从我上学开始，我就执着于寻找框架之外的路。我信仰自然科学。数学严谨的逻辑和无法被推翻的可证伪性，以及物理公式能够实际作用于现实且分毫不差的预测“未来”，让我感受到了自然科学惊艳的美。

而现在，我从事的行业是互联网，一个和数理离得不那么近的行业。但从小批判思维和逻辑思维对我的影响，让我思考所有事情时都尽可能的往本质靠近。

我在大学的时候了解到了人性，了解到了行为经济学，了解到了需求、商业、心智，了解到了混沌学，分形，机器学习思想，了解到了失控，自组织和分布式等等…这一切的东西，多而杂乱，它们让我感到有用的同时也让我产生了很大的困惑：它们是社会科学。

社会科学有个冲突纯逻辑思维的地方就是它并不统一，两个观点之间存在着或多或少的矛盾，并且你理解了社会科学，未必能够让你期望的结果百分百在现实发生。

举个例子：

你在书上看到了一个运营活动的方法，然后你把它照搬下来时，它没有生效。

你听朋友说起了一个能赚钱的商业模式，然后你尝试复刻出来时，它失败了多次。

甚至商业经验丰富的诺基亚CEO也会在离职讲话时说到：不知道为什么，我们就是输了。

这些现象让人感到困惑，却又那么自然，因为它们每时每刻都在发生。

但如果你往下追问：

为什么市面上漂浮着这么多商业理论的书，依靠它们成功的人并没有多少？

为什么一个经验丰富的职业经理人操盘，依旧逆转不了一个公司的失败？

为什么一个运营经验丰富的运营主管，仍无法保证一个活动一定刷屏？

为什么一个经验老道的产品经理，总会设计出一些自己觉得很符合逻辑但是没人用的功能？

你就会发现社会科学的问题并不是一个不值得花时间搞懂的问题。

首先我只需要2个基础：

• 因为时间不可逆，所以已发生的事情是定量的，而未来的事件是概率的。

• 奥卡姆剃刀：如无必要，勿增实体。

过去是一条线，未来是一张网

你得承认，所有的知识都是经验的产物。

自然科学是一种经验产物，它特殊的地方在于：在已发生的时间内，它没有出过一次错。社会科学一样是经验产物，它难搞的地方在于：一个流派有一个流派的说法，无法被证伪，但又具有一定的实用性。

相较于自然科学，社会科学更加的不规整。自然科学是极端理想的实验环境，光滑/平直/无限等这类人造的产物，在实验环境下自然的因素被减小到最小，这样的控制让它得出的结论在人的共识中基本不存在偏差。

而社会科学麻烦的地方在于它的起点是一个极端复杂的环境。对于一个极端复杂的环境我们预先的处理是先排除超出模式的异常量，然后再用一个十分普适但是无法百分百生效的公式去涵盖这类现象。

这看似很正常，但也就像曼德博在TED里提到的那个疑问一样：为什么要剔除异常量来生成公式呢？

这个问题的背后是一个更深层的问题：你剔除的异常量真的对你得出的结论毫无影响吗？事实上是不的。

人们对于总结过去的事情总有一套非常合理的解释方法，当一个事件为什么会发生这些所有的逻辑摆在你面前时，你总是能及其轻松的得到一个逻辑上的结果。

比如：

诺基亚会被智能手机打败是因为它们不懂得创新，无法意识到芯片的发展和摩尔定律。

华为的技术能够发展的如此之快的原因是因为，公司会将很大的一部分收入拨给研发。

中兴被美国芯片钳制是因为他们没有将自研芯片划入公司的核心战略当中。

你观察这类句式你会很容易发现：它们全都是证明题。（证明题是给出了题目，给出了结果，让你去推导这道题是如何得到结果的）但人们对于预测未来的事情，往往就不那么准确了。我们拿着过去证明题得到的结果，去套入未来需要去做的解答题中。（解答题是给出了题目，没有结果也没有推导过程，这一切都需要你自己去解开）

这里就出现了一个逻辑问题：

你怎么确认过去的问题只是现在问题的一种变式，你怎么确认过去与现在题目的“异常量”完全相同？

它们可能有一定的相似性，但绝对不是完全相同，相似度越高，重现的可能性越大，但它也只是一种概率事件。过去是一条线，是已经发生的定量事实，未来像一张网，是充满了蝴蝶效应的逻辑网络，A的选择或多或少的会影响到B的产生，你无法将所有变量纳入计算，一是我们并不拥有如此宏大的算力，二是混沌学向我们证明了即使是一个很简单的纯公式，通过多次计算越过临界之后得到的集也是无尽的，如果结果不准确，计算也就失去了意义。

