思考，弯与直

思考，不紧有快与慢，还有弯与直。

我们常说，设目标提要求时，尽量稍微高出现在的能力水平，跳一跳能够着，这样对人的提升最有效。说得高大上一些，叫舒适区理论：在舒适区没有成长，恐慌区损害健康，伸展区最好。这一理论的基本假定是，人是不能突变的，即人不可能在短时间内有大变化。其背后的认知是，人是线性的。也许人确实是线性的，但重点不在于此，重点在于，它影响了我们的思维，使它表现出线性。加减乘除我们理解起来很自然，一旦到了次方，开方，阶乘，指数之后，没几个人能凭直觉理解。复利算是生活中常见的了，有几个人真切体会到它的威力了呢？又有多少人有资格笑话印度国王不假思索的豪气：“赏你这么多小麦，第1格1粒，2格2粒，3格4粒……直到64格”？

我们习惯性地以线性思维来看待这世界，就像我们容易不自觉地戴上有色眼镜一样。只可惜，这个世界并不因为我们的线性思维而改变它非线性的主体本质。

弱小和无知不是生存的障碍， 傲慢才是 ——《三体》

能认知到思维的线性特征的人，无疑是有自知之明的人。没有冒犯的意思，自知之明在我看来，确实是个非常高的要求。认知到了你就会在常规思考后，再多想一层：会不会是我的线性思维导致我得出这样的结论，而其实它压根就不是线性的呢？甚至是不连续的、跳跃的、混沌的？不连续性比非线性还要更有冲击力，我们一再强调总结、复盘，可对于不连续的事物，归纳过去真的能预测未来吗？

我了解的算法不多，其中 SVM(支持向量机)，是我非常喜欢的一个。两年前在公司内部做过一个技术分享，当然，我估计大部分都忘得一干二净了，分享的最大受益人总是分享者本人。而那句对 SVM的描述我可能永远都不会忘记：“这个算法的本质是把平面上线性不可分的样本，映射到高维空间中，使其线性可分。”。这简直太妙了，人很容易理解平面，但那又如何，不解决问题呀。而人不能很好地驾驭高维空间，就有点遗憾了，因为我们需要构造核函数来实现这个映射，无法想象高维空间，你如何来调整参数呢？这就制约了这个算法的使用。思维的局限性使得我们无法完全发挥它的威力。

生活中有没有例子？当然有。你的心电图是什么曲线？肯定不是直线。健康人的心率曲线是凹凸不平的不规则形状，呈现某种自相似性，貌似混沌。而帕金森患者的心率曲线反而呈现更多的规则性和周期性行为，表现得更有规律。

再如，工程师群体经常讨论的，一个牛逼程序员顶几个普通程序员？可能是2个也可能是10个甚至100个。前段时间帮人面试新项目的后端技术，他准备前期就用一个程序员搞定。引发我的联想是，堆糖现在这个量级以极致的程度估计的话，多少后端能搞定呢？当然，这不是本文的重点了，按下不谈。

汽车为什么能取代马匹？谷歌为什么能取代雅虎？因为后者的效率相对于前者有几何级别的增长，不是简单的涨百分几，翻番也不算。前面《如何判断创业项目靠不靠谱》里提到吴军的“黄赌毒”模型，其实他还讲了别的标准，其中一条就是，效率，或者其他的纬度，相比于上一代产品或者公司，有没有数量级的提升。下面这张图来自FirstRound，描述了苹果的产品迭代路线：在旧产品即将进入线性区之时，及时推出新的拳头产品，华丽丽地进阶更抖的成长“弯线”。

苹果的阶跃

问个一般人不会考虑的问题：人为什么会感到惊讶，奇怪？就像现在的你……可能请心理学的同学回答比较好。我的理解是，因为认知和现实发生了冲突。冲突的原因可能有很多，其中一个便是现实的非线性和人的线性。我很乐于听说那些让人感叹“这也可以，屌！”的故事，既挠了痒痒，又照亮了盲点。

讲到这里不得不提下马斯克的第一原理性理论。有光环耀眼的钢铁侠背书，总觉得很牛逼，但又找不出牛逼的原因。也是码这些字的时候突然发现，第一原理性正是克服线性思维的一大利器。不要凭感觉，也不要看这事是不是让大众咋舌了，就看它有没有违背物理学规律。没违背， OK，那就有实现的可能。你想得再夸张都没问题，越夸张越让别人艳羡。

那个，你的思考，弯的还是直的？