奥卡姆剃刀的谎言(转载)

文章目录

source:奥卡姆剃刀的“谎言”

假如时光倒流,回到梅西来迈阿密国际球队之前,请你做一个预测。

情境:迈阿密国际已经连续9场不胜。

请问:球王梅西加入球队后,以下哪个更有可能?

A. 该队在梅西首秀比赛中获胜。

B. 该队在梅西首秀比赛中获胜,并且主场球迷将会集体高呼球王的名字。

你会选择A还是B?

我猜许多人会选择B。

但事实上,尽管B的情境似乎更符合想象(并且也发生了),但A的概率实际上是更高的。

因为A包括了B的可能,所以你预测A可能性更大,才是理性的。

诺奖得主卡尼曼曾经设计过一个类似的实验,大部分人选择了“看似更有可能然而其实概率更小”的选项,他将其称为“合取谬误”。

增加“球迷集体高呼梅西的名字”这一假设,符合人类的想象力和讲故事的本能,但却是一种假设负荷

假设负荷会降低一件事情发生的概率。

而过多的假设,正是奥卡姆剃刀所要砍掉的东西。

美国化学家霍夫曼说:好的理论,就要尽可能地简单,你把它一减再减,直到再减就什么都剩不下为止。

因为剩下的每一条都是本质性的。

人生亦如是。

少做假设,

而非尽量简单

大多数人对“奥卡姆剃刀”的理解是错的。

奥卡姆剃刀的原理经常被简化为“最简单的解释往往是正确的”,但事实上,这个原则的真正意义更为微妙。

奥卡姆的威廉所说的“Numquam ponenda est pluralitas sine necessitate”,翻译成中文,大意是:

“不必要时,不要假设多余的东西”。

勿增实体,“实体”指的是假说、解释或模型的组成部分

例如,你在天线里探测到了微波,你应该寻找熟悉的实体来解释这一现象,如雷达、鸽子,而不是增加新的实体如“三体外星人来袭”来解释它。

所以,“奥卡姆剃刀”的关键是少做假设,而非尽量简单

“奥卡姆剃刀”并不是一个绝对法则,而是一个指导原则。

这个原则强调的是,当我们构建理论或解释现象时,应该避免不必要的假设。

例如,如果两个理论都能够解释同一个观察到的现象,但其中一个理论需要更多的假设,那么奥卡姆剃刀原则建议我们选择假设较少的那个理论。

例子A:外星人来过的痕迹

情境:假设你有一天早上发现自家的花园里有一块草地被压得扁扁的,图案很特别,就像有什么东西压过。你想找出导致这种情况的原因。

假设1:昨晚,一只大猫进入了你的花园,在那块草地上玩耍和躺了一会儿。

假设2:昨晚,外星人驾驶着飞碟来到地球,选择了你的花园作为着陆点。在这过程中,飞碟稍微触及了那块草地,但由于某种原因它们决定放弃在此停留,然后又飞走了。

虽然两个假设都可以解释草地被压扁的现象,但显然,假设2需要许多额外的假设(如外星人存在、他们会来地球、他们正好选择了你的花园、他们只是轻轻触碰了草地而没有留下其他痕迹等)。

而假设1则更为简单,只需要一个常见动物——大猫作为解释。

根据奥卡姆剃刀原则,我们应该选择假设1作为更可能的解释,因为它更为简洁,没有额外的、不必要的假设。

但这并不意味着简单的解释总是正确的。事实上,有时候真实的解释可能是复杂的。

奥卡姆剃刀只是一个指导原则,告诉我们在等同的解释能力下,应该优先选择假设较少、更为简洁的解释。

例子B:古代文献中的神秘描述

情境:在一些古代文献中,有描述关于“飞天的车辆”。

假设1:古代文明拥有高度发达的科技,能制造飞行器。

假设2:这些描述可能是象征性的,或者是对某些自然现象(如流星、彗星等)的解释。

虽然第一个假设为我们提供了一个激动人心的画面,即古代文明拥有高科技,但我们没有确凿的证据表明古代文明有这样的技术。

根据奥卡姆剃刀原则,第二种假设更为合理,因为它基于我们关于古代文明的现有知识和对自然现象的理解。

奥卡姆剃刀

7种“谎言”

