, 往往要考虑此刻的结果对下一刻系统结果输出的影响。股市的反身性就是反馈的一种。

反馈分为正反馈和负反馈, 负反馈导致定点平衡态,正反馈导致不稳定性如雪崩, 股市崩盘。(这里的正负应该跟我们通常认知的褒贬有不同的含义)反馈带有回路的概念。一个单元通过相互作用传递给另一个单元, 反过来另一个单元又可以把信息传递回来。比如市场价格,永远围绕均衡波动,价格高,导致市场买的人少, 又降低,这是典型的负反馈。

3, 相变

当系统主导反馈的性质发生变化,则经历一个相变。相变,就是当你改变某个外部变量, 整个系统从一个相到达另一个相的过程。相变理论是复杂系统研究的重要对象。 这里影响一个系统相变的主要是两个要素, 一个是熵(无序性,系统信息的缺失), 一个是某种趋同的效应

在铁磁物质里, 每一个原子都有极性, 平行排列的极子具有指向相同方向的趋势 ,而熵无序的作用则破坏这种效应, 两种力量互相争夺,在较高温度下,熵的作用占主导,而较低温度下,有序的趋同的力量占主导。 在某个温度下,磁体的原子从无序的状态过度到完全有序的状态。 在完全有序的状态下整个磁体显现出对外的磁性。在此处,我们可以控制的外部变量就是温度。

当温度为0,系统自由能最小的状态是一致有序的态, 温度升高, 无序的态的自由能逐步减少, 直到某个点, 称为比有序态更有优势的状态。类似的还有水到冰的相变。也是在某个温度上, 无序和有序的交替。这称为临界。 所谓临界,就是相变时候的状态, 因为这个时候最特别, 你说他到底是有序还是无序呢?重返沙堆: 通往理解信息扩散的实在之路

大部分和我们息息相关的系统事实上都在某种程度处于临界态(或靠近临界态)包括大部分的生物系统, 经济系统。

所谓涌现, 是在刚才讲到的作用, 反馈, 自组织临界基础上得到的, 系统从微观到宏观, 性质属性质的突破。

而复杂系统元素很多, 而且元素之间均有相互作用, 最好的刻画方法就是复杂网络。The Product Space Conditions Development of Nations, Science 这篇文章就是运用复杂网络描绘了产业森林。

从国家产业升级到职业选择--一篇Science神文的启示

如果把每个科学问题看成一棵树,那么所有科学问题也构成一座森林。科研人员就是树上的猴子。每个人都从自己的学科背景(森林里的特定部分)进入森林,然后开始他在森林的旅行。森林中心的问题互相联通,因为解决它们所需要的基本要素是相通的,例如基本思想和方法(ideas&methods),解决一个问题的思路往往可以解决表面毫不相关的另一问题。如大名鼎鼎的布朗运动,它描述花粉颗粒悬浮在水中受到水分子作用而起的不规则运动,谁能想到花粉的随机运动摇身一变就成了股票价格的波动,而研究花粉运动的方法极好的刻画了股票价格涨落? 而物理学的摩擦力,摇身一变就是经济学里的交易成本。某个学科看似艰难得到的新突破,可能是另一个学科早以熟知的“旧闻”,一些原理天生在一些问题里容易发现而另一些问题较难发现。一些难的问题,如果放到问题森林里定位,可能迅速转化为简单问题。(这里同样说明了多元思维模型的必要性,即通过不同学科的原理让认知交叉跳跃,在一个学科内很难识别理解的原理跳跃到另一个学科下通过可观测难度降低而向前跃进

外层的工作多为一些简单培训后可做的初级工种而内部则为需要多年能力养成的职业, 从森林的外侧跳入森林的内侧往往有一层壁垒,而跨越他就不是一个容易的事情。森林的内层之所以树木密集,就是因为他们所共用的一些关键能力要素,具有以一敌百,高屋建瓴的特点。例如语言沟通能力是所有商业类职业共同的基础,强大的外语就是在大量商业服务领域跳跃的凭借。如计算机语言和算法这种技能, 学好它可以在各个产业的软件工程师职业间跨越。而对某个特定工程软件的掌握就不行。如概率统计和数学建模,就是很多以数学分析为基础的专业share的关键技能,通它的猴子就可以从一棵树跳过另一棵树,而且往往是果实丰美的树。这些关键技能拉近了很多职业的距离,而这些技能可以帮助猴子进入树木繁密,成果丰硕的森林中心,而在那里猴子也可以有更多选择。

