内容来源：本文为中南博集出品、湖南文艺出版社出版书籍《跨界学习》读书笔记。

阅读前先思考：

1、多元化该如何实践？

2、想要持续成功，你会具体会怎么做？

一、四步解题法：你能达到任何目标

大数学家G·波利亚曾提出过一种简单、靠谱、稳定地解决问题的方法，叫作“四步解题法”，与之相对应的还有一份完整的问题清单。

后来人们认为，该方法及问题清单面对的不仅仅是数学题，还包括种种人生难题，它适用于无数其他情境，能帮助每个人寻找各自问题的解决之道。

四步解题法即为：

1.彻底理解问题

问题既不能太难，也不能太简单。你不要迎难而上，主动去找太难的问题；也不要随遇而安，专找自己会做的问题。

为了确保真正理解问题，你最好把问题用自己的话转换成各种形式，反复重新表达。而无论怎样重新表达，都别忘了要指出问题的主干。

例如，列出问题清单：求解哪个未知数？已知什么条件？条件充不充分？但凡能画图的，一定要画；把条件分解成各个部分；把问题用自己的话重新讲、反复讲。

2.形成解决思路

这一步的关键是获得好思路。你过往解决问题的经验、已经掌握的知识，都是思路的来源。

如果你的思路始终不肯降临，那就试试改变这个问题的各个组件——已知、未知、条件——逐一替换，直到找到与之相似而你又解决过的问题。

你要问自己：以前有没有见过相似或相关的问题？以前用过的方法这次是否适用？不相似的地方是否需要引入辅助假设？条件有没有用足？能不能构造比现在更简单一点的问题，先解决简单的部分？如果微调已知数和条件，甚至改变求解的未知数，能否找到解题线索？

3.执行

获得思路需要知识、良好习惯、专注力，当然还有运气。然而，执行就相对简单，主要靠耐心。

你要反复提醒自己：每一步都检查过了吗？

检查有两种：一种是直觉，一种是证明。两种都有用，但它们确实是两回事。

直觉是问你自己：这一步是不是一眼看上去就是对的？证明是问你自己：能不能严格证明这一步是对的？

4.总结

绝不能解决完问题就了事，因为那就浪费了巩固知识和提升技巧的机会。

你再检查一遍论证过程，尝试用另外的方法解题，寻找更明快简捷的方法。

在回顾总结阶段的问题清单时，自问：结果检查了吗？论证过程检查了吗？能否用另外的方法推出结果？能否将方法用于解决其他问题？

主动制造反馈，抓住举一反三的机会，总结是最好的启发时刻。

直面真相，坦然面对短板，缜密计划，扛住挫折，反复训练，重视反馈。

成功之道就是这么简单，只是做来不易。

二、多元化：人生关系组合配置法

著名作家、人类学家贾雷德·戴蒙德曾问过一个问题：秘鲁农民与哈佛校产基金经理有什么区别？

答：秘鲁农民理解投资风险，而且投资目标合理。

哈佛校产基金经理管理300多亿美元的校产基金，按对冲基金的规矩拿管理费和利润分成，集中投资于低流动性资产，过了20年好日子。

而到了2008年，他们在金融危机中亏掉三分之一的资产，从此完全失去方向。

自2009年起直至今天，他们都在大牛市中远远落后。最后，哈佛忍无可忍，开除了他们。

秘鲁农民就不一样。他们种地种得很碎，每家人平均有十来块地，分散在不同的方向，每天种地得走过来走过去，还得赶着牲畜，花时间、耗精力。

把地集中到一起会省很多事，而且也不难做到，置换就是了，但他们不这么干。是他们傻吗?

他们不傻。种地是靠天吃饭，“天地不仁，以万物为刍狗”，老天说变脸就变脸，所以种地是高风险事业。

秘鲁农民无师自通，懂得只有多元化才能活下来。把地分开种，跟不把所有鸡蛋放在同一个篮子里是同样的道理：

只种1块地的话，一遇天灾、虫灾、盗贼，全家都得挨饿；而分成10块来种，不可能同时受灾，就不大会挨饿。

——提炼一下，秘鲁农民是这样管理风险的：

首先，他们追求的不是更高的平均预期收益，而是不要挨饿；其次，在不挨饿的前提下，才去追求高一点的平均预期收益；第三，但是为了保险，多元化的程度比理论最优值还要高一点。