奥卡姆剃刀原则在科学、哲学和其他学科中都被广泛采用,它鼓励我们避免不必要的复杂性和假设。

但同样因此,现实中充满了奥卡姆剃刀的“谎言”,例如:

  • 各种“复杂生活简单化”的人生鸡汤;
  • “像乔布斯那样追求极致简单”的创业箴言;
  • 聪明人追求简单,傻瓜把问题搞复杂;
  • 甚至连“头脑简单”也借奥卡姆剃刀大行其道;
  • ……

概括而言,大约有如下常见的奥卡姆剃刀的“谎言”。

谎言1:奥卡姆剃刀是选择最简单的答案

这是最常见的误读,奥卡姆剃刀原则往往被过度简化为”最简单的解释就是正确的”。

然而,实际上奥卡姆剃刀并不是选择最简单的答案,而是当解释某一现象时,我们应尽量减少不必要的假设。

例如,说地球是平的是一个简单的解释,但我们知道这并不正确。

解读: 在科学研究中,这意味着选择最能解释数据并且假设最少的模型。

在日常生活中,这意味着在面对复杂问题时,我们应先考虑最直接、最明显的因素,而不是寻找复杂的解释。

谎言2:奥卡姆剃刀是绝对的科学原则

奥卡姆剃刀被误读为在所有情况下都能确定科学决策的绝对法则。然而,它只是一个建议,一个指导原则,用来指导我们优先选择假设更少的解释。

解读: 在某些情况下,更复杂的理论或模型可能会提供更准确的预测或更深入的理解。

因此,我们不能盲目地依赖奥卡姆剃刀,而应结合实际情况进行判断。

有些人可能会错误地认为,如果一个解释很简单,那么它就不需要证据支持。这是错误的,因为奥卡姆剃刀并不能代替证据的收集和分析。

谎言3:奥卡姆剃刀就是简化生活

有些人错误地将奥卡姆剃刀与简化生活的理念相联系。他们误以为奥卡姆剃刀意味着我们应该追求简单的生活方式,避免复杂和混乱。

解读: 实际上,奥卡姆剃刀原则在某种程度上可以应用于生活决策,但它并不直接涉及到如何简化生活方式。

生活有时候应该断舍离,做减法。尤其是去除那些错误的假设–只要拥有了某某东西我就能够过得更好,但事实上并非如此。

然而,减法人生是一种积极主动的选择,而非又一个堵塞心灵的万能药。

谎言4:应该尽量避免复杂性

有些人可能会误认为,由于奥卡姆剃刀鼓励我们选择最简单的解释,那么我们在生活或工作中也应该尽量避免复杂性。

解读: 在某些情况下,我们可能需要面对并处理复杂性,因为某些问题本身就是复杂的,我们不能过于简化它们。

iPhone的确很简单,然而里面的芯片很复杂。

简单指的是用户体验,而非工作不复杂。

所以任正非说,简单留给客户,复杂留给自己。

乔布斯的确能够挥舞“奥卡姆剃刀”砍来砍去,那是因为他有一群顶级人才,解决复杂性问题。iPhone最初一样有很多样机。

“选择”是奥卡姆剃刀,但是如果没有“多样性”,哪里来的选择?

谎言5:奥卡姆剃刀就是“大道至简”

尤其是在投资领域,人们总是爱说,你看,巴菲特的投资道理多简单?

那么简单为什么很少有人能做到呢?只是因为不想慢慢变富?

