斯科特·佩奇的“多样性”

作者：姚斌

来源：一只花蛤的价值投资

多样性在复杂性科学中是一个非常重要的概念。约翰·霍兰就曾认为，任何的复杂适应系统都必须拥有多样性。斯科特·佩奇既是密歇根大学复杂性研究中心掌门人，又是圣塔菲研究所外聘研究员，他以对社会科学的多样性和复杂性的研究和建模闻名。

在佩奇的模型中，多样性指的是问题解决者对问题进行编码和寻找解决方案之间的差异，他将这种解决问题的方法称为“工具”。佩奇在挖掘这个模型的意义时，得到了一个反直觉的发现：多样性优于能力。这就是说，在解决问题时，多样性是一个非常强大的东西。虽然多样性并不总能优于能力，但是它胜出的次数比总预期的要多得多。进步需要取决于群体内部的多样性，就像取决于个人的智商高低一样。

多样性具有三个优点。第一个优点是运用逻辑推理，就是它能给出明确的条件：如果以下条件成立，那么这个结果也将成立。第二个优点是它能够使头脑中被概念化的思想击中的机会最大化。使用模型和逻辑也有成本，它们会限制可以给出的结论，我们将被束缚在自己提出的假设上。第三个优点是它使涌现出专家的可能性大为增加。如果扩大搜索人群的范围，那么显然我们更有机会找到一个能够解决问题或者取得重大突破的人。

在过去几十年里，越来越多的企业领导人正在向着有利于多样性方向前进。两个根本性的变化导致了这个方向性的转变：商业活动变得更加全球化了，因此企业领导人更多地意识到了种族多样性；工作实践也变得更加以团队为核心了。很显然，同质性的等级结构已经让位于多样性的团队。多样性是可以提高绩效的东西。当然，多样性也有其局限性。多样性本身并不会神奇地转化为效益，但多样性会带来极大的益处。

还是礼来公司的那个案例，礼来公司组建了一家名叫Innocentive的新公司。这家新公司到2005年拥有35家作为“搜寻者”的公司和8万名作为“问题解决者”的科研人员，帮助像宝洁那样的公司。而宝洁本身也拥有9500名研发人员，其中拥有博士学位的有1200名。有1/3的成功率就很不错了。宝洁公司之所以这么做，是因为“有很多问题是公司内部力量所无法解决的”。

有人发现，那些被成功解决的问题有一个特点：它们能够吸引多样性的问题解决者。如果一个问题吸引了一个物理化学家、一个分子生物学家和一个生物物理学家的关注，那么这个问题就会比吸引化学家的问题更有可能被成功解决。这说明了实现“解决者”群体多样化的重要性。依靠集体创建一个市场是集合信息、解决问题的另一种有效途径。这种方法并不是把问题和具体的解决方案匹配在一起，而是通过群体群策群力地共同解决问题，但解决方案的质量显然要高于任何个体，甚至专家也只能自叹弗如。这就是“群体的智慧”。

之所以需要多样性，是基于三个宽泛的情景。首先是全球化。多样性的内在逻辑表明，劳动全球化带来的益处远远超出了视野仅囿于当地的市场所带来的益处。拥有不同生活经历、接受不同训练、来自不同文化背景的人，可能会不同方式看待世界。而这种多样性视野对于解决问题和进行预测来说是非常有价值的。其次，这种逻辑也可以且应该被视为对跨学科研究的支持。面对同样的问题，接受过不同学科训练的人自然会有不同的理解方式和解决问题的工具。工具多样性可能会带来某些在单一学科环境下本来不会发生的突破，或者说即使突破终究会发生，也肯定会慢得多。其三，这种逻辑还可以用来为平权行动政策辩护。平权行动有多种政策表现形式，不过其本身的理据却已经随着时间的推移而转变，至少从国家的角度看是如此。

