保持简洁，笨蛋！

每个称职的科学或数学老师都会强调“弄清你使用的每个公式是怎么推导出来的”，因为只有这样，你才能真正理解这些公式。能只用一张白纸就解决数学问题，和需要别人提供公式才能解题，两者之间存在很大的区别。真正的大厨（不用看菜谱就能选取食材，将它们变成令人赞叹的美味佳肴）和只知道怎么按菜谱做菜的厨子，两者同样截然不同。

在麻省理工学院求学期间，劳伦当过好几门统计学课程的助教。其中一门课的教科书附有电脑磁盘，里面自带一个简单的应用程序，可以用作书中统计公式的计算器。一次考试的时候，一名学生对试卷上的一个统计学问题给出了这样的答案：“我会用磁盘，输入数字，得出答案。”显然，这个学生不是真正的“大厨”。

能帮你成为“思维大厨”的核心思维模型叫作从第一性原理出发（arguing from first principles）。它是“少犯错”的出发点，指的是自下而上地思考问题，运用你认为是正确的基本构件得出合理的（有时是全新的）结论。所谓的“第一性原理”是一套不言而喻的假设，也是构成你结论的基础。它们就好比菜谱中的食材，或是公式背后的数学公理。

就像在美食真人秀《厨艺大战》（Chopped）中一样，只要指定若干食材，大厨就能运用自如，创造出新菜。如果你能从第一性原理出发，就能在做决策时做到同样的事，提出解决难题的新方法。不妨想一想美剧《百战天龙》（MacGyver）中靠一把瑞士军刀解决各类问题的男主角，或是电影《阿波罗13号》（Apollo 13）描述的真实故事（如果你还没看过这部电影，真应该去看看）——飞船出现故障，需要提前返回地球，宇航员们造出各类简易装置，确保在返航途中有足够的氧气供大家呼吸。

美国国家航空航天局（NASA）的工程师想出了一个只用飞船上已有“食材”的解决方案。在电影中，一名工程师把航天器上所有能用的零件倒在桌面上，说：“我们必须想个办法，只用这些东西（指桌上的零件），让这个（方形金属罐）能塞进这个洞（圆形金属罐）里。”

如果你能从第一性原理出发，就能更轻松地应对不熟悉的情况，或者以创新的方式应对熟悉的情况。了解公式是怎么推导出来的，有助于弄清如何推导新公式。了解分子是怎么组合起来的，有助于构建新分子。在接受硅谷的创业月度访谈节目《基地》（Foundation）采访时，特斯拉的创始人埃隆·马斯克（Elon Musk）阐述了这个过程实际是怎么运作的：

第一性原理就像从物理的角度看待这个世界……你将事物归结为最基本的事实，然后说：“我们确信的哪些事是真实的？”……然后以此为基础开始推论……

有人可能会说：“电池组真的很贵，而且以后都会这么贵……它过去每千瓦时的成本是600美元，将来价格也不会好到哪里去……

从第一性原理出发，你会说：“构成电池的原料是什么？这些原料的现货市场价值是多少？”……电池是由钴、镍、铝、碳、一些起间隔作用的聚合物，加上密封金属罐组成的。如果我们把它分解成最基础的原料，然后想一想：“如果我们去伦敦金属交易所买这些原料，那么要花多少钱？”

大约每千瓦时80美元。所以，很显然，你只需要想个巧妙的方法，把这些原料组合成电池的样子，就能得到比人们想象中便宜得多的电池。

从第一性原理出发的时候，你是刻意“从零开始”，避开传统智慧存在的潜在陷阱，因为它们很可能是错的。通过运用第一性原理，即使你最终接纳了传统智慧，也将对手头的主题有更深入的了解。

任何问题都能用第一性原理加以解决。以换工作为例，大多数求职者都会广投简历，接受愿意雇用自己的第一份工作，但那可能并不是你的最佳选择。如果你运用第一性原理，一开始就会思考自己在工作中的真正价值（自主权、地位、任务等）、想要的工作待遇（薪酬、职位、头衔等）和以往的工作经验。将这些东西统统加起来，就能弄清下一步怎么走更适合自己。然后，你就可以积极主动地求职了。

不过，即使从第一性原理出发，如果你光是空想，最多也只能走到这一步了。第一性原理仅仅是假设。这些假设可能是对的，也可能是错的，还可能是介于两者之间的。你真的在乎工作中的自主权吗？还是说，你只是认为自己在乎这个？为了能换工作，你真的需要重返学校吗？还是说，其实完全没必要这么做？

最后，为了少犯错，你还需要在现实世界中测试自己的假设。这个过程被称为“去风险化”（de-risking）。你的一个或多个假设可能存在“不成立”的风险，因此得出的结论也可能是错的。