显然没那么简单。

就像围棋,规则最简单,但却是最复杂的棋类游戏。

价值投资的确有极少的假设,这一点复合奥卡姆剃刀的原则。

然而要做好价值投资并不容易,某些投资人喜欢让自己显得云淡风轻,是因为按捺不住“成神成仙”的优越感。这么做其实误导了许多“普通人”。

解读: 越是“简单”的道理,越需要极深的洞见。这仿佛是某种能量守恒。

正所谓“功不到不为财”,又省力,又省“距离”,从物理上说不通。

事实上,巴菲特不仅在专业领域有极深的功底,并且过的是一种苦行僧似的生活。

谎言6:我们应该追求最少的工作量

这种理解可能会导致人们认为他们应该尽量避免做额外的工作,或者总是选择最少工作量的路径。

解读: 实际上,奥卡姆剃刀的原则并不直接涉及到工作量的问题。它是关于如何选择最好的解释或理论,而这并不一定意味着最少的工作量。

例如,在设计一台机器或编写一个程序时,应尽量减少不必要的组件或代码,而不是简单地减少它们的数量。

有时候,为了找到最好的解决方案,我们可能需要付出更多的努力和时间。

牛顿三大定律很简单,而他的《自然哲学数学原理》则很厚。

就像本文也许很长,但废话很少;而某些评论很短,但每个字都是废话。

谎言7:奥卡姆剃刀排斥创新

有人可能误以为奥卡姆剃刀原理抑制新颖和创新的想法,因为这些新颖的想法往往看起来更复杂。

然而,实际上,如果一个创新的理论提供了更好的解释,即使它比现有的理论更复杂,也是可以接受的。

默认选项

致命的假设

如下话题,是我这两年看到的最为触动的观念之一,就其本质而言,亦和奥卡姆剃刀同源。

克里斯坦森在《你要如何衡量你的人生》讲了一个案例:

巴黎迪斯尼乐园的致命假设。

迪士尼的前三个乐园都很成功,第四个选址是在巴黎郊区,头两年里,他们损失了将近10亿美元。

复盘时发现,失败源自项目的规划有如下假设:

每年有1100万游客,平均逗留3天。于是便是用1100万乘以3,设想出每年有3300万人次“游客逗留”,并据此建酒店和基础设施。

现实呢?第一年的确有接近1100万游客参观迪士尼,但是,平均每个游客逗留的时间只有一天。

为什么?其他迪士尼乐园有45个游乐设施,人们可以玩儿3天;而巴黎迪士尼乐园只有15个游乐设施,一天就够了

可是,在决策时,人们默认了每个迪斯尼乐园的游客数据都是一样的。

正确的做法是,盘点决策时所作的所有默认假设,并且追问:

“如果这个假设成立,最重要的条件是什么?怎样跟踪落实呢?”

由是,克里斯坦森为我们分享了一个简单然而宝贵的方法:

当你要做一项新的决策时,先做一下“测试前提假设”。

认真问自己,“在哪些前提假设得到验证的条件下,才能证明你的策略是正确的?”

很多时候,我们都是默认一些选项,然后慢慢就忘记了这些默认选项的假设前提和适用环境。

拷问自己的观念和决策的默认假设,是奥卡姆剃刀在现实生活中最有效的应用场景。

事实上,有很多我们犯下的错误,起初看起来很正确,一路也都很正确,然而却是建立在错误的假设基础之上的。

我们一开始就默认了这些假设,越往后就越不记得来质疑这些假设成立的前提。

奥卡姆剃刀

也许是个概率问题

请你来做一个测试游戏。

有一个名叫Linda的女性,她关心社会问题,在学校积极参与学生会活动,经常在网上为女性权益发声。请问,下述两种情况,哪一种更可能为真?

1、Linda是个银行职员;

2、Linda是个银行职员并且是女权主义者。

卡尼曼曾经设计过如上实验,结果大部分人都选择了2。

这似乎有点儿奇怪,因为“1”包括了“2”,当然是“1”为真的可能性更大。

但是在很多人看来,“2”更符合他们对Linda的印象。

这个实验显示,人们在做判断时,可能会过度追求具体性和详细性,而忽视了基本的概率原则。

虽然看起来有点儿绕,这也是一个奥卡姆剃刀原理被误用的例子,即过度增加不必要的假设,而不是选择更简单、更一般的解释。

并且,越是受过教育的人,甚至是读书越多的聪明人,如果没有经受太多现实世界的捶打,越容易犯这类错误。

卡尼曼将这种非理性现象称为合取谬误(”联合偏误”):