无论是在看待事物还是解释事物时，不同的人总会有所不同。正确的视角可以使问题变得更容易解决。从历史中已经看到大多数科学突破和商业创新都是从某个人以不同的方式看问题开始的。疾病的细菌理论将一大堆难以理解的混乱数据转化为一系列连贯的事实。我们现在都知道制针厂的故事以及它的高效。但是许多人未必知道第一个制针厂本来是生产坚硬的钢刷子的。当有人意识到可以将钢刷毛切断并定制成针的时候，这家工厂就开始生产针了。多样性视角将一个个刷子视为一丛丛的针，以不同的视角看待世界为创新提供了“种子”。

如果一个人以不同的方法考虑该公司的问题，那么这个人很可能会得到不同的局部最优点，也就是不同的局部高峰。因此，这个人可以帮助该公司摆脱困境。无论对于什么问题，总会有某个牛顿式的专家出现，把一切都弄清楚，并能在荒野上创造一座“富士山”。不过，对于某些问题，已有的视角并不好，可能永远都无法得到好的视角。

虽然很多共同的视角是因为模仿和交流的需要而出现的，但这种情况也经常因为效率低的原因而出现。有的时候，某个团队的成员可能会被某个共同的视角所限制，因为他觉得自己与其他人以同样的方式去思考世界时更加舒服。这些共同的视角可能就是“群体迷思”的一种形式。群体迷思的逻辑依赖于随大流的愿望。在一个团队中，如果大多数人都以某种方式去去思考问题，他们经常会强迫别人也要以这样的方式思考。他们所坚持的也许是一个好的视角，如果是那样的话，那么这个团队的绩效将会相当好。群体迷思也并不都是坏事。但是，这也可能造成团队中的每一个人采取了一个无效的视角，导致这个团队做出错误的决定。无论如何，群体迷思将减少视角的多样性，并扼杀全体寻找更好解决方案的群体能力。

如果一个新的解决方案比旧的解决方案具有更高的价值，就应该接受它。不过，如果新的解决方案的价值反而较低，是否接受它就需要进行更深入的思考。在这种情况下，一方面接受新的解决方案，意味着牺牲一定的价值；另一方面，新的解决方案以不同的方式进一步提供了再次应用启发式去搜索解决方案其余部分的机会。启发式的进一步应用可能会带来更好的解决方案。所谓的启发式是告诉我们如何寻找解决方案。对于某些问题启发式几乎总能转到找到最佳的解决方案；而对于一些问题，却可能是无效的。七二法则就是这样一个启发式，它可以将利率信息组织起来，帮助人们制定良好的投资策略。七二法则以X%的利率进行投资，翻倍所需的年数大于等于72除以X。这个法则意味着如果利率为9%，那么投资金额在8年内可以翻一番；如果利率为6%，那么资金翻倍所需要的时间为12年。

通过不同的视角，可以创造不同的景观。任何其他人的最优解决方案，都可能不是他的最优解决方案。门捷列夫没有在“框框”之外思考，他所考虑的原子量和元素性质都是已知的，但是他确实以一种奇妙绝顶的方式重新排列了框框之内的东西。当启发式改变了某一个人被其他人所忽略的维度时，就会产生意想不到的效果。长期以来，人们把可口可乐的市场优势归因于它极具标志意义的玻璃瓶。当百事可乐推出两升塑料瓶装饮料时，百事可乐并没有跳出框框之外，因为所有的人都知道不同的瓶子有不同的容量。但是，百事可乐采用的启发式改变了一个维度，也就是瓶子的容量，这是之前没有人考虑过的。这导致了可口可乐失去了部分市场优势。这就是创新与多样性之间的联系。创新可以通过安排框框内的东西来实现，也可以通过探索框框内以往被忽视的那部分进行。

有了多样性视角，就可以区分不同的解释。那就是多样性解释。多样性解释可以对情景、事件、对象和问题进行部分表示。解释是对现实分类。两个人可以使用相同的视角，并且在共同的视角下，创建出不同的类别。比如，一个人可以通过颜色来识别鸟类，另一个人就可以通过鸣叫声来识别。对于任何一个创建了多个维度的视角来说，那些维度的任何一个子集都可以成为一种解释。因此，对于一个人很重要的差异，另一个人可能根本无法区分。只具有因果关系才是有意义的解释。事实上，它比视角更容易创建。对每一个可以创建出来的视角，都存在大量可能的解释。一个解释可以忽略视角的某个维度，也可以忽略视角的一组维度的某个分支，或者说它可以形成微乎其微的差别。