再举一个例子：任何一个创业的点子都以一系列原则性假设为基础：

·　我的团队能制造自己的产品。

·　人们会想要我们的产品。

·　我们的产品能带来利润。

·　我们能够抵御竞争对手。

·　市场大到能提供长期商机。

你可以将这些一般性假设分解得更详细具体一些：

·　我的团队能制造自己的产品。我们拥有一定数量和类型的工程师；我们的工程师拥有合适的专业知识；我们能在合理的时间内制造出产品；等等。

·　人们会想要我们的产品。我们的产品能解决我们认为确实存在的问题；我们的产品使用起来简单便利；我们的产品拥有成功所需的关键功能；等等。

·　我们的产品能带来利润。我们能针对产品收取一定的费用，这个费用超过制造和销售产品的花费；我们有很棒的卖点来推销产品；我们能卖出足够多的产品，以便支付固定成本；等等。

·　我们能够抵御竞争对手。我们能保护自己的知识产权；我们做的东西别人很难复制；我们能打造出一个值得信赖的品牌；等等。

·　市场大到能提供长期商机。有足够多的人想购买我们的产品；我们产品的市场正在迅速扩展；我们的生产规模越大，能获得的利润越多；等等。

对自己的假设有了足够明确的了解后，你就可以制订计划来检验（去风险化）了。首先需要“去风险化”的假设是成功的必要条件，也是你最不确定的那个假设。以创业为例，这个假设就是“你的解决方案能充分解决想要解决的问题”。如果这个假设不成立，你就需要立刻停下手头在做的事，做出改变后再继续前进。因为，如果你不这么做，整个流程会无法正常推进。

一旦你确定了“去风险化”的关键假设，下一步就是实际检验这些假设，证明或反驳它们，然后适当地调整策略。

正如“第一性原理”的概念适用于各种情况，“去风险化”这个概念也是如此。你可以给任何东西“去风险化”：政策构想、度假安排、健身计划。在“去风险化”的时候，你需要迅速轻松地检验假设。以做度假安排为例，需要检验的假设涉及成本（“我的收入能负担得起这次度假”）、满意度（“我可以好好享受这个假期”）、协作（“我的亲戚也可以加入”）等方面。“去风险化”其实很简单，只需要花几分钟时间上网搜索，读读其他网友做出的评价，然后发邮件邀请亲戚参加就行。

不幸的是，在现实生活中，人们常常犯下这样的错误——在检验假设之前就做太多的事。在计算机领域，这种陷阱被称为“过早优化”（premature optimization），也就是你提前太多（过早）调整或完善代码与算法（做优化）。如果你的假设被证明是错误的，你就不得不放弃之前做的所有工作，说到底就是浪费时间。

就像你认定亲戚肯定会来做客，提前预订好了吃住行，结果问了才发现他们来不了。于是，你不得不回头更改所有预订。其实，只要提前简单沟通一下，就能避免这些无用功。

说回创业，还有一个思维模型也能帮你检验假设，那就是所谓的“最简可行产品”（minimum viable product，简称MVP）。MVP是你开发的一款产品，它拥有够用的功能、最小的体量，能够由真实消费者做可行性测试。

“最简可行产品”有助于你避免长时间独自一人闭门造车。职业社交网站领英（LinkedIn）的联合创始人雷德·霍夫曼（Reid Hoffman）就说过：“如果你不为产品的第一个版本脸红，它就发布得太晚了。”

像许多有用的思维模型一样，在熟悉“最简可行产品”这个概念后，你就会常常想起它。正如一句经常被引用的军事谚语所说：“没有哪个作战计划在遭遇敌人后还管用。”1996年，拳王迈克·泰森（Mike Tyson）对战埃文德·霍利菲尔德（Evander Holyfield）之前也说过：“每个人都自以为计划万全，直到被别人一拳打脸。”无论具体背景如何，他们说的都是一个意思：你做的第一个计划很可能会出错。尽管这是你目前拥有的最佳起点，但你必须经常根据获得的真实反馈进行修改。我们的建议是，在得到真实反馈之前，请尽量少做无用功。

和“去风险化”一样，你也可以对“最简可行产品”模型进行扩展，以便适应不同的情况，例如：最简可行组织、最简可行沟通、最简可行策略、最简可行实验。所以，既然接下来还有很多思维模型要讲，我们会试着做“最简可行解释”！

“最简可行产品”会迫使你迅速评估自己的假设。错误的做法是，在明显能做出更简单的假设时，预先提出太多或太复杂的假设。在这种情况下，“奥卡姆的剃刀”（Ockham's razor）会对你有所帮助。它指出，最简单的解释最有可能是正确的。当你面对许多看起来都能合理解释一组数据的假设时，不妨先选择最简单的一个研究一番。