人们在做决策时,往往会错误地认为一个更具体(因此包含更多假设)的事件比一个更一般的事件更可能发生,这与概率论的基本原则相违背。

从这个角度看,奥卡姆剃刀原理说到底是个概率问题。

一旦你为原来的解释引入新的因素,或者提出一个新的假设,那么该解释为正确的概率实际上是下降了。

最大的默认假设,可能就是黑天鹅问题了。

黑天鹅和奥卡姆剃刀,都告诉我们,所有的假设都有不确定性,应该冠以概率。

黑天鹅则提醒我们别把那些默认前提当作100%,甚至于你客观地给予了99%的概率,那1%被忽视的结果也可能是致命的。

用奥卡姆剃刀

砍掉假设负荷

在临床医学中,当面对一个病患的症状组合,医生通常首先考虑那些最常见和最可能的解释,即所谓的“常见疾病常见”。

例如,如果一个年轻人有持续的喉咙痛,首先要考虑的可能是扁桃体炎,而不是立即考虑罕见的喉咙肿瘤。

当然,医生在诊断过程中需要详细询问病史、做全面体检和必要的检查,确保不错过重要的信息。

在给各种可能性排序时,如果把每个诊断背后所代表的全新假设加起来(统计其数量及概率大小),就可以算出这会造成多大的假设负荷

每当我们增加新的假设或因素,我们不仅增加了复杂性,还增加了不确定性,因此增加了出错的可能性。通过尽量限制我们的假设数量和引入高概率的因素,我们可以更有可能获得正确的答案。