解释的质量往往取决于它的精细程度，专家往往能够给出比新手更好的解释。专家会忽略某些维度，并将另外一些维度进行分离剖析，在有意忽略某些维度的同时，细致地精炼另一些维度，这两者是相关的。忽略某些维度可以保证专家专注于其他维度，从而获得更深入的理解，找到更好的解决方案。以同样的基本方式看待这个世界，但是却以不同的方式将它分类，这就创造了丰富的多样性。这种多样性会影响预测结果和推断因果关系。

预测模型是根据解释来描述在某种情况下会发生的事情。预测模型需要不断磨砺和完善，但是不一定会导致不同的人的解释完全趋同。只有在得到足够丰富数据的情况下，预测才可能会趋同。马尔科姆·格拉德威尔在《眨眼之间》中阐明要成为专家，就要学会只根据几个特征就做出专家级的预测。不难看出，格拉德威尔其实是在描述基于简单解释的预测模型。他在书中举了很多例子，其中一个例子说，如果专家在瞬息之间就判定一尊据称价值数百万美元的雕塑为赝品，尽管“科学分析”认为它是真品。格拉德威尔的著作普及了关于理性的思考。运用预测模型框架，不仅可以说明这种快速判断为什么能够做到如此准确，而且可以揭示出为什么在某些情景下，即便是最擅长“灵光一闪”的人都无法做出准确的预测。

正如格拉德威尔举的那些例子表明，不应该认为预测模型只适用于重要事件，比如股票价格的变化或疾病的起因。事实上，我们几乎每次思考时都在运用预测模型。而预测模型依赖于解释。一种解释，即使它对特定对象和事件的表示是有意义的，仅凭这种解释本身也是不够的。一个解释可能刻画一些维度或属性，它可以揭示潜在的因果关系或相关关系，但除非这个解释与另一个准确的有经验锤炼过的预测模型相结合，否则它也不一定是有用的。

对于某个给定的预测任务，单一维度很可能是不存在的。举一个简单的例子，假设要预测一家上市公司的股票价格是上涨还是下跌，如果仅根据该公司的市盈率、销售增长率、过去一年来股票价格变化的趋势等维度中的某个维度，我们对它的股票价格将会上涨还是下跌的预测准确度，将与随机抛硬币没什么区别。任何单一维度都没有很高的预测价值，这是由市场逻辑所决定的。如果真的存在某个能够预测股价上涨的简单方法，肯定会有人找到它、利用它，从而拉高被低估的股票价格。出于这个显而易见的原因，股票市场上成功的投资者都要运用复杂的预测模型。我们无法在“眨眼之间”判断股票价格将会上涨还是下跌。

大量证据表明，大多数人的预测，甚至是专家的预测，都不如基于数据的回归模型预测准确。在《点球成金》一书中，迈克尔·刘易斯通过引用比利·比恩的例子，使这个特征广为人知。比利·比恩利用回归分析来管理球队，结果将其他棒球队远远的抛在后面。200多项研究表明，简单的线性回归模型对未来的预测远远优于专家。

在一项前后持续了10年之久的研究中，菲利普·泰洛克发现，专家无法预测复杂的经济和政治过程的结果。在进一步研究中，他还发现那些囿于僵硬意识形态立场的专家，即所谓的“刺猬”型专家，远比那些灵活的专家的表现更加糟糕。而且，总的来说，大多数专家都过度自信，都觉得自己在大多数情况下应该高于平均水平。其实即便是专家，头脑里也只能装下有限的信息。在进行预测时，专家也最多只能考虑几个维度。他们可能会忽视重要的变量，有时候又会把不重要的变量包括进自己的预测模型。因此，当推断任务变得非常困难时，即便是专家也不得不依靠猜测，这时他们的预测可能不会比抛硬币好多少。