这个思维模型之所以被称为剃刀，是因为它能“剃除”不必要的假设。这个名称来自14世纪英国哲学家奥卡姆的威廉（William of Ockham），不过它的核心概念能追溯到更久之前。希腊裔罗马天文学家托勒密（约90—168）说过：“我们认为，用最简单的假设来解释现象，这是个很好的原则。”后来，作曲家罗杰·塞欣斯（Roger Sessions）用自己的话阐述了艾伯特·爱因斯坦（Albert Einstein）的名言：“一切应该力求简单，但又不能过于简单！”医学界有句俗话说得好：“听到蹄声时，请先想到马，而不是斑马。”

这个模型的实际应用方法是，审视你对某种情况的解释，将其分解为若干基本假设，然后针对每个假设问自己：这个假设是不是真的有必要存在？有什么证据能证明我需要保留这个假设？我依赖这个假设是错的吗？

“奥卡姆的剃刀”有助于你寻找长期伴侣。我们亲眼见过，很多人在约会网站和应用程序上为自己的潜在伴侣列出了一长串详细标准。“我只愿意跟喜欢高温瑜伽、爱吃山莓冰淇淋、蓝眼睛的巴西男人约会，他在电影《复仇者联盟》里最喜欢的角色必须是雷神索尔。”

但是，这种做法会导致潜在约会对象少之又少。反过来，如果人们根据过去的约会经历，反思分手对象的性格特征，那么约会标准可能会简单得多。双方拥有不同的文化背景和外貌特征，甚至是喜欢《复仇者联盟》里的不同角色，这通常都是可以接受的。不过，双方必须能促使彼此思考，能逗得对方哈哈大笑，还要觉得对方有魅力。

因此，用过于具体的标准缩小自己的约会范围是很没有必要的。如果跟喜欢不同超级英雄的人约会，确实会毁了一段恋情，那么他随时可以把这条标准添回去。

“奥卡姆的剃刀”不是永远正确的法则，只是为人们提供指导。有时候，真正的解释确实极其复杂。不过，当你有更简单的解释方法时，没理由再去选择复杂的解释。

如果你不简化自己的假设，就可能落入两个陷阱。我们的下一个思维模型就要介绍这些陷阱。首先，不幸的是，大多数人生来就会做出不必要的假设。这是一种心理偏好，称为“合取谬误”（conjunction fallacy）。美国行为学家阿莫斯·特沃斯基（Amos Tversky）和心理学家丹尼尔·卡尼曼（Daniel Kahneman）对此进行了研究，并在1983年10月的《心理学评论》（Psychological Review）中提供了以下例子：

琳达今年31岁，单身，直率，极其聪明，主修哲学。在求学期间，她非常关注社会公正、歧视等议题，还参加了反核示威活动。

以下哪种说法更有可能？

1.琳达是银行出纳员。

2.琳达是银行出纳员，积极参与女权运动。

在他们的研究中，大多数人都回答说，第二种说法可能性更大。但这是不可能的，除非所有银行出纳员都积极参与女权运动。这种谬误之所以会出现，是因为两件事同时发生（合取）的概率总是小于或等于其中一件事单独发生的概率。下面的文氏图（Venn diagram）就具体阐释了这个概念。

你不但生来就倾向于认为特殊情况出现的概率大于一般情况，还存在同样的谬误倾向，喜欢用过多的假设来解释数据。这第二种谬误的思维模型称为“过拟合”（overfitting），这是一个来自统计学的概念。设定过分详细的约会标准，就是在“过拟合”你的约会经历。同样，在偶感风寒的时候深信自己得了癌症，也是在“过拟合”自己的症状。

如果明明有更简单的解释，你却选择了过于复杂的解释，也是一种“过拟合”。如果你不理会“奥卡姆的剃刀”，就会发生这种情况，被卷入“合取谬误”或犯下类似的“主动失误”的错误。每当一种解释引入不必要的假设时，就可能出现“过拟合”的现象。

下面图表中的数据就是一个直观的例子。明明可以很容易用一条直线来解释，但你也可以“过拟合”这些数据，画一条穿过每个点的曲线（类似于波浪线）。

如果你想避开这两个陷阱，不妨问问自己：这些数据是更能支持我的结论，还是更能支持其他结论？我的症状是只能指向癌症，还是也能指向其他疾病，比如普通感冒？我是不是真的需要用曲线来解释数据，还是说用一条简单的直线就足以解释？

以上建议和本节中的所有建议都可以简称为“KISS”——保持简洁，笨蛋！（Keep It Simple, Stupid!）针对某个问题制订解决方案时，无论是做决策还是解释数据，最好都从你能想到的、最简单的假设出发，用尽可能简单的方式为它们“去风险化”。