例子A:埃及法老图坦卡蒙的死因

情境:年轻的法老图坦卡蒙死于公元前1323年,但他的死因一直是个谜。有人提出了各种假设,包括谋杀、疾病和意外。

假设负荷:尽管有一些研究建议图坦卡蒙可能是被谋杀的,但近期的研究表明,他可能是因为腿部感染或其他健康问题死亡。

这个解释有较低的假设负荷,因为它不需要引入复杂的宫廷阴谋或其他外部因素。

例子B:波尔图蒂事件

情境:1970年代,英国发生了一起家庭持续遭受超自然现象骚扰的事件,包括家具自行移动、声音和其他奇怪的现象。

假设负荷:尽管一些人认为这是超自然现象,但其他人则认为,这些事件可能是由于自然原因或家中的某个成员故意制造的。

后来,有证据表明家中的一名少女可能参与了部分事件的制造。

这种解释具有较低的假设负荷,因为它只需要考虑家庭内部的动机和行为,而不需要涉及超自然的因素。

更常见的例子是,假如一位平时遭遇家暴的女性不幸遇害,凶手大概率是其老公。

奥卡姆剃刀原理可以被视为一种有效的逻辑和决策工具,帮助我们在面对复杂和不确定的情况时,尽可能地减少新的假设,聚焦于最可能的解释,从而降低决策的复杂性和不确定性。

但这并不代表奥卡姆剃刀不重视小概率的可能性。例如本节开头的喉咙痛,假如排在前面的可能性被排除,医生一定会继续考虑排在后面的较小可能性。

不过,对于普通人而言,假如突然关心起自己的健康,上网查知识来自我诊断,经常会用小概率的可能性把自己吓个半死。

多个香炉多个鬼

太多假设不靠谱

“多个香炉多只鬼”,是妙极的广东俚语,常见于发烧友,指过多设备堆砌反有损音质。

这句话在某种程度上可以视为奥卡姆剃刀原则的一种生动表达。

它直接指出了如果我们在解决问题时引入过多的变量或假设,反而可能导致我们分析问题的复杂度增加,使得问题的解决更为困难。

在此背景下,”多个香炉多个鬼”意味着,如果你对很多事情都进行祈祷和拜祭,那么你也要面对更多的鬼神,如愿的可能性也就降低了。

这句话用于形容“太多假设不靠谱”,也很贴切。

所谓不靠谱,就是有些事情,看起来很漂亮,很巧妙,但是有太多假设:假如…假如…

一个理论、观点或者计划,如果依赖于太多的“假如”,则其实现的可能性和稳定性就会大大降低。

有些人,有太多资源,人脉丰富,但却很难成事儿。因为他们的逻辑是“整合资源”,可这类事儿和”多个香炉多只鬼”一样,要依赖太多不确定性事情的同时成立。

每当我听到有人讲起自己的商业计划,只要涉及到两个以上的“香炉”,就会觉得有些虚无飘渺。

此外,很多时候,人的错误假设,往往是因为欲望,或者是所谓美好愿望。

从这个角度看,英文俗语“Don’t count your chickens before they’re hatched”很有道理。

别在鸡仔们孵出来之前去数你有多少鸡。这是一个很好的提醒,因为过早的预期可能会让人忽视或低估实际情况的复杂性和不确定性。

现实中有太多类似的教训了。记得2015年,有个朋友满仓加杠杆,一天就是几千万“收益”,于是便开始算这一波能赚多。结果后来全栽进去了。

和奥卡姆剃刀一样,上面这句俗语则提醒我们,在事情尚未确定时,我们应避免过多的假设和预期。

说起来,别说谎,对自己诚实,也有异曲同工之妙:

你说了一个谎,就要说更多谎。

就像一个错误的假设,会令假设之上那些不管看起来多正确的事情都变得错误。

错误的假设,其实是自己骗自己。而且由于自己最懂自己,所以往往骗得很深,很真诚。

诚实和简单并不一定总是最容易的选择,但它们往往能引导我们走向更健康、更实质的解决方案。

复杂模型

过拟合风险

冯·诺依曼在一次会议上,听到某物理研究员使用复杂模型,试图论证实验数据点都落在同一条曲线上,“所以”符合模型预期。

冯·诺依曼调侃道:你还不如说这些点都在同一个平面上……

这位科学大师戏谑地留下一个经典话语:

“给我四个参数,我可以画出一头大象;再给我一个,我可以让它鼻子摇摆。”

1953年,年轻的康奈尔教授戴森,与学生用赝标介子理论得到的计算结果与费米的实验相吻合。

激动的戴森马上找到费米分享,但费米批评说:“你的计算既没有清晰的物理图像,也不是精确的数学体系。”

戴森不解,费米问他:“你的计算用了几个参数?”

戴森说:“四个。”

费米笑道:“我朋友冯·诺依曼说过,四个参数可以拟合大象,五个还能摇鼻子呢。”

戴森听后失落,决定调整研究方向。

冯·诺依曼的故事强调了,给予一个模型过多的参数,它有能力拟合任何数据,但这并不意味着模型具有真实的预测力或对现实世界有深入的理解。

img

事实上,当一个模型有太多的参数,它可能过于复杂,导致过拟合。这意味着它可能在已知数据上的表现很好,但在新的、未知的数据上表现很差。

奥卡姆剃刀原则恰好警告我们避免不必要的复杂性,因为额外的复杂性可能并不带来更好的预测能力。

从冯·诺依曼的大象,很容易想起毕加索的牛。

img

毕加索的抽象化减法,就像是对现实世界事物的一种简化和抽象。抽象化的过程中,我们抛弃了许多细节,而保留了最基本、最核心的特征,从而帮助我们更好地理解和表达事物的本质。

这种思想也与奥卡姆剃刀原则相符,奥卡姆剃刀原则鼓励我们在解决问题时,尽可能地简化我们的理论或假设,只保留最基本和必要的部分。

实在论者相信存在普遍性的概念,如柏拉图的理念或亚里士多德的普遍性,认为物体的性质有独立的实体存在。

例如,牛有“牛性”,樱桃有“樱桃性”,而人成为父亲是因为他们具有“父性”。

然而,奥卡姆反对这种观点,他提出,普遍性只是我们为同类事物所用的词语。这种思想称为唯名论。

奥卡姆主张,不必为每个概念增加一个实体。例如,父亲之所以是父亲,仅因他有孩子,无需其他复杂解释。

与过拟合的大象相反,“抽象牛”具有更好的泛化能力。

泛化 (Generalization):是一个过程,通过它我们从特定的例子或经验中提炼出普适性的原则或规则。

这使我们能够将在某个情境下学到的知识应用到新的、类似的情境中。

毕加索的抽象牛,更接近牛的本质,也几乎适用于所有的牛。

虽然只有几根线条,但它们都在诉说着牛的特征,尽管这些线条只是对复杂实物的一种简化,但却足以帮助我们理解和认识牛这个生物。

成功的“秘诀”