高等教育的价值,在于掌握跨越森林所需要的通用核心要素。一个接受和未接受高等教育的人,进入森林中心的能力是有本质不同的。一个有受过和没有受过高等教育的人,不一定体现在起薪的差距,而是未来的空间大小,亦即能够达到的地方。

动力学是如何做预测的

动力学研究的就是事物运动变化的因果关系。在它的世界观里,世界是一张相互作用的大网,而事物运动变化的原因,都可以从这张大网上找出。

牛顿第二定律,关于力与加速度的关系F=ma,本质是预测。一部现代科学发展史,可以看做动力学深入各个学科的历史。广义坐标的应用,使得动力学的经纬-位置和速度取得了对等的地位,我们通常把位置和速度构成的空间叫做相空间(一个全新的6维空间,包含位置三维和速度三维)

哈密顿方程比牛顿方程更加清晰的表述了动力学的本质,它告诉我们要预测物体的运动轨迹,核心在于了解下一刻的状态是怎么从此刻衍生出来的,而衍生的法则就是一个微分算符作用于物体此刻的状态(由哈密顿量表述),这个算符不停作用,就衍生了整个运动轨迹。其背后有一个更为惊人的基本原理,就是最小作用原理。有一个叫作用量的函数,真实物体的轨迹,就是让这个数最小的那一个。几乎所有物理定律及四大力学(经典力学,电动力学,统计力学,量子力学)均可统一于这个原理,它是宏观物体的机械运动和微观系统的状态变化的桥梁。如果问世界是否有一门学问,可以被称为世间其所有其它学问的发动引擎,有的人可能说是数学,有的人可能说是哲学,更或者神学,而依我看,它叫动力学。

非线性动力学是怎么解复杂系统的

每当动力学进入一个领域,我们就可以说我们真正理解了那个领域,而之前,最多只是描述而已。原因在于,相比物理系统,那些领域都显得太复杂了,而复杂的原因有三,一是元素太多,二是非线性,三是能量不守恒。

线性显然在生活或社会这样的系统上不成立,你并不是把一堆细胞放在一起就有了生命体,也不是把一堆人放在一起就有了社会,细胞组成生命或人组成社会,都是在更大尺度上形成了新的组织。 而这些组织所呈现的性质,完全不能等价于组成它们的单元的性质的加和。

生物或社会系统都是典型的耗散系统,这些系统的本质特点即不停的与外界交换能量和信息,一旦这些系统能量守恒往往意味着已经死亡。

开放性的复杂系统,能量信息的输入和输出,以及涌现性(非线性叠加)构成了它的本质。直到20世纪几个革命性的理论的提出,包括非平衡态的统计物理和相变理论,复杂网络,非线性动力学, 混沌论,协同论,博弈论等。而这些方法综合在一起,衍生了一门叫做复杂系统的新学科,它使得动力学进入了这些物理不可染指的理论。

非线性动力学,是物理学的思维进入传统方法所不能解决的问题的一座丰碑。维度(x是一个向量,它所具有的分量个数即系统的维度。)是动力学系统的最基本属性 。它决定系统的复杂性,及其可能具有的基本性质。 还有,我们有多大把握预测系统的未来。

I一维系统与定点(Fix Point)“简单系统偏好平衡”,判断简单系统,抓住定点就是抓住了命门。

II. 二维系统与振动,为什么振动的形式这么广泛的存在? 其实依然是因为定点的广泛存在, 所谓振动,无非围绕一个却确定的状态的上下波动。有限二维系统里的运动形式只有两种: 1. 平衡态(归于定点) 2. 周期运动。由于自然中负反馈的普遍存在,“系统不会无限取值或发散”这一条一般是满足的。 这条定律解释了振动普遍存在的根本原因,因为它是二维运动的范式。这条定律确立了非随机的二维系统的绝对可预测性,二维系统没有混沌。

甚至整个凯恩斯的理论可以放入一个简化的二维动力学系统。生产和需求作为一对互相追捕却永远捕不到对方的对手,将陷入不停息的振动状态,亦即经济周期 。 它导致经济运行不可避免的在一定时间走向低谷,如29年代的美国经济危机。凯恩斯根据此提出要认为的控制这个二维经济系统的运行,就需要引入政府作为超级玩家。但是凯恩斯的理论基础终究是松动的,因为经济系统终究不是二维,过多简化的理论可以帮助我们理解现象, 如果以此为实践的基础,也可以是危险的。

中国王朝更迭的历史,基本可以看做人口和中央集权成本两个变量相互作用的动力学系统。在这个二维系统里,没有稳定点,只有循环。每隔300年一次的毁灭性翻盘,成为无可避免。也正因为周期性的清零,技术没法进化,而马尔萨斯陷阱得到稳固,又反过来加固了循环。

