你对世界的理解会阻碍你对世界的进一步理解

你可能会说，当然农村士兵更适应军队生活了，因为他们已经习惯了贫困和艰苦，还有高强度的体力劳动。但是，如果接下来我告诉你：研究的结果表明，城市士兵在军队生活中会更适应。你觉得这是为什么呢？这时候，大多数人的反应会是思考一下，然后也能给出很多听起来合情合理的原因：比如，城市人更习惯拥挤的环境，习惯遵守规章制度，服从领导的调派和指挥，对着装规定和礼仪标准有更好的接受度等等。

常识又将你带入了思维的陷阱里。常识会让你轻易下判断，并且习惯做一个“事后诸葛亮”。 如果你在生活当中，常常会不自觉地去证实自己的想法，那很可能就会掉入常识思维的陷阱。

反常识，就是想教你学会正确质疑自己的直觉，在必要的时候，能够抛掉之前的想法。

哪些事情可以用常识来判断和解决？

哪些事情不能用常识快速处理，只能采用反常识进行思考？

反常识有哪些可以遵循的定律，给你指出了哪些提示和忠告？

在《反常识》一书中，介绍了很多计算社会学家做过的实验，比如：网页上的什么因素决定了歌曲排行榜的变化？怎么让你想传播的信息疯传？加薪能提升员工的绩效吗？请明星做广告能在多大程度上助力产品的畅销？

这些实验证明了，常识不仅在解释一个人的个体行为的时候容易出现偏差，在解释群体行为和历史事件上，也很容易出现偏差。也就是说，有些问题可以用常识思维来解决，而有些问题必须用反常识思维来解决。

那么，什么是简单系统的问题？什么是复杂系统的问题？

简单系统问题和复杂系统问题跟这个事情容不容易做，没有关系。区分这两类问题的关键，是可不可以对这个问题用科学语言进行描述和建模。

比如，GPS定位系统，这是比哈雷彗星的运行轨迹复杂很多的建模，虽然不容易做，也是简单系统问题。一旦建模完成，就可以用常识思维进行解答和预测。你只要会用智能手机里的地图软件，就能按照它的指示，顺利到达目的地。

和简单系统问题相比，复杂系统问题，包含了很多已知和未知的微小因素，每一个微小因素带来的微小扰动，都会通过这个系统庞杂纷繁的结构进行放大，给这个系统的其他部分造成各种各样巨大的影响。比如说，蝴蝶效应，也就是北京的一只蝴蝶煽动了一下翅膀，会在未来给遥远的巴西造成一场风暴；又比如，马太效应，你毕业第一年的工资比你的同学高出一倍，而你所在的公司一直发展稳定，二十年之后，你和你的同学过上的日子，就产生了天壤之别。出现了穷者愈穷，富者愈富的现象。这些都是复杂系统问题。

复杂系统问题也可以分成两类，一类符合某种稳定模式，另一类不符合已知的任何稳定模式。

比如说，预测下一个流感季的患者人数，指导制药公司生产出符合市场需要的流感疫苗数量；又比如，一家银行预测发放出去的信用卡的还款违约率。这些都属于复杂系统问题当中符合稳定模式的事件。虽然因为包含的微小因素多，随机变化的可能性大，还不能做到像对哈雷彗星的运行轨迹和GPS定位系统一样进行科学量化的描述和建模，但是，可以通过对相关数据的及时收集和分析，找到某个时间段和某块区域、某些人群的稳定模式，这些稳定模式就成为了一种可以方便使用的常识思维，你就可以用这些常识进行预测。也就是说，这类符合某种稳定模式的复杂系统问题也可以用常识思维来解决。

但是，大量复杂系统问题是不符合已知的任何稳定模式的，这类问题就不能用常识思维来解决。

比如，一家电影公司想预测一部电影未来的票房收入，来决定投入多少制作和营销费用，一家期货公司想预测未来大豆的价格走势来考虑签署什么数量的大豆期货合约。这些就都属于无法用常识思维来解决的复杂系统问题。虽然所有这些问题都有相关的历史数据可以参考，但发生过的历史已经成为了固化的事件，是没有办法完全挪用到还未发生的动态的未来结果上的。

所以，在思考这类问题的时候，就需要构建你的反常识思维，你需要做到这样四点：

1、把历史的数据、经验、教训和结果，当作众多可能性中的一种；

2、把未来当作众多不同的概率分布，从中找出最重要，最值得预测的选项；

3、在当下，使用历史作为数据库，对未来的重要选项可能发生的概率做出计算，根据概率进行科学决策；

4、万事万物都不能想当然，要用互联网提供给你的便利条件，尽可能用大规模的实验和数据来找出客观规律。

通过这4点了解到所有的简单系统的问题，都可以用常识思维来解决，部分复杂系统的问题，可以用常识思维来解决；而大多数复杂系统的问题，需要用反常识思维来解决。

那么我们如何用反常识思维来解决问题呢？总结了3大定律与大家分享。

大多数人都非常偏爱对事情结果的准确预测。比如，你是不是常常会听到有人说，这天气预报，实在是不准啊，说今天下雨，怎么没下呀。其实，目前的天气预报技术，对于48小时之内的预测，已经能做到非常准确了。在天气预报说有60%的概率下雨的那些日子里，确实有60%的日子都下雨了。所以，你一定要分清楚，预测一个确定的结果，和准确预测一个结果发生的概率，本质上是完全不同的两件事。

