如何评价「选择比努力更重要」这种观点?

2021-06-08 11:06:00 浏览数 (2)

我先从一个实验开始聊起。

1996年,美国布鲁金斯研究所的两位专家(Epstein和Axtell),用计算机模拟,开发出来了一个人工社会财富积累的模型,称之为“糖域”(Sugarscape)。

他们的本意是通过计算机模拟,来研究包括环境变迁、遗传继承、贸易往来、市场机制、财富积累等等广泛的社会现象,从而找出这些现象的原因。

他们设计了图中的这个棋盘用于代表社会。棋盘由50X50个单元格组成。深色格子含糖高,浅色的含糖少,白色的不含糖。

正如你看到的,棋盘中有两座深色的糖山,代表资源富裕区。棋盘上有大片的浅色地带,代表资源有限区,白色无糖区代表像沙漠这样没有资源的地区。

现在模拟的社会有了,下面图片让我们在这个棋盘中放些人进来吧。

图中的250个黑点,就是被随机播撒在棋盘上的糖人。每个糖人都是单独的计算机程序,它们就像现实社会中的人一样,有能力吸收信息,观察四周,做出行动。它们在棋盘上漫游,寻找糖吃。

所以,你可以把棋盘看做社会,棋盘中的糖就是社会中的资源,糖人就是在这个社会中活动的人。

实验者给这些糖人设置了一些简单的决策规则:

1)糖人的视力向四个方向观察,目标是找到含糖最高的地块。单元格里的糖被吃掉后,过一段时间能重新长回来。 2)如果糖人吃的糖跟不上新陈代谢的消耗,糖人将饿死,计算机就会将其清出棋盘。 3)糖人被随机分配不同的基因禀赋。这包含两个指标,一是视力的好坏(有人能看到6格之外,有人只能看眼前1格);二是新陈代谢的能力(有人代谢一次只消耗1单位的糖,有人则需消耗4单位的糖)。

现在,你按一下启动这个实验的按钮,糖人们就移动起来。一开始,局面有点乱,但是很快,研究者发现糖人社会呈现出下图中有规律的分布。

当程序运行期从图1演到图4,糖人们开始围绕两大糖山拢聚,逐渐形成两大部落。无糖区则人烟稀少。而且,糖人们彼此位置分隔颇有效率,任何新长出的糖都会被迅速收割。

当研究者把目光投向财富变量时,这里的财富是指每个糖人收获的糖的多少来代表,他们发现了一个令人非常意外的现象:这个虚拟社会出现了严重的贫富分化。

下图展示了实验从启动到结束,人均财富分布的演变趋势。其中,横轴表示财富从低到高,即左侧是穷人,右侧是富人,纵轴表示人数。

正如你看到的,社会诞生之初(最顶端的图表),财富在国民间的分配很均匀,基本可算一个平等主义的社会。非常富有和非常贫穷的人很少,绝大多数人口的收入差别很有限,即使最富有的人也不过拥有30个单位的糖量。

随着时间推移,这个社会的财富分布发生了严重的扭曲。最底下的图表,20%的人占有全社会80%的财富。像马云、王健林等这样的土豪占据了社会财富的大部分。

根据实验者在程序中的设置,我们可随意调整糖人的各种初始参数,瞧瞧到底哪个参数引发了糖人国的贫富分化。

你是穷人他是富人,真实而又符合逻辑的原因究竟是什么呢?

实验结果表明,决定你赚多少钱是有三个因素决定的:天赋异禀,出身位置,随机的运气。

看起来,上帝设计个体命运的时候,非常具有智慧。

我们分别来看下这三个因素代表什么意思。

1 天赋异禀

天赋秉异这很好理解,比如实验中有的糖人视力好能看到6格之外,有的糖人只能看眼前1格。

好消息是,现实生活中,像爱因斯坦这样智商爆表的天才是少数的,大部分人天生的智商是差不多的,也就是智商是按正态分布的。

虽然天生的天赋异禀不能改变,但是后天的天赋异禀却可以通过学习逐渐提高,比如有统计概率知识的人就是比其他人思考的更深入,看的更远。

2 出生位置

第2个因素“出身位置”其实就是指条件概率,具体来讲有2类。

第1类是不可以改变的“出事位置”,比如你出生的家庭、你出生的年代。

例如王思聪是就有王健林这样的条件概率,出生在80年代的人就要面对高房价的压力。这都是不可以改变的条件概率。

第2类是你可以改变的“出事位置”,比如:你选择读书的学校,你选择工作的行业,你选择学习的技能,你选择嫁的人。

现在很多父母冲破了脑袋,哪怕卖了舒服的大房子,也要换成老破小的学区房,为的就是要让自己的孩子上重点小学,因为重点小学被名校录取的概率更高,其实父母都是知道要为子女创造更好的条件概率。