成功的投资者、预测者和赔率制定者，这些真正的专家不仅仅拥有一种神秘的能力，也就是他们能够预感到可能会发生的事情，而且会大量收集和利用数据，他们一直在进行回归分析。但是，这些回归分析仍然基于人们所选择的变量，也就是我们所称的解释。因此，回归模型同样渗透了人的因素。回归模型的解释也会忽略某些变量，而将其他一些变量包括在内。鉴于可能存在的多样性解释，我们拥有不同的专家。而且，正如将会看到的，这种多样性是有益的。一个伟大的发现可能只是一次意外好运的结果。但是，如果看到某个人持续的作出贡献，就可以断定这个人拥有一个非常强大的工具箱，或者至少拥有一个独特的工具箱。

应用不同解释框架的人组成的群体预测，会比基于独立信号模型的预测更加准确。以野牛为例，野牛在翻山越岭的时候会走不通的线路，每头野牛都会留下一条小路，事实上是两条，一条由连续的足迹构成，另一条由被忽略的离散足迹构成。走同样线路的野牛越多，那条线路就会变得越明显，这样的线路体现了野牛的群体智慧。随着时间的推移，野牛群体留下的足迹变得越来越有效率。

任意一个多样性的预测模型集合，群体预测必定比平均个体预测更加准确。但是，用苏格拉底的话来说，群体很容易“随大流”，也就是说，人们经常改变自己的预测，以便与他人的预测保持一致。因此，不一定能观察到群体智慧的涌现，反而会观察到群体的疯狂。于是，我们会看到投机者以疯狂的价格购买郁金香。但是我们也可以运用多样性预测定理来解释群体的疯狂。当说一群人陷入的群体疯狂的时候，说的是一群人采取了同一种行动，而那种行动在反思时会被认为完全没有道理。说一个群体陷入疯狂，意味着这个群体的成员系统性地做出了同样的错误决定。这就是所谓的“同质性”。事实上，只有当群体成员既缺乏准确性又缺乏多样性的时候，才会产生这种令人震惊的错误。

佩奇认为，甚至连个人也可以建立起自己的群体模型。华尔街最好的那些投资者就是这样做的。事实上，查理·芒格和沃伦·巴菲特就是如此。他们两人一起为伯克希尔·哈撒韦公司的投资者决定了数以10亿计的美元资金的投资方向。查理·芒格的投资决策就是基于他所称心智模型格栅做出的。这是一系列逻辑上一致的多样性模型，芒格在它们的基础上做出了准确的预测。在这里，芒格的群体模型必定是一个有智慧的多样性的群体。

美国著名作家、评论家霍华德·雷戈德的《聪明的乌合之众》，它描述了涌现出来的“新新人类”群体是如何执行任务、解决问题的。詹姆斯·索罗维茨基的《群体的智慧》，它证明了群体可以做出准确的预测。但是，这两本书的“群体”和“乌合之众”两个词都是有误导性的，因为书中描述的直觉既适用于仅有10个成员的团队，也适用于有1000个成员的团队。乌合之众具有“非同寻常的幻想与群众中癫狂”的特质。但是，董事会可能就不是一群乌合之众，也不是一个普通的群体，它可以从多样性中受益。乌合之众是没有智慧的，但有模型的群体却是有智慧的。保持这种多样性的一种方法是模仿进化。从进化的角度来看，多样性再加上强大的选择压力可以解决困难的问题。在生物进化中，是基因突变保证了多样性。那些提高了生物体适合度的突变存活了下来，没有做到这一点的那些突变则被弃置在进化之路的旁边。

佩奇的多样性其实是教我们如何进行构建有效的格栅思维，而格栅思维则是查理·芒格先生最重要的理论。佩奇最终的结论是，作为一个人所能得到的就那么多，一个人的能力是有限的，头脑里只有那么多神经元和轴突。但是作为群体却没有这样的限制，我们拥有无以伦比的不同的思维能力。这些多样性是创新、进步和进一步理解的种子。