大多数人在进行一个决策或者想要解决一个问题的时候，其实想要的是一个确定的结果，比如：下一届美国总统，特朗普是不是会连任；明天到底会不会下雨。这种对确定结果的追求，就是一种常识思维。也就是说，常识思维把一件事情的发展过程，看作了“一个”事件链条。

但实际上，反常识思维告诉你，事情的未来有很多可能性，每一种可能性都是一个事件链条，这很多条事件链条各自有各自不同的发生概率。所以，你应该关心的是：特朗普连任的概率有多大，其他候选者胜出的概率分别是多少；明天下雨的概率有多大，晴天、刮风、雷暴的概率又分别是多少。

也就是说，你应该关心的是不同的事件链条的概率。然后，随着事件发展过程中一些真实情况的发生，未来的可能性会逐渐向一些事件链条归拢，你需要不断关注还剩下哪些事件链条，发生的概率又产生了什么变化。最终，所有的可能性会聚集到一个事件链条上，那就是这件事情真正产生结果的时刻。所有的可能性都消失，一个不可逆的结果产生了。

换句话说，你并不能做到预测结果，结果只能自己产生。如果你想让成功稍微偏向你一些，你不能依靠对结果的完美预测，你只能依靠对概率的正确使用。

所以，反常识的第一条定律就是：人生赢家都是概率赢家。

如果你在面对一个难题的时候，最直接的反应就是，要自己得出结论，找到答案。也就是说，你习惯于做一个规划者。这就是常识思维。

但是，实际上，任何一个难题，都非常可能已经有人发现了很好的解决方案，而且还不止一个人能解决，甚至，解决方案也是五花八门，各自有各自的好。

反常识思维就是要提醒你，不是每一个难题都需要你亲自去做执行者，自己钻研出问题的解决方法。在大多数时候，你应该做一个搜索者。也就是说，你要把自己的注意力和资源，投注到寻找能够提供各种解决方案的人，投注到普及你发现的解决方法上，这会产生更大的成效。

这就是反常识的第二条定律：“搜索者”胜过“规划者”。

大多数人都是“个别人物法则”的信奉者，也就是说，常识思维会让你认为，要促成任何一件畅销品或者是流行时尚，一定缺不了关键人物或者是明星人物的加持。这就是为什么大明星总能接到商家的广告，董事会总想找到明星CEO，流行病学家总在担心存在某种疾病的“超级传播者”。常识思维认为，超级明星能引爆产品，超级英雄能推动历史发展，超级传播者能扩散流行病。

但是，反常识认为，“个别人物法则”要想起作用，必须同时具备两个要素：

我举个例子，就更容易理解了：如果你听说发生了一场森林火灾，你一定不会想，点燃这场大火的火星，实在是太特别了，你要是这么想别人就会觉得你很可笑。但是，当你看到一个影响力特别大、流传特别广的事件的时候，你就会想知道，到底是哪个人引发了这场流行。其实，这个人未必真的存在。

接着拿森林大火来类比，不是说森林里树木越多，或者存在几棵特别易燃特别高大的树木，火灾就越容易发生，火势就会越大。而是要看森林里的其他条件是不是具备，风力多大，温度湿度多高，还有其他重要条件都要同时满足，森林大火才能在大范围内燃烧起来。

传播网络也是一样，如果没有合适的网络结构，让特定条件能存在，即使是拥有超级影响者，也不会在网络里产生太大的影响。

所以，反常识思维得出的结论就是：大多数的流行并不是由一小部分起到触发作用的超级明星完成的，而是通过大量普通的影响者，在某种特定的网络结构创造的适当条件下，影响了一群容易受到影响的人，所有以上这些最根本的因素都具备，流行才会产生。

最后，套用吴声老师的一段话：反常识是新常态，反常识是常识。因为遵循常识的路径所形成的认知能力，不足以构成差异和识别，也没有办法定义你的优好。反常识是要求我们更加的回归常识，这就是要求我们更加细心用心和耐心形成系统性的思考。如果常识让我们去做规划，那么我们是不是可以以此去更好的迭代。

作者介绍

[美] 邓肯·瓦茨（Duncan Watts）

小世界网络之父，网络科学奠基人之一，雅虎、微软两大顶尖研究院首席研究员，哥伦比亚大学教授、影响全世界的康奈尔大学怀特教授。

宾夕法尼亚大学工程学院计算机信息科学系、传播学院以及沃顿商学院的运筹、信息和决策系任教，横跨工、商、社三科。

译者：吕琳媛。国家优秀青年基金获得者，电子科技大学教授，前阿里巴巴复杂科学研究中心副主任，教授。全球最权威的青年科技创新人才榜2018年《麻省理工科技评论》评出的中国“35岁以下科技创新35人”之一。