动力学中的相变与混沌

III. Bifurcation 与相变

动力学系统由状态变量(系统可以自由变化的量)和控制变量(参数)组成。

在初步讨论一个动力学系统性质的时候,我们先假设参数不变,因此可以得到系统动力学在相平面的拓扑图,然后求定点和轨道。 在二维的情况下,参数给定,动力学流型得出,则一切皆可精确预测。

真实的世界里从来没有一成不变的参数,真正不变的只有变化,而有的时候参数和变量甚至难以区分彼此。 非线性动力学给出的对世界的最精密的描述,不是确定参数下的流行,而是在参数空间里对应的不同相平面流型。 简单的讲,动力学不仅感兴趣我们现在所在的那个世界,而是所有可能的世界(每个参数就是一个世界)。

Bifurcation的本质是系统反馈性质的变化。在动力学的世界观里,那些定量的改变等于没变,而只有Bifurcation-分道扬镳,才是真正的变化。物理,化学,生物一切最有趣的现象,都在Bifurcation点上,因为它的敏感,它的无限可能。

Belousov的化学振荡可以自发产生美丽复杂的斑图,被认为是复杂性从简单系统产生的典范, 对生命起源等问题都很有启发。甚至我们的生命过程本身也可以理解为一个大的Hopf Bifurcation。 心脏的跳动和新陈代谢的循环伴随我们一生,这是系统的振动解。 我们死的那一刻,振动停止我们步入了静态平衡。这就是Bifurcation Point,from live to death。

IV 高维系统与混沌

当系统的维数达到三维, 主宰动力学模型的就不在是那些稳定可测的点或圆环,而是初值敏感,极难预测的混沌。

为什么三维非线性系统可以产生混沌? 因为物体被一个整个曲面吸引,不知道往哪里去了。 即使它被紧闭在这个曲面上,它也可以具备无数的轨道(面上的曲线)。 轨道变得复杂不可预测,因而混沌。

混沌实则是复杂秩序的产生者,它所产生的秩序,叫做分型结构-Fractal。 分型结构的本质是自相似性-或者说标度不变形。就是说把它放大或缩小N倍和原先长得一样,或者说宇宙里包含着小宇宙的无限迭代形式。分型是自然界中的图案的主宰,从树叶到海岸线,到我们的肺都具有此类结构。分型如此常见,是自然界中的混沌动力学体系写下的诗篇。每一个分型结构的背后,大概都藏着如蝴蝶翩翩起舞般美丽的动力学方程。

混沌与市场自由-凯恩斯vs哈耶克

混沌是美丽的,因为它代表自由,自由竞争的市场往往最后产生垄断(定点),但垄断格局却从不持久,因为参与市场竞争的个体实则无数,所以市场其实是个高维的混沌系统,而对于这样的系统,即使一时产生垄断,其风云莫测的性质也会打破它。

凯恩斯是政府干预理论的创始人。他的理论基于一个二维的模型,以市场供求永不能自发平衡为原因,主张以政府干预调节市场周期。而哈耶克作为凯恩斯的大反派坚决反对市场干预,他的模型是高维的,混沌的,认为对市场这样的高维体系,没有人能够真正预测其走势,政府干预多害少利。两者模型的维度大小决定了理论的高度。

- 混沌的不可预测其实是描绘初值敏感,两个起初靠在一起的轨道注定要发散。 但是它终究是确定性系统,与量子力学的不确定不同。

IIV 高维系统与复杂网络

因为系统的维数即变量个数,一个N维的系统意味着N个互相作用的变量,这就已经是一个复杂网络了

收获3

看了上述那么多资料后,我们可以了解,涌现的典型规律之一即是高维混沌系统中产生“分型结构”秩序,或说是自相似性。

现实的复杂性体现在:1、状态变量和参数变量是不断变化而非固定的,2、高维系统里,初值敏感会沿着发散轨道产生截然不同的差别,3、这种差别最终会在某一点上形成Bifurcation。

由于非线性动力学极为烧脑,相关资料也看得似懂非懂。只能暂且理解到这里,后面再反复深入学习理解了。

请尝试用书中的方法解决一个自己无法解决的问题,并给出解决思路

之前在阅读曾鸣教授的S2b2c系列文章时,感觉有些地方没有完全讲清楚,之前反复读,每读一遍似乎又理解深了一层,但现在看来,这种理解是记忆上的理解,注意到更多的细节,记住的整体概念更完整了,只是像是一幅拼图画不断被拼得完整了一些,但是拼图画本身的内容,或者本身内容的一些矛盾点却不甚了了。现在用书中的方法来解构拼图画本身,而不是拼图的碎片集合。