再比如,你选择学习的技能。最大的技术问答社区Stackoverflow,统计了2017年1月-8月浏览某编程语言的人数。分析结果发现,Stackoverflow浏览最多编程语言是这4个:Android include PHP, Python, and R。分析图表如下:

其中横轴是人均GDP从低到高,纵轴是Stackoverflow浏览某编程语言的人数(百分比)。橙色圆圈越大表示访问该技术问题的人数越多。

根据上面的分析结果,可以看出:

android 和 php 主要是低收入国家的人浏览python 和 r 高收入国家为多

从个人层面来说,在现在人工智能,大数据时代,你选择学习python和r的技能,就是在改变自己的出身环境,从而提高你的赚钱能力,比其他人的条件概率高。

法国数学家拉普拉斯所言:“人生中最重要的问题,在绝大多数情况下,真的就只是概率问题。”

这个世界属于既懂概率、又能创造条件概率的人。

3 随机的运气

我们不妨假定有两个小糖人,A和B——程序一开始,两人的视力、新陈代谢、出生地的含糖资源,各方面条件都一样。

这个时候,在视力所及范围内,A偶然随机的向东北方的糖山迈出了一步,真是凑巧,这里居然没有小糖人占领,于是他占领了这个格子,财富开始快速累积,变成了富人,然后越来越富。

B同样四处张望,同样出于偶然,它向东南移动了一步,结果渐渐开始远离富糖区,当它意识到方向错误之时,其它糖人早已围满了通往北方糖山的路径,于是它再无机会,只得随机漫游,在资源贫乏区域拼命采集,却也只能仅顾温饱,最后变为最贫穷的那122个小糖人之一。

就这样,两个天赋秉异和出身位置都差不多的人,一个微不足道的选择差异,最终导致了其社会财富积累出现了天壤之别,这也可以称之为所谓的“蝴蝶效应”——初始条件极为微小的改变,最终引发结果的巨大差异。

对于没有太多资源,又不如阿尔法狗强大的普通人,该做什么呢?

做到下面2点就可以了:

1.选择比努力更重要。

这里的选择就是你要想办法提高你的条件概率,选择你能改变的出身位置。

对于个人而言,应该顺应时代潮流,选择去正确的地方,在水多的地方挖井。千万别以冒险为荣。

2. 在需要提高技能的事情上采取靠勤奋努力的策略,在需要靠运气的事情上最好“什么都不做”

人们所从事的活动,其中“运气”这个因素所占的权重各不相同,但我们可以按那权重从 0 至 100% 的顺序排列起来,就是下面这张图。

在最左端类似象棋、围棋这类活动中,技能的权重占 100%,与运气没啥关系。

而在最右端纯粹的赌博,例如我们之前讲过的抛硬币,运气的权重占 100%,根本就没有技能的空间。

在两个极端中间是其他事情各自技能和运气成分占比不同。比如打篮球更靠近技能端,说明技能权重比运气更高。虽然有时候会因为运气不好,看似已经投中的球在篮筐里来回弹几下竟然出来了,但是提高技能是最有效的。

你会看到投资更靠近右端,也就是说运气的权重比技能高很多。换句换说,投资大部分时候靠的是运气。

在技能权重更高的事情里,勤奋努力更重要。在运气权重更高的事情里,“什么都不做”更重要。

例如投资,所有的研究和学习都是在投资前进行的。一旦你买入,就不要天天看K线图研究,而是什么都不做,固定时间定投,并长期投资选定好的股票就可以了。

《随机漫步的傻瓜》书中有一句话是这么写的:

有一身好本事却穷困潦倒的人,最后一定会爬上来。 而幸运的傻瓜他可能短时间内借助于生命中某些好运气。但是长期来看,他的处境会慢慢趋近于运气并没有那么好的傻瓜。

补充:如果对概率不了解的,可以学习下这个

0 人点赞