讲到这里，我想表达的东西其实很简单。过去的结论无法百分之百的生效于未来将要发生的事情。这让我们要放弃一种错误的坚持：

要得到必定成立的公式套用在社会科学上是几乎不可能的事情。

这么说总结过去是否就没有必要？不是的。只是它的用法变得不太一样了。

让网收束成线：

首先，清空思绪。

然后，我们需要一把奥卡姆的剃刀。

奥卡姆是一个狡猾的逻辑学家，在他活着的时候，没有人能够辩倒他的理论。这个理论就是奥卡姆剃刀，奥卡姆剃刀只说了一句话：如无必要，勿增实体。通俗的来说这句话的意思就是：不要增加任何东西，如果它是没有必要的。

它是一句废话，因为它没有给出任何的指导方向。

它没有说究竟什么是必要的，奥卡姆狡猾的地方就在于此。它说的这句话就是“对”本身。

如果你假设了一样东西，它没有成立，奥卡姆就会说你假设的这个东西是没有必要的，所以他说的是对的。而如果你假设的东西成立了，奥卡姆就会说你假设的这个东西是有必要的，所以他说的也是对的。无论你成立与否，奥卡姆说的都是对的。

可它真的是一句没用的废话吗？这是一个简单而又可证伪的论断，它斩断了你我之间共识的模糊地带。

我们继续深入拆分奥卡姆的思想，将其加入一条时间轴：

假设奥卡姆在批判我提出的一个产品假设是没用的，因为它增了实体，这是时间点1。

然后我提出的产品假设被市场证明是有需求的，这时奥卡姆说他是有用的，因为这个实体是有必要的，这是时间点2。

你可以看到在两个时间点中，奥卡姆对于我提出的产品假设态度是不统一的，从我们传统的角度来看，他预测错了这个产品的假设。

有趣的是奥卡姆根本不在乎他是否预测错了你这个产品的假设，奥卡姆本身是分立的，对于一个事物的看法并没有连续性。他一直坚守没变的是他如无必要，勿增实体的思想，事实证明他的思想并没有错误。

重点在于：他提出的论点是对的，或者说他提出的就是对本身。鉴于以往自然科学的经验，如果一个论点能够具有可证伪性，那么它就具有作为公理的基础。

奥卡姆在自然科学当中可谓是无往不利。自然科学中提出一个猜想，只要能在逻辑上被证明是相通的，它就是必要的。与自然科学不同的是，必要在社会科学当中是一种十分模糊的事情，所以我们我们面临着第二个放弃：我们需要放弃得出必要成立的标准。

让我们继续将奥卡姆剃刀嵌入未来充满蝴蝶效应的未来，我们会得到什么奇特的结果？

得出结果：

毫无疑问，奥卡姆剃刀是应对未来的最好的哲学思考，因为它总是对的。

如无必要，勿增实体的后半部分：勿增实体也是剃刀的核心。

不要增加，这是一种警示。

如果你没有把握，就不要增加过多的假设。这并不代表很多假设就是错的，只是当假设越多，最终得到的假设就会越脆弱，脆弱是假设过多的致命之处。这是当假设没有被验证的时间点。

而我们的任务，就是快速将假设推向已经被验证的时间点，让网收束成线。

你有一个在框架之外，颠覆某类产品的设想？做出一个最小的可行产品，然后推进它。

你有某种突破设计语言的新设计思路？做出能包含你思路的最小单位，然后丢出去。

……

至于是不是专家，其实影响并没有想象的大。专家因为经验而专，这意味着相同的假设量你出错的概率比他的大，但他一样会出错。

如果你们同时都只做一个假设，这种差距就会被缩小。同时如果你的假设足够反常识，但是在逻辑底层上能够走通，反而还有可能反超专家，因为专家在接受经验的馈赠时，他的思维也带上了相对应的镣铐。

在我看来，产品的两种极端，分别是张小龙和张一鸣所代表的。

张小龙在增实体上有着很深的造诣，他喜欢乔布斯，对底层人性敏感，同理心强，有着创造者的天然属性：反叛。

张一鸣在变成必要上做的非常极致，极客思想和增长思想充斥在字节的基因中，核心在于快速将产品迭代、试错和调整，并同时准备多套方案，以确保最后生产出来的东西大概率是必要的。

这并不代表张小龙在变成必要上的不足，这能从他本身是个技术和他一贯的”产品是长出来的“言论中可以发现。

这也并不代表张一鸣在增实体上做的不够好，当时字节跳动即使毫无搜索底子一样敢做推荐算法和中台。

如无必要，勿增实体，缺一不可。****于此，我自己推出了一个很简单的应对未来的做法：

在做新的尝试时，不断的拷问每一个假设的增加是否有必要，哪怕是那些司空见惯习以为常的东西。同时如果你犹豫不决，无法判定必要性，那么就选择最贴近底层逻辑的那个假设。

剩下的，就是不断的优化”实现“本身，让“变成必要”变得足够快。