精确的模糊

有位朋友对我说,当今短视频创作的流量密码是:

只要做到以下三点,普通人也能翻身逆袭……

由于很不幸《人生算法》一书也被归类为成功学,所以我也有过数次被读者追问“你能不能给我具体的方法来实现成功”的经历。

某种意义上,“成功学”最大的缺陷就是过拟合。

当你想健身,你可能会模仿某健身达人:早起跑步、严格饮食。

这就像“过拟合”:盲目复制特定的成功模式,但可能并不适合你。

如果你从多位达人那汲取智慧,形成如“持续锻炼”、“均衡饮食”等原则,这更像“泛化”,找到适合自己的方法。

泛化过拟合也是机器学习和统计建模中常常对立的两个概念。

泛化(generalization)是模型对新的、未见过的数据的表现能力。

一个有良好泛化能力的模型能够很好地应用于未见过的数据,即使这些数据在训练时并未出现。

过拟合(overfitting)则是指模型过度复杂,以至于开始“记忆”训练数据中的噪声或异常值,而不是从数据中学习其内在规律。

这样的模型虽然在训练数据上的表现很好,但在未见过的新数据上往往表现糟糕。

所以,我们可以说过拟合是泛化的反面:

一方面,我们希望模型能尽可能地学习到训练数据中的信息,也就是要尽量减少偏差(bias);

另一方面,我们又希望模型不要过度复杂,能够适应新的数据,也就是要尽量减少方差(variance)。

这就是所谓的偏差-方差权衡(bias-variance tradeoff)。

为了得到一个好的模型,我们希望找到偏差和方差之间的平衡点,从而实现“模糊的精确”与“精确的模糊”之间的平衡,这也是机器学习中的核心挑战。

img

奥卡姆剃刀原则在这里也有应用。它鼓励我们选择假设最少、最简单的模型,从而避免过拟合的问题,提高模型的泛化能力。

“KISS”原则

以实现复制和适应性

在工程界,奥卡姆剃刀原则被认为是KISS(Keep it simple,stupid,保持简单,蠢蛋),美国海军在上世纪60年代采用了这一设计法则。

由此实现的价值大约有两个关键点:

1、提升复制的效率,降低在复制过程中出错的可能性;

2、提升适应复杂环境的性能。

以上这两点,往学术话题靠,就是达尔文理论的生命的复制和生存;往商业话题靠,则是商品与服务的规模效应和竞争优势。

奥卡姆剃刀原则推崇的是简单和清晰的思考方式,强调做出最少的假设,选择最简洁的解释或理论。

当应用这个原则时,我们通常会得到一个较为简单和直观的系统或模型,这种模型有助于我们清晰理解现象,并且在我们需要做出改变来适应新环境时,这种简单的模型更容易进行修改和调整。

与此同时,健壮性是系统或模型能够在不确定环境中稳定运行的能力。当环境发生变化时,一个健壮的系统能够有效地适应新环境,继续稳定运行。

因此,奥卡姆剃刀原则和健壮性有很大的关联。在奥卡姆剃刀原则指导下构建的简单系统,往往更健壮,因为它们的简单性使得它们更容易适应环境的变化。

再说回工程和商业。

传统的汽车生产通常包含许多零部件的组装,这意味着在生产过程中存在大量的工艺步骤和可能的出错点。

而一体化车身的设计则能够减少这些步骤,简化生产流程。例如,特斯拉Model Y就采用了全铝一体化车身,这大大减少了车身生产所需的零部件数量和组装步骤,提高了生产效率。