真正的S2b其实是S2b2c,是S和小b共同服务c

S2b2c 模式最大的创新,是 S 和小b 共同服务 c。当然,在互联网时代,这个“共同服务”有两层含义:

第一,小b 服务 c 时,必须调用 S 提供的某种服务:S 不能仅仅提供某种 SaaS 化工具,它必须基于对上游供应链的整合,提供某些增值服务,才能帮助 b 更好地服务 c。大部分的数据智能产品,对小b 很有价值,但基本上只有 S 才能提供。

第二,对于 S 来说,小b 服务 c 的过程对它必须是透明的, 并且会给实时反馈,来提升S对小b的服务。要实现这点,首先,小b服务c的过程要实现在线化;其次,S和小b要通过在线化,软件化,实现自动协同,更好地服务c。

S2b2c 必须比“小b”2c在效率上有很大的提升。这个超越,核心就是 S 对 b 的赋能。关于赋能的讨论我们会持续进行,但是有一点是明确的,其核心是某种供应链整合能力

现在已经有很多的 B2B 服务商,他们为什么没有能让小b 在与大B 的竞争中整体居于更有利的地位?原因在于原有的 B2B 服务是破碎、割裂、各管一段、低水准竞争,比如,有做原材料采购的、有做 ERP 的、有做设计的,他们彼此互不相干,只求解决小b 具体提出的需求点。

同样,S2b2c 的模式要成立,前提当然是要比传统的B2C模式提供高得多的价值。S2b2c 在整体效能上要超过“大B”2C 才有价值创造的空间,才能够形成一种爆炸性的增长。这就要求充分发挥小b 的能动性。如果在非常标准化的领域,小b 不能通过自己的服务,产生差异化的价值,那么这个模式就不成立了。

现在才看明白,曾教授在说明S2b2c的最大创新点时,已经试图点出S和b之间的循环回路关系,而不是“S 对 b 的赋能”这段文字表面所表述般的S->b的单向关系,这种赋能所带来的循环效应是会强化某种供应链整合能力(说明供应链能力本身不是保持单一不变的)。

所以,b必须调用S的服务是S->b的强化,而b服务c的过程对S透明并且实时反馈,则是b->S的强化,那么为什么“服务过程透明且实时反馈”能够强化S的供应链整合能力?其实答案就在于数据智能,通过BI效率的提升把大数据分析的势能快速转化为供应链整合的动能,这种能力其实是非常惊人的。

下面又说到,很多B2B服务商没能让b具有跟B竞争的优势,原因在于B2B 服务是割裂的,我觉得这点是用现象解释现象,只能算一层递进关系,并不是严格逻辑意义上的因果关系。B2B 服务的割裂是一种现象,是某种原因的结果,而不是主动的选择,那又是什么原因呢?因为专业分工,因为细分领域上的规模优势所造成的。而现在又说如果能够整合起来,成为S,就会“在整体效能上要超过‘大B’2C 以取得有价值创造的空间”,这种把局部专业捏合成整体以实现1+1>2的现象,多出来部分就是系统科学里所提及的“涌现”的功能,而涌现出新的功能是基于遗传算法迭代的转速足够快。也就是说S和b里的这个大循环里需要嵌套迭代转速速率极快的小循环,这个小循环就是b服务c所获得的数据传递到S端的这个过程,我们需要找到一个临界点,这个临界值就是多少个b服务c的数据量级刚好能够在传递到S端时迭代涌现出新的功能并作用于S端的供应链整合能力得以即时性提升。

而面对服务b的S,数据量汇集、清洗和迭代分析要追得上反馈强化S能力的效率,极其难。

我们来看传统的B2C模式,B通过牺牲利润的低价或者亏损圈地提供产品服务给c1,c1购买后形成规模采购量,规模采购量又帮助B可以获得更低的采购成本价,直到获取“非常贴近资源端自身的成本价”的所谓总代价,这时候B并不能在成本上获得进一步的低价,但是有议价权,于是转而有能力对资源端的地接服务质量进行操控,输出品质保障给c2,这样又圈到了一批新的c用户使得其用户群变为c1+c2。然而进一步扩大的用户量在某个匹配当时整体社会效率水平的时期内并不能无限倒逼上游资源端提升效率降低成本以降低采购成本,边际效用会递减直到进入稳定态;这时候B可能会跳出单一品类的“价格”“品质”轨道外进入“丰富”的轨道,借由对c1+c2用户群的引流建立起另一种关联品类的采购,从而把喜欢选择丰富的c3用户群给圈进来,以此类推。如果这样全品类(无论是横向品类还是纵向品类)扩充的话,其实B也可以具有S的这种供应链整合能力,为什么S2b2c里的S效率一定会高于B呢?