多元化的逻辑极浅近，又极深刻。包括你的人际关系，也是个组合，也适用多元化逻辑：

1.风险更小

我们都喜欢跟同道中人在一起，这本身没错，错的是我们只与同道中人在一起。

我们应该扩展人际关系组合，纳入那些与“既有关系相关度”较小的新关系。

有人最早在中关村做计算机软件，然后搞投资，后来又替作家打版权官司；打赢后正好代理其IP，趁势进军影视娱乐界……不仅生活多姿多彩，而且风险更小。

2.创造超额回报

麻省理工学院著名的多媒体实验室负责人亚历克斯·彭特兰（Alex Pentland）曾说：人际关系多元的人，最有创新力。

他们能在每一个观念流中自由地探索，又能在不同的观念流之间自如转换；还能将各处采集来的观念，在沟通转换中，再度碰撞、筛选、汇集，最终变成决策。

这些最有创新能力的人不必最聪明、最能干，但他们在人际关系网络及其承载的观念流中，最如鱼得水。

三、怎样做到持续成功？

成功极难，但下一个成功更难。

成功指的就是，环境选择了那些成功者。问题是环境会变，而成功者几乎注定跟不上环境的变化，他们向以前的环境过度优化。

哈佛商学院教授克莱顿·M·克里斯坦森曾说：

优秀者（几乎）注定失败的原因就是他们优秀；他们听取客户的需求，优化管理流程，追逐最新的持续型技术，排斥扰乱型技术，每一步都是在当前环境下的理性的最优选择，直到环境剧变，灾难降临。

这就是成功的悖论。那我们该怎么办?

1.在自己选定的方向专心致志、全力以赴

最大限度地适应你所选定的那个环境，因为唯有这样，你才有成功的可能。

别人都不搏二兔，就你三心二意，你想成功，那就是做梦。

2.永远要对自己向当下的环境过度优化保持警惕

20年前的顶级商业智慧，来自英特尔传奇总裁安德鲁·S·格鲁夫。

他曾说：想要在那个时代出头，必须做到这三点——第一，不要追求差异化；第二，抢跑、抢跑、抢跑，先发优势至关重要；第三，血拼成本。

他曾用这三原则分析离开苹果的乔布斯，但却很快被“打脸”。

重新回归苹果后的乔布斯，开始大刀阔斧地改革，并开始一个一个地证伪格鲁夫的原则。

格鲁夫说“不要差异化”，乔布斯不理睬，提出口号：Think different（不同凡响）；格鲁夫说，“先发吃肉，后发吃灰”，乔布斯不理睬，偏要进入熟透到烂的市场，却进一个颠覆一个。