另一方面,一体化车身的设计也可能带来更好的车辆性能。比如,一体化车身可以提供更强的刚性和强度,提高车辆的安全性能。

同时,由于零部件数量的减少,车辆的重量也可能降低,这有助于提高电动汽车的续航里程。

当然,一体化设计也有其挑战,例如设计和制造过程的复杂性可能增加,需要更高的精度和技术水平。

所以,每一次奥卡姆剃刀式的简化,都对应着某个更高维度的“复杂”。

就像特斯拉需要通过不断的技术创新和生产工艺的优化,实现这种“简洁”的设计。

img

的确,英国生物学家约翰乔伊·麦克法登在《生活很简单》一书中说,现代性的各个领域都以简洁为宗旨,奥卡姆剃刀是现代世界的基础。

“从约翰·凯奇的极简主义音乐,到柯布西耶的建筑、贝克特简洁的文字、平板电脑光滑的边缘,现代文化潜心于简洁”。

可是,在现实世界里,简洁往往需要付出不简单的代价。

保持简单

但不能过于简单

生活并没有那么简单。

如何定义“简单”,是个很复杂的话题。

例如,欧拉公式 e^(iπ) + 1 = 0 被广泛认为是一个非常”简单”而优雅的公式,因为它只用了五个基本的数学常数就表达出了一个深刻的数学关系。

但有多少人能搞懂这个简单呢?

在奥卡姆剃刀原理的背景下,”简单”通常被理解为假设的数量或复杂性的减少。

然而,这个概念可能会被误解或误用,下面列出了一些可能的混淆:、

1、简单不等于简陋:在追求简洁的过程中,我们不能忽视必要的复杂性。

一个理论应该足够复杂,能够解释所有相关的观察结果,而不仅仅是其中的一部分。

2、简单不等于容易理解:有时候,一个理论可能需要较少的假设,但它的内涵可能非常深刻,需要专业知识才能理解。

例如,在物理学中,量子力学是一个需要相对较少的基本假设就能解释大量现象的理论,但它并不容易理解。

3、简单不等于没有变化或动态:有些人可能会将”简单”理解为静态或不变的,但这并不总是正确的。

一个理论可以包括动态的元素或变化的过程,同时仍然保持相对的简洁。

4、简单不等于总是正确:尽管奥卡姆剃刀原理鼓励我们选择最简单的解释,但这并不意味着最简单的解释总是正确的。

在许多情况下,更复杂的理论可能会提供更准确的预测或更深入的理解。

因此,在使用奥卡姆剃刀原理时,我们需要谨慎地理解和应用”简单”这个概念,避免过度简化或误用。

所以,认为奥卡姆剃刀原则,是要简化生活,过简单的人生,其实只是一种鸡汤话的说法。

因为奥卡姆剃刀的“简单”,需要极深的洞见,和极高的成本。

也许有人会说:尊重常识就可以了嘛。

可是,常识多么昂贵,多么稀缺啊。

爱因斯坦说:“Everything should be made as simple as possible, but no simpler.”

这句话强调了简洁和复杂之间的平衡,这也是奥卡姆剃刀原理的一个重要组成部分。

巴菲特的价值投资,在某种意义上也是奥卡姆剃刀,他将所有的评价标准归结于:

在企业生存周期里,总共能赚多少钱?折现到现在值多少钱?能够有多少安全边际(也是概率问题)?