恰恰是因为b所针对的c群体小,反向使得b的产品标准化程度低(定制化程度高),b群所供应的品类丰富度在时间尺度上可以快速超越B所供应的丰富度,我们可以理解为在这样的多变量系统中,复杂性越高越容易促成这个系统往高维去发展,而反过来进一步促进了“非线性叠加性”(即涌现性)的出现,可能进化出原来服务每单个b的供应能力所不具备的高级性能。

因此,我们来看看几个类S2b2c案例,进一步正反验证上述推演的两个关键特点:1、S和b之间必须是自我增强的循环回路(天然最佳,人工亦可),而不是单向关系 2、b与b群之间差异性越多越好,越细越好。

以向日葵保险网为案例,S是向日葵保险平台,b是保险代理人,S提供补充险给b,而b反哺给S的除了销售量和利润外,还有什么呢?S给b提供了潜在客户,b给S提供了知识,这本身是一个闭环,属于一维系统,比较容易达到定点;但S提供补充险给b并不会让b提供保险知识给S。其实b都是保险代理人,虽说归属平台不同,但是其本身所需要的补充险集合都是类似的,并没有差异性。所以向日葵保险网的模式不是一个可持续的S2b2c模式。

其次看每天惠案例,S是每天惠公司,b是社区入口小店主,S为b提供的特殊品类供应和从淘宝转嫁过来的销售额提升,而b回馈给S的是日趋完善的用户信息标签,虽然这个循环是通过人工以信任的关系来搭建起来的,但是假如S从b处收集到的用户信息标签可以转化为供应链的柔性能力,那么有可能是可以的。天图率先以S-b的方式来取代S2b的说法,本质上就是为了突出这种循环回路效应的重要性。但是,另一点是,b群体之间的差异性是否足够?(也许因为对接到了社区入口,使得b对c的产品陈列供应也是定制性的,有一定差异)以及,b群的差异性能够促成S驾驭得了柔性供应的能力吗?这中间的过程对周转效率的要求可能是极高的。

再看罗胖的得到案例,S是“得到”平台,b的头部知识大咖、订阅专栏主,根据得到自身发布的“得到品控手册”所述“订阅产品类型为‘每个人都会需要的大品类通识课程,比如经济学,管理学,哲学,社会学,艺术史,科学思维,前沿科技,经典阅读等’。”这本身就确保了b群之间的差异化,而不像慕课网般相对聚焦在程序员课程领域。而S提供给b的是知识服务的用户视角和平民化包装(体现理念“不是我牛,而是尽力让用户牛”),而b则给S提供了全透明的知识服务消费过程和结果数据,这个反馈不用太多深入分析也可以用于打造更多更牛的b和对应的知识专栏。

那么对于要出发做S2b2c来说,在旅游领域,b可能应该是有一定产品设计选搭能力的导游、驴友、领队和旅游达人,或者大一点讲可能是地方小旅行社,他们自带了c流量,有能够跟c频繁沟通的渠道,如果S仅仅供货或仅仅有返佣或仅仅提供SaaS微商系统平台,肯定是不够的。有没有可能输出产品打磨和包装的能力?这种能力有多独特,如何证明其效用?有没有可能输出融资买断周转资金的能力?这些能力的输出如何反哺回平台能够强化其下一轮的迭代输出?这个反哺是否可能利用AI的能力,算法抑或算力?b群之间又有无差异化的可能?差异化之后没能合并一起的规模采购能力是否对整合资源端的效率有所影响?

这些问题还需要借助团队的力量一起来解决。

以上10.09撰写,以下10.15补充:

从层级来说,分为:供货&系统&返佣-营销工具-有竞争力折扣-基本品质(选品和服务)-丰富-产品升级(新奇特和细分产品采购,主题包场,预售,IP房改造等)-服务集成(专业微营销培训、广告工具、定制化系统功能模块、自定义让利折扣、产品素材内容库等)-智能数据和精准分发(不同小b给推荐不同爆款)

从回路来说,分为:供给端最近(导游,同业工作人员)和流量端最近(亲子培训教育机构),由近而远逐步把各类小b卷进来

启动点:选定小b人群后从场景和需求入手(调研他们是怎么跟c互动的,调研他们是怎么挖掘c的营销线索,调研他们如何服务于C等),模仿“钉钉”的迭代过程,不断调研不断碰撞不断开发不断反馈,冷启动期需要一些慢的难见成效的笨工作。

推荐阅读更多精彩内容