由此，苹果实现了从30亿美元到今天超过万亿美元市值的华丽逆转。

虽然不尽力适应当下环境就无法成功，但是极度适应当下环境就必然在环境中失败。

3.优化财务资源配置，用财务资本做多元化投资

上一次成功带来的资源，有人才、企业文化、财务资源。这些资源中，财务资源要用足，其他资源则要尽可能切割。

新归新、旧归旧，文化是刚性的，人可调整的空间是有限的，唯有金钱最可塑。

人力资本是刚性的，调整起来事倍功半，没有人做得到像自己期望的那样灵活。

你的人力资本，最好继续用来全身心拥抱你选定的方向；你的财务资本，也就是钱，是真正灵活的。它没有历史包袱，用它来迎接环境变迁的挑战，事半功倍。

四、逻辑和算法，撬动群体智慧

1.一人一票，简单平均

把一头牛牵到集市上，让赶集的农夫目测其体重；把一罐糖果放到桌上，让小朋友估计有多少颗。

系统地看，将所有估计做简单平均，胜过每个人去做单独估计。求和再除以人数的结果，会比每个人的估计都准。

原因在于，每个人各自掌握一些信息，各有判断，但哪怕只是用平均这样简单粗暴的方法聚合起来，也比单个人掌握的信息要完整，形成的判断也更准确。

这就是群体智慧的原意。

豆瓣聚合和IMDb（互联网电影资料库）同样运用了群体智慧：

创始人阿北曾这样解释过豆瓣的原则：一人一票，简单平均。

简单归简单，但这办法很靠谱。如果投票者数量足够多，投票相对独立，那么简单平均值的准确度就会系统性地超越个体判断。

但豆瓣的“简单平均法”简捷但远不完美。假设一部电影，有2个人打分5星，而另一部电影10万人打分，但平均4.9星；到底哪部电影更好？用简单平均法识别不了。

电影评价类网站的开创者和霸主IMDb是这样解决这个问题的，它用了贝叶斯推理。

贝叶斯推理总是从预先的假设开始。既然事先不知道一部电影的得分会是多少，那就给它一个基准分，对应一个基准的投票数。

然后，你看完电影，开始打分，新信息进来了，贝叶斯推理会用这些新信息修正得分，随每一个用户打分而变化。

电影都是平等的，但是因为算法不同，小众电影与大众电影在IMDb上的评分比在豆瓣上更平等一些。

2.可信度加权，解放信息

一人一票是平等的，但看电影这件事有许多好理由支持搞不平等：水军跟观众不应该平等，掏钱买票看的跟白看的不应该平等，高水平观众跟普通观众不应该平等。

一人一票反映不出每一票中包含的独特信息，但这些信息也是有价值的，怎么把信息解放出来呢？得再往前一步。

对冲基金管理人达利欧提出了一种叫作“believability-weighted idea meritocracy”的决策方法，直译为“可信度加权的想法唯贤是举体制”。说白了，就是话份。

首先，人人都有话份，在决策流程中都能发言，在发言资格的意义上，大家也是平等的，但是彼此的话份有差等。

有人水平高、决策效果的历史表现好，他的话份就大，反之话份就小。决策如果有意见分歧，则按“不同意见×话份”来解决分歧。

每次决策都有记录，根据决策效果的反馈，随时更新每个人的话份。

这想法谈不上有多新，都是贝叶斯推理的简单运用，而独特之处在于实实在在地用于管理决策，为此搭建技术、重组管理，做实、做到底。革命性就在这里。

3.极化算法，捕捉自信

凭借运用话份的逻辑聚合群体智慧，达利欧做到了行业的顶峰。

那么能不能再往前一步，做得更好？菲利普·泰洛克（Philip Tetlock）认为可以。

泰洛克是美国著名政治学者，领导预测项目——善断计划（Good Judgement Project）。计划的资助者是直属美国国家情报总监的情报研究局，旨在为整个情报界提供革命性的创新能力。

几年间，2万多人在善断计划网站上就美国情报界抛出的500个问题做出持续预测和实时检验。

泰洛克把每个预测者的每次预测都打分，汇总成个人总分，在漫长的赛马中识别好马，最终有2%的人脱颖而出，攀到最优秀一级，成为“超级预测者”。

善断计划则根据每个人的得分调整其在整体预测中的权重分配，生成预测。

到这一步，泰洛克的方法与达利欧和西尔弗的相似，但下一步则是泰洛克的创举。其实也很简单：

对加权平均后形成的预测结果再做一道加工——极化（extremize)，将预测结果往100%或者0%的方向推。

例如，预测特朗普能否连任美国总统，如果预测者加权平均后的预测概率是70%，那就把它上调，比如调到85%；相反，如果预测概率是30%，那就把它下调到15%。

极化的理由是这样的：假设群体中的每个人都获得了群体的全部信息，那么他们做预测时一定会更为自信。

从群体简单平均到加权平均的过程，事实上已经聚合了所有人的信息，但没有完全反映出与之对应的自信，极化就是要捕捉这个自信：

如果是乐观预测，极化会输出一个更乐观的预测；如界是悲观预测，极化会输出一个更悲观的预测。

善断计划的预测准确率高得惊人。参与者不过是一群普通人，智商还可以，但不特殊，教育背景参差不齐，也没有内幕信息。

他们只借助相当简单的算法，就用预测击败了全部现有的预测系统，甚至战胜了专业情报分析师——分析师们不仅专业，还是出题人，而且还有机密信息。

正确地聚合群体智慧，就获得了这个时代最接近千里眼的工具。

不难触类旁通：只要是测试永不停歇、参与者足够多、检验和反馈足够明确的领域，无论是经济、政治、金融还是其他，都可以用“加权平均+动态调整权重+极化算法”来撬动群体智慧，其应用空间极大。