但是,巴菲特的“简单”,事实上非常不简单,他为自己的投资帝国构建了一重又一重的堡垒。

当我们说“简单”时,我们实际上是在讨论一种能力——那就是从复杂性中提炼出核心的、最关键的因素。

巴菲特所展现的“简单”其实是经过深入思考和分析后得出的结果,而这背后的复杂性和努力常常被人们忽视。

奥卡姆剃刀原则与凯恩斯的金融理论都强调简洁性和实用性。凯恩斯将金融回报分为基于资产价值的“投资”和基于市场心态的“投机”。

聪明如凯恩斯,一辈子踩过几次大坑才磨好自己的奥卡姆剃刀。

脱离基本功的“简单”,可能只是一种玄学。

当然,运气可以很简单哈,人的一生很短,一个好运气也够撑得住一生了。

小结

奥卡姆剃刀使用指南

好了,我该用剃刀为本文收尾了。

1、有选择的才叫简单生活。那些原本就没选择了,然后说过简单生活,不可信。否则就像太监说自己要禁欲。

也许人生的奥卡姆剃刀,大多是被迫的主动选择吧。

2、任正非说的简单是给客户的,企业自己则要付出很大的代价。

3、对于个体而言,遵循常识,可以让生活很简单。这类特性需要有一个完美的家庭和童年来支撑。

4、乔布斯是一个众所周知的极简主义者,他的产品设计、商业战略,乃至他的个人生活方式,都以简单和易于理解为核心。他对简单的追求为苹果公司带来了众多创新和成功的产品,例如iPod、iPhone、iPad等。

然而,他是用一流人才,然后让自己的剃刀可以挥舞。

乔布斯的简单,和他的简单衣服一样,非常昂贵。

5、认知升维,行动降维。

“认知升维”,是指只有全面理解问题,我们才能找到最有效的解决方案。

然后,当我们实际行动解决问题时,我们需要尽可能地”降维”,即简化行动,专注于最重要和最核心的任务,而不是让自己陷入不必要的细节或复杂性。这种方法可以提高我们的效率,并减少执行的难度。

这个原则很好地体现了奥卡姆剃刀原理的精神。在理解问题时,我们需要尽可能全面和深入;而在行动时,我们应该尽可能简化和直接。这种思考和行动的方式可以帮助我们更有效地处理复杂的问题和任务。

6、奥卡姆剃刀有时候是做除法,例如减少维度;有时候是做减法,例如减少假设。

7、第一性和奥卡姆剃刀的关系千丝万缕。

牛顿说:对于自然万物的成因,我只认可那些既真实又足以解释其现象的原因,其他皆属多余。

这里的第一性,既有科学的,也有信仰的。 牛顿认为宇宙的秩序和规律是上帝创造的,科学研究实际上就是去探寻上帝创造的自然规律。

8、有人说,我想明白了,但就是下不了手,对自己不够狠,自己的奥卡姆剃刀不够锋利。

但真相是,上面说的“下不了手”,其实就是因为没有想明白。

9、奥卡姆剃刀认为假设应该具有可证伪性

奥卡姆剃刀强调我们应该选择那些可以通过经验检验的假设。一个理论如果无法被证伪,那么它就缺乏科学价值。

我在网上看到一个人的签名和有个性:

人生没有那么多的假设,现实是一个一个真实的耳光。

的确,当世界处于下行的周期时,是诸多假设一个个破灭之际。

“不要浪费了危机”这种提法挺让人烦的–要不我的危机您也拿去?

但如果我们被迫要为人生做减法,也许可以使用如下奥卡姆剃刀原则:

方法一、专注于基本的原则和价值观。

去除那些虚妄的东西,回归真实,回归自我,回归本质。

此外,在面对复杂的决策时,我们可以将自己的原则和价值观作为决策的基础。

这可以帮助我们减少不确定性和混乱,也可以保持我们的行动和价值观的一致性。

方法二、简化生活。

尽可能减少不必要的物质和精神负担。

例如,我们可以定期清理不再使用的物品,也可以通过冥想或者其他方式来降低我们的心理压力。

方法三、减少不必要的假设。

我们不能假设,未来几十年和过去几十年一样。

也不能假设,所有跌下去的东西都可能涨回来。

方法四、直接面对问题。

当我们面临问题时,我们应该直接面对它,而不是寻找复杂的解决方案或者回避问题。

通过直接解决问题,我们可以避免不必要的复杂性,并且更快地达到我们的目标。

概括而言:与其被生活剃,不如自己剃。

此外,也许我们需要习惯于接受失去

这原本是生命和时光的本质,且并不可怕。

犹如侘寂所欣赏的不完美、有瑕疵和不长久,并对自然的流转、事物的暂时性和衰老持有敬意。

通过主动失去而得到,经由复杂达至简洁,消除过多假设而拥抱现实的真相–

奥卡姆剃刀很残酷,但